心理测量新发现！对比学习让教师-儿童匹配Top-1暴涨55倍，但代价是行为表型结构丢失！
Different representation learning objectives recover distinct latent structures from the same psychometric data
📖 AI 总结
该研究探讨了不同表征学习目标是否从同一心理测量数据中恢复出相同的潜在结构。研究基于塞浦路斯学前试验中757对匹配的教师-儿童数据，使用主成分分析和聚类方法从SDQ、ASBI和CBRS条目中识别出四种行为表型。结果显示，对比学习目标显著提升了教师-儿童匹配性能，Top-1准确率从0.13%提升至7.27%，Top-10准确率从1.98%提升至56.14%，但其对行为表型结构的保留效果不如基于PCA的表征。多任务学习目标在联合优化对齐和行为预测时部分恢复了行为组织，但牺牲了检索性能。研究表明，教师-儿童对应关系和行为表型代表两种不同的潜在组织形式，从关联心理测量数据中恢复的潜在结构取决于所采用的表征学习目标。这一发现对心理测量学中表征方法的选择具有重要指导意义。
🔑 关键词速览
| 表示学习目标 | 在机器学习中，用于训练模型以学习数据表示的不同优化目标，如对比学习、主成分分析等。 |
| 主成分分析 | 一种降维技术，通过正交变换将可能相关的变量转换为线性不相关的变量，用于提取数据的主要结构。 |
| 对比目标 | 一种表示学习目标，通过拉近正样本对、推远负样本对来学习特征，常用于自监督学习。 |
| 行为表型 | 基于行为测量数据识别出的个体行为特征模式或类别，如本研究中通过聚类得到的四种行为类型。 |
| 多任务目标 | 一种同时优化多个相关任务的损失函数的学习目标，旨在共享表示以提升多个任务的性能。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅