効率的に推定精度を向上させる項目選択法の開発ーモデル選択の観点を導入してー

开发有效提高估计精度的项目选择方法 - 介绍模型选择的视角 -

• 批准号: 20J22350
• 负责人: 藤田 和也
• 金额: $ 1.73万
• 依托单位: Nagoya University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2020
• 资助国家: 日本
• 起止时间: 2020-04-24 至 2023-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-20J22350/
• 关键词: コンピュータ適応型テスト; 認知モデリング; 心理統計; 適応的刺激選択; 刺激選択法

前年度から引き続き，Computerized Adaptive Testing (CAT) を拡張する研究や認知モデルへの適用に関する研究の論文執筆を行った。CATを時系列依存を含んだ認知モデルであるQ学習モデルに適用した。これによりQ学習モデルにおいて望ましい実験刺激というのを特定したり，研究者の目的や方法に応じて適切にデザインを行うべきことを示した。CATを複数のモデルを同時に考慮できるように手法拡張した研究では，より頑健にCATによる推定精度向上の効果が得られることを示した。これにより，CATが現実場面でより使いやすくなり，研究の信頼性や妥当性が向上するのに寄与するだろう。また，CATが階層モデルに及ぼす影響についても検討した。心理実験では複数の参加者が複数回の試行を行う反復測定状況であることがほとんどであるので，階層モデルで分析することを前提とした研究を行った。以上3つの研究に関する論文は採択されている。また今年度はモデル選択の観点からの刺激選択など，モデル選択を含めた研究を行った。一つはQ学習モデルにおいて，正しいモデルを選択できる確率が高まるような刺激選択法の効果を検証した。統計学における推定は，モデル仮定に基づくものもあるため，モデル選択も重要な分析になり，そのモデル選択のパフォーマンスを向上させることも重要となる。さらに，モデル選択と推定精度の関係についても研究を行った。CATは推定精度を最大化するための手法であるが，CATがモデル選択のパフォーマンスに及ぼす影響についても一部明らかにした。実際の研究では，正しいモデルを特定しながら推定精度や検出力も高めていくことが理想であるため、これらの関係性については理論的に知る必要がある。

Before the annual か ら lead き 続 き, Computerized Adaptive Testing (CAT) を company, zhang す る research や cognitive モ デ ル へ の applicable に masato す の る research papers written line を っ た. CATを is a series of dependencies を containing んだ cognition モデ である であるQ learning モデ に に applicable to た た. こ れ に よ り Q learning モ デ ル に お い て hope ま し い be 験 stimulus と い う の を specific し た り, researchers の や way に 応 じ て appropriate に デ ザ イ ン を line う べ き こ と を shown し た. CAT を plural の モ デ ル を に consider で き る よ う に technique company, zhang し た research で は, よ り robust に CAT に よ る presumed accuracy up の fruit comes unseen が ら れ る こ と を shown し た. こ れ に よ り, CAT が now be scene で よ り make い や す く な り, study の letter 頼 や justice が upward す る の に send す る だ ろ う. ま た, CAT が class モ デ ル に and ぼ す influence に つ い て も beg し 検 た. Psychological be 験 で は plural の participants が plural の back line trial を う repeated measurement condition で あ る こ と が ほ と ん ど で あ る の で, class モ デ ル analysis で す る こ と を premise と し た を line っ た. The above 3 する <s:1> research に related する papers する adopt 択されて に る る. ま た our は モ デ ル sentaku の 観 point か ら の stimulus sentaku な ど, モ デ ル sentaku を containing め た を line っ た. A つ は Q learning モ デ ル に お い て, are し い モ デ ル を sentaku で き る probabilistic が high ま る よ う な stimulus sentaku method の unseen fruit を 検 card し た. Statistical に お け る presumptive は モ デ ル 仮 set に base づ く も の も あ る た め, モ デ ル sentaku も important な analysis に な り, そ の モ デ ル sentaku の パ フ ォ ー マ ン ス を upward さ せ る こ と も important と な る. Youdaoplaceholder0, モデ モデ select 択と to estimate the accuracy of the <s:1> related に, モデ, て を to study the を field った. CAT は presumption of maximum precision を す る た め の gimmick で あ る が, CAT が モ デ ル sentaku の パ フ ォ ー マ ン ス に and ぼ す influence に つ い て も a Ming ら か に し た. Be interstate の research で は are し い モ デ ル を specific し な が ら presumed accuracy や 検 high output も め て い く こ と が ideal で あ る た め, こ れ ら の masato is sexual に つ い て は theory に know る necessary が あ る.

项目成果

The effect of Individual-level adaptive stimulus selection on the Group-level parameters for cognitive models

个体水平适应性刺激选择对认知模型群体水平参数的影响

• 发表时间: 2023
• 期刊: Behaviormetrika
• 作者: Fujita;K;Katahira;K;& Okada;K
• 通讯作者: K

統計的な基準に基づく実験刺激選択法

基于统计标准的实验刺激选择方法

• 发表时间: 2022
• 作者: Qing Yu;Daiki Ikami;Go Irie and Kiyoharu Aizawa;宮井淳行，郁青，伊神大貴，入江豪，相澤清晴;小山 翔平;Takatoshi ATSMI;藤田和也
• 通讯作者: 藤田和也

Stimulus selection in a Q-learning model using Fisher information and Monte Carlo simulation

使用 Fisher 信息和蒙特卡罗模拟的 Q 学习模型中的刺激选择

• DOI: 10.1007/s42113-022-00163-0
• 发表时间: 2023
• 期刊: Computational Brain & Behavior
• 作者: Fujita;K;Okada;K;& Katahira;K.
• 通讯作者: K.

Q学習モデルにおけるモデルリカバリ率の確認と改善

Q-learning模型中模型恢复率的确认与提升

• 发表时间: 2023
• 期刊: 筑波大学心理学研究
• 作者: Koyama Shohei;Tanabe Tappei;Takaishi Shinya;Yamashita Masahiro;Iguchi Hiroaki;藤田和也・山口一大
• 通讯作者: 藤田和也・山口一大

階層モデルにおける検出力の観点からの刺激選択法

层次模型中权力视角的刺激选择方法

• 发表时间: 2022
• 作者: Jiafeng Mao;Qing Yu and Kiyoharu Aizawa;藤田和也
• 通讯作者: 藤田和也