• Előzmények
  • Bevezetés
  • Irodalmi háttér
  • Az értékkutatás operacionalizálása
  • Pitlik László, Balogh Anikó, Szani Ferenc, Apertus Non-profit Kft




    Download 1.5 Mb.
    bet1/15
    Sana01.04.2020
    Hajmi1.5 Mb.
      1   2   3   4   5   6   7   8   9   ...   15

    Értéksorrend-becslés hasonlóságelemzéssel – avagy az emberközpontú tudomány fogalma a mesterséges intelligenciák és az értékkutatás szempontjából

    (Ranking objects with similarity analysis – or about the term of human-oriented science from point of view of the artificial intelligence and the value surveys)

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

    Kivonat: Adott objektumok (fogalmak, értékkategóriák) esetén a szubjektív emberi értékelések pár-összehasonlítások formájában előálló rész-erőterei a rendelkezésre álló adatmennyiségtől függően több-kevesebb kockázattal, de kirajzolják az objektumok „fontossági” sorrendjét. Folyamatos adat-felvételezéssel a sorrend változása dinamikus jelenségként is vizsgálható. Az értéksorrend-becslés olyan context free kihívás, mely automatizálható, s így a general problem solving, ill. a mesterséges intelligencia kutatás jelenségköreinek egy lehetséges eleme. Ezáltal nyelv-független, innovatív tudásként startup-vállalkozások know-how potenciáljává válhat. A hasonlóságelemzés képes sok-dimenziós értékelési problémák kapcsán egyetlen egy anti-diszkriminatív indexet megalkotni elemi értékelési szabályok komplex és konzisztenciára törekvő rendszereként.

    Kulcsszavak: összehasonlítás, következetlenség-vizsgálat, profilírozás, játékosítás, értékkutatás

    Abstract: A kind of evaluation ranking concerning objects (terms, values) can be derived based on subjective pair-comparisons of humans with more and less risks depending on the amount of unique decisions. If human decisions about importance of objects will be completed permanently, then the evaluation ranks can also be interpreted as a time-series. The estimation of the ranks of importance is a context free challenge – which could be automated. Therefore this is an element of the set of general problem solvers (c.f. artificial intelligence) and this form of the innovative knowledge (even being not dependent on languages) can be involved in the development of potential startups. The similarity analysis is capable of creating anti-discriminative indices for evaluation ranking based on basic rules and consistence-driven modelling processes.

    Keywords: comparison, inconsistence, profiling, gamification, value survey

    Előzmények


    Ez a cikk egy sorozat 4. eleme. Az első cikk az EDEN 2017-es konferenciáján jelent meg angolul (vö. http://miau.gau.hu/miau/225/Annual_2017_Jonkoping_Proceedings.pdf - ASSESSING DIVERSITY IN LEARNERS BACKGROUND AND PERFORMANCE). A második cikk magyarul íródott és egy intuitív döntési helyzet kibernetikus párhuzamait mutatja be (megjelentetés alatt: Tanulók tevékenységének nyomon követése e-learning keretrendszerben címmel). A harmadik cikk a HASSACC online konferenciára kerül leadásra angol nyelven (Dashboards and OLAP services in LLL and distance learning processes - or experiences about log-based learning- and education-management címmel).

    A cikksorozat célja a tanulási és tanítási folyamatok kibernetikus rendszerként való értelmezési rétegeinek elméleti és eset-alapú kifejtése.


    Bevezetés


    In medias res: a GPS, azaz general problem solver megoldások kialakítása, társadalmi cél (vö. Ipar 4.0). A hasonlóságelemzés önmagában is egy fajta GPS-jellegű gondolatvilág. A hasonlóságelemzés (vö. MY-X FREE: http://miau.gau.hu/myx-free/) kronológiai alapja Dobó Andor hasonlóságok hasonlósága tétele (vö. JOKER szoftver – pl. http://miau.gau.hu/miau2009/index.php3?x=e0&string=joker). Ennek a matematikai megközelítésnek a kulcsproblémája: miként lehet egy részlegesen lyukas OAM-ot (objektum-attribútum-mátrixot) regenerálni, ha legalább egy sora és legalább egy oszlopa hiánytalanul ki van töltve? Hasonlóképpen univerzális-jellegű kérdés a statisztikai adatvagyonok kapcsán az adatjelentések elmaradása nyomán előálló lyukas riportok teljessé tétele, ahol nem feltétel már az sem, hogy a teljes riportra nézve bármely objektum (pl. ország) minden attribútuma (pl. idősora) teljes legyen (vö. http://miau.gau.hu/miau/225/multikulti_3_pitlik_2017.pdf – egy UNESCO riport esete). További GPS-karakterű feladat lehet egy-egy idősor azon „vágópontjainak” fellelése, melytől jobbra és balra az idősor két szakasza a leginkább különbözik egymástól (vö. http://miau.gau.hu/miau/200/szakaszolas.doc).

    A GPS fogalmához köthetőség egyik fontos elvárása: a context free jelleg, vagyis az adattartalomtól függetlensége az elemzési lépések lefutásának. A másik az automatizálhatóság, vagyis az ember szerepének minimalizálása. Ezen karakterisztikák mentén megfogalmazott „online szolgáltatások (engines)” a hazai startup-kultúra részeként bejutottak a Groupama/Quantum Space (https://quantumspace.hu/groupama-startup-program/) támogatási programjába…

    Ebben a cikkben az értékkategóriák (objektumok) rangsorolása kerül nagyító alá, mint potenciális GPS-probléma:

    Az érték fogalma elvileg az emberi agy terméke, de a felismert szükségszerűség = boldogság elv (vö. http://miau.gau.hu/miau2009/index_tki.php3?_filterText0=*rousseau) és Kazohinia „utópiája” az értékek matematikai (azaz objektivizálható) értelmezését sem zárja ki. Értéksorrendről bármilyen jelenségkör elemei kapcsán beszélhetünk. Például: termékmárkák sorrendje, világranglisták a sportban, ill. egyetemek esetén, vagy éppen az év dolgozója/terméke/szolgáltatása, stb. Az érték fogalmának ezen területeken való alkalmazása az eddig ismert megoldások kapcsán sajnos nem törekszik objektivitásra, sőt – kifejezetten az emberi értékítéletek aggregálását várja el (vö. a „ki a legjobb tanár” kérdésre lehet egy fajta elégedettségi kérdőíves/szavazásos vizsgálatokkal választ adni akarni és lehetne kazohin módon: vagyis a tanárokról (objektumok) ismert összes jelenség (attribútum – n db) kapcsán rendelkezésre álló pl. log-adatok alapján lehetne vizsgálni, mely tanár(ok) esetén lesz igaz, hogy ott a legkisebb az eltérés az egyes OAM adatok becslése és tényleges értéke között, ha magyarázó tényezőként mindenkor az éppen nem becsült attribútumon túli összes többit (n-1 db) használjuk fel (egy vizsgálati körben – vagy éppen az adott attribútum adatait mindenkor a becsléssel helyettesítve tetszőlegesen sok körben – vö. http://miau.gau.hu/miau/206/Full_text_template_synergy2015_pl.doc). Ez utóbbi megközelítés azt sem várja el, hogy az értékelő (közösség) abban egyetértsen, hogy adott attribútum (pl. az órakezdés pontossága) kapcsán lehet-e irányról beszélni (vö. annál jobb a tanár, minél kevesebbet késik?!). A kazohin értékelés lényege az adekvátság maximalizálása, mert az a tanár, aki formálisan (a blokkoló óra szerint) késik, de a diákjai még ehhez képest is később érkeznek, az relatíve nem késett. A deklaratív szabályok szubjektivitását a „minden-mindennel-összefügg” elv képes tehát felváltani. S így az univerzális (context free) Jó-fogalom nem más, mint a helyzetnek való megfelelés képességének maximalizálása (vö. https://www.google.hu/search?q="coco+mcm"+site%3Amiau.gau.hu) …


    Irodalmi háttér


    Az értékkutatásról Csepeli nyomán az alábbi gondolatok kapcsolhatók a fenti, kényszerűen filozofikus nyitáshoz: „Az értékekről való tudás paradoxona, hogy a nekik tulajdonított bizonyosság fordítottan aránylik a bizonyíthatósághoz. Az értékek arra vonatkoznak, hogy mi a jó vagy rossz, mi a szép és a rút, mi a felemelő és a lealacsonyító, mi a kívánatos, előnyben részesítendő és mi a nemkívánatos, hátránnyal sújtható. Ezek a kérdések és a nyomukban megfogalmazott válaszok létfontosságúak mind az ember saját életében, mind az emberek egymás közti viszonyaiban. Max Weber megkülönbözteti a célértékeket és az eszközértékeket. A célértékek jelölik ki a társadalom és az egyén számára a követendő cselekvéseket, melyek eredményeképpen a valóság irreverzibilisen átalakul. Az eszközértékek a cselekvések mikéntjét minősítik.” (Csepeli, 2001 - http://www.tankonyvtar.hu/hu/tartalom/tamop425/2011_0001_520_szocialpszichologia/ch04s06.html)

    Csepeli szerint: „Az értékek ugyan bizonyíthatatlanok és verifikálhatatlanok, ugyanakkor poláris szerkezetük és a beléjük vetett hit folytán adódó motivációs erejük révén jelentésekkel teli cselekvési teret képesek teremteni a társadalom tagjai számára.” A kazohin közelítés szerint az értékelés felfogható azonban matematikai problémaként, még akkor is, ha az értékelés inputjai emberi, parciális értékítéletek egy komplex értéklánc részleteire vonatkozóan.

    A kazohin megközelítés nem idegen Csepelitől sem: „Az érték az egyén és a társadalom közötti szociálpszichológiai közvetítések láncában a legerősebb szem. Értékké bármi lehet a társadalomban, de nem tekinthető bármi értéknek. E paradoxonnal arra kívánunk rámutatni, hogy az értékek körét egyfelől behatárolják az emberi élet szükségletei, ám ezek a szükségletek a mindenkori társadalmi viszonyokban konkretizálódnak, alakulnak át pszichológiailag hathatós hiányérzéssé, s a hiányérzetekből eredő motivációkká.” A rousseau-i gondolat-parafrázis is a felismert szükségszerűségről szól.

    S végül: „A kulturális antropológia az értékek készletében jelöli meg a kultúra lényegi magvát, melynek segítségével az adott kultúra hordozói az élet értelmére vonatkozó végső kérdésekre kapnak választ. Eduard Sapir a kulturálisan meghatározott jelentések egész rendszerét érti értékrendszer alatt, míg Clyde Kluckhohn a jelentések centrumához rendeli az értékeket.” – a Csepeli-féle interpretációk alapján is rá lehet mutatni arra, hogy a szómágia, vagyis az értékkészletként felmerülő fogalmak halmaza operacioanlizálandó, mert anélkül, hogy a család, haza, szeretet, stb. fogalmai matematizálása megtörténne, nem lehet ezek viszonyrendszeréről sem érdemben beszélni…

    Az értékkutatás klasszikus megközelítését a kiválasztott forrás megfelelően példázza, a mesterséges intelligencia alapú érték-definíciók, a mesterséges intelligencia alapú fogalom-alkotás nem szerves része még a tudományos gondolkodásnak: vö. http://miau.gau.hu/miau/197/robot_deity.doc

    Az értékkutatás operacionalizálása


    A szubjektív objektum-rangsorolás elemi építőköve a pár-összehasonlítás. Minél nagyobb a rangsorolandó objektumok száma, annál nagyobb az esélye az emberi következetlenségnek. A sportban hasonló jelenség az ún. körbeverés (A>B, B>C, A?C, ahol is részeredmények alapján a fennmaradó objektumpár esetén elvileg kényszerű kellene, hogy legyen az A>C eredmény, de a valóságban ez nem mindig pontosan így érthető tetten). Az emberi értékelésekre alapozó pár-összehasonlítások (pl. fogalmak, attitűdök, szokások, népek, nemek, stb. értékelése) esetén a körbeverés jelenségét inkább következetlenségi potenciálként illik értelmezni, hiszen a következetlenség forrása szubjektív, az értékelő ember maga, míg a sportban körbeverés forrása objektív, pl. a formaidőzítés ingadozása…

    A pár-összehasonlítások esetén illik megengedni az A=B és a „nem tudom” („nem-akarom-megmondani”) válaszopció lehetőségét is. Ebben az értelmezési térben sok ember által két objektumot összehasonlítani úgy, hogy mindenki csak egyszer szavazhat, formális aggregációs feladat, ahol a kérdés, melyik objektum fontossága kapott több szavazatot? Amennyiben egy ember többször is szavazhat (ugyanazon objektumokat használó kérdés kapcsán), akkor már azonnal megjelenik egy újabb értékelési szempont: a többszörösen szavazók következetességi mértékének átlaga, maximuma, minimuma, szórása. Sőt: ha egy egyed nagyon sokszor szavazhat, ami kényszerűen szavazat-idősorokat eredményez, akkor az értékítéleteknek egy fajta trendje is értelmezhető (objektumonként és/vagy mindösszesen). Minél többen gondolják tehát, hogy A>B, ill. minél monotonabb ezen vélelem idősorosan, valamint minél nagyobb ezen vélelem bekövetkezésének esélye (darabszáma – vö. Simpson-paradoxon) az idő múlásával, stb. – annál inkább igaz, hogy A>B.

    Amennyiben már 3 objektumunk (fogalmunk, értékelendő kategóriánk) van, akkor a következetlenség (vö. körbeverés) akkor is értelmet nyer, ha egy szavazó egyelőre még csak egyetlen szavazatot adott le, de minden objektum-párról szavazott (n alatt a k, ahol n=objektumok száma, k=2 a pár-összehasonlítás esetén kényszerűen). A lehetséges objektum-párok kapcsán elsődlegesen nem tűnik fontosnak, melyik áll elől, de azt is tesztelni lehet és kell, hogy az A>B gyakoribb-e, mint a B
    Eddig csak az egyértelmű jobb/rosszabb szavazatok kerültek értelmezésre, de igaznak tűnik az az elemi szabály is: minél kevesebb egy jelenség kapcsán az azonosságot (A=B) kifejező értékítéletek száma, ill. minél kisebb a „nem tudom” opció mögé bújás (vagyis a dönteni nem tudás, nem akarás, a vélemény elrejtésének szándéka), annál inkább értékes egy-egy jelenség.

    Ha az alapkérdés a „Melyik objektum a fontosabb itt és most Önnek személy szerint?” kérdésben a „fontosabb” kifejezés helyett az „értékesebb”, „jobb”, „preferálhatóbb”, „preferálandóbb”, stb. alternatívák szerepelnek (nagy minta esetén véletlenszerűen váltogatva ezeket szavazóról szavazóra), akkor az egyes hermeneutikai keretfeltételi zavarok is feltárhatók: minél kisebb az egyes szóhasználatok mentén előálló (fentebb már felsorolt és még később kiegészítésre kerülő minél-annál) szabályok száma, annál robosztusabb az adott fogalom/objektum értékbecslése.

    Értelemszerűen (vö. Simpson-paradoxon), minél nagyobb egy parciális szavazási térben az egyes objektumokról rendelkezésre álló, azonos értékítéletet kifejező szavazatok száma, annál erősebb az egyéb elemi szabályok anti-diszkriminatív aggregálásával előálló vélelem. A parciális szavazási tér azt jelenti ez esetben, hogy véletlenszerű mennyiségű szavazó véletlenszerű mennyiségű objektum-párról alkot csak értékítéletet. Vagyis senkit nem kényszerítünk arra, hogy minden objektum-párról, sőt ezek fordított sorrendű megkérdezéséről is döntsön – s főleg nem teszünk fel senkinek redundáns (legalább egyszer már szerepelt) kérdést a válaszadó következetességének legegyszerűbb ellenőrzésére.

    A kérdőíves felmérések minőségbiztosítása kapcsán már ismert, hogy a záró kérdésekre érkező válaszok konzisztenciája kisebb, mint a korábban feltett kérdések esetén tetten érhető következetességmérték (vö. http://miau.gau.hu/miau/158/la158.doc), vagyis az sem mindegy, hogy a válaszadó tudja-e, milyen hosszú egy kérdőív, vagyis tudja-e, hogy adott kérdés (összehasonlítási feladat) az utolsó-e, ahol pl. „na-írjunk-ide-is-még-gyorsan-valamit” elven a „legyünk-túl-rajta” mechanizmus szétzilálja a válaszok egymáshoz mérendő következetességét. Egy több kérdéskörös rendszerben nem csak a kérdéssor legvége, de az egyes körök vége is hasonló degresszív hatás alatt állhat, mely léte és mértéke feltárandó, a végső értékelésben kompenzálandó…

    A válaszadás kapcsán fontos, hogy legyen azonos-értékűség és nem tudom válaszopció, mert a kikényszerített poláris válaszok egyre nagyobb frusztrációt eredményezve, egyre kevésbé engedik meg, hogy a válaszadó valóban a jelenségpárokra koncentráljon intuitívan. A kényszeres és kényszer nélküli adat-felvételezés különbségétől is az várható el, mint a kérdés-szövegvariánsok esetében: legyen minél kisebb az eltérés a variánsok átlagai között.

    A kényszer speciális alakzata az anonimitás megléte, vagy hiánya: egy tanulási keretrendszerben a tanuló azonosítása triviális és ez tény a tanulók által is tudott. Így bármilyen gamification-köntösbe is öltöztetődik egy szavazás, az nem anonim, ráadásul naplózott – még akkor is, ha később maga a kiértékelés már nem használja fel sehol a személy attribútumait. Az anonim és nem anonim válaszadási keretfeltételek között kapott átlagok közötti távolságtól is azt várjuk el, legyen adott fogalom (objektum) esetén minél kisebb.

    A személyes vélemény mellett létezik az „Ön szerint mások/többiek számára melyik a fontosabb” megközelítés is, mely az egyén és a közösség kapcsolatrendszerének repedéseit méri fel. Itt is elvárás, hogy egy értékelendő objektum fontossága annál kifejezettebb, minél kisebb a repedések száma és mértéke.

    Ha a fenti kombinatorikai térben (vö. objektumok sorrendje, szóhasználati variánsok, anonimitás, kényszer, saját vélemény vs. többiek véleménye, stb.) a kérdések véletlenszerűen formálódnak, s egy-egy személy korlátozott számban ad(hat) csak válaszokat, akkor nagy létszám esetén a populáció profilja értelmezhetővé válik, de az egyéni profil alapvetően még nem (vö. ez is egy fajta anonimitás – hiszen ha alapvetően belátható, hogy egy óriási véleménytérben egy morzsányi személyes vélemény semmiképpen nem állhat össze konzisztens személyiségképpé, akkor nincs ok az aggodalomra: vö. Pygmalion-effektus, megfelelési kényszer, stb.).

    Az egyéni profil – pl. a következetességi index azt jelenti, hogy adott személy esetén őt a többiekhez képest a válaszok minősége kapcsán értelmezni lehet. A válaszok minősége itt és most a következetességi index, mely kifejezi, hogy a válaszadó által adott válaszokban milyen fajtából mennyi logikátlanság érhető tetten (vö. jövőkép című fejezet a cikk végén). Amíg egy válasz következetessége (minősége) alacsony, addig a válaszok tartalma elemzésre alkalmatlan, mert pl. véletlenszerű. Így a következetesség egyik fajtája a véletlenszerű mintázatoktól való eltérés mértékének kifejezése. Ezt úgy lehet elérni, hogy pl. egy ténylegesen nagyszámú véletlen szavazatot generálunk nagyszámú fiktív felhasználó nevében és ebben a mintában elkeverjük az adott személy válaszait, majd egy anti-diszkriminatív elemzés keretében feltesszük a kérdést: lehet-e minden válaszadó másként egyformán következetes? Ha ebben a vizsgálatban az adott válaszadó nem különbözik a véletlen felhasználók véletlen mintáitól (normájától), akkor ő vélelmezhetően tippelgetett, quasi a kérdések tartalmi értelmezése, értelmezni akarása, értelmezési képessége nélkül. A komplex anti-diszkriminatív (nem-deklaratív) vizsgálat deklaratív esete lenne, ha valaki mindenkor pl. a bal oldali objektum jobb, mint a jobb oldali objektum választ adja, mert a véletlenszerű kérdés-generálásra ez egy egyszerű véletlen válaszokat biztosító megoldás. Hasonlóképpen deklaratív szabály lehet az is, hogy az ismétlődő pár-összehasonlítások preferencia-aránya közel azonos, stb.

    A véletlentől való megkülönböztetés után felmerülhet a kérdés, mi van akkor, ha a véletlentől különböző egyedeket egyetlen egy nagy, egyelőre a véletlent is tartalmazó mintában elemezzük, ill. mi lesz akkor, ha a véletlen adatmintát el is hagyjuk? Vagyis ha a válaszadókat egymáshoz képest értékeljük? A válaszadók egymáshoz képesti értékelése feltételezi, hogy a populációnak valóban van valamiféle kulturális kohéziója, hiszen a véletlen minta éppen ezt zárja ki. Amennyiben minden egyes válaszadó minden egyes válasza a többi attribútum és válaszadó minden adata alapján azonos konzisztenciával becsülhető, akkor a populáció homogén. Amennyiben egyes válaszadók válaszainak ellenőrző modellezés során kapott ellenbecslései nagyon eltérnek a ténylegesen betárolt szavazatoktól, akkor ezek a válaszadók a közösség szempontjából outsider-ként értelmezhetők. (Ugyanez a vizsgálat azt is megadja, melyek azok az elemi szabályok, melyek mentén a leginkább inkonzisztens a populáció, ill. más megközelítésben innen tudható meg: mely kérdés megítélése a leginkább zavaros populáció szinten – a zavarok okainak ismerete nélkül.)

    Amennyiben egy-egy személytől sok-sok szavazat érkezett, úgy egyre nagyobb biztonsággal lehet őt megkülönböztetni a véletlentől és/vagy a többiektől. Így személyes profilok alakulhatnak ki deklaratív és/vagy nem-deklaratív (anti-diszkriminatív) szabályok mentén. Ezek a személyes eredmények egy fajta dashboard-ra is felvetíthetők, s ezek ismeretében az egyes szavazók számos szempontból játékként is megélhetik a szavazást: pl. ha lelepleződött, mint véletlenszerűen tippelgető, akkor kísérletet tehet arra, hány kérdés esetében adott racionálisnak tűnő válasza után mennyit lép előre a következetességi skálán? Ha ő nem tudatosította magában, hogy tippel, akkor egy véletlentől való nem különbözés egy fajta intuitív vészjelként is felfogható az illető gondolkodásmódjának logikai zártságát illetően – ami spontán (és/vagy később mentorált) személyiségfejlesztési akciók induló pontja is lehet. A közösségtől való különbözés kapcsán kapott index láttán a szavazók kísérletet tehetnek arra, mit kell változtatni vajon ahhoz, hogy elvegyülhessen a statisztikai átlagban (vö. statisztikai mimikri – ill. Gubólakók című regény: http://sfmag.hu/2012/08/23/mandics-gyorgy-m-veress-zsuzsanna-gubolakok/). A feltárt másság nem hátrány, egyszerűen csak egy vélelmezett erőtér, mely például arra is rámutathat egy HR-vezető számára (anonimitást elveszítve), vajon kik képesek leginkább „out-of-box"-módon gondolkodni (vö. Labsch-modell: intuitív gondolkodók?)…

    Amennyiben idősorosan és alapvetően populáció szinten értelmezzük a válaszok töredékes erőtereit, akkor láthatóvá válik, mely objektumok értéke milyen irányba változik. Hasonlóképpen lehet a quasi anonim válaszok esetén a szociológiai csoportok egymástól való különbözőségeit is vizsgálni (pl. női vs. férfi értékrend, ill. fiatal vs. idő értékrend, stb.).

    A kérdőívek kiértékelésének reformja (http://miau.gau.hu/miau/156/bericht_frageboegen.docx) lényegében az értékkutatás meta-szintű előszele volt. Ezen vizsgálatok eredményeként előálló SeaLog fejlesztések 2012-ben az ITBN innovációs díját nyerték el (vö. https://www.itbn.hu/index.php/hu/itbn-biztonsagi-dij/2012-dijazottjai).

    A „nem-tudom” válaszopció helyére nem lehetetlen a Dobó-féle1 logika alapján vélelmeket matematikai úton levezetni. Vagyis ha valaki nem válaszol adott kérdésre, akkor is vélelmezhető, mit várhatunk el tőle. Ezen vélelmek hermeneutikája azonban túlnyúlik jelen cikk korlátain.

    Hasonlóképpen létező matematikai feladat az, hogy minden válaszadó minden egyes válaszát a saját összes többi válasza és a populáció minden válasza alapján következetesnek vagy kevésbé következetesnek minősítsünk (vö. hazugság-vizsgálat).

    A lehetőségek felsorolása mellett arra is szükséges utalni, hogy az egyes értékláncba sorolandó fogalmak mennyiben tekinthetők egymás szinonimájának (vö. bátorság, merészség, kalandvágy, vakmerőség, stb. – vö. https://szinonimaszotar.hu/keres/b%C3%A1tors%C3%A1g). A szavak egymástól való különbözőségének mérését alapozza meg, ha ezek egymáshoz való viszonyai (NEM értékviszonyai, hanem pl. van-neki-kapcsolatai, ez-egy-kapcsolatai, szinonimái, asszociációs partnerei, halmaz-kapcsolatai: pl. gyűjtőfogalmai) is értelmezésre kerülnek (vö. https://miau.gau.hu/mediawiki/index.php/Szak%C3%A9rt%C5%91i_rendszer#Ontol.C3.B3giai_modul). Ideális esetben már az is megkerülhetetlen előmunkálatokat jelent, hogy olyan objektumok kerüljenek egymás mellé, melyek egymástól valóban független jelenségeket írnak le (pl. az autómárkák elvileg egymást kizáró jelenségek ugyanazon halmazon belül - kivéve, ha két autó eltérő márkanév alatt futna, de minden azonos lenne benne)…



    A feladat tehát nem kisebb, mint a fentebb felsorolt alapokon nyugvó online elemző robot kifejlesztése és nemzetközi piacra vitele!


    Download 1.5 Mb.
      1   2   3   4   5   6   7   8   9   ...   15




    Download 1.5 Mb.

    Bosh sahifa
    Aloqalar

        Bosh sahifa



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

    Download 1.5 Mb.