semanticfa: 심리 측정 척도의 응답 비의존적 의미 요인 분석을 위한 R 패키지

원문 발행 2026. 10. 28. 01:18원문 언어 영어AI 한국어 번역arXiv cs.CL 원문 보기

요약

본 기사는 심리 측정 척도의 의미 요인 분석을 위한 R 패키지 'semanticfa'를 소개합니다. 이 패키지는 항목 임베딩 유사도를 활용하여 응답과 독립적으로 구성 개념을 측정하는 방법을 제시합니다. 이를 통해 연구자들은 '의미-행동적 일관성(semantic-behavioral coherence)'이라는 새로운 속성을 척도 분석에 적용할 수 있습니다.

핵심 포인트

semanticfa 패키지는 임베딩 기반의 의미 요인 분석을 제공합니다.
응답 데이터와 독립적으로 구성 개념을 측정하는 것이 가능합니다.
'의미-행동적 일관성'이라는 새로운 척도 속성을 제안했습니다.
임베딩 모델은 기존 응답 기반 요인 분석을 보완합니다.

반성적(reflective) 심리 측정 척도의 항목들은 구성 개념(construct)의 구조에 대한 제안으로 해석될 수 있습니다. 언어 모델은 각 항목을 임베딩(embedding), 즉 유사한 의미를 가진 숫자 목록으로 변환하여 그 제안을 측정 가능하게 만듭니다. 우리는 항목-임베딩 유사도를 요인화하는 의미 기반 요인 분석(semantic factor analysis)용 R 패키지인 semanticfa를 소개합니다. 이 패키지는 또한 요인을 해석하고, 중복된 항목을 표시하며, 단축형(short forms)을 구축하고, 새로운 항목을 선별할 수 있습니다. 한 예시 작업에서는 Qwen3-Embedding-8B로 임베딩된 50개 항목의 국제 성격 항목 풀 빅파이브 요인 마커를 분석하고, 그 결과를 874,434명의 응답자에 대한 요인 분석 결과와 비교했습니다. 다섯 개에서 여섯 개의 요인 사이의 유지 기준(retention criteria)을 설정했고, 이 규칙은 다섯 개로 유지되었습니다. 세 가지는 주로 단일 영역에 해당했으며, 두 가지는 가장 높은 수준으로 외향성 항목과 친화성 항목을 혼합했습니다. 각 요인이 가장 잘 일치하는 인간 요인과의 일치도(congruence)는 개방성(Openness)의 경우 .92에서 친화성(Agreeableness)의 경우 .52까지 다양했습니다. 의미적으로 더 유사한 항목 쌍은 실제 응답과 함께 더 비슷하게 답변되는 경향을 보였지만(r = .46), 같은 영역에 속하는 역코딩된 반대 개념들은 영역 간 쌍(.58 vs. .57)만큼 비슷한 수준으로, 정반대로 답변되었습니다. 부호 전환(Sign-flipping)된 역코딩 항목의 임베딩은 실제 응답과의 일치도를 개선하지 못했고, 오히려 역점수화된 경우 악화시켰습니다. 다섯 개의 요인을 사용했을 때, 25개 항목으로 구성된 단축형이 모든 무작위로 선택된 영역별 5개 항목 세트보다 도메인에 더 잘 맞았지만, 병렬 분석(parallel analysis)은 오직 세 가지만 유지했습니다. 우리는 임베딩 모델을 주어졌을 때, 의미 구조와 응답 구조 간의 일치도인 '의미-행동적 일관성(semantic-behavioral coherence)'을 척도의 측정 가능한 속성으로 제안합니다. 의미 요인 분석은 응답 기반 요인 분석을 보완하며 대체하지는 않습니다.

AI 자동 생성 콘텐츠

원문 바로가기

semanticfa: 심리 측정 척도의 응답 비의존적 의미 요인 분석을 위한 R 패키지

요약

핵심 포인트

댓글