内容来源：中山大学心理学系
报告人：江哲涵 副研究员
报告人单位：北京大学
题目：基于贝叶斯网络的ADHD分类器与自适应诊断
时间：2022年4月18日 （周一，14:20-17:30）
地点：心理学系305
报告简介
在面对注意力缺陷/多动症（ADHD）等神经系统疾病时，我们常需要对其严重程度进行量化分级。为了探索数据驱动分类的方法学特性，本研究旨在开发基于贝叶斯网络的模型及其计算机适应性测试（CAT），以便对个体受试者的ADHD症状严重程度进行高效且准确地分类。当前症状量表（CCS）被用来在892名大学生样本中建立ADHD症状严重程度分类器，通过计算机模拟研究，我们评估了基于条件概率的信息增益CAT，以此模拟结果来确定优化方案。平均结果显示，将18个项目中的8个分配给单个受试者可获得85%的分类准确率，由此为ADHD量表的精简化与个性化提供可行机制，进而允许基于贝叶斯网络的分类器以数据驱动来协助诊断。通过与项目反应理论的对比，该研究证明将CAT纳入分类器可在缩短量表的同时、保持可接受的测量质量。
报告人简介
江哲涵，北京大学医学部/全国医学教育发展中心 (Tenure-Track)副研究员，博士研究生导师。研究领域：心理和教育测量，数据可视化，机器学习，人工智能，成本效益，医学考试，问卷设计分析等。近三年在主流SCI/SSCI的教育学、心理学、信息学等期刊发文近30余篇，如《Medical Teacher》、《Behavior Research Methods》、《Multivariate Behavior Research》、《Psychometrika》等。曾担任阿拉巴马大学、贝勒医学院助理教授，现担任《BMC Medical Research Methodology》等期刊的责任编辑与审稿专家。
