論文の概要: semanticfa: An R Package for Response-Free Semantic Factor Analysis of Psychometric Scales
- arxiv url: http://arxiv.org/abs/2610.37494v1
- Date: Tue, 27 Oct 2026 16:18:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-28 21:04:31.689229
- Title: semanticfa: An R Package for Response-Free Semantic Factor Analysis of Psychometric Scales
- Title（参考訳）: セマンティファ:心理尺度の無反応意味因子分析のためのRパッケージ
- Abstract要約: セマンティック・ファクター解析のためのRパッケージであるセマンティック・ファを導入する。
作業例では、Qwen3-Embedding-8Bに埋め込まれた50itemの国際パーソナリティアイテムプールビッグファイブファクタマーカーを分析している。
各因子の最も適合したヒト因子との一致は、オープンネス92からアグレタブルネス52まで様々である。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The items of a reflective psychometric scale can be read as a proposal about a construct's structure. Language models make that proposal measurable by converting each item into an embedding, a list of numbers, similar for similar meanings. We introduce semanticfa, an R package for semantic factor analysis, which factors item-embedding similarities. It also interprets factors, flags redundant items, builds short forms, and screens new items. A worked example analyzes the 50-item International Personality Item Pool Big-Five Factor Markers, embedded with Qwen3-Embedding-8B, and compares the results with a factor analysis of 874,434 respondents. Retention criteria tied between five and six factors, and the tie rule kept five. Three corresponded mainly to single domains, and two blended most Extraversion items with five Agreeableness items. Each factor's congruence with its best-matching human factor (1 = identical) ranged from .92 for Openness to .52 for Agreeableness. Item pairs more similar in meaning tended to be answered more alike (r = .46 with raw responses), but same-domain reverse-keyed opposites, answered oppositely, were about as similar as cross-domain pairs (.58 vs. .57). Sign-flipping reverse-keyed items' embeddings did not improve agreement with raw responses and worsened it with reverse-scored ones. With five factors, a 25-item short form matched the domains better than all 200 random five-per-domain sets, but parallel analysis kept only three. We propose semantic-behavioral coherence, the agreement between semantic and response structures, as a measurable property of a scale, given an embedding model. Semantic factor analysis complements, and does not replace, response-based factor analysis.
- Abstract（参考訳）: 反射的心理測定尺度の項目は、構造体の構造に関する提案として読むことができる。
言語モデルは、その提案を各項目を、同様の意味を持つ数字のリストである埋め込みに変換することで測定できる。
本稿ではセマンティック・ファクター解析のためのRパッケージであるセマンティック・ファについて紹介する。
また、要素を解釈し、冗長なアイテムをフラグ化し、短いフォームを構築し、新しいアイテムをスクリーンする。
動作する例としては、Qwen3-Embedding-8Bに埋め込まれた50項目の国際パーソナリティアイテムプールBig-Five Factor Markersを分析し、その結果を874,434人の因子分析と比較する。
保留基準は5～6因子で, 結束規則は5因子であった。
3項目は主として単一ドメインに対応し,2項目は5項目のアグレタブルネス項目を含むほとんどのエクストラバージョン項目をブレンドした。
それぞれの因子の最も適合した人的因子(1=同一)との一致は、オープンネスの.92からアグレタブルネスの.52まで様々である。
意味においてより類似した項目対は、より類似した回答(r = .46 と生の反応を持つ)をする傾向にあったが、反対に答える同じドメイン逆キー対は、クロスドメイン対(.58 対 .57 対 .58 対 .57)とほぼ同じであった。
逆キーアイテムの埋め込みのサインフリップは、生の反応との一致を改善せず、逆マークアイテムで悪化させた。
5つの因子で、25等級のショートフォームは、ランダムな5つの5つの5つのドメインセットのすべてにマッチするが、並列解析は3つしか持たなかった。
本研究では,意味的・行動的コヒーレンス(セマンティック・ビヘイビア・コヒーレンス)を提案する。
意味的因子分析は、応答に基づく因子分析を補完し、置き換えない。
関連論文リスト
- Beyond Pattern Matching in 3D MLLMs: Part-Level Functional Reasoning for Generalizable Recognition [54.603165239409925]
3D MLLMはパターンマッチングによってオブジェクトを認識するが、これは幾何学的に類似したオブジェクトが不明瞭に機能的推論を必要とする場合に失敗する。
関数・アズ・アノテーション・パターンを同定し、関数言語は推論をサポートする代わりに既知のアイデンティティをデコレートする。
部分レベルの機能的推論はより一般化可能な3D認識への効果的な経路である。
論文 参考訳（メタデータ） (2026-10-23T07:17:23Z) - Decomposing and Predicting Annotation Disagreement in Harmful Content Across Languages [48.69228180369574]
アノテーションの不一致は、主観的なタスクの有意義な性質として、ますます認識されている。
テキストの解釈可能な意味特性から不一致を予測することを提案する。
モデルとデータセット全体、デロゲーションに関する質問、コンテキストの欠如、決定境界が最強の予測要因として機能する。
論文 参考訳（メタデータ） (2026-10-13T15:49:44Z) - Toward Embedding-Based Psychometrics: Structural Modeling of Assessment-Item Semantics With Contextual Scores [1.8194320623567561]
文脈スコアは、外部コーパス内の参照語と類似性を通じて評価項目を表す。
本稿では,40のTIMSS数学単位のスコアのセマンティック構造を,部分的に指定された2段階の手順を用いて検討した。
論文 参考訳（メタデータ） (2026-09-25T20:25:06Z) - Unified Response Geometry for Structured Pruning [0.33842793760651557]
構造的プルーニングを大きな関節応答能力を持つ部分集合の選択として定式化し,その後に機能的実現ステップを分離する。
我々の統一応答幾何学は、各候補を (M(D,R)=D1/2RD1/2) に写像し、その行列式とシュル=グレディ残基を併用して非冗長座標を選択する。
選択したサブセットを実行可能なネットワークに変換するために、リッジ補償とバッチ正規化統計の再検討により、予測可能な削除応答を後続の重みに折り畳む。
論文 参考訳（メタデータ） (2026-09-16T07:15:09Z) - Transformed in Translation: Two-Stage Structural Uncertainty in LLM-Based Scientific Autoformalization [0.0]
オートフォーマル化はアカウントを実行可能な数学に変えるが、実行可能コードはどのモデルが構築されたかは決着しない。
応答法則を生成する形式化器と,その法則を軌道に変換する再帰性という,構造的不確実性の2つの源について検討する。
論文 参考訳（メタデータ） (2026-09-13T21:47:46Z) - Beyond Similarity: Grounded Agentic Extraction and Expert-Adjudicated Evaluation of Intertextuality in Classical Chinese Histories [3.694051864521789]
我々は、大言語モデルが2つのテキスト単位をフルに読み込むエージェントタスクとして、きめ細かいテクスチャ間抽出をリキャストする。
3つのドメインの専門家がプールされたマルチモデル候補を2,533対のテキスト間ペアのベンチマークに設定し、Analects と Book of Han を徹底的に比較する手法を検証する。
論文 参考訳（メタデータ） (2026-07-30T02:34:23Z) - A Geometric Profile of Semantic Information in Text: Frame-Conditional Uniqueness and a Trade-Off Triangle for Scalar Summaries [0.0]
テキストの文の埋め込み構造から意味的内容を測定するフレームワークを開発する。
推奨のランク正規化構成は、28の順序チェックのうち25をポイント推定としてパスする。
別個の変動結果は、幅座標を行列点過程の対数行列式に接続する。
論文 参考訳（メタデータ） (2026-05-27T04:37:26Z) - QUDsim: Quantifying Discourse Similarities in LLM-Generated Text [70.22275200293964]
本稿では,会話の進行過程の違いの定量化を支援するために,言語理論に基づくQUDと質問意味論を紹介する。
このフレームワークを使って$textbfQUDsim$を作ります。
QUDsimを用いて、コンテンツが異なる場合であっても、LLMはサンプル間で(人間よりも)談話構造を再利用することが多い。
論文 参考訳（メタデータ） (2025-04-12T23:46:09Z) - Counting Like Human: Anthropoid Crowd Counting on Modeling the
Similarity of Objects [92.80955339180119]
メインストリームの群衆計数法は 密度マップを補強して 計数結果を得るために統合する。
これに触発された我々は,合理的かつ人為的な集団カウントフレームワークを提案する。
論文 参考訳（メタデータ） (2022-12-02T07:00:53Z) - Disentanglement of Correlated Factors via Hausdorff Factorized Support [53.23740352226391]
本稿では,因子分布ではなく,因子化支援を助長する緩やかな解離基準,HFS(Hausdorff Factorized Support)基準を提案する。
本研究では,HFSを用いることにより,様々な相関設定やベンチマークにおいて,接地構造因子の絡み合いと回復が一貫して促進されることを示す。
論文 参考訳（メタデータ） (2022-10-13T20:46:42Z) - Disentangled Representation Learning for Text-Video Retrieval [51.861423831566626]
テキスト・ビデオ検索(TVR)における相互モダリティの相互作用
我々は相互作用のパラダイムを深く研究し、その計算を2つの項に分けることができることを示した。
本稿では,逐次的かつ階層的な表現を捉えるための非絡み合いフレームワークを提案する。
論文 参考訳（メタデータ） (2022-03-14T13:55:33Z)
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。