論文の概要: Neural network embeddings recover value dimensions from psychometric survey items on par with human data

• arxiv url: http://arxiv.org/abs/2509.24906v1
• Date: Mon, 29 Sep 2025 15:14:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:20.082239
• Title: Neural network embeddings recover value dimensions from psychometric survey items on par with human data
• Title（参考訳）: 人のデータに匹敵する心理測定項目からのニューラルネットワーク埋め込みによる値次元の回復
• Authors: Max Pellert, Clemens M. Lechner, Indira Sen, Markus Strohmaier,
• Abstract要約: SQuID(Survey and Questionnaire Item Embeddings Differentials)は,ニューラルネットワークの埋め込みによって心理測定項目から潜伏次元を復元する手法である。 本研究では,SQuIDで処理された大規模言語モデルから得られた埋め込みが,人間のレーダ判断から得られた人間の値の構造を復元できることを実証する。
• 参考スコア（独自算出の注目度）: 7.5591367381052175
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This study introduces "Survey and Questionnaire Item Embeddings Differentials" (SQuID), a novel methodological approach that enables neural network embeddings to effectively recover latent dimensions from psychometric survey items. We demonstrate that embeddings derived from large language models, when processed with SQuID, can recover the structure of human values obtained from human rater judgments on the Revised Portrait Value Questionnaire (PVQ-RR). Our experimental validation compares multiple embedding models across a number of evaluation metrics. Unlike previous approaches, SQuID successfully addresses the challenge of obtaining negative correlations between dimensions without requiring domain-specific fine-tuning. Quantitative analysis reveals that our embedding-based approach explains 55% of variance in dimension-dimension similarities compared to human data. Multidimensional scaling configurations from both types of data show fair factor congruence coefficients and largely follow the underlying theory. These results demonstrate that semantic embeddings can effectively replicate psychometric structures previously established through extensive human surveys. The approach offers substantial advantages in cost, scalability and flexibility while maintaining comparable quality to traditional methods. Our findings have significant implications for psychometrics and social science research, providing a complementary methodology that could expand the scope of human behavior and experience represented in measurement tools.
• Abstract（参考訳）: 本研究では,ニューラルネットワークの埋め込みにより,心理測定項目から潜伏次元を効果的に回復する手法として,SQuID(Survey and Questionnaire Item Embeddings Differentials)を紹介した。 本研究では,SQuIDで処理された大規模言語モデルから得られた埋め込みが,PVQ-RR(Revised Portrait Value Questionnaire)に基づくヒトのレーダ判定から得られた人間の値の構造を復元できることを実証する。 実験による検証では,複数の評価指標にまたがる複数の埋め込みモデルを比較した。 従来のアプローチとは異なり、SQuIDはドメイン固有の微調整を必要とせず、次元間の負の相関を得るという課題にうまく対処する。 定量的分析により,人間のデータと比較して次元次元の類似性に55%のばらつきが説明できることがわかった。 両タイプのデータからの多次元スケーリング構成は、公正因子の合同係数を示し、その基礎となる理論に大きく従っている。 これらの結果は、人間の広範な調査によって確立された心理測定構造を効果的に再現できることを示している。 このアプローチは、コスト、スケーラビリティ、柔軟性において、従来のメソッドに匹敵する品質を維持しながら、大きなアドバンテージを提供します。 本研究は, 心理測定と社会科学研究に重要な意味を持ち, 測定ツールに表される人間の行動と経験の範囲を拡大する補完的方法論を提供する。

関連論文リスト

• On metric choice in dimension reduction for Fréchet regression [7.161207910629032]
  Fr'echetレグレッションは、非伝統的なデータ型を分析するために、現代のデータ分析において主要な存在になりつつある。 これは特に、継続的なモニタリングやイメージングデータのような複雑な健康データの分析に有用である。
  論文  参考訳（メタデータ） (2024-10-02T17:39:34Z)
• Latent Variable Sequence Identification for Cognitive Models with Neural Network Estimators [7.7227297059345466]
  本稿では,ニューラルベイズ推定を拡張して,実験データと対象変数空間との直接マッピングを学習する手法を提案する。 我々の研究は、リカレントニューラルネットワークとシミュレーションベースの推論を組み合わせることで、潜在変数配列を特定することで、研究者がより広範な認知モデルにアクセスできるようになることを強調している。
  論文  参考訳（メタデータ） (2024-06-20T21:13:39Z)
• Seeing Unseen: Discover Novel Biomedical Concepts via Geometry-Constrained Probabilistic Modeling [53.7117640028211]
  同定された問題を解決するために,幾何制約付き確率的モデリング処理を提案する。 構成された埋め込み空間のレイアウトに適切な制約を課すために、重要な幾何学的性質のスイートを組み込む。 スペクトルグラフ理論法は、潜在的な新規クラスの数を推定するために考案された。
  論文  参考訳（メタデータ） (2024-03-02T00:56:05Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• Simulation-based Inference for Cardiovascular Models [43.55219268578912]
  シミュレーションに基づく推論を用いて、波形をプラプシブルな生理的パラメータにマッピングする逆問題を解決する。 臨床応用5種類のバイオマーカーのin-silico不確実性解析を行った。 我々はMIMIC-III波形データベースを用いて,ビビオとシリカのギャップについて検討した。
  論文  参考訳（メタデータ） (2023-07-26T02:34:57Z)
• 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)
• Improving Prediction of Cognitive Performance using Deep Neural Networks in Sparse Data [2.867517731896504]
  MIDUS(Midlife in the United States)の観察・コホート研究から得られたデータを用いて,エグゼクティブ機能とエピソード記憶測定をモデル化した。 ディープニューラルネットワーク(DNN)モデルは、認知パフォーマンス予測タスクの中で一貫して最高である。
  論文  参考訳（メタデータ） (2021-12-28T22:23:08Z)
• Robust High-Dimensional Regression with Coefficient Thresholding and its Application to Imaging Data Analysis [7.640041402805495]
  実世界の画像データにおいて、複雑な依存と可能な外れ値の両方が存在する場合、高次元データを解析するための統計的手法を開発することが重要である。
  論文  参考訳（メタデータ） (2021-09-30T05:29:54Z)
• DeepCOVIDNet: An Interpretable Deep Learning Model for Predictive Surveillance of COVID-19 Using Heterogeneous Features and their Interactions [2.30238915794052]
  今後の新型コロナウイルス感染者の増加範囲を予測するための深層学習モデルを提案する。 様々なソースから収集したデータを用いて、米国全郡で7日以内に感染が拡大する範囲を推定する。
  論文  参考訳（メタデータ） (2020-07-31T23:37:38Z)

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。