[ABE-L] Ciclo de seminários do PIPGEs

[Sandro Gallo]

Boa noite!

Reiniciamos, 2 semanas atrás, o ciclo de seminários do PIPGEs, com um
seminário da Profa. Daiane Zuanetti (DEs-UFSCar), cuja gravação pode ser
acessada nesta página
<http://www.pipges.ufscar.br/seminarios/modelos-de-mistura-sua-estimacao-e-algumas-aplicacoes>.


Aproveito para divulgar que sexta feira que vem (dia 15 de maio), teremos
um seminário da Profa. Mariana Curi (ICMC-USP), as informações estão abaixo.

Todas nossas atividades serão apresentadas pela plataforma Google-meet. Os
links são enviados na sexta feira de manhã, o acesso é livre, estão
convidad em s!

Abraço,
Sandro


*SEMINÁRIO do PIPGEs (UFSCAR/USP)*

*Data e Horário:*
15/05/2020 às 14h
*Local:*
Google Meet (à distância) - link a ser disponibilizado próximo ao dia do
evento

*Título:*
Machine learning for estimation in IRT models.


*Palestrante:*Mariana Curi (ICMC - USP)


*Resumo: *
High dimensional latent space is still a challenge for usual estimation
methods in Item Response Theory (IRT) models, like MCMC or maximum
likelihood. In this work, we propose a Variational Autoencoder (VAE)
architecture, a kind of unsupervised deep neural network, for a
multidimensional IRT model parameter estimation. Our approach allows us to
model high latent trait dimensions, overcoming some of the limitations
concerned to “big data” analysis. The simulation studies show that, given
enough data, the proposed method is competitive with the state-of-the-art
ones with respect to predictive power and is much faster in runtime
performance. The new approach is applied to a real data set to illustrate
the usefulness of the proposed method in the context of educational
assessment.
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <https://lists.ime.usp.br/archives/abe/attachments/20200511/32e49b09/attachment.html>