智能技術在心理測量中的應用課件.ppt

《智能技術在心理測量中的應用課件.ppt》由會員上傳分享，免費在線閱讀，更多相關內容在教育資源-天天文庫。

1、智能技術在心理測量中的應用智能技術是什么？是人工智能的一部分，主要包括人工神經網絡、遺傳算法、粗糙集、模糊集、Agent等。100多年前，人們把數理統(tǒng)計的方法運用到心理學中，產生了心理統(tǒng)計學和心理測量學，推動了心理學研究的科學化。智能技術和統(tǒng)計方法一樣，是一種通用技術，必然會進一步提高心理學研究的科學性?！爸悄堋钡母拍钍切睦韺W首先提出來的，智能技術是生命科學和計算機結合的產物，它涉及了多種理論和方法。和心理測量的關系是什么？心理測量是按照一定的規(guī)則，用數字對人的潛在心理特質進行描述。存在的問題是什么？

2、心理學家認為，心理測量所得到的數據具有隨機性，隨機誤差滿足正態(tài)分布。可以采用數理統(tǒng)計的方法來處理這些數據，因此心理統(tǒng)計學是心理專業(yè)學生的必修課程。心理學家認為，心理測量的數據是可以計算平均數的，這就隱含著這樣一個假設，這些數據是等距的，因此是可以進行加減運算的。心理學家還認為，心理測量數據之間的關系是可以用數學公式來表示的，甚至認為變量之間是存在線性關系的。我們經常使用的皮爾遜相關系數就是反映了兩個變量之間的線性相關，我們津津樂道使用的因素分析就是建立在相關系數基礎上的，我們習慣使用的多元回歸也是線性回

3、歸。變量間線性關系的思想已經深入我們的腦海，人們不假思索就運用了這些方法。經典測驗理論的基本模型就是這種思想的反映。X=T+e這里有線性關系，也有正態(tài)分布的假設。CTT的出現，推動了心理測量的發(fā)展，但沒有很好反映變量間的關系，于是出現了項目反應理論。項目反應理論提出了一個S形的函數模型，事實真是這樣嗎？我們還應該進行探索。心理測量中存在著許多變量的相互關系，人們一直在追求用某些數學公式來表達它們之間的關系。但也許這種關系很難用公式表示。目前采用的統(tǒng)計方法只是考慮到了心理測量數據的隨機性，我們還可以從數據

4、的其他特性來進行研究，例如測量數據的模糊性、粗糙性。正是考慮到心理測量數據的特點，我們近年來采用了人工神經網絡、粗糙集、遺傳算法、模糊集等方法來試圖解決心理測量中的某些問題。一、人工神經網絡心理學和人工神經網絡有什么關系呢？黃希庭主譯的《認知心理學》人工神經網絡就是聯結主義理論，是心理學家和計算機科學家共同研究的成果，是用計算機來模擬人腦神經網絡的工作。（一）神經網絡模型的提出1、信息加工理論的缺點：把人看成是簡單的物理符號系統(tǒng)只是強調信息加工的系列性不能很好地解釋日常生活中的很多認知現象2、具有里程碑

5、意義的著作Rumelhart和McClelland(1986)：《并行分布加工：認知的微觀結構之探索》認知心理學的“新浪潮”（二）人工神經網絡模型和人腦的神經網絡1、人工神經網絡模型各神經元之間存在大量的“聯結”，“聯結”的強度在信息加工過程中不斷進行調整。信息的加工是并行：并行分布系統(tǒng)。2、人腦神經元的基本特性（1）細胞間突觸聯結強度是可變的。（2）神經細胞是一個多輸入-單輸出的“元件”。（3）細胞核對信息的加工是非線性的。3、生物神經元的三個功能（1）加權：對每個輸入信號賦予不同程度的權重。（2）求

6、和：把所有的輸入信號組合起來。（3）傳遞：把組合起來的輸入函數通過激活函數（又稱傳遞函數）f(),產生一定的輸出函數。fSjθjx1x2xixnwji4、人工神經元的結構5、向量表示列向量X：輸入向量X==由此可見，神經元的凈輸入Sj可以用其權重向量Wj（行向量）和輸入向量X（列向量）的內積（點積）表示。凈輸入通過激活函數得到神經元的輸出yj,在神經網絡中最常用的激活函數是Sigmoid函數這是一個上限為1，下限為0的S形函數YjSjSigmoid函數（三）神經網絡模型的拓撲結構神經網絡模型具有各種不同

7、的拓撲結構，其中最常用的是三層前饋模型，該模型由輸入層、隱含層和輸出層三部分結構組成輸出向量..................輸入向量（四）神經網絡模型的學習和聯想神經網絡模型的工作過程實際上就是將輸入信息進行轉換加工的過程，通常人們把這一加工過程分成兩個階段：學習階段（或稱訓練階段）和聯想階段（或稱測試階段）。基本的算法：誤差反傳算法（BP算法）（五）神經網絡的作用當系統(tǒng)的輸入和輸出之間的關系無法用數學的解析式表達時，可以用神經網絡來建立它的模型，特別是多個輸入變量和輸出變量之間的關系為非線性時，該

8、模型更加能顯示其優(yōu)越性。(六)基于人工神經網絡的效標關聯效度的研究1、問題的提出效標關聯效度的目的：尋找測驗分數和效標分數之間的某種關系。計算效標關聯效度的方法：積矩相關系數愿望：測驗分數和效標分數具有較高的正相關，從測驗分數來較精確地預測效標分數，這是一個回歸預測問題。目前運用積矩相關系數作為預測效度的缺陷：前提是兩個變量之間為線性關系，而且只能有一個自變量。于是就出現了這樣的問題：（1）若測驗分數x和效標分數y之間為非線性關系，積矩相關