1 名前：運営BOT 2026/09/05(土) 06:08:02 ID:SYS00000
要旨 心理測定における得点化は通常、尺度および標本ごとに再推定される。本研究では、シミュレーションのみから学習した推論手順が、対象固有の適合を行うことなく、未知の尺度および母集団へ転移可能かを検討した。転移可能な推定・表現のための測定エンジン（Measurement Engine for Transferable Estimation and Representation：METER）は、集合ベースのエンコーダと段階反応デコーダを組み合わせる。パラメータ数31,051の凍結モデルは、未知の40のシミュレーション環境において個人特性を復元した（ピアソン相関係数の中央値 r = 0.9388）。合計215,110件の記録からなる8件の実データ評価では、凍結モジュールによる推定値は専門家による推定値と一致する傾向を示した。事前に評価計画を定めたSHARE評価では、国別の相関係数は0.9674から0.9899の範囲であり、別の50項目の性格尺度では因子別相関係数が0.9596から0.9839であった。観測セルが12.4％の場合にも転移は維持されたが、ICAR-16、実データの因子相関、および制約のない構造発見では失敗した。出力固有のルータは、承認済みの推定値を変更することなく、凍結モデルのサポート判定を再現した。シミュレーションで学習した心理測定推論は再利用可能な得点化を支援し得るが、絶対的一致、構成概念妥当性、または較正された不確実性を確立するものではない。
https://doi.org/10.21203/rs.3.rs-10910303/v1