Пакет R преобразует вопросы психологических шкал в векторы, а затем проводит факторный анализ. О semanticfa опубликована статья на arXiv: с помощью языковой модели каждый вопрос преобразуют в embedding, затем проводят факторный анализ семантического сходства между вопросами, а заодно интерпретируют факторы, отмечают дублирующиеся вопросы, составляют краткие версии шкал и отбирают новые вопросы.
В примере использована шкала «Большая пятёрка» IPIP из 50 вопросов, а в качестве модели embedding — Qwen3-Embedding-8B. При сравнении с факторным анализом ответов более 870 тысяч реальных респондентов число факторов оказалось между пятью и шестью; по заданному правилу выбрали пять. Три фактора в основном соответствовали отдельным измерениям, а два других объединили большинство вопросов об экстраверсии и пять вопросов о доброжелательности.
Согласованность каждого фактора с наиболее подходящим фактором, выделенным вручную, варьировалась от 0,92 для открытости до 0,52 для доброжелательности. Авторы подчёркивают, что это дополнение, а не замена факторному анализу на основе ответов. Это препринт, прошедший рецензирование не был; выводы ограничены экспериментами, описанными в аннотации.
$BTC
В примере использована шкала «Большая пятёрка» IPIP из 50 вопросов, а в качестве модели embedding — Qwen3-Embedding-8B. При сравнении с факторным анализом ответов более 870 тысяч реальных респондентов число факторов оказалось между пятью и шестью; по заданному правилу выбрали пять. Три фактора в основном соответствовали отдельным измерениям, а два других объединили большинство вопросов об экстраверсии и пять вопросов о доброжелательности.
Согласованность каждого фактора с наиболее подходящим фактором, выделенным вручную, варьировалась от 0,92 для открытости до 0,52 для доброжелательности. Авторы подчёркивают, что это дополнение, а не замена факторному анализу на основе ответов. Это препринт, прошедший рецензирование не был; выводы ограничены экспериментами, описанными в аннотации.
$BTC
