Zeitdauer-Reasoning: vom Vergleich zur numerischen Antwort | Mindtro

Eine zusätzliche Lernaufgabe zu Verhältnissen zwischen Zeitdauern verbesserte deren Vergleich. Für korrekte numerische Antworten reichte dieser Fortschritt jedoch nicht aus.

Forschungsfrage

Hilft das zusätzliche Lernen von Zeitverhältnissen dabei, längere Zeitdauern zu erkennen und ihren Wert genauer zu bestimmen?

Methode

Wir verglichen das übliche Zeitdauertraining mit einer Variante, die zusätzlich das Verhältnis von Zeitdauern mit geringem Gewicht lernt. Beide Ansätze wurden mit drei unterschiedlichen Anfangseinstellungen trainiert. Außerhalb der Trainingsbedingungen prüften wir die richtige Reihenfolge und ob numerische Antworten innerhalb der zulässigen Fehlertoleranz lagen.

Ergebnisse

Die richtige Reihenfolge von Zeitdauern wurde in 76,82 % statt 74,49 % der Fälle erkannt: ein Plus von 2,33 Prozentpunkten. Auch die Fehler bei Zeitverhältnissen und ausgegebenen Dauerwerten sanken. Der Anteil numerischer Antworten innerhalb der festgelegten Toleranz blieb in diesem Test jedoch bei 0 %. Die gelernten Zeitbeziehungen verbesserten sich; das Ziel zuverlässiger Antworten wurde nicht erreicht.

Grenzen

Damit liegt noch kein fertiges System für Zeitdauerfragen vor. Weitere Arbeit muss Vorhersagen an reale Zeitdauern anpassen und Antworten bei Unsicherheit begrenzen.

Über diesen Bericht

Dies sind technische Forschungsberichte, keine begutachteten Publikationen. Jeder Bericht nennt Quellen, Messbedingungen und Grenzen. Der Evidenzabschnitt erklärt, was heruntergeladen oder reproduziert werden kann.

Technische Hinweise und Quellen

Experiment: EXP008d; Gewicht der Zusatzaufgabe: 0,02. Der Verhältnisfehler (log10-MAE) sank von 0,2254 auf 0,1565, der Fehler ausgegebener Zeitdauern von 0,6379 auf 0,4934. Dies ist der mittlere absolute Fehler auf einer logarithmischen Skala zur Basis 10; kleiner ist besser. „Renderer tolerant accuracy“ bezeichnet Antworten innerhalb der definierten Fehlertoleranz.

Dateinamen und SHA-256-Prüfsummen kennzeichnen die genauen Quellenversionen dieses Berichts.

EXP008d-3seed.mdSHA-256: 0b21f6de00d4fe1ceb90c4841af86e1a1ac440ae6b9230029307d0a39f7f8bad
EXP008d-renderer-3seed.mdSHA-256: 85415d6a0b0d6df104964ec591bc28dfb9fbea17b1eb7a723a49363e2627380f
EXP008d-chronoscale-3seed.mdSHA-256: 75fdf6dc0471871082efb7142b600d539d423a83a4d7bcfa5e42498c1d2a4c00

Materialien zur Reproduktion anfragen →