ترجمه فارسی مقاله AutoIRT: کالیبره کردن مدل‌های نظریه پاسخ آیتم با یادگیری ماشین خودکار

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی AutoIRT: Calibrating Item Response Theory Models with Automated Machine Learning
عنوان مقاله به فارسی AutoIRT: کالیبره کردن مدل‌های نظریه پاسخ آیتم با یادگیری ماشین خودکار
نویسندگان James Sharpnack, Phoebe Mulcaire, Klinton Bicknell, Geoff LaFlair, Kevin Yancey
فرمت مقاله انگلیسی PDF
تعداد صفحات 11
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Applications,یادگیری ماشین , برنامه ها ,
توضیحات Submitted 13 September, 2024; originally announced September 2024. , MSC Class: 62P15
توضیحات به فارسی ارسال شده 13 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد. ، کلاس MSC: 62p15
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Item response theory (IRT) is a class of interpretable factor models that are widely used in computerized adaptive tests (CATs), such as language proficiency tests. Traditionally, these are fit using parametric mixed effects models on the probability of a test taker getting the correct answer to a test item (i.e., question). Neural net extensions of these models, such as BertIRT, require specialized architectures and parameter tuning. We propose a multistage fitting procedure that is compatible with out-of-the-box Automated Machine Learning (AutoML) tools. It is based on a Monte Carlo EM (MCEM) outer loop with a two stage inner loop, which trains a non-parametric AutoML grade model using item features followed by an item specific parametric model. This greatly accelerates the modeling workflow for scoring tests. We demonstrate its effectiveness by applying it to the Duolingo English Test, a high stakes, online English proficiency test. We show that the resulting model is typically more well calibrated, gets better predictive performance, and more accurate scores than existing methods (non-explanatory IRT models and explanatory IRT models like BERT-IRT). Along the way, we provide a brief survey of machine learning methods for calibration of item parameters for CATs.

چکیده به فارسی (ترجمه ماشینی)

نظریه پاسخ مورد (IRT) کلاس از مدلهای فاکتور قابل تفسیر است که به طور گسترده در تست های تطبیقی ​​رایانه ای (CATS) مانند تست های مهارت زبان استفاده می شود.به طور سنتی ، اینها با استفاده از مدلهای جلوه ای پارامتری در مورد احتمال یک تست کننده تست دریافت پاسخ صحیح به یک مورد آزمایش (یعنی سوال) مناسب هستند.پسوندهای خالص عصبی این مدل ها ، مانند Bertirt ، به معماری تخصصی و تنظیم پارامتر نیاز دارند.ما یک روش مناسب برای چند مرحله ای را پیشنهاد می کنیم که با ابزارهای یادگیری ماشین خودکار خارج از جعبه (AUTOL) سازگار باشد.این حلقه بر اساس یک حلقه بیرونی مونت کارلو EM (MCEM) با یک حلقه داخلی دو مرحله ای است که یک مدل درجه یک غیر پارامتری را با استفاده از ویژگی های موردی که به دنبال آن یک مدل پارامتری خاص مورد است ، آموزش می دهد.این امر به شدت گردش کار مدل سازی برای تست های به ثمر می رسد.ما اثربخشی آن را با استفاده از آن در آزمون Duolingo English ، یک تست مهارت های آنلاین انگلیسی ، نشان می دهیم.ما نشان می دهیم که مدل حاصل به طور معمول کالیبره شده تر ، عملکرد پیش بینی کننده بهتری و نمرات دقیق تر از روش های موجود (مدل های IRT غیر توضیحی و مدل های توضیحی IRT مانند Bert-Shirt) می شود.در طول راه ، ما یک بررسی مختصر از روشهای یادگیری ماشین برای کالیبراسیون پارامترهای مورد برای گربه ها ارائه می دهیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.