説明可能なAIの研究では、リバースエンジニアリングなどを用いて深層モデルに説明を求めるポストホックアプローチ（後付け法）が盛んに行われている。しかし、複雑さを制限することで本質的に解釈可能なモデルの構築を目指すアプローチは、少なくとも感情計算論の分野ではまだ多く検討されていない。そこで、本研究では、心理学的解釈が確立している順序尺度に対する説明的項目応答モデルを深層ニューラルネットワークに統合することで、高い予測性能と解釈可能性の両立を目指す。提案手法が他者の表情から個人が認知する情動をどの程度予測できるかを確認する実験を行ったところ良好な結果が得られた。提案手法は、後付け法を補完する手法として、対人交流の教育·支援への活用が期待される。
