論文の概要: Different representation learning objectives recover distinct latent structures from the same psychometric data

• arxiv url: http://arxiv.org/abs/2609.00100v1
• Date: Mon, 31 Aug 2026 15:24:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:35.877395
• Title: Different representation learning objectives recover distinct latent structures from the same psychometric data
• Title（参考訳）: 異なる表現学習目標が同一の心理測定データから異なる潜在構造を復元する
• Abstract要約: 行動構造は,小児のSDQ,ASBI,CBRS項目の反応によって特徴づけられた。 比較対象はPCAに基づく表現に対する教師・児童の検索を著しく改善した。 協調的アライメントと行動予測を協調的に最適化するマルチタスク目標が部分的に復元されるが、検索性能は低下する。
• 参考スコア（独自算出の注目度）: 1.5026040539255672
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Psychometric questionnaires contain rich item-level information, yet it remains unclear whether different representation learning objectives recover the same latent organization. We investigated this question using 757 matched teacher-child pairs from the baseline assessment of the Cyprus ProW preschool trial. Behavioral structure was characterized from child SDQ, ASBI, and CBRS item responses using principal component analysis and clustering, yielding four behavioral phenotypes. A contrastive objective substantially improved teacher-child retrieval relative to PCA-based representations, increasing Top-1 accuracy from 0.13% to 7.27% and Top-10 accuracy from 1.98% to 56.14%. However, contrastive representations preserved behavioral phenotype structure less effectively than PCA-based representations. A multi-task objective jointly optimizing alignment and behavioral prediction partially restored behavioral organization but reduced retrieval performance. These findings indicate that teacher-child correspondence and behavioral phenotypes represent distinct forms of latent organization and demonstrate that the latent structure recovered from linked psychometric data depends on the representation learning objective.
• Abstract（参考訳）: 心理測定のアンケートには、豊富な項目レベルの情報が含まれているが、異なる表現学習目的が同一の潜伏組織を回復するかどうかは不明である。 今回,Cyprus ProWプレスクール試験のベースライン評価から,757対の一致した教師・児童ペアを用いた質問紙調査を行った。 行動構造は,主成分分析とクラスタリングを用いて,児童SDQ,ASBI,CBRS項目応答を特徴とし,行動表現型は4つであった。 対照的な目的として、PCAベースの表現と比較して、Top-1の精度が0.13%から7.27%に、Top-10の精度が1.98%から56.14%に向上した。 しかし、対照的な表現は行動表現型構造をPCAベースの表現よりも効果的に保存した。 協調的アライメントと行動予測を協調的に最適化するマルチタスク目標が部分的に復元されるが、検索性能は低下する。 以上の結果から,教師・児童の対応や行動表現型が潜伏組織の特徴を表わし,関連する心理測定データから回復した潜伏構造が表現学習の目的に依存していることが示唆された。

関連論文リスト

• Patient-Aware Contrastive Learning Preserves Per-Patient Structure in RR-Interval Representations [0.0]
  RR-interval(RRI)配列からの発作性心房細動(PAF)検出における問題点について検討した。 同一患者からのみ肯定的な対を形成する患者対応コントラスト目的を提案する。
  論文  参考訳（メタデータ） (2026-06-22T16:35:18Z)
• Machine Learning Classification of Cryopathy Syndromes: A Comprehensive Comparative Study [0.0]
  クリオパシー症候群は、診断カテゴリーにまたがる実験室のパターンが重複するため、分類が困難である。 本研究の目的は,凍結症症候群の自動分類のための機械学習手法を開発し,比較することである。
  論文  参考訳（メタデータ） (2026-06-18T19:05:50Z)
• K-Models: a Flexible and Interpretable Method for Ordinal Clustering with Application to Antigen-Antibody Interaction Profiles [65.21921642886367]
  K-Modelsは、順序的制約を統合し、観察された機能プロファイルを生成するランダムプロセスの基本的な要素を推定する新しいフレームワークである。 提案手法はシミュレーションと実世界の応用を通して評価する。
  論文  参考訳（メタデータ） (2026-05-14T13:35:44Z)
• Agentic Cognitive Profiling: Realigning Automated Alzheimer's Disease Detection with Clinical Construct Validity [66.94391219005291]
  本稿では,臨床プロトコルロジックによる自動スクリーニングを実現するエージェント認知プロファイリング(ACP)を提案する。 我々の設計の中心は、すべての定量化を決定論的関数呼び出しに委譲することで、測定から意味的理解を分離することである。 ACPは、タスク試験で90.5%のスコアマッチ率、AD予測で85.3%の精度を達成し、一般的な基準を上回っている。
  論文  参考訳（メタデータ） (2026-03-18T06:15:35Z)
• Toward Scalable Co-located Practical Learning: Assisting with Computer Vision and Multimodal Analytics [13.632792983535822]
  本研究では,天井に装着した1台のカメラを用いて,協調学習における微粒な学習行動を捉えることができるかを検討した。 大学生の看護シミュレーションでは、教師はまず7つの観察可能な行動カテゴリーを特定し、その後、YOLOベースの検出器のトレーニングに使用された。 ビデオデータは52セッションから収集され、Scenario Bよりも行動の変化が大きいため、Scenario Aを中心に分析された。 この研究は、単一カメラのコンピュータビジョンアプローチが、ウェアラブルセンサーに頼ることなく、対面の実践的学習におけるチームワークとタスクエンゲージメントの分析を支援することを示している。
  論文  参考訳（メタデータ） (2026-03-14T01:04:58Z)
• Investigating the Impact of Histopathological Foundation Models on Regressive Prediction of Homologous Recombination Deficiency [52.50039435394964]
  回帰に基づくタスクの基礎モデルを体系的に評価する。 我々は5つの最先端基礎モデルを用いて、スライド画像全体(WSI)からパッチレベルの特徴を抽出する。 乳房、子宮内膜、肺がんコホートにまたがるこれらの抽出された特徴に基づいて、連続したRDDスコアを予測するモデルが訓練されている。
  論文  参考訳（メタデータ） (2026-01-29T14:06:50Z)
• Disentangling Learning from Judgment: Representation Learning for Open Response Analytics [0.0]
  オープンエンドの回答は学習の中心であるが、自動スコアリングは生徒の書き方と教師の成績を混同することが多い。 本稿では、コンテンツ信号とレーダ傾向を分離し、分析を通じて判断を可視化し、監査可能にする分析ファーストフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-30T02:06:28Z)
• BIRD: Behavior Induction via Representation-structure Distillation [1.534667887016089]
  BIRD (Behavior induction via Representation-structure Distillation) は、生徒モデルの内部表現構造と教師の表現構造をマッチングすることにより、協調行動の伝達を行うフレキシブルなフレームワークである。 画像分類における分布外ロバスト性に適用され、次の最強ベースラインに対して、ロバスト精度を最大16%向上する。 400人以上の教師-学生ペアの大規模研究において、教師の表現の解釈可能かつ計算可能な3つの特性が、伝達成功の最大85%のばらつきを説明できることを示した。
  論文  参考訳（メタデータ） (2025-05-29T18:29:40Z)
• Co-modeling the Sequential and Graphical Routes for Peptide Representation Learning [67.66393016797181]
  本稿では,表現の相互情報を強化するためのペプチド共モデリング手法RepConを提案する。 RepConは、正のサンプルペア間の表現の一貫性を高め、負のペア間の表現を撃退することを学ぶ。 この結果から,コモデリング手法が独立モデルよりも優れていること,コモデリングフレームワーク下での他の手法よりもRepConの方が優れていることが示唆された。
  論文  参考訳（メタデータ） (2023-10-04T16:58:25Z)
• The Influences of Color and Shape Features in Visual Contrastive Learning [0.0]
  本稿では,個々の画像特徴(色や形状など)がモデル性能に与える影響について検討する。 実験結果から、教師付き表現と比較して、コントラスト表現は類似した色を持つオブジェクトとクラスタリングする傾向にあることが示された。
  論文  参考訳（メタデータ） (2023-01-29T15:10:14Z)
• Improving Music Performance Assessment with Contrastive Learning [78.8942067357231]
  本研究では,既存のMPAシステムを改善するための潜在的手法として,コントラスト学習について検討する。 畳み込みニューラルネットワークに適用された回帰タスクに適した重み付きコントラスト損失を導入する。 この結果から,MPA回帰タスクにおいて,コントラッシブ・ベースの手法がSoTA性能に適合し,超越できることが示唆された。
  論文  参考訳（メタデータ） (2021-08-03T19:24:25Z)
• AttriMeter: An Attribute-guided Metric Interpreter for Person Re-Identification [100.3112429685558]
  Person ReIDシステムは、2人とのマッチング時にのみ距離や類似性を提供します。 CNN ベースの ReID モデルの結果を意味的に,定量的に説明する Attribute-Guided Metric Interpreter を提案する。
  論文  参考訳（メタデータ） (2021-03-02T03:37:48Z)

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。