Vielleicht sollte man etwas wählerischer sein mit den Sorten, die man so aus Südafrika importiert.

Jedenfalls ist gehört die Avocado-Sorte “Hass” durchaus zu den dunkleren Früchtchen. Na, wohl bekomm’s.

Zwei Maße sind schon länger im Bereich der Graphenvergleiche (SMD-MITOCAR und Folgende) aufgetaucht. Sie werden über alle sieben verfügbaren Vergleichsmaße getrennt generiert, da diese wie vielfach erwähnt keine sinnvollen Verrechnungen untereinander erlauben (viele haben sich bereits ein einzelnes Maß gewünscht). So ergeben sich beide Maße getrennt für die Ähnlichkeitsmaße Surface Matching, Graphical Matching, Concept Matching, Structural Matching, Gamma, Propositional Matching und neuerdings auch für das Balanced Semantic Matching (das wird in Kürze auch in die offen zugänglichen Tools implementiert werden). Die beiden aggregierenden Maße heißen Kohärenz (Coherence) und Ausrichtung (Alignment).

Kohärenz

Die Kohärenz beschreibt die Abweichung von Individualmodellen vom Gruppenmodell. Es entstehen gemittelte Ähnlichkeiten und entsprechend Standardschätzfehler je Ähnlickeitsmaß. Beide sind anzugeben. Die mittleren Ähnlichkeiten können wie Korrelationen gegen eine t-Verteilung geprüft werden. Die Freiheitsgrade werden aus der Anzahl der Individualmodelle ermittelt.

 

Ausrichtung

Die Ausrichtung beschreibt die paarweise Abweichung aller Individualmodelle. Auch hier werden gemittelte Ähnlichkeiten und entsprechend Standardschätzfehler ermittelt. Die statistische Prüfung kann analog zur Kohärenz erfolgen. Zur Ermittlung der Freiheitsgrade soll die Anzahl der Einzelmodelle herangezogen werden—und nicht etwa die Anzahl der Paare.

Ermittlung des Gruppenmodells

Gruppenmodelle können je nach Forschungsfragestellung auf unterschiedliche Art und Weise generiert werden. Als mögliche Aggregierungsarten wären ACSMM (eingeführt von O’Connor und Johnson), aber auch Gruppenmodelle direkt in T-MITOCAR oder T-MITOCAR Artemis zu nennen. Selbstverständlich können hier auch “verhandelte”, also durch Kommunikationsprozesse entstandene Konsensmodelle verwendet werden. Bei einem Kommunikationsprozess als Konsensbildung muss vor allem vor dem Hintergrund der Forschungsfrage große Sorgfalt gelten, da hier nicht selten (leider meist ungeprüft) Objektivitätskriterien verletzt werden.

Weiß nicht, ob’s so gehört oder nicht. Jedoch liest sich das ziemlich seltsam:

“der juristische Weg habe sich für diese Auseinandersetzung ‘insoweit als problematisch erwiesen, als durch die Struktur von Wikipedia die anderen Userinnen und User in Mitleidenschaft gezogen werden.’ Das sei nicht…”

(Hervorhebung von Schattenlog)

Es ist ein Zitat, insofern kann man den Damen und Herren von der Tagesschau hier keinen Vorwurf machen. Dennoch ist’s ziemlich grausam.

Artikel im Kontext nachsehen.

Neulich kurz nach dem Sport (man stelle sich einen grinsend-lachenden Ton vor):

A: “Keine Fäkalsprache, bitte.”
B: “Schnauze, Du Arschgesicht.”
A: “Hey, Contenence bewahren.”
C: “Konntenanze?”
D: “Konntenanze! War das nicht die Frau vom Mozart?”

Extrem schlechte Form:

ausgesetzt, 1
ausgesetzt, 2

Die Ausführung an sich und ebenfalls die Details sind so erbärmlich schlecht, dass es direkt schwer fällt Worte zu finden. Meiner Meinung nach degradiert dies das gesamte (!) ausführende Unternehmen in die hinterletzte Gosse schlechter Geschäftspraktiken. Wer seine Mitarbeiter derart unausgebildet zum Kunden schickt, wer Mitarbeiter auch nur ungeprüft einstellt, ohne eine Ahnung ob diese am Kunden nur den Hauch von Anstand wahren, kann nicht mehr als Vorzeigeunternehmen ernst genommen werden. Wenn breit wahrgenommen und verstanden wird, was das genau bedeutet, dann sollte der Imageverlust (hoffentlich) von pikant langer Dauer sein. Mir ist schlecht.

Mir kam gerade eine Idee, die den bestehenden T-MITOCAR-Algorithmus um eine bis zwei wesentliche Funktionalitäten erweitern könnte. Das beträfe dann alle T-MITOCAR abhängigen Module, wie HIMATT und auch T-MITOCAR Artemis. Ich hab die Veränderungen schonmal natürlich-sprachlich gefasst. Vielleicht ist die Software dann doch viel früher als erwartet in der Lagge neben den Relationsstärken auch vollständige Propositionen aus natürlicher Sprache abzuleiten, d.h. Relationen doch noch zu benennen. Das wäre ebenfalls eng mit Direktionalität verknüft. Sobald ich zu Hause bin und etwas Zeit habe, muss ich das mal ausprobieren. Mir fallen gleich zwanzig Hürden ein, warum das noch schief gehen könnte, aber es ist ein Anfang und er würde ebenso automatisch und gleichzeitig datenbasiert funktionieren, wie schon der Rest der Software. Vielleicht gelingt es ja.

Habe mich mal an einer ersten Visualisierung versucht. Ist irgendwie nicht ganz vollständig und natürlich bei weitem noch zu zurückhaltend. Zum Zweck der Zurückhaltung fliehe ich hier mal in eine halbvage Abstraktion. Aber es ist ein Anfang.

Ein Klick auf die kleine Version öffnet die große.