IBM Watson Personality Insights:使用原始或百分位分数?

问题描述 投票:0回答:1

我在学术研究项目的背景下使用IBM Watson Personality Insights。

从目前为止的分析中,我注意到相同推文的原始和百分位数分数之间通常存在很大差异,并且在一些情况下,分数甚至在相反的两端(例如,令人满意的原始分数:0.21和令人满意的百分位数分数0.76)。此外,在我的样本群体的总体水平上,人格特征中的方差对于百分位数得分要高得多,而对于原始得分则非常低(所有观察在每个性状0.1-0.2范围内)。

我知道百分位数是标准化分数,分数的解释是不同的。我的问题是哪些分数通常用于研究人员,旨在将其应用于回归分析(例如,个人的人格特质 - 成功)?在我看过的应用Personality Insights的论文中,作者不讨论他们使用的分数。如果您对此有一些想法并且可以分享任何与Personality Insights更详细地讨论他们的方法的研究,那将是很好的。

非常感谢您的指导!

ibm-watson personality-insights watson-personality-insights
1个回答
1
投票

你的分数有不同的解释是正确的。原始分数正是如此,其中归一化分数超过更大的人口。虽然特质的原始分数的范围在实践中为0-1,但情况并非总是如此,并且分数可能集中在较窄的范围内。这就是为什么在上面显示的示例中,原始分数的微小变化可以使百分位数得分发生更大的变化。

请注意,为了计算百分位数,我们运行了更大人口(100Ks)的配置文件,您可以观察到这些趋势,这些趋势可能不会在较小的样本中显示。

至于你的其他问题;你使用的得分非常多。一般来说,大多数人使用百分位分数,因为这可以让您了解一组特定人群与一般人群的比较。例如,如果我有兴趣看到一组与另一组进行比较,使用百分位分数可以更直观地理解差异(25%的宜人差异比0.1的原始差异更容易理解。因为你不知道这是否重要)。另一方面,原始分数主要用于创建较大模型并使用PI分数作为特征之一时。在这种情况下,当您从较大的模型中得出自己的结论时,使用原始分数通常很有帮助。

© www.soinside.com 2019 - 2024. All rights reserved.