The AI‐IP: Minimizing the guesswork of personality scale item development through artificial intelligence

人工智能 构造(python库) 计算机科学 结构效度 变压器 人工神经网络 比例(比率) 人格 集合(抽象数据类型) 机器学习 自然语言处理 心理学 心理测量学 社会心理学 临床心理学 物理 量子力学 电压 程序设计语言
作者
Ivan Hernandez,Weiwen Nie
出处
期刊:Personnel Psychology [Wiley]
卷期号:76 (4): 1011-1035 被引量:9
标识
DOI:10.1111/peps.12543
摘要

Abstract We propose a framework for integrating various modern natural language processing (NLP) models to assist researchers with developing valid psychological scales. Transformer‐based deep neural networks offer state‐of‐the‐art performance on various natural language tasks. This project adapts the transformer model GPT‐2 to learn the structure of personality items, and generate the largest openly available pool of personality items, consisting of one million new items. We then use that artificial intelligence‐based item pool (AI‐IP) to provide a subset of potential scale items for measuring a desired construct. To better recommend construct‐related items, we train a paired neural network‐based classification BERT model to predict the observed correlation between personality items using only their text. We also demonstrate how zero‐shot models can help balance desired content domains within the scale. In combination with the AI‐IP, these models narrow the large item pool to items most correlated with a set of initial items. We demonstrate the ability of this multimodel framework to develop longer cohesive scales from a small set of construct‐relevant items. We found reliability, validity, and fit equivalent for AI‐assisted scales compared to scales developed and optimized by traditional methods. By leveraging neural networks’ ability to generate text relevant to a given topic and infer semantic similarity, this project demonstrates how to support creative and open‐ended elements of the scale development process to increase the likelihood of one's initial scale being valid, and minimize the need to modify and revalidate the scale.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
ChangSZ完成签到,获得积分10
刚刚
日月山河永在完成签到,获得积分10
刚刚
甜蜜英姑完成签到,获得积分10
1秒前
1秒前
怕黑向秋完成签到,获得积分10
1秒前
1秒前
852应助waq采纳,获得10
2秒前
海鸥海鸥完成签到,获得积分10
2秒前
2秒前
笑点低蜜蜂完成签到,获得积分10
2秒前
nana完成签到,获得积分10
2秒前
xiaoxiao完成签到,获得积分10
2秒前
顺心迎南发布了新的文献求助10
2秒前
3秒前
3秒前
xhy发布了新的文献求助10
3秒前
library2025完成签到,获得积分10
3秒前
FashionBoy应助宋十一采纳,获得10
3秒前
3秒前
有魅力哈密瓜完成签到,获得积分10
4秒前
gougoudy完成签到,获得积分20
4秒前
吃面包的熊猫完成签到,获得积分10
4秒前
孙一雯完成签到,获得积分10
6秒前
李健应助hhh采纳,获得10
6秒前
七七发布了新的文献求助20
6秒前
hu970发布了新的文献求助10
6秒前
牧海冬发布了新的文献求助10
6秒前
可颂发布了新的文献求助10
6秒前
情怀应助后知后觉采纳,获得10
6秒前
嗡嗡完成签到,获得积分10
6秒前
优雅的琳完成签到,获得积分20
6秒前
迷路安阳完成签到,获得积分10
6秒前
Anonymous完成签到,获得积分10
7秒前
7秒前
小蘑菇应助自然采纳,获得10
8秒前
伞兵龙完成签到,获得积分10
8秒前
8秒前
西安小小朱完成签到,获得积分10
8秒前
8秒前
9秒前
高分求助中
Continuum Thermodynamics and Material Modelling 3000
Production Logging: Theoretical and Interpretive Elements 2700
Social media impact on athlete mental health: #RealityCheck 1020
Ensartinib (Ensacove) for Non-Small Cell Lung Cancer 1000
Unseen Mendieta: The Unpublished Works of Ana Mendieta 1000
Bacterial collagenases and their clinical applications 800
El viaje de una vida: Memorias de María Lecea 800
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 量子力学 光电子学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3527304
求助须知:如何正确求助?哪些是违规求助? 3107454
关于积分的说明 9285518
捐赠科研通 2805269
什么是DOI,文献DOI怎么找? 1539827
邀请新用户注册赠送积分活动 716708
科研通“疑难数据库(出版商)”最低求助积分说明 709672