Pitlik László, Balogh Anikó, Szani Ferenc, Apertus Non-profit Kft




Download 1.43 Mb.
bet9/15
Sana01.04.2020
Hajmi1.43 Mb.
#9741
1   ...   5   6   7   8   9   10   11   12   ...   15


A modellezés eredményeinek értelmezése kapcsán fontos tudni, hogy



  • a becslés oszlop értéke minél nagyobb (zöldebb), annál fontosabb egy fogalom

  • a becslés oszlop sok-sok sárgás árnyalata azt sejteti, hogy a fogalmak alapvetően a minden-másként-egyforma jelenségkörbe tartoznak, csak kevés norma-sértő fogalom létezik

  • a véletlen számok ellenére a becslések validitása (vagyis az inverz tanulási minta klasszifikáló erejének és a direkt tanulási minta klasszifikáló erejének szimmetriája) csak kevés esetben sérül, abból is két esetben technikai jelleggel (vö. sárga 0.1-es becslési hiba, ami kerekítési hibaként értelmezendő a delta oszlopban)

  • az utolsó sor %-os értékei azt fejezik ki, mennyire kell felértékelni egy-egy attribútum információ-tartalmát annak érdekében, hogy a minden-másként-egyforma elv maximálisan közelíthető legyen – vagyis a 3-as és 4-es kódok (nem orientáló válaszok – 17-32-21%) számát kell felértékelni, hogy ne lehessen rangsort képezni – ami tautologikus igazságként erősíti a modellezés logikáját

  • az egyik legkisebb hatásmérték az utolsó sorban (2%) az átlag_darab_o1 kapcsán látható, mely primer adatként a becsléssel 0.59 feletti korrelációt mutat, vagyis a súlyozott átlagokhoz áll legközelebb a becslés

  • a következő táblázat (l1-l2…l24-l25) sorfejléce alapján látható, hogy a modellből a korrigált_átlag_O2 változó (mely a legkisebb hozzájárulást adja 1%-kal a becslésekhez) lényegében hatástalanul kiesett, hiszen a hasonlóságelemzés lépcsős függvényeiben minden szomszédos lépcsőpár különbsége a kötelező 1-es értéken maradt…

A tanulási mintában a becslés alapján győztes objektum egyes attribútumok esetén a 25 versengő objektum kapcsán kétjegyű helyezésekkel is bír (23., 13., 11.). Összességében mégis ez tűnik validált módon a győztesnek.



Ez az eredmény (ismét kiemelendő: teljesen a véletlen szám-generálásra és riport-alapú attribútum-képzésre hagyatkozva) az emberi komplexitás-kezelést meghaladó dimenziórendszerben jön létre. Emberi agy ezt a kihívást nem képes alapvetően kezelni. Az iskolai értékelésből ismert jegyátlagok (jelen esetben sorrend-átlagok/összegek) alapján egy durva becslés mégis kialakítható, melyben az egyes attribútumok és ezek lépcsői azonos súllyal hatnak. Jelen esetben a sorrendek átlaga és a modellezett becslés-sorrend kapcsolata 0.8-as korrelációt mutat, s az első helyen a 6. fogalom áll mindkét esetben…

Az eredmény kapcsán a legtöbb fogalom a norma közelében található – vagyis a minden másként egyforma elv érvényes rá. Következésképpen nincs lehetőség érdemi rangsorolásra az objektumok zöme kapcsán – ahogy az egy véletlen minta esetében racionális is.

A masszív invalidátások a normaszegőkhöz kötődnek, ami tovább erősíti azt, hogy néhány objektum (min. 1 fogalompár) kivételével inkább az azonosság vélelme legitim. Az invaliditás ugyanis azt jelenti, hogy ezen fogalmak kapcsán a „szám-misztika” nem szimmetrikus alakzatokat talált, vagyis a szépségversenyt és a csúnyaságversenyt ugyanaz az objektum akarja megnyerni, ami lehetetlen, ha hiszünk a szép és a csúnya fogalmainak inverz jellegében (a tagadás tagadása = igazság alakzatban).




Download 1.43 Mb.
1   ...   5   6   7   8   9   10   11   12   ...   15




Download 1.43 Mb.

Bosh sahifa
Aloqalar

    Bosh sahifa



Pitlik László, Balogh Anikó, Szani Ferenc, Apertus Non-profit Kft

Download 1.43 Mb.