論文の概要: A Comprehensive Guide to Item Recovery Using the Multidimensional Graded Response Model in R

• arxiv url: http://arxiv.org/abs/2412.16657v1
• Date: Sat, 21 Dec 2024 15:00:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-24 15:59:57.535302
• Title: A Comprehensive Guide to Item Recovery Using the Multidimensional Graded Response Model in R
• Title（参考訳）: Rにおける多次元次数応答モデルを用いた項目復元に関する総合的ガイド
• Authors: Yesim Beril Soguksu, Hatice Gurdil, Ayse Bilicioglu Gunes,
• Abstract要約: 本研究では,R の多次元次数応答モデル (MGRM) における項目回復の段階的実証を行う。 研究の目的に合わせて、これらのステップのR符号が詳細な説明とともに提示され、研究者は自分たちの分析手順を再現し、適応することができた。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The purpose of this study is to provide a step-by-step demonstration of item recovery for the Multidimensional Graded Response Model (MGRM) in R. Within this scope, a sample simulation design was constructed where the test lengths were set to 20 and 40, the interdimensional correlations were varied as 0.3 and 0.7, and the sample size was fixed at 2000. Parameter estimates were derived from the generated datasets for the 3-dimensional GRM, and bias and Root Mean Square Error (RMSE) values were calculated and visualized. In line with the aim of the study, R codes for all these steps were presented along with detailed explanations, enabling researchers to replicate and adapt the procedures for their own analyses. This study is expected to contribute to the literature by serving as a practical guide for implementing item recovery in the MGRM. In addition, the methods presented, including data generation, parameter estimation, and result visualization, are anticipated to benefit researchers even if they are not directly engaged in item recovery.
• Abstract（参考訳）: 本研究の目的は, R における多次元傾斜応答モデル (MGRM) の項目回復を段階的に実証することであり, 実験長を 20 と 40 に設定し, 相互相関を 0.3 と 0.7 に変化させ, サンプルサイズを 2000 年に固定したサンプルシミュレーション設計を行った。 パラメータ推定は、3次元GRMの生成されたデータセットから導かれ、バイアスとルート平均角誤差(RMSE)の値が計算され、可視化された。 研究の目的に合わせて、これらのステップのR符号が詳細な説明とともに提示され、研究者は自分たちの分析手順を再現し、適応することができた。 本研究は,MGRMにおけるアイテムリカバリの実践的ガイドとして,文献に寄与することが期待される。 また,データ生成,パラメータ推定,結果視覚化などの手法は,直接アイテム回収に携わっていなくても,研究者の利益が期待できる。

関連論文リスト

• (Deep) Generative Geodesics [57.635187092922976]
  2つのデータポイント間の類似性を評価するために,新しい測定基準を導入する。 我々の計量は、生成距離と生成測地学の概念的定義に繋がる。 彼らの近似は、穏やかな条件下で真の値に収束することが証明されている。
  論文  参考訳（メタデータ） (2024-07-15T21:14:02Z)
• mlr3summary: Concise and interpretable summaries for machine learning models [9.191045750996524]
  この研究は、機械学習モデルの簡潔で情報的な要約のための新しいRパッケージを導入している。 我々は、R 内の(一般化された)線型モデルに対する要約関数からインスピレーションを得るが、それをいくつかの方向に拡張する。
  論文  参考訳（メタデータ） (2024-04-25T08:57:35Z)
• Response Style Characterization for Repeated Measures Using the Visual Analogue Scale [0.9620910657090188]
  視覚的アナログ尺度(VAS)は、人々の感情を正確に、かつ容易に評価できる能力から、スライダベースの尺度として人気を博している。 その重要性にもかかわらず、VASのレスポンススタイル(RS)を扱うことにはほとんど注意が払われていない。 我々は,様々な種類の繰り返し測定されたVASデータに対する新しいRP特性評価法を開発した。
  論文  参考訳（メタデータ） (2024-03-15T09:33:10Z)
• Sparse Bayesian Multidimensional Item Response Theory [0.0]
  我々は,大規模なデータセットに対して最小限のチューニングとスケールを必要とする二項および順序項目MIRTのためのベイズプラットフォームを開発する。 ベイズ非パラメトリックスによるツールによる未知の潜在因子次元の問題に対処する。 本手法は, 微小サンプルにおいても高次元合成データの因子次元と潜時構造の両方を確実に回収する。
  論文  参考訳（メタデータ） (2023-10-26T23:50:50Z)
• Tool-Augmented Reward Modeling [58.381678612409]
  本稿では,外部環境へのアクセスによるRMの強化により,制約に対処するツール拡張された嗜好モデリング手法であるThemisを提案する。 我々の研究は、外部ツールをRMに統合し、様々な外部ソースとの相互作用を可能にすることを目的としている。 人間の評価では、テミスで訓練されたRLHFはベースラインと比較して平均32%の勝利率を得る。
  論文  参考訳（メタデータ） (2023-10-02T09:47:40Z)
• Unsupervised evaluation of GAN sample quality: Introducing the TTJac Score [5.1359892878090845]
  データフリーで個々の合成画像の忠実度を測定するために「TTJac score」を提案する。 FFHQ, AFHQ-Wild, LSUN-Cars, LSUN-Horseデータセット上でのStyleGAN 2およびStyleGAN 2 ADAモデルに適用した実験結果を示す。
  論文  参考訳（メタデータ） (2023-08-31T19:55:50Z)
• RoBLEURT Submission for the WMT2021 Metrics Task [72.26898579202076]
  本稿では,共有メトリクスタスクであるRoBLEURTについて紹介する。 我々のモデルは10対の英語言語対のうち8対でWMT 2020の人間のアノテーションと最先端の相関に達する。
  論文  参考訳（メタデータ） (2022-04-28T08:49:40Z)
• Mixed Effects Neural ODE: A Variational Approximation for Analyzing the Dynamics of Panel Data [50.23363975709122]
  パネルデータ解析に(固定・ランダムな)混合効果を取り入れたME-NODEという確率モデルを提案する。 我々は、Wong-Zakai定理によって提供されるSDEの滑らかな近似を用いて、我々のモデルを導出できることを示す。 次に、ME-NODEのためのエビデンスに基づく下界を導出し、(効率的な)トレーニングアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-02-18T22:41:51Z)
• Supply of engineering techniques and software design patterns in psychoanalysis and psychometrics sciences [0.0]
  本研究の目的は、心理療法におけるCBT法(認知行動療法)の弱点を改善するために、ソフトウェア技術、モデル、人工知能アルゴリズムを導入することである。 本研究の目的は、隠れた人間の変数が検査結果から推測される心理測定実験の実装である。
  論文  参考訳（メタデータ） (2021-08-16T08:36:37Z)
• Robust Finite Mixture Regression for Heterogeneous Targets [70.19798470463378]
  本稿では,サンプルクラスタの探索と,複数の不完全な混合型ターゲットを同時にモデル化するFMRモデルを提案する。 我々は、高次元の学習フレームワークの下で、無症状のオラクルのパフォーマンス境界をモデルに提供します。 その結果,我々のモデルは最先端の性能を達成できることがわかった。
  論文  参考訳（メタデータ） (2020-10-12T03:27:07Z)
• Appearance Learning for Image-based Motion Estimation in Tomography [60.980769164955454]
  トモグラフィー画像では、取得した信号に擬似逆フォワードモデルを適用することにより、解剖学的構造を再構成する。 患者の動きは、復元過程における幾何学的アライメントを損なうため、運動アーティファクトが生じる。 本研究では,スキャン対象から独立して剛性運動の構造を認識する外観学習手法を提案する。
  論文  参考訳（メタデータ） (2020-06-18T09:49:11Z)

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。