論文の概要: A Forced-Choice Neural Cognitive Diagnostic Model of Personality Testing

• arxiv url: http://arxiv.org/abs/2507.15013v1
• Date: Sun, 20 Jul 2025 15:39:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-22 20:51:32.160868
• Title: A Forced-Choice Neural Cognitive Diagnostic Model of Personality Testing
• Title（参考訳）: パーソナリティテストの強制型神経認知診断モデル
• Authors: Xiaoyu Li, Jin Wu, Shaoyang Guo, Haoran Shi, Chanjin Zheng,
• Abstract要約: 本研究は,深層学習に基づく強制的神経認知診断モデル(FCNCD)を提案する。 強制選択テストにおける項目の1次元性を考慮するために、解釈可能な参加者パラメータと項目パラメータを作成する。 FCNCDの有効性は、実世界およびシミュレーションデータセットの実験によって検証される。
• 参考スコア（独自算出の注目度）: 12.122796840818577
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the smart era, psychometric tests are becoming increasingly important for personnel selection, career development, and mental health assessment. Forced-choice tests are common in personality assessments because they require participants to select from closely related options, lowering the risk of response distortion. This study presents a deep learning-based Forced-Choice Neural Cognitive Diagnostic Model (FCNCD) that overcomes the limitations of traditional models and is applicable to the three most common item block types found in forced-choice tests. To account for the unidimensionality of items in forced-choice tests, we create interpretable participant and item parameters. We model the interactions between participant and item features using multilayer neural networks after mining them using nonlinear mapping. In addition, we use the monotonicity assumption to improve the interpretability of the diagnostic results. The FCNCD's effectiveness is validated by experiments on real-world and simulated datasets that show its accuracy, interpretability, and robustness.
• Abstract（参考訳）: スマートな時代には、人事選択、キャリア開発、メンタルヘルスアセスメントにおいて、心理測定テストがますます重要になってきています。 強制選択テストは、参加者が密接に関連する選択肢から選択する必要があるため、個性評価において一般的であり、反応歪みのリスクを低下させる。 本研究は,従来のモデルの限界を克服し,強制選択テストで見られる3つの一般的な項目ブロックタイプに適用可能な,深層学習に基づく強制選択型ニューラル認知モデル(FCNCD)を提案する。 強制選択テストにおける項目の1次元性を考慮するために、解釈可能な参加者パラメータと項目パラメータを作成する。 非線形マッピングを用いたマイニング後,多層ニューラルネットワークを用いて参加者とアイテムの特徴間の相互作用をモデル化する。 さらに,単調性仮定を用いて診断結果の解釈性を向上させる。 FCNCDの有効性は、その正確性、解釈可能性、堅牢性を示す実世界およびシミュレーションデータセットの実験によって検証される。

関連論文リスト

• TestAgent: An Adaptive and Intelligent Expert for Human Assessment [62.060118490577366]
  対話型エンゲージメントによる適応テストを強化するために,大規模言語モデル(LLM)を利用したエージェントであるTestAgentを提案する。 TestAgentは、パーソナライズされた質問の選択をサポートし、テストテイカーの応答と異常をキャプチャし、動的で対話的なインタラクションを通じて正確な結果を提供する。
  論文  参考訳（メタデータ） (2025-06-03T16:07:54Z)
• RBT4DNN: Requirements-based Testing of Neural Networks [16.90562395404293]
  ディープニューラルネットワーク(DNN)テストは、障害が深刻な結果をもたらすクリティカルシステムの信頼性と安全性に不可欠である。 本稿では, セマンティックな特徴空間で定式化された自然言語要求を用いて, テストスイートを作成するための要件ベースのテストスイート生成手法を提案する。 MNIST、CelebA-HQ、ImageNet、および自律運転データセットに関する我々の実験は、生成されたテストスイートが現実的で、多様性があり、事前条件と整合性があり、欠陥を明らかにすることができることを示した。
  論文  参考訳（メタデータ） (2025-04-03T16:24:49Z)
• Testing Conditional Mean Independence Using Generative Neural Networks [8.323172773256449]
  我々は,新しい集団CMI尺度とブートストラップモデルに基づくテスト手順を導入する。 深部生成ニューラルネットワークは、人口測定に関わる条件付き平均関数を推定するために用いられる。
  論文  参考訳（メタデータ） (2025-01-28T23:35:24Z)
• Unified Uncertainty Estimation for Cognitive Diagnosis Models [70.46998436898205]
  本稿では,幅広い認知診断モデルに対する統一的不確実性推定手法を提案する。 診断パラメータの不確かさをデータ・アスペクトとモデル・アスペクトに分解する。 本手法は有効であり,認知診断の不確実性に関する有用な知見を提供することができる。
  論文  参考訳（メタデータ） (2024-03-09T13:48:20Z)
• TREEMENT: Interpretable Patient-Trial Matching via Personalized Dynamic Tree-Based Memory Network [54.332862955411656]
  臨床試験は薬物開発に不可欠であるが、しばしば高価で非効率な患者募集に苦しむ。 近年,患者と臨床試験を自動マッチングすることで患者採用を高速化する機械学習モデルが提案されている。 本稿では,TREement という名前の動的ツリーベースメモリネットワークモデルを導入する。
  論文  参考訳（メタデータ） (2023-07-19T12:35:09Z)
• Position: AI Evaluation Should Learn from How We Test Humans [65.36614996495983]
  人間の評価のための20世紀起源の理論である心理測定は、今日のAI評価における課題に対する強力な解決策になり得る、と我々は主張する。
  論文  参考訳（メタデータ） (2023-06-18T09:54:33Z)
• D-Score: A White-Box Diagnosis Score for CNNs Based on Mutation Operators [8.977819892091]
  畳み込みニューラルネットワーク(CNN)は、自律運転や診断など、多くの安全クリティカルな領域に広く応用されている。 そこで本研究では,変異演算子と画像変換を用いたホワイトボックス診断手法を提案する。 また,D-Scoreに基づくデータ拡張手法を提案し,CNNの性能を翻訳や再スケーリングに拡張する。
  論文  参考訳（メタデータ） (2023-04-03T03:13:59Z)
• What Do You See in this Patient? Behavioral Testing of Clinical NLP Models [69.09570726777817]
  本稿では,入力の変化に関する臨床結果モデルの振る舞いを評価する拡張可能なテストフレームワークを提案する。 私たちは、同じデータを微調整しても、モデル行動は劇的に変化し、最高のパフォーマンスのモデルが常に最も医学的に可能なパターンを学習していないことを示しています。
  論文  参考訳（メタデータ） (2021-11-30T15:52:04Z)
• Statistical quantification of confounding bias in predictive modelling [0.0]
  未確立モデルと完全構築モデルのnull仮説を探索する部分的および完全共創テストを提案する。 このテストは、非正規および非線形依存の予測であっても、I型エラーと高い統計的パワーに対して厳格な制御を提供する。
  論文  参考訳（メタデータ） (2021-11-01T10:35:24Z)
• A New Score for Adaptive Tests in Bayesian and Credal Networks [64.80185026979883]
  テストは、そのシークエンスと質問数とが、テイカーの推定スキルに基づいて動的に調整されるときに適応する。 後部確率のモードに基づいて、別のスコアの族を提示するので、説明し易い。
  論文  参考訳（メタデータ） (2021-05-25T20:35:42Z)
• Hemogram Data as a Tool for Decision-making in COVID-19 Management: Applications to Resource Scarcity Scenarios [62.997667081978825]
  新型コロナウイルス(COVID-19)のパンデミックは世界中の緊急対応システムに挑戦している。 本研究は, 症状患者の血液検査データから得られた機械学習モデルについて述べる。 提案されたモデルでは、新型コロナウイルスqRT-PCRの結果を、高い精度、感度、特異性で症状のある個人に予測することができる。
  論文  参考訳（メタデータ） (2020-05-10T01:45:03Z)

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。