La psychologie scientifique s’appuie de plus en plus sur des modèles de mesure complexes, des structures de données volumineuses et des collaborations entre plusieurs sites; pourtant, de nombreux outils méthodologiques traditionnels se heurtent à des limites en matière d’évolutivité, de validité et d’accessibilité des données. Cette présentation met en relief la manière dont l’intelligence artificielle (IA) peut élargir de façon marquée la palette d’outils méthodologiques à la disposition du milieu de la recherche en psychologie. Je présente tout d’abord un algorithme antagoniste génératif profond destiné à l’analyse factorielle d’items à haute dimension, qui améliore la récupération des variables latentes dans des conditions de mesure difficiles. Je présente ensuite un cadre fédéré de théorie de la réponse à l’item qui permet aux chercheurs et chercheuses d’estimer des modèles psychométriques entre institutions sans partager de données individuelles, répondant ainsi aux préoccupations en matière de confidentialité qui sont au cœur de la recherche psychologique contemporaine. J’expose ensuite les nouvelles évaluations des grands modèles de langage destinés à la synthèse automatisée des données probantes et à la réalisation d’analyses de puissance statistique, en faisant ressortir à la fois leur potentiel et leurs limites méthodologiques actuelles. Enfin, j’examine des travaux récents comparant la modélisation par équations structurelles à l’estimation ciblée par maximum de vraisemblance, en montrant comment les stratégies d’estimation fondées sur l’IA peuvent clarifier les estimands causaux et renforcer l’inférence. Ensemble, ces projets montrent comment l’IA peut améliorer la précision, l’interprétabilité et la reproductibilité des méthodes psychologiques.
Le Dr Feng Ji est professeur adjoint en voie de titularisation au Département de psychologie appliquée et de développement humain de l’Université de Toronto et titulaire de la Chaire de recherche du Canada en psychométrie et en IA responsable. Il a obtenu son doctorat en biostatistique à l’Université de Californie à Berkeley et possède une vaste expertise dans l’application, l’évaluation et le développement de méthodes quantitatives et d’apprentissage automatique pour la recherche en sciences du comportement, en sciences de l’éducation et en sciences sociales. Ses travaux évalués par les pairs ont été publiés dans des revues méthodologiques de premier plan, telles que Psychometrika, Psychological Methods, Journal of Educational and Behavioral Statistics et Multivariate Behavioral Research, ainsi que dans des revues de fond telles que Child Development et Applied Linguistics. Les travaux universitaires du Dr Fend Ji s’appuient sur une solide expérience professionnelle, puisqu’il a occupé les fonctions de scientifique des données de recherche chez Google et de psychométricien de recherche au sein de l’American College Testing (ACT). Il contribue également à ce domaine en tant que membre du comité de rédaction de plusieurs revues, notamment Psychological Review, Behavior Research Methods et Child Development.
Recent Comments