Un enfoque de incorporación basado en transformadores para desarrollar medidas psicológicas en forma corta

Área de la Ciencia:

• Medición psicológica
• Inteligencia artificial
• Procesamiento del lenguaje natural

Sus antecedentes:

• El desarrollo de medidas psicológicas breves es crucial para reducir la carga de los participantes y el gasto de recursos.
• Los métodos existentes para el desarrollo de formularios cortos a menudo requieren una amplia recopilación y análisis de datos utilizando análisis de factores o aprendizaje automático.
• Se necesitan enfoques eficientes e independientes de los datos para la reducción de elementos psicológicos.

Objetivo del estudio:

• Proponer y evaluar un método novedoso e independiente de los datos para la reducción de elementos psicológicos utilizando incorporaciones semánticas basadas en transformadores.
• Desarrollar una versión abreviada de los marcadores de cinco factores del grupo internacional de elementos de la personalidad (IPIP-50) utilizando este nuevo enfoque.
• Comparar las propiedades psicométricas de la forma abreviada desarrollada con los métodos existentes.

Principales métodos:

• Utilizó incorporaciones semánticas basadas en transformadores (modelo sentencia-t5-xxl) para representar elementos del IPIP-50.
• Aplicado K-significa agrupamiento a las incorporaciones semánticas para agrupar elementos similares.
• Elementos representativos seleccionados en función de su proximidad a los centros del cúmulo para formar una forma abreviada de 30 elementos.

Principales resultados:

• El formulario corto de 30 puntos resultante conservó con éxito la estructura original de cinco factores del IPIP-50.
• La forma corta demostró fuertes propiedades psicométricas, incluida la fiabilidad y la validez.
• El método propuesto logró una fiabilidad, una validez convergente y un rendimiento predictivo comparables a los enfoques de teoría de pruebas clásicas y algoritmos genéticos.

Conclusiones:

• Las incorporaciones semánticas basadas en transformadores ofrecen un enfoque poderoso y eficiente para la reducción de elementos psicológicos y el desarrollo de nuevas medidas.
• Este método independiente de los datos ofrece una alternativa lingüística y eficiente en términos de recursos a las técnicas tradicionales de reducción dependientes de los datos.
• Los hallazgos apoyan la viabilidad del uso de la IA para desarrollar evaluaciones psicológicas sólidas y concisas.