GPIRT：一种用于项目反应理论的的高斯过程模型
机器学习
2020-12-23 v1 机器学习
摘要
项目反应理论（IRT）模型的目标是从二值观测指标中估计潜在特质，同时学习将潜在特质映射到观测响应的项目反应函数（IRFs）。然而，在许多情况下，观测行为可能显著偏离传统 IRT 模型的参数化假设。非参数 IRT 模型通过放宽关于 IRF 形式的假设来克服这些挑战，但标准工具无法同时估计灵活的 IRF 并恢复受访者的能力估计。我们提出了一种贝叶斯非参数模型，通过对定义 IRF 的潜在函数施加高斯过程先验来解决该问题。这使我们能够在放宽 IRF 形状假设的同时，保持估计潜在特质的能力。进而，我们可以轻松地将模型扩展到主动学习等进一步任务。因此，GPIRT 为 IRT 文献中几个长期存在的问题提供了简单而直观的解决方案。
引用
@article{arxiv.2006.09900,
title = {GPIRT: A Gaussian Process Model for Item Response Theory},
author = {JBrandon Duck-Mayr and Roman Garnett and Jacob M. Montgomery},
journal= {arXiv preprint arXiv:2006.09900},
year = {2020}
}