2017 Fiscal Year Annual Research Report
心理学へのデータ駆動型アプローチとスパースモデリングを用いた自閉性症状の構造推定
Publicly Offered Research
| Project Area | Initiative for High-Dimensional Data-Driven Science through Deepening of Sparse Modeling |
|---|
| Project/Area Number |
16H01555
|
|---|
| Research Institution | Tokyo University of Science |
|---|
Principal Investigator |
市川 寛子 東京理科大学, 理工学部教養, 講師 (60540367)
|
|---|
| Project Period (FY) |
2016-04-01 – 2018-03-31
|
| Keywords | スパースモデリング / 全状態探索法 / 説明変数 |
|---|
| Outline of Annual Research Achievements |
本課題は、心理学にデータ駆動型アプローチの基盤を形成することを目的とし、課題１としてスパースモデリングを用いた変数選択方法の深化、課題２として自閉性症状の構造推定へのスパースモデリングの活用を行った。
まず課題１として、計画班B02-1班が開発した全状態探索法（ES）法の深化とその応用について検討し、レビュー論文として公刊し、国内会議にて口頭発表を行った。心理統計において一定の有意水準を設けて行う仮説検定を、説明変数組のなかから複数の変数組み合わせを候補として繰り返すことは、第一種の過誤を犯す確率を高めるため、一般には避けるべきものと考えられている。その点、ES法は、複数の変数の組み合わせを同時に検討するため、仮説検定とは異なる枠組みで、実験者の用意した説明変数のいずれが重要かを記述することに役立つ。このES法の有効性を心理学実験で得られた実データで発揮させるため、歩行から性格特性を推定する心理学実験を行い、ES法を使って解析した。この研究成果は論文として公刊するとともに、国内会議および国際会議にて発表した。
次に課題２として、一般学童における対人応答性尺度(SRS)と子どもの強さと困難さアンケート(SDQ)の正準相関解析を行い、国内会議にて発表した。自閉性症状は個人によって多様であり、その対人応答性と、個人が社会生活で見せる強みおよび困難さの関係もまた多様である。正準相関解析は、複数の説明変数同士の関連の強さを検討することができる手法であり、自閉性症状の構造を記述するための変数を絞り込むスパースモデリングにも活用することができる。
|
| Research Progress Status |
29年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
29年度が最終年度であるため、記入しない。
|
-
[Journal Article] ES-DoS: Exhaustive search and density-of-states estimation as a general framework for sparse variable selection2018
Author(s)
Igarashi, Y., Ichikawa, H., Nakanishi-Ohno, Y., Takenaka, H., Kawabata, D., Eifuku, S., Tamura, R., Nagata, K., & Okada, M.
-
Journal Title
Journal of Physics: Conference Series.
Volume: 印刷中
Pages: 印刷中
Peer Reviewed
-
-
-
-
-
