論文の概要: I Don't Care Anymore: Identifying the Onset of Careless Responding
- arxiv url: http://arxiv.org/abs/2303.07167v1
- Date: Mon, 13 Mar 2023 15:10:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-14 14:22:44.272088
- Title: I Don't Care Anymore: Identifying the Onset of Careless Responding
- Title（参考訳）: これ以上気にしない:不注意反応の開始を識別する
- Authors: Max Welz and Andreas Alfons
- Abstract要約: 長期にわたる調査では、多くの参加者が不注意な反応をし、内部の妥当性に大きな脅威をもたらす可能性がある。
本研究では,各参加者に対する不注意応答の開始を同定する新しい手法を提案する。
本手法は,不注意が現れる可能性のある最大3次元の複合計測に基づいている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Questionnaires in the behavioral and organizational sciences tend to be
lengthy: survey measures comprising hundreds of items are the norm rather than
the exception. However, recent literature suggests that the longer a
questionnaire takes, the higher the probability that participants lose interest
and start responding carelessly. Consequently, in long surveys a large number
of participants may engage in careless responding, posing a major threat to
internal validity. We propose a novel method to identify the onset of careless
responding (or an absence thereof) for each participant. Specifically, our
method is based on combined measurements of up to three dimensions in which
carelessness may manifest (inconsistency, invariability, fast responding).
Since a structural break in either dimension is potentially indicative of
carelessness, our method searches for evidence for changepoints along the three
dimensions. Our method is highly flexible, based on machine learning, and
provides statistical guarantees on its performance. In simulation experiments,
we find that it achieves high reliability in correctly identifying carelessness
onset, discriminates well between careless and attentive respondents, and can
capture a wide variety of careless response styles, even in datasets with an
overwhelming presence of carelessness. In addition, we empirically validate our
method on a Big 5 measurement. Furthermore, we provide freely available
software in R to enhance accessibility and adoption by empirical researchers.
- Abstract（参考訳）: 行動科学や組織科学のアンケートは長引く傾向にあり、何百もの項目からなる調査は例外ではなく規範である。
しかし、近年の文献では、アンケートが長くなるほど、参加者が関心を失い、不注意に反応し始める確率が高いことが示唆されている。
その結果、長期にわたる調査では、多くの参加者が不注意な反応をし、内部の妥当性に大きな脅威をもたらす可能性がある。
各参加者に対して不注意な応答(または欠席)の開始を識別する新しい方法を提案する。
具体的には,不注意感(不整合性,不変性,迅速な応答)が現れる最大3次元の複合計測に基づく。
いずれの次元においても構造的ブレークは不注意を示す可能性があるため,3次元に沿った変化点の証拠を探索する。
本手法は,機械学習に基づく高い柔軟性を有し,その性能に関する統計的保証を提供する。
シミュレーション実験では,不注意を正しく同定し,不注意と無注意の回答者を判別し,不注意を圧倒的に有するデータセットにおいても,不注意な応答スタイルを多種多様に把握できるという高い信頼性が得られた。
さらに,本手法をBig 5測定で実証的に検証した。
さらに、経験的研究者によるアクセシビリティと採用を促進するために、Rで自由に利用できるソフトウェアを提供する。
関連論文リスト
- A Comprehensive Review of Few-shot Action Recognition [64.47305887411275]
アクション認識は、複雑で可変なビデオデータを手動でラベル付けすることのコストと非現実性に対処することを目的としている。
ビデオ中の人間のアクションを正確に分類するには、クラスごとにいくつかのラベル付き例だけを使用する必要がある。
論文 参考訳（メタデータ） (2024-07-20T03:53:32Z) - Can Model Uncertainty Function as a Proxy for Multiple-Choice Question Item Difficulty? [12.638577140117702]
我々は、質問に答える際の弱点と見なされるような、生成的な大規模モデルの側面を活用する。
本研究では、不確実性の2つの異なる指標と実際の学生の反応分布の相関について検討する。
論文 参考訳（メタデータ） (2024-07-07T10:48:04Z) - To Believe or Not to Believe Your LLM [51.2579827761899]
大規模言語モデル(LLM)における不確実性定量化について検討する。
疫学的な不確実性が大きい場合にのみ確実に検出できる情報理論の指標を導出する。
定式化の利点を実証する一連の実験を行う。
論文 参考訳（メタデータ） (2024-06-04T17:58:18Z) - A Survey on Stability of Learning with Limited Labelled Data and its Sensitivity to the Effects of Randomness [5.009377915313077]
本調査は,限定ラベル付きデータによる学習の安定性に対するランダム性の影響を論じる415の論文の概要を概説する。
我々は7つの課題を特定し議論し、さらなる研究を促進するための可能な方向性とともに課題を開放する。
この調査の最終的な目標は、この成長する研究領域の重要性を強調することである。
論文 参考訳（メタデータ） (2023-12-02T09:20:10Z) - Keeping Users Engaged During Repeated Administration of the Same Questionnaire: Using Large Language Models to Reliably Diversify Questions [2.657841934326794]
仮想エージェント管理アンケートの繰り返し使用は、応答性疲労を引き起こす可能性がある。
本研究では,大規模言語モデル (LLM) を用いて多様なアンケートモデルを作成することを提案する。
論文 参考訳（メタデータ） (2023-11-21T16:20:49Z) - On the Universal Adversarial Perturbations for Efficient Data-free
Adversarial Detection [55.73320979733527]
本稿では,UAPに対して正常サンプルと逆サンプルの異なる応答を誘導する,データに依存しない逆検出フレームワークを提案する。
実験結果から,本手法は様々なテキスト分類タスクにおいて,競合検出性能を実現することが示された。
論文 参考訳（メタデータ） (2023-06-27T02:54:07Z) - The Familiarity Hypothesis: Explaining the Behavior of Deep Open Set
Methods [86.39044549664189]
特徴ベクトルデータに対する異常検出アルゴリズムは異常を外れ値として識別するが、外れ値検出はディープラーニングではうまく機能しない。
本論文は, 新規性の有無ではなく, 慣れ親しんだ特徴の欠如を検知しているため, これらの手法が成功するというFamiliarity仮説を提案する。
本論文は,親しみやすさの検出が表現学習の必然的な結果であるかどうかを論じる。
論文 参考訳（メタデータ） (2022-03-04T18:32:58Z) - Unsupervised Person Re-Identification: A Systematic Survey of Challenges
and Solutions [64.68497473454816]
教師なしのRe-IDは、Re-ID担当者のスケーラビリティ問題に対処する可能性に注目が集まっている。
教師なしのRe-IDは、主に人物の特徴学習を監督するアイデンティティラベルが欠如しているため、難しい。
本調査では,課題と解決の観点から,教師なしのRe-IDに関する最近の研究を概観する。
論文 参考訳（メタデータ） (2021-09-01T00:01:35Z) - Predicting respondent difficulty in web surveys: A machine-learning
approach based on mouse movement features [3.6944296923226316]
本稿では,マウス追跡データの予測値について,回答者の難易度について検討する。
我々は、回答者の就業履歴と人口統計情報に関する調査データを用いている。
そこで,本研究では,基本マウスの行動を調整するパーソナライズ手法を開発し,その性能を評価する。
論文 参考訳（メタデータ） (2020-11-05T10:54:33Z) - Amnesic Probing: Behavioral Explanation with Amnesic Counterfactuals [53.484562601127195]
調査結果から行動学的結論を推測できない点を指摘する。
我々は、どの情報がエンコードされているかではなく、その情報がどのように使われているかに焦点を当てた代替手段を提供する。
論文 参考訳（メタデータ） (2020-06-01T15:00:11Z) - Review-guided Helpful Answer Identification in E-commerce [38.276241153439955]
製品固有のコミュニティ質問応答プラットフォームは、潜在的な顧客の懸念に対処するのに大いに役立ちます。
このようなプラットフォーム上でユーザが提供する回答は、その品質に大きく違いがあります。
コミュニティからのヘルプフルネスの投票は、回答の全体的な品質を示すことができるが、しばしば欠落している。
論文 参考訳（メタデータ） (2020-03-13T11:34:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。