1 / 25 ニューラルテスト理論分析ソフト 「neutet」の特徴と使い方 2007年11月21日 大学入試センター 研究開発部 橋本 貴充 2 / 25 本発表の構成 • neutetとは – neutetの概要 – デモンストレーション • 必要なファイル – データファイル – 設定ファイル • 設定ファイルの書き方 – 出力ファイル – データ – 計算パラメタ • グラフの作成方法 • 今後の課題 – 荘島先生の論文で neutetで可能なものと、 できないもの – 熊谷先生のEasyNTTと の比較 – 今後の予定 3 / 25 neutetとは • neutetとは – neutetの概要 – デモンストレーション • 必要なファイル – データファイル – 設定ファイル • 設定ファイルの書き方 – 出力ファイル – データ – 計算パラメタ • グラフの作成方法 • 今後の課題 – 荘島先生の論文で neutetで可能なものと、 できないもの – 熊谷先生のEasyNTTと の比較 – 今後の予定 4 / 25 neutetの概要 • 名前の由来 – Neural Test Theoryの分析用ソフトウェアだから。 – どなたか、もっとセンスの良い名前をつけてくださ い(^_^;)。 • neutetの目的 – 正誤データを読み込み、ニューラルテスト理論の 項目参照プロファイルを出力する。 • まずは見てください！ 5 / 25 必要なファイル • neutetとは – neutetの概要 – デモンストレーション • 必要なファイル – データファイル – 設定ファイル • 設定ファイルの書き方 – 出力ファイル – データ – 計算パラメタ • グラフの作成方法 • 今後の課題 – 荘島先生の論文で neutetで可能なものと、 できないもの – 熊谷先生のEasyNTTと の比較 – 今後の予定 6 / 25 データファイル • 正答を1、誤答を0、欠損を.で表し、それらを 隙間なく並べる。 • 1つの行は1人の被験者。 • 1つの列は1つの項目。 7 / 25 データファイルの例 受験番号 問1 問2 問3 問4 0001 ○ × × × 0002 ○ × ○ ○ 0003 ○ ○ 0004 ○ ○ × ○ 0005 ○ × ○ ○ 1000 1011 11.. 1101 1011 8 / 25 設定ファイル • 「変数 = 値」の形で1行ずつ記入。 – セミコロンはつけない。 – 変数名は小文字。 • #, %, * より後はコメントとして無視。 • 最低限必要な変数はinfileとoutfile。 – infileは読み込むデータファイル名。 – outfileは項目参照プロファイルを出力する ファイル名。指定しなくてもよいが、その場合、標 準出力になる。 9 / 25 設定ファイルの例 infile = data.dat outfile = result.csv 10 / 25 設定ファイルの書き方 • neutetとは – neutetの概要 – デモンストレーション • 必要なファイル – データファイル – 設定ファイル • 設定ファイルの書き方 – 出力ファイル – データ – 計算パラメタ • グラフの作成方法 • 今後の課題 – 荘島先生の論文で neutetで可能なものと、 できないもの – 熊谷先生のEasyNTTと の比較 – 今後の予定 11 / 25 出力ファイル • outfile – 項目参照プロファイル – 行は項目、列は潜在ランク。 – 1行目はラベル、1列目は項 目番号。 • rankfile – 受験者の潜在ランク – 各行に各受験者のデータ。 – 受験者IDを指定した場合は IDも出力。 • rmpfile – ランク・メンバーシップ・プロ ファイル – 行は受験者、列は潜在ランク。 – 受験者IDを指定した場合は IDも出力。 • dlm – ファイルの区切り文字 – commaならカンマ区切り、 tabならタブ区切り。 12 / 25 データ • idbegin – 受験者IDの開始カラム – 指定が無い場合、受験 者ID無し。 • idlength – 受験者IDのカラム長 • databegin – データの開始カラム – 指定が無い場合、IDの 次のカラム。 • nitems – 項目数 – 指定が無い場合、行末 まで。 13 / 25 計算パラメタ (1) • nranks – 潜在ランク数 – 指定が無い場合は10。 • maxiter – 計算の反復回数 – 指定がない場合は100。 • increase – 項目参照プロファイルの単調増加制約 – trueなら反復中に各項目においてIRPの値を昇順にソー トする。falseなら何もしない。 – 指定がない場合はfalse。 14 / 25 計算パラメタ (2) • method – 勝者ノードの決定方法 – ed2ならユークリッド距離の2乗、mlなら最尤法。 – 指定がない場合はml。 • seed – データの各行を無作為に並べ替えるときの、乱数の種。 整数である必要がある。 – 指定がなければ現在時刻から乱数の種を生成。その場 合、最低でも1秒の間隔が必要（だけど、1秒以内には絶 対終らない^_^;）。 15 / 25 グラフの作成方法 • neutetとは – neutetの概要 – デモンストレーション • 必要なファイル – データファイル – 設定ファイル • 設定ファイルの書き方 – 出力ファイル – データ – 計算パラメタ • グラフの作成方法 • 今後の課題 – 荘島先生の論文で neutetで可能なものと、 できないもの – 熊谷先生のEasyNTTと の比較 – 今後の予定 16 / 25 Neural Test TheoryのWebサイトで紹 介されているグラフ • • • • • • 項目参照プロファイル テスト参照プロファイル ランク・メンバーシップ・プロファイル 潜在ランク分布 ランク・メンバーシップ分布 観測率プロファイル 17 / 25 直接作れるもの • • • • • • 項目参照プロファイル outfile テスト参照プロファイル ランク・メンバーシップ・プロファイル rmpfile 潜在ランク分布 ランク・メンバーシップ分布 観測率プロファイル worpfile, uorpfile 18 / 25 項目参照プロファイルを加工 • • • • • • 項目参照プロファイル そのまま テスト参照プロファイル SUM関数で縦に合計 ランク・メンバーシップ・プロファイル 潜在ランク分布 ランク・メンバーシップ分布 観測率プロファイル 19 / 25 潜在ランクを加工 • • • • • • 項目参照プロファイル テスト参照プロファイル ランク・メンバーシップ・プロファイル 潜在ランク分布 FREQUENCY関数で 度数を合計 ランク・メンバーシップ分布 観測率プロファイル 20 / 25 ランク・メンバーシップ・プロファイルを 加工 • • • • • • 項目参照プロファイル テスト参照プロファイル ランク・メンバーシップ・プロファイル そのまま 潜在ランク分布 AVERAGE関数で ランク・メンバーシップ分布 縦に平均 観測率プロファイル 21 / 25 今後の課題 • neutetとは – neutetの概要 – デモンストレーション • 必要なファイル – データファイル – 設定ファイル • 設定ファイルの書き方 – 出力ファイル – データ – 計算パラメタ • グラフの作成方法 • 今後の課題 – 荘島先生の論文で neutetで可能なものと、 できないもの – 熊谷先生のEasyNTTと の比較 – 今後の予定 22 / 25 Neural Test TheoryのWebサイトで発 表済みの荘島先生の論文 • • • • • • ニューラルテスト理論 段階ニューラルテストモデル 潜在ランクの最尤推定 欠損データがあるときの推定 テスト等化 EMアルゴリズムを用いた周辺最尤法による 項目参照プロファイル推定 • 潜在ランクのベイズ推定 neutetを使って分析可能なもの と、今はまだ無理なもの • • • • • • 23 / 25 ニューラルテスト理論 段階ニューラルテストモデル 潜在ランクの最尤推定 欠損データがあるときの推定 テスト等化 EMアルゴリズムを用いた周辺最尤法による項 目参照プロファイル推定 • 潜在ランクのベイズ推定 24 / 25 EasyNTTとの比較 • 熊谷龍一先生（新潟大学）作成のソフトウェア。 • 共通点 – データは正誤2値（誤答=0, 正答=1）。 – 項目反応プロファイルおよび受験者の潜在ランクを出力。 – 反復回数、潜在ランク数、α1、σ1、IRPの単調増加制約 を指定可能。 • 相違点 – EasyNTTは非連続的な位置に書かれた項目の分析が可 能。テスト参照プロファイルや、テストの基本統計量（受験 者数、通過率、平均、SD、信頼性、正答数）も出力。 – neutetはCUI、EasyNTTはGUI – なのにneutetより軽くて速い(^_^;) 25 / 25 今後の予定 • 一部パラメタの固定 • 等化 • 段階反応への対応 • ソースがスパゲティ化してきたので少しほぐし たい…
© Copyright 2024 ExpyDoc
