A Dynamic, Ordinal Gaussian Process Item Response Theoretic Model
动态有序高斯过程项目反应理论模型AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要明确使用高斯过程时间序列方法刻画潜在特质的动态结构。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
动态有序高斯过程项目反应理论模型
- 研究问题
- 如何利用纵向观测中的有序指标估计随时间变化的潜在特质，同时减少对项目反应函数形状的预先限制？
- 方法与思路
- 作者结合贝叶斯非参数项目反应理论与高斯过程时间序列方法，提出 GD-GPIRT，并以 MCMC 联合估计特质和反应函数。
- 材料陈述的贡献
- 摘要称，本文提出动态有序项目反应模型及其采样算法，通过模拟与动态 IRT 基准比较，并应用于公众意见和国会议员意识形态。
- 阅读关注点
- 应核对潜在特质的尺度与识别约束、反应函数先验、高斯过程的时间结构，以及 MCMC 收敛和模拟比较的设定。
- 阅读边界
- 这是 arXiv 预印本，不能据此确认同行评审或期刊接收。摘要未给出识别约束、采样诊断或基准比较的具体结果。
原文摘要
Social scientists are often interested in using ordinal indicators to estimate latent traits that change over time. Frequently, this is done with item response theoretic (IRT) models that describe the relationship between those latent traits and observed indicators. We combine recent advances in Bayesian nonparametric IRT, which makes minimal assumptions on shapes of item response functions, and Gaussian process time series methods to capture dynamic structures in latent traits from longitudinal observations. We propose a generalized dynamic Gaussian process item response theory (GD-GPIRT) as well as a Markov chain Monte Carlo sampling algorithm for estimation of both latent traits and response functions. We evaluate GD-GPIRT in simulation studies against baselines in dynamic IRT, and apply it to various substantive studies, including assessing public opinions on economy environment and congressional ideology related to abortion debate.