論文の概要: Modeling Psychological Profiles in Volleyball via Mixed-Type Bayesian Networks

• arxiv url: http://arxiv.org/abs/2509.22111v1
• Date: Fri, 26 Sep 2025 09:31:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-29 20:57:54.334163
• Title: Modeling Psychological Profiles in Volleyball via Mixed-Type Bayesian Networks
• Title（参考訳）: 混合型ベイズネットワークを用いたバレーボールにおける心理学的プロファイルのモデル化
• Authors: Maria Iannario, Dae-Jin Lee, Manuele Leonelli,
• Abstract要約: 潜在Max-Min Hill-Climbing (MMHC) を用いた混合型変数間の有向関係の学習 サンプルサイズ,疎度,寸法のシミュレーションでは,MMHCは最近のコプラベース学習者よりも低い構造ハミング距離と高いエッジリコールを実現する。 バレーボールに応用すると、学習ネットワークはゴール設定と自己自信に関するメンタルスキルを組織し、感情的な覚醒的リンクと不安を関連づける。
• 参考スコア（独自算出の注目度）: 1.0049966907980128
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Psychological attributes rarely operate in isolation: coaches reason about networks of related traits. We analyze a new dataset of 164 female volleyball players from Italy's C and D leagues that combines standardized psychological profiling with background information. To learn directed relationships among mixed-type variables (ordinal questionnaire scores, categorical demographics, continuous indicators), we introduce latent MMHC, a hybrid structure learner that couples a latent Gaussian copula and a constraint-based skeleton with a constrained score-based refinement to return a single DAG. We also study a bootstrap-aggregated variant for stability. In simulations spanning sample size, sparsity, and dimension, latent Max-Min Hill-Climbing (MMHC) attains lower structural Hamming distance and higher edge recall than recent copula-based learners while maintaining high specificity. Applied to volleyball, the learned network organizes mental skills around goal setting and self-confidence, with emotional arousal linking motivation and anxiety, and locates Big-Five traits (notably neuroticism and extraversion) upstream of skill clusters. Scenario analyses quantify how improvements in specific skills propagate through the network to shift preparation, confidence, and self-esteem. The approach provides an interpretable, data-driven framework for profiling psychological traits in sport and for decision support in athlete development.
• Abstract（参考訳）: コーチは関連する特性のネットワークについて推論する。 我々は、イタリアのCリーグとDリーグから164人の女性バレーボール選手のデータセットを分析し、標準化された心理学的プロファイリングと背景情報を組み合わせた。 混合型変数(通常の質問票,カテゴリー的人口統計,連続指標)間の有向関係を学習するために,潜在型ガウスコプラと制約型骨格を結合して1つのDAGを返却するハイブリッド構造学習機MMHCを導入する。 また,安定性向上のためのブートストラップ凝集変種についても検討した。 サンプルサイズ, 空間, 次元にまたがるシミュレーションにおいて, 潜伏するMax-Min Hill-Climbing (MMHC) は, 最新のコプラ学習者よりも構造的ハミング距離が低く, エッジリコールも高い。 バレーボールに適用された学習ネットワークは、目標設定と自己自信に関するメンタルスキルを組織し、感情的な刺激的なリンク、モチベーション、不安を関連付け、スキルクラスタの上流にビッグファイブの特徴(特に神経症と外転)を見つける。 シナリオ分析は、特定のスキルの改善がネットワークを通じてどのように伝播し、準備、自信、自尊心をシフトするかを定量化する。 このアプローチは、スポーツにおける心理的特徴をプロファイリングするための解釈可能なデータ駆動のフレームワークと、アスリートの発達における意思決定支援を提供する。

関連論文リスト

• Traits Run Deep: Enhancing Personality Assessment via Psychology-Guided LLM Representations and Multimodal Apparent Behaviors [46.55948528317124]
  我々はtextittextbfTraits Run Deep という新しいパーソナリティ評価フレームワークを提案する。 テキストテキストbf心理学的インフォームドプロンプトを使用して、高いレベルの人格関連セマンティック表現を導き出す。 textittextbfText-Centric Trait Fusion Networkは、リッチテキストセマンティクスをアンロックして、他のモダリティからの非同期信号の整合と統合を行う。
  論文  参考訳（メタデータ） (2025-07-30T04:12:14Z)
• FedNAMs: Performing Interpretability Analysis in Federated Learning Context [0.16874375111244327]
  連合学習フレームワークにニューラル付加モデル(NAM)を用いる新しいアプローチを導入する。 FedNAMは詳細で特徴に特化した学習を維持しており、金融や医療などの分野において特に有用である。 本研究は,OpenFetch ML Wine, UCI Heart Disease, Irisなどのデータセットを用いて,さまざまなテキストおよび画像分類タスクについて検討し,FedNAMが精度の低下を最小限に抑えられることを示す。
  論文  参考訳（メタデータ） (2025-06-20T20:14:13Z)
• Test-Time Alignment via Hypothesis Reweighting [56.71167047381817]
  大規模な事前訓練されたモデルは、しばしば未指定のタスクで苦労する。 テストタイムのユーザ意図にモデルを整合させるという課題に対処する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-11T23:02:26Z)
• Brain-Cognition Fingerprinting via Graph-GCCA with Contrastive Learning [28.681229869236393]
  縦断的神経画像研究は、脳機能と認知の間の動的相互作用を研究することによって、脳の老化と疾患の理解を改善することを目的としている。 本稿では,グラフ注意ネットワークと一般化相関解析を用いた教師なし学習モデルを提案する。 個々の人の独特の神経・認知表現型を反映した脳認知指紋を作成するために、モデルは個別化およびマルチモーダル・コントラスト学習にも依存する。
  論文  参考訳（メタデータ） (2024-09-20T20:36:20Z)
• Self-Training with Pseudo-Label Scorer for Aspect Sentiment Quad Prediction [54.23208041792073]
  Aspect Sentiment Quad Prediction (ASQP) は、与えられたレビューに対して全てのクワッド(アスペクト項、アスペクトカテゴリー、意見項、感情極性)を予測することを目的としている。 ASQPタスクにおける重要な課題はラベル付きデータの不足であり、既存のメソッドのパフォーマンスを制限している。 そこで我々は,擬似ラベルスコアラーを用いた自己学習フレームワークを提案し,レビューと擬似ラベルの一致をスコアラーが評価する。
  論文  参考訳（メタデータ） (2024-06-26T05:30:21Z)
• PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for Personality Detection [50.66968526809069]
  PsyCoTと呼ばれる新しい人格検出手法を提案する。これは、個人がマルチターン対話方式で心理的質問を完遂する方法を模倣するものである。 実験の結果,PsyCoTは人格検出におけるGPT-3.5の性能とロバスト性を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2023-10-31T08:23:33Z)
• User profile-driven large-scale multi-agent learning from demonstration in federated human-robot collaborative environments [5.218882272051637]
  本稿では,提示された人間の行動のきめ細かい表現を提供する,新しいユーザプロファイルの定式化について紹介する。 全体的な設計は、人間の行動の短期的および長期的分析/解釈を可能にする。
  論文  参考訳（メタデータ） (2021-03-30T15:33:21Z)
• DICE: Diversity in Deep Ensembles via Conditional Redundancy Adversarial Estimation [109.11580756757611]
  メンバー間の多様性のおかげで、ディープアンサンブルは単一のネットワークよりもパフォーマンスが良い。 最近のアプローチでは、多様性を高めるための予測を規則化していますが、個々のメンバーのパフォーマンスも大幅に減少します。 DICEと呼ばれる新しいトレーニング基準を導入し、特徴間の素早い相関を減らして多様性を高める。
  論文  参考訳（メタデータ） (2021-01-14T10:53:26Z)
• My tweets bring all the traits to the yard: Predicting personality and relational traits in Online Social Networks [4.095574580512599]
  本研究は,オンラインソーシャルネットワーク(OSN)における全体像プロファイルの予測モデルを提供することを目的とする。 我々はまずOSNアカウントから幅広い機能を抽出する機能エンジニアリング手法を考案した。 そして,抽出した特徴に基づいて,ユーザの心理的特徴のスコアを予測する機械学習モデルを設計した。
  論文  参考訳（メタデータ） (2020-09-22T20:30:56Z)

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。