神经网络嵌入与人类数据同等水平地恢复心理测量调查条目的价值维度
人工智能
2026-01-30 v2 计算与语言
摘要
我们证明，源自大型语言模型的嵌入经“调查与问卷条目嵌入差分”（SQuID）处理后，能够恢复基于人类评分者对修订版肖像价值问卷（PVQ-RR）的判断所获得的人类价值结构。我们在包括内部一致性、维度相关性和多维尺度构型在内的多个评估指标上比较了多种嵌入模型。与以往方法不同，SQuID 解决了在维度间获取负相关的挑战，且无需领域特定的微调或训练数据重新标注。定量分析表明，与人类数据相比，我们基于嵌入的方法解释了维度-维度相似性中 55% 的方差。多维尺度构型显示出与来自 49 个不同国家的汇总人类数据的一致性。在三种人格量表（IPIP、BFI-2、HEXACO）上的泛化性测试表明，SQuID 持续扩大了相关范围，表明其适用性超越了价值理论。这些结果表明，语义嵌入能够有效复刻此前通过广泛人类调查确立的心理测量结构。该方法在成本、可扩展性和灵活性方面具有显著优势，同时保持了与传统方法相当的质量。我们的发现对心理测量学和社会科学研究具有重要意义，提供了一种互补的方法论，有望扩展测量工具中所表征的人类行为与经验的范围。
引用
@article{arxiv.2509.24906,
title = {Neural network embeddings recover value dimensions from psychometric survey items on par with human data},
author = {Max Pellert and Clemens M. Lechner and Indira Sen and Markus Strohmaier},
journal= {arXiv preprint arXiv:2509.24906},
year = {2026}
}