[논문 리뷰] Hierarchical Latent Space Item Response Model for Analyzing Mental Health Vulnerability of Elementary School Students in South Korea

Soyeon Park, Seoyoung Shin외 3명|arXiv (Cornell University)|2026. 03. 14.

Mental Health Research Topics인용 수 0

한 줄 요약

본 논문은 학교 및 학생 수준의 정신건강 취약성 패턴을 식별하기 위해 내적곱(Inner-Product) 응답자-아이템 상호작용을 갖춘 베이지안 계층적 잠재공간 IRT 모델인 HLSIRM을 도입한다. 이 모델을 인천의 35개 학교에서 2,210명의 학생들에게 적용하여 학교별 취약성 도메인과 표적 개입 인사이트를 도출한다.

ABSTRACT

Mental health difficulties among elementary school students represent a growing public health concern in South Korea, yet analytical tools for identifying school-specific vulnerability patterns from item response data remain limited. We propose the hierarchical latent space item response model (HLSIRM), which adds hierarchical respondent effects and an inner-product latent interaction for signed respondent-item associations, yielding a unified interaction map that separates school, individual main effects from school/individual-item interactions. We apply HLSIRM to mental health vulnerability data from 2,210 elementary school students across 35 schools in Incheon, South Korea. Clustering item vectors by directional similarity identifies four empirically derived vulnerability domains. School-level analysis reveals that the absence of counseling experience is the primary vulnerability domain aligned with most school vectors, while stress, depression, and smartphone dependency concentrate in specific schools. Within-school analysis demonstrates how individual student positions in the interaction map translate into targeted intervention strategies that address school-specific needs.

연구 동기 및 목표

• 한국의 초등학생들 사이에서 학교별 정신건강 취약성 패턴을 식별해야 할 필요성을 동기 부여한다.
• 계층적 응답자 효과와 내적곱 응답자–아이템 상호작용을 결합한 계층적 잠재공간 아이템 반응모형(HLSIRM)을 개발하고 정식화한다.
• 통합된 상호작용 맵에서 학교/개인 주효과와 학교/개인–아이템 상호작용 효과를 구분할 수 있게 한다.
• HLSIRM을 인천 데이터에 적용하여 실증적 취약성 도메인을 밝혀내고 표적 개입을 알린다.

제안 방법

• 학생 절편과 고정 아이템 절편, 그리고 학생 잠재벡터와 아이템 잠재벡터 간의 내적곱 상호작용 항을 포함하는 로짓-사전 응답 모형을 갖춘 베이지안 HLSIRM을 제안한다.
• 학교 간 차이와 학교 내 이질성을 포착하기 위해 학생 매개변수를 학교 수준 분포에서 추출하는 계층적 구조를 사용한다.
• 해석 가능한 베이지안 추론을 위해 공액 사전분포를 채택하고, 회전 불변성을 다루기 위해 프로크루스테스 정렬을 통한 정렬을 포함한 공동 매개변수 업데이트의 MCMC를 구현한다.
• 시각화 및 해석 가능성을 위해 상호작용 맵 차원을 D=2로 고정하되, 학교 간 아이템 매개변수를 비계층적으로 유지하여 측정 불변성을 유지한다.

실험 결과

연구 질문

• RQ1 다양한 학교에서 학교 수준과 학생 수준 효과가 어떻게 상호 작용하여 정신건강 취약성 패턴을 만들어내는가?
• RQ2 내적곱 잠재공간이 정신건강 맥락에서 의미 있는 양의, 음의, 중립적 응답자–아이템 연관성을 포착할 수 있는가?
• RQ3 계층 구조와 상호작용을 고려할 때 항목 전반에서 나타나는 실증적 취약성 도메인은 무엇인가?
• RQ4 학교별 상호작용 패턴이 표적화된 학교 수준 개입 전략에 어떻게 정보를 제공할 수 있는가?

주요 결과

• 모형은 방향성 유사성에 따른 항목 벡터의 클러스터링을 통해 네 가지 실증적으로 도출된 취약성 도메인을 식별한다.
• 학교 수준 분석은 상담 경험의 부재를 다수의 학교 벡터와 일치하는 주요 취약성 도메인으로 보인다.
• 스트레스, 우울, 스마트폰 의존과 같은 특정 도메인이 특정 학교에 집중된다.
• 학교 내 분석은 상호작용 맵에서 학생 위치를 학교별 취약성에 맞춘 표적 개입 필요성과 연결한다.
• 해당 방법은 학교 간 이질성은 계층적 잠재공간으로 포착하면서도 항목 매개변수의 측정 불변성을 보존한다.