Är Microsofts DataUp bättre eller sämre än verklighetens DataDown?

2013-02-22

Ett fenomen i människans språk är den association mellan up (och med ett stort antal andra koncept i varierad styrka) till ökad aktivitet och det mer positiva ofta, och i andra motpolen down, noterades tidigt av ex. Osgood (hans publicerade artiklar är ofta ganska pedagogiska och antagligen ett lika bra eller bättre alternativ till allt annat skrivet om den semantiska differentieringen genom åren, och för den som söker konceptet enkelt förklarat finns flera utmärkta visualiseringar av hur man kan tänka sig att orden i den 3D-rymd han medvetet eller omedvetet valde att projisera datat till i A blind analysis of a case of multiple personality using the semantic differential) om än kanske något sämre strukturerat i den intensitets-dimension tillsammans med potential och hur positivt något är, och har bekräftats många gången genom åren. Särskilt olika varianter på den mer generella matematiska lösningen för att skatta preferenserna från data som presenterades testpersoner (även om man numera oftare tycks glömma betydelsen av att rotera koncepten för att eliminera den påverkan ett koncept presenterat i en fråga kan ha på hur vi värderar ett koncept följande ex. får vi först ett positivt ett ord kommer vi normalt i genomsnitt över en population värdera det efterföljande testordet en aning mer positivt än annars) har varit vanliga.


Sista åren har studier på det kommit att kanske mer sortera in i - vi vet vilka resultat vi kommer få men det är billiga studier som har bra marknadsföring i många sammanhang: både lite roande och rätt använt med en samlad bild av språkets preferenser och påverkan orden har på varandra - potent i marknadsföring.


Betraktar vi nu Microsofts val av DataUp jämfört med DataDown tycker jag att det är ett lite vådligt val. Därför data tror jag tenderar i det sammanhang produkten är riktad mot att vara ett problem som ska lösas. När det fungerar oavsett om produkten fortfarande gör saker vill vi bäst inte ens lägga märker till den. DataUp om vi inte använder data-offensivt mer som verktyg än sekundärt ett forskningsmål kanske lägger en preferens mot en primacy som känns mer olösta problem.


DataDown kan om man valt det och haft lite tur fungerat riktigt bra indikerande ett verktyg som löser problem. Förutom som diskussionsexempel i hur jag själv skulle utan att gått till större data jag har och konkret försökt mäta det från ex. sampling på nätet är närmare att jag hade undvikit båda ord-kombinationerna som potentiellt problematiska.


Inte ovanligt märker vi så klart också visst tidsbias resp. uttryck kan upplevas ha. DataUp kan upplevas tidigare därför att man predikterar den ökade intensiteten men under den pågående hellre väljer andra inte ovanligt "kraftord" eller fysiska uttryck sparkande på datorn. DataDown är vi när data-arbetets alla haverier lagts sig och vi löst problemet.


Båda om vi sätter Microsoft som primacy effect till dem bör påverkas och för DataUp med fler person kanske förstärkande negativa associationer genom att Microsoft genom åren blivit så omtalade kring datadefekter av olika slag.


Själv hade jag undvikit båda orden. Det finns så mycket att välja mellan, och minns jag rätt från mina viktfiler ligger när vi betraktar en population snarare än enskilda personer i försök man testat vanligen ett mindre antal ord på, också en del ovanför (minns jag rätt är viktfilerna som används för själva budskapen innan det projiseras till koncepten som vi associerar till produkten, händelsen, personen o.s.v. - eller oftare en grupp av sådana med varierad närhet - är det totalt cirka 8000 ord ungefär i resp. up och down).


För mig hör de till de viktigaste egendimensionerna och i det mesta praktiska när det inte behöver vara avgörande om ex. positive - negative, up - down, known - unknown, Blue light eller News power används (som är de tyngre mer grundläggande av sedan många fler egendimensioner för mer avgränsat eller inte tillräckligt prövade ännu alt. som ligger lite efter i data-generationer ex. scary - cute mer riktad ex. för filmindustri men också välfungerande för vissa former av nyhetsrapportering) tar jag regelmässigt up - down före positive - negative och known - unknown.


Rent personligen har jag dock ingenting emot Microsoft. Deras 2000 Server fungerade förr bra för mig. Den XP jag har nu på min bärbara dator uttrycker mycket mindre av en kvalitetsprodukt men inte värre än att jag inte tycker det värt att lägga ett antal timmar på att göra en riktad installation av Ubuntu eller vilken Linux-variant som nu fungerar bäst för bärbara. Jag har dessutom haft bra nytta av data som åtminstone tidigare fanns tillgängligt att använda en grov-jämförelse-grund med jfr språk-statistik som kommer från mer utvalda avgränsade områden områden (ex. spindla ner Plos artiklar och ta ut collocations m.m. för forskarnas alla subkulturer med egna begrepp och slang för allt möjligt: medicinska forskare kan t.ex. referera till bukspottkörteln som pancreas). Och dessutom många år tillbaka på IDG-tiden bjöd dom ju IDG vilket praktiskt blev mig (till Paleo Alto för det årets Trusted Computing Base.


Dessutom finns mer data jag sett att Microsoft gjort tillgängligt jag vid tillfälle ska extrahera om nu deras API:er fungerar problemfritt med Perl.


Snarare än att jag gör mig rolig över Microsoft eller att någon ska tycka att jag mobbar dem därför att Google korrekt donerar mer trafik till mig ska vi se det som att de ger oss ett elegant och intressant exempel väl överensstämmande med deras för mig tidigare okända engagemang för skolan och undervisningen:


Det tycker jag är beundransvärt. Sedan får jag som man ta att man känner sig lite utanför ex. i denna komposition med bara kvinnor och barn Microsoft kanske arbetar på att befria från den patriarkaliska diktaturen. Association när flera koncept samverkar där ordningen mellan orden, bilderna m.m. varierar är ibland inte lätt att bedöma. Och just den associationen jag föreslog här skulle jag gissa kanske är mindre trolig. Jag har dock min statistik kring dom formerna av stereotyper från något år tillbaka arkiverat och utan det ska bäst undvika att tro för mycket kring hur ex. ett annat kön, någon yngre eller äldre, eller från ett annat land associerar saker och ting. Färg-temat tror jag dock är bra, och jag kan nog se att själva bildkoncepten generell bör fungera bra över en längre tid mot här dom besökare jag tror kan vara möjliga där det har betydelse om alls.



Röd laptop är en gissning på hjälper uppmärksamheten till att ge kvinnan viss inverkan istället för att annars troligare vara bakgrund.

Även om man saknar den större statistik jag har går bildkompositioner med som i allt normalt för dem ett fåtal koncept utmärkta att bedöma ändå. Det finns en utmärkt publicerad sammanfattad artikel Journal of Vision (2011) 11(5):4, 1–34 som bör för området vara en ganska lättsam och övergripande bra introduktion till den teoretiska grund man behöver utgå från:



Värdet artikeln har för den som tänker efter vilka möjligheter som finns är kanske vad jag annars inte indikerat här. Det är orealiserat värde i många branscher och utan just någon kulturkoppling till varifrån denna kommer (utanför de rena trivialiteterna från vetenskaperna runt vår visuella perception var och varannan bok kring nära-nog allt får med lite av), och kanske ett för lätt värde. Men jag hade som sagt konkret nytta av data Microsoft visat via internet. Även om det värde det gav mig liksom här är vad som fodrar att man tänker och lägger en viss insats på. Detta är inte område där saker kommer just mycket bättre sammanfattat än så här utan vara vanligt eller trivialt eller välkänt. Men är man ovan med begrepp, här normal common sense o.s.v. kan det givetvis kräva en del. Storleken på artikeln som är en förutsättning för dess värde gör också att antalet referenser är många och är utvalda med sådan kvalitet att de inte sällan är värda att läsa.


Är man mer som jag intresserad av analyssituationer över populationer och tid ex. för förstå påverkan koncept har på varandra för deras förändring är det svårare att resonera uteslutande från ett fåtal koncept i en fryst bild även om koncepten kan ha värde närmare import av resp. datastycke vi ska analysera. Där räcker förövrigt heller inte viktfilernas storlek för up och down utan fodrar att en transformation görs där deras inverkan från större mängd data till aktuell koncept del av en större rymd av koncept (ca 100 000 - 800 000 beroende på kompilering av Blue light).