- 著者
-
木下 涼
植野 真臣
- 出版者
- The Institute of Electronics, Information and Communication Engineers
- 雑誌
- 電子情報通信学会論文誌 D (ISSN:18804535)
- 巻号頁・発行日
- vol.J103-D, no.4, pp.314-329, 2020-04-01
項目反応理論では異なるテストを受検した受検者を同一尺度上で評価することができる.しかし,そのためには受検者の同一母集団からの独立ランダムサンプリングを仮定し,共通項目を含む複数のテストデータをもとにリンケージと呼ばれる処理が必要である.リンケージはテスト実施に膨大な作業を伴うだけでなく,前述の仮定により理論的に最適値を得る保証はない.この問題を解決するため,本研究では深層学習を用い,受検者の母集団と独立性を仮定しないテスト理論としてItem Deep Response Theoryを提案する.提案モデルはリンケージを必要とせず,受検者が単一母集団からのランダムサンプリングでない場合にも精度の低下が抑えられ,複数の母集団からサンプリングされている場合に頑健である.ここではシミュレーション・実データ実験より,提案モデルは未知の項目への反応予測精度が高く,特に受検者が同一の母集団からランダムにサンプリングできない場合に項目反応理論に対して大きく能力推定精度と反応予測精度を向上させることを示す.