Modele psychometryczne w wyższych wymiarach: jak sztuczna inteligencja może rozszerzyć przestrzeń pomiaru?

Niektóre modele psychologiczne – szczególnie złożone, typologiczne lub posiadające strukturę trójwymiarową – nie mogą zostać poprawnie zweryfikowane w klasycznej przestrzeni 2D. Ich rzut na płaszczyznę geometrycznie zniekształca rzeczywiste relacje między zmiennymi lub osobami, prowadząc do fałszywych uproszczeń i błędnych interpretacji. W odpowiedzi na to ograniczenie artykuł proponuje rozszerzenie przestrzeni pomiaru z wykorzystaniem narzędzi sztucznej inteligencji, w szczególności maszyny wektorów nośnych (SVM) z radialnym jądrem bazowym (RBF), umożliwiającej transformację danych do przestrzeni o wyższych wymiarach.Artykuł przesuwa punkt ciężkości pomiaru z relacji między zmiennymi na relacje między osobami traktowanymi jako wektory cech psychologicznych. Pokazuje, że kernel nie tylko klasyfikuje dane, ale przekształca samą przestrzeń, w której dane funkcjonują – tworząc nowy układ geometryczny, w którym możliwa staje się weryfikacja modeli złożonych i głębokich. W tej nowej logice osoby stają się nośnikami modelu, a nie jedynie obserwacjami danych. Ukoronowaniem koncepcji jest projekt skali psychometrycznej opartej na niezależnych wektorach odpowiedzi, kompatybilnej ze strukturą przestrzeni jądrowej. Całość stanowi przełomowe przesunięcie: od przestrzeni zmiennych do przestrzeni osób, od rzutów geometrycznych do strukturalnej głębi modeli psychologicznych.