論文の概要: The Ultimate Tutorial for AI-driven Scale Development in Generative Psychometrics: Releasing AIGENIE from its Bottle

• arxiv url: http://arxiv.org/abs/2603.28643v1
• Date: Mon, 30 Mar 2026 16:25:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:45.507058
• Title: The Ultimate Tutorial for AI-driven Scale Development in Generative Psychometrics: Releasing AIGENIE from its Bottle
• Title（参考訳）: ジェネレーティブ心理学におけるAI駆動型スケール開発のための究極のチュートリアル:AIGENIEをボットから解放する
• Authors: Lara Russell-Lasalandra, Hudson Golino, Luis Eduardo Garrido, Alexander P. Christensen,
• Abstract要約: AIGENIE RパッケージはAI-GENIEフレームワークを実装している。 大規模言語モデル(LLM)テキスト生成とネットワーク心理学的手法を統合する。 このチュートリアルでは、パッケージを6つに分けて紹介する。
• 参考スコア（独自算出の注目度）: 36.94429692322632
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Psychological scale development has traditionally required extensive expert involvement, iterative revision, and large-scale pilot testing before psychometric evaluation can begin. The `AIGENIE` R package implements the AI-GENIE framework (Automatic Item Generation with Network-Integrated Evaluation), which integrates large language model (LLM) text generation with network psychometric methods to automate the early stages of this process. The package generates candidate item pools using LLMs, transforms them into high-dimensional embeddings, and applies a multi-step reduction pipeline -- Exploratory Graph Analysis (EGA), Unique Variable Analysis (UVA), and bootstrap EGA -- to produce structurally validated item pools entirely *in silico*. This tutorial introduces the package across six parts: installation and setup, understanding Application Programming Interfaces (APIs), text generation, item generation, the `AIGENIE` function, and the `GENIE` function. Two running examples illustrate the package's use: the Big Five personality model (a well-established construct) and AI Anxiety (an emerging construct). The package supports multiple LLM providers (OpenAI, Anthropic, Groq, HuggingFace, and local models), offers a fully offline mode with no external API calls, and provides the `GENIE()` function for researchers who wish to apply the psychometric reduction pipeline to existing item pools regardless of their origin. The `AIGENIE` package is freely available on R-universe at https://laralee.r-universe.dev/AIGENIE.
• Abstract（参考訳）: 心理学的尺度開発は、心理学的評価が始まる前に、伝統的に広範な専門家の関与、反復的な修正、大規模なパイロットテストを必要としてきた。 AIGENIE` Rパッケージは、大規模言語モデル(LLM)テキスト生成とネットワーク心理学的手法を統合して、このプロセスの初期段階を自動化するAI-GENIEフレームワーク(Automatic Item Generation with Network-Integrated Evaluation)を実装している。 パッケージはLSMを使って候補アイテムプールを生成し、それらを高次元の埋め込みに変換し、マルチステップの削減パイプライン – Exploratory Graph Analysis (EGA)、Uniform Variable Analysis (UVA)、ブートストラップEGA – を適用して、完全に*in silico*で構造的に検証されたアイテムプールを生成する。 このチュートリアルでは、インストールとセットアップ、アプリケーションプログラミングインターフェース(API)の理解、テキスト生成、アイテム生成、‘AIGENIE’関数、‘GENIE’関数の6つの部分のパッケージを紹介します。 実行中の2つの例は、Big Fiveパーソナリティモデル(確立されたコンストラクト)とAI Anxiety(新興コンストラクト)である。 パッケージは複数のLLMプロバイダ(OpenAI, Anthropic, Groq, HuggingFace, ローカルモデル)をサポートし,外部API呼び出しのない完全なオフラインモードを提供し,その起源に関わらず既存のアイテムプールにサイコメトリックリダクションパイプラインを適用したい研究者のために ‘GENIE()’ 機能を提供する。 The 'AIGENIE` package is free on R-universe at https://laralee.r-universe.dev/AIGENIE.

関連論文リスト

• OFA-MAS: One-for-All Multi-Agent System Topology Design based on Mixture-of-Experts Graph Generative Models [57.94189874119267]
  マルチエージェントシステム(MAS)は複雑な問題を解決するための強力なパラダイムを提供する。 現在のグラフ学習に基づく設計手法は、しばしば「1対1」のパラダイムに準拠している。 自然言語で記述されたタスクに対して適応的な協調グラフを生成する一対一のフレームワークOFA-TADを提案する。
  論文  参考訳（メタデータ） (2026-01-19T12:23:44Z)
• ABC-Bench: Benchmarking Agentic Backend Coding in Real-World Development [72.4729759618632]
  本稿では,現実的かつ実行可能なワークフロー内でエージェントバックエンドコーディングを評価するベンチマークであるABC-Benchを紹介する。 オープンソースリポジトリから8つの言語と19のフレームワークにまたがる224の実践的なタスクをキュレートしました。 我々の評価は、最先端モデルでさえ、これらの総合的なタスクに対して信頼性の高いパフォーマンスを提供するのに苦労していることを示している。
  論文  参考訳（メタデータ） (2026-01-16T08:23:52Z)
• AGAPI-Agents: An Open-Access Agentic AI Platform for Accelerated Materials Design on AtomGPT.org [0.8093011368737527]
  AGAPI(AtomGPT.org API)は、8以上のオープンソースと20以上のマテリアルサイエンスAPIエンドポイントを統合するオープンアクセスエージェントAIプラットフォームである。 我々は、ヘテロ構造の構築、粉末X線回折分析、半導体欠陥工学を含む、エンドツーエンドの構築を通してAGAPIを実証する。 1000人以上のアクティブユーザを抱えるAGAPIは、再現可能でAIが加速する材料発見のための、スケーラブルで透明な基盤を提供する。
  論文  参考訳（メタデータ） (2025-12-12T06:28:28Z)
• AI for Distributed Systems Design: Scalable Cloud Optimization Through Repeated LLMs Sampling And Simulators [3.1594665317979698]
  大規模言語モデルからのコード生成と決定論的検証をドメイン固有シミュレータで組み合わせ,AI駆動型分散システムポリシー設計について検討する。 複数のモデル間のスループット改善に関する予備的な結果を報告する。 我々は、AIが新しいシミュレータのブートストラップを支援することで、この方法論のスケールアップに不可欠であると推測する。
  論文  参考訳（メタデータ） (2025-10-20T16:10:24Z)
• mAIstro: an open-source multi-agentic system for automated end-to-end development of radiomics and deep learning models for medical imaging [0.0]
  mAIstroは、医療AIモデルのエンドツーエンド開発とデプロイのための、オープンソースの、自律的なマルチエージェントフレームワークである。 自然言語インタフェースを通じて探索データ分析、放射能特徴抽出、画像分割、分類、回帰を編成する。
  論文  参考訳（メタデータ） (2025-04-30T16:25:51Z)
• Developing Retrieval Augmented Generation (RAG) based LLM Systems from PDFs: An Experience Report [3.4632900249241874]
  本稿では,PDF文書を主データ源とする検索拡張生成システム(RAG)の開発経験報告について述べる。 RAGアーキテクチャは、Large Language Models (LLM) の生成能力と情報検索の精度を組み合わせたものである。 この研究の実際的な意味は、様々な分野における生成AIシステムの信頼性を高めることである。
  論文  参考訳（メタデータ） (2024-10-21T12:21:49Z)
• ComfyBench: Benchmarking LLM-based Agents in ComfyUI for Autonomously Designing Collaborative AI Systems [80.69865295743149]
  この研究は、LLMベースのエージェントを使用して、協調AIシステムを自律的に設計する試みである。 ComfyBenchをベースとしたComfyAgentは,エージェントが自律的に協調的なAIシステムを生成して設計できるようにするフレームワークである。 ComfyAgentは、o1-previewに匹敵する解像度を達成し、ComfyBenchの他のエージェントをはるかに上回っているが、ComfyAgentはクリエイティブタスクの15%しか解決していない。
  論文  参考訳（メタデータ） (2024-09-02T17:44:10Z)
• GAIA Search: Hugging Face and Pyserini Interoperability for NLP Training Data Exploration [97.68234051078997]
  我々はPyseriniを、オープンソースのAIライブラリとアーティファクトのHugging Faceエコシステムに統合する方法について論じる。 Jupyter NotebookベースのウォークスルーがGitHubで公開されている。 GAIA Search - 前述した原則に従って構築された検索エンジンで、人気の高い4つの大規模テキストコレクションへのアクセスを提供する。
  論文  参考訳（メタデータ） (2023-06-02T12:09:59Z)
• OpenAGI: When LLM Meets Domain Experts [51.86179657467822]
  ヒューマン・インテリジェンス(HI)は、複雑なタスクを解くための基本的なスキルの組み合わせに長けている。 この機能は人工知能(AI)にとって不可欠であり、包括的なAIエージェントに組み込まれるべきである。 マルチステップで現実的なタスクを解決するために設計されたオープンソースのプラットフォームであるOpenAGIを紹介します。
  論文  参考訳（メタデータ） (2023-04-10T03:55:35Z)

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。