Байесовские модели фальсификации в условиях отбора и найма

Я занимаюсь исследованием применения байесовских моделей к фальсификации личностных тестов при отборе и найме.

Мне интересно знать:

  • В какой существующей работе байесовские модели применялись к фальсификации при отборе и найме?
  • Какие исследования были проведены? Что они нашли? и что байесовская точка зрения добавила к анализу?

Меня интересует любое приложение, в том числе

  • различные инструменты отбора: т. е. не только личностные тесты (например, тесты интеллекта, интервью и т.
  • различные подходы: моделирование решения о подделке, моделирование наборов данных, изучающих подделку, внедрение алгоритмов обнаружения подделки и т. д.

Ответы (1)

Количественные статьи

Есть ряд статей, в которых не использовался байесовский подход, но которые обеспечивают соответствующую основу для разработки количественных байесовских моделей:

  • Zickar et al (2004) разработали смешанную модель, используя теорию ответов на вопросы, чтобы исследовать различные классы респондентов в личностных тестах. Хотя это не похоже на байесовский анализ, это пример более сложной количественной модели. По сути, делается вывод о том, что существует более одного типа процесса «подделки».
  • Комар и др. (2008) выполнили статистическое моделирование процесса подделки, которое представляло различные математические модели подделки. Хотя это исследование не было байесовским по подходу и не включало сбор данных, обсуждаемые математические модели уместны для описания параметров, представляющих интерес для байесовской модели фальсификации (например, доля фальшивых участников, средняя величина фальсификации, изменчивость в степень подделки и др.).

байесовские документы

Я нашел пару работ, в которых использовался байесовский подход к изучению фальсификации.

  • Kuncel et al (2011) в своей обзорной статье о методах обнаружения фальсификаций обсуждают общий подход к оценке честных ответов, первоначально представленный Prelec (2004), известный как Bayesian Truth Serum . Этот подход включает в себя просьбу респондентов указать свой собственный ответ на вопрос и оценить долю населения, которая дала бы такой же ответ. Если оценка респондентом доли населения выше средней оценки, то ожидается, что ответ на этот вопрос будет более честным. Аргумент состоит в том, что если мы приобретаем наши убеждения о населении из нашего опыта, мы с большей вероятностью переоценим степень, в которой это убеждение разделяется с другими, потому что наш опыт предвзято включает нас самих. См. также статью Рэя Уивера ..
  • Ортега и коллеги (2011) применили байесовский подход к притворству плохих в симулирующих контекстах.

использованная литература

  • Комар, С., Браун, Д.Дж., Комар, Дж.А., и Роби, К. (2008). Подделка и действительность добросовестности: расследование методом Монте-Карло. Журнал прикладной психологии
  • Кунсель, Н.К., Борнеманн, М., и Кигер, Т. (2011). Инновационный процесс ответа на вопросы и байесовские методы обнаружения подделок: больше вопросов, чем ответов. Новые взгляды на притворство в оценке личности Под редакцией Маттиаса Циглера, Кэролин Макканн и Ричарда Робертса.
  • Ортега, А., Вагенмакерс, Э.-Дж., Ли, М.Д., Маркович, Х.Дж., и Пифке, М. (в печати). Байесовский латентный групповой анализ для выявления плохих усилий при оценке симуляции. Архив клинической нейропсихологии. PDF
  • Прелек, Д. (2004). Байесовская сыворотка правды для субъективных данных. Наука , 306, 462-466. PDF
  • Зикар, М., Гибби, Р.Э., Роби, К. (2004). Обнаружение фальшивых образцов в наборах данных кандидатов, должностных лиц и экспериментальных данных: применение теории отклика элементов смешанной модели. Организационные методы исследования, 7 , 168-190.
@Энди. Большой! Я вижу в этом способ проведения исследовательского процесса более открытым способом. Вопросы настоящие, и мне бы очень хотелось прочитать ответы других людей. Это также делает обзор литературы немного более мотивирующим, зная, что в Интернете немедленно создается контент, который может быть полезен по сравнению с более длительным процессом публикации статьи.