Troligt (likely) en form av KNOWN i mina huvudtyper kan vi se skriver om sig till indikerad ökad intensitet motsvarande min huvudtyp UP bl.a. när vi likely (eller vad helst i samma kategori ADJECTIVE__LIKELY såväl som typen för unlikely: ADJECTIVE__LIKELY_NOT som vi förstår just som unlikely snarare än not likely vars generella namn-formulering beror av sorterings-relaterade orsaker i filsystemet för den manuella editerings-bara-versionen) har den framför en mänsklig roll i COP-konstruktioner (för enklaste tänkbara exempel):
Hans is DET unlikely murderer
Innebärande att intensitet hos det samlade uttrycket blir något lägre än för endast murderer såväl som mindre än likely murderer som ger oss ett något större värde än endast murderer (antagande att DET oavsett vad ej bidrar till beräkningen av värde eller konstant påverkande).
Medan om vi istället betraktar:
X is DET unknown murderer
Gäller att om X ej är en entitet vi kan se översätter till något förstått antagligen har motsvarande ett "smeknamn" (eller vad vi nu kallar det när vi är i negativa polariteten) på mördaren åtminstone förr ofta etablerade antingen av media eller polis-organisation.
Vidare är han okänd: Vi vet ej vem han är. Okänd mördare smygande runt tenderar att vara mer intensiv än en mördare vi vet vem han är men ej var han är givet samma förväntade beteende.
Betraktar vi det emotionella mer från tradition av lingvistik resp. psykologiska teorier med mindre av sitt fundament från faktisk mätning tenderar vi att ha ett större antal grundläggande dimensioner relaterade känslor som antagna. För de första inte ovanligt att man gärna ser en mängd relaterade vanliga ord-koncept som happy, sad m.fl. upp till cirka sex - 20 st. Inget i det är i sig fel men är tämligen meningslöst som ensamt system eftersom lösningar faktiskt översättande till meningsfulla numeriska beräkningar just reducerar ner till färre dimensioner.
Grundläggande numeriska dimensioner här för mig har såväl stor likhet som viss avvikelse med alla dominanta lösningar som kommer från faktiska ej triviala mätningar på människor. Avvikande från Osgood som var den första i väsentlig storlek mätande och dimensionreducerande nog till att komma ner till grundläggande numeriska dimensioner har jag UP - DOWN ersättande dennes två utan för POSITIVE - NEGATIVE en egentligen dum men beskrivande motivering för detta fås från fallet att skatta slagkraft hos ett djur vi ser:
- Större djur är mer slagkraft. Ex. större björn.
- Är björnen längre bort - d.v.s. "större" i distans till oss - är den i praktiken mindre. Den både ser mindre ut och är mindre därför att det tar längre tid för den att förflytta sig till oss.
Men om djuret springer mot oss fortare når de oss tidigare såväl som att dess rörelsemängd är större. Djuret är därför här större. Praktiskt är det en funktionell reduktion till färre dimensioner för en mängd områden där beräkning är önskvärt men där separering i två dimensionstyper ej inför något meningsfullt. Vidare gäller att separering i övrigt i mycket bättre hanteras mycket mer varierat än dessa två indelningar Osgood hade i mening av meningar men då från grammatik.
Andra senare har också - men ej uteslutande om jag ej missminner mig där även andra metoder visat på detta - från semantic differential fått grundläggande i sista gruppen dimensioner relaterade osäkerhet. Jag har motsvarande dessa KNOWN och UNKNOWN. Det är mycket vanligt egentligen sedan 1960-talet men med sin stora topp sista åtta åren att föreslå modeller relaterade entropi vilket ej är orelaterade dessa.
KNOWN och UNKNOWN är för mig i abstrakt modell meningsfull som införd. Tidiga viktlösningar och kategorisering ord har jag emellertid accepterat relativt arbetsinsats att de hållit mycket lägre kvalitet än övriga grundläggande dimensioner: De har i mycket just varit mindre viktiga.
I särskilda lösningar är de dock argumenterat kritiska men dessa har emellertid typiskt krävt mer exakta kategoriseringar vilket vi här hade ett par resp. exempel på. Osäkerheten i sig avviker ju i mer generisk mening också något från beräkning i strikt intensitet som givet från exempelvis det emotionella (hållande mig till en av ett fåtal grundläggande påverkande som jag tidigare diskuterat nyligen) även om föga för mig tycks indikera (och ej ger mig något förbättrande predikterbarhet på nyheter i åtminstone uppenbara metoder att utnyttja det) att något liknande någon av de typiska entropi-drivna modellerna runt kognition tillför något.
Snarare hamnar vi ofta i regelförstådd logik vi kan se tillför värde spontant och när mer komplex nog att motivera det alltid hittills i alla fall också gått att få bekräftad mer än rimligt från forskning där man rimligt jämförbart översättande mätt på människa. Ex. att fara osäker nog att vara direkt otrolig men om existerande omedelbar i närhet värderas högt när:
- Konkretiserad i faktorer vi kan förstå från oss själva. "Visuellt ej fullständigt otrolig" snarare än bara "ej otrolig". Ex. skulle det från detta kunna antas (men ej uppföljt just för detta) vara bättre att visa bilder på lungor förstörda av rökning om man också ser själva kroppen utanför och med rätt åldersgrupp på den mot målgrupp medan endast lungorna är mindre meningsfulla därför vi har aldrig sett våra egna lungor.
Men intensitetsnivå startar fortfarande oavsett riskdimensionen från om åtgärd konkretiserad är omedelbart nödvändig för att det ej ska vara försent. Ju närmare konkret i perception och tid desto mer övervärderad eller UP relativt faktiskt annars uppfattad subjektiv risk hamnar vi på.
Och det värde UP (eller DOWN) verkar sedan på den associerade intensiteten i förenklad till också grundläggande bas-dimensioner POSITIVE resp. NEGATIVE vi verkar på.
En gömd skatt från allmänt inlärda ledtrådar om vad som är scam / fantasi / otroligt nog att man verkar dum beaktande det o.s.v. kan verka ner uppgivit värde på själva skatten i dess POSITIVE oavsett om någon specifik värdering av faktiska risker gjorts. Det samma kan man mer eller mindre pedagogiskt riktigt i samhällsekonomisk mening göra gällande är faktor för lungcancer och rökning där vissa mätbara faktorer högst väsentligt påverkar individens risk för att drabbas.
Men det vanliga är verkligen inte att man uppmanar folk att reda ut via faktisk mätning eller från sämre sekundära faktorer som ex. möjlig som skattningsfaktor om än dålig ålder när icke-rökande äldre släktingar dog m.m. Trots att konkretisering av att omvänt veta att man hör till en av de genetiska grupper som nästan givet kommer drabbas av lungcancer om man inte dör innan via konkretisering troligt får dem att sluta. En moralisk såväl som kanske (jag tvivlar lite här faktiskt: Arbetsmedicin är vi traditionellt bra på att räkna kring i Sverige men hälsofaktorer där "icke-riskgrupper" kan uppleva en moralisk faktorer räknar vi sällan alls på: Området hör nära relaterat bakomliggande faktorer här till vad när publicerande vad som når många brukar föranleda en bunt personer - säg 5 - 10 st typiskt - som ej ens gjort sig besvär litteratur-söka området att ex. från referens av en halvsida hos någon myndighetshemsida, patientorganisation eller fond lämnande anslag till forskning påstå att man har fel och ofta för mer än fem år sedan och bakåt med något undantag yngre än 45 år) samhällsekonomisk effektivitetsfaktor relaterat kostnad genetiska tester verkar hindrande.
Och med dessa exempel vill jag visa att KNOWN och UNKNOWN ej är riktigt det samma som sannolikhet beräkningsbart. Det är inlärda grova preferenser som kan variera högst försvarligt mellan personer från vad de kan om ett område såväl som om moraliska eller "flock-"faktorer finns (ta Scientologerna på den gamla goda tiden innan de lade ner bearbetning på nätet resp. relaterat i tid började tappa ordentligt i Sverige när man vissa perioder kunde få en bunt e-post från medlemmar en vecka relaterat någon forskningsnyhet som de av och till inte ens hade läst utan polärt tolkat omvänt bara från titeln d.v.s. suttit och sökt nyheter att e-posta om utan att läst resp. nyhet för att bekräfta att deras angrepp på den ens var relevant: Ett beteende jag förövrigt håller för troligt var ett av de mest påverkande för hur de marginaliserades i samhällspåverkan i Sverige ty den direkta kontakten påtvingad eller inte demonstrerade hur irrationella bortom allt kunnande de var).
Ett området regelstyrt ej trivialiserar ner till att som för de så intensitets-nära UP och DOWN till KNOWN och UNKNOWN är tillskrivna attribut också exempel på. Om vi ex. säger att vi alls sorterar attribut näraliggande personlighet som tillskrivet i KNOWN och UNKNOWN tycks givet att koncept indikerande bedräglig ska sorteras UNKNOWN. Men ska vi verkligen som i exemplet med unlikely ner i intensitet för:
Hans is DET deceitful murderer.
Knappast. Här för mig oavsett KNOWN och UNKNOWN kommer likhet i polaritet för roll-attribut (mördare) och attribut personlighet eller "emotionellt beteende" (deceitful) i att båda är negativa plockas upp och från det omvandla deceitful till UP förstärkande murderer utefter de dimensioner som ligger i NEGATIVE: Och rimligt så eftersom en bedräglig snarare än rimlig mördare är mer problematisk (viktpåverkan tenderar faktiskt att typiskt bli mycket rimlig med nuvarande algoritm och ett viktsystem etablerat från ofantliga mängder corpus oavsett entitet och corpus vi jämför med).
Men tar vi ett mer komplext fall hamnar vi i problematik om vi försöker tillämpa samma enkla regel. Är tillskriven roll relaterad information given av samma person och denna är deceitful bör vi hamna i DOWN.
Korrigerar abstrakt modell för KNOWN och UNKNOWN
Indikerat en tid och närmast givet nu är att jag kommer förändra abstraktmodell som ligger några steg ovanför faktisk implementation rörande KNOWN och UNKNOWN. Övriga grundläggande dimensioner har ej fodrat detta när implementation nu gått till högre mät-exakthet genom att faktiskt parsa upp till resp. mening tolkande grammatik m.m. såväl som expanderande ordförståelse (i mening ex. modifierande sannolikheterna beroende på vilken ordklass ett ord givet är i just där) resp. common sense för upp till flergram.
KNOWN och UNKNOWN tycks dock kräva modifiering. Om något är KNOWN eller UNKNOWN är helt enkelt beroende på ett helt annat sätt inte bara av kontext utan av faktisk meningsbyggnad (i mening av att mycket konkret det ena eller det andra utan särskilt given "spridd-effekt" / "implicit-irrationell-effekt" o.s.v. som känt övriga kategorier kan ge hos människa: Negativt ord är ex. något - om än konkret mycket reducerat så också utanför etablerad tolkning av sådant som att not bad är sämre än good: Ex. not murderer är sämre än inte alls refererad runt rollen murderer - negativt verkan även om vi applicerar not på det påverkande association m.m.).
Jag är ej riktigt klar över hur jag kommer göra detta riktigt eller för den delen hur det görs för att bra översätta till de kunskapssystem som ligger tillsammans i steget under med den konkreta modellen (vilka är ovanför implementationerna i mjukvara). Möjligen vill jag behålla KNOWN eller UNKNOWN fortsatt p.s.s. ej antagande att de gör mer eller mindre än idag (just befintligt antagande föga direkt utnyttjande dem ej heller idag) bl.a. för att de är excellenta att ha som utgångspunkt när mer exakta underliggande grupper behöver skapas upp.
Men också mycket mer konkret införa några nya huvudgrupper underliggande dessa. Alla har redan sådana huvudgrupper och tämligen många. Men för övriga har jag ännu inte sett behov av att behöva laborera med sådana som faktiskt fungerar mer sammanfattande för ett antal mindre sådana utan där har har för övriga grundtyperna i sig alltid fungerat. För KNOWN resp. UNKNOWN har för adjektiv-systemet emellertid redan kategorier sammanfattande många mer exakta införda som exempelvis TRUSTED / TRUSTED_NOT införts. TRUSTED kan vara ett ex. tillsammans med bl.a. exempelvis LIKELY och möjligen BELIABLE (som just nu är del av en möjligen för bred TRUSTED och också går in något i LIKELY).
För mig tycks det därför att Osgood såväl hade rätt som fel. Generiskt värderande resp. dimensionsreducerande från semantic differential ska ej om jag nu har rätt KNOWN och UNKNOWN uppträda om tvetydighet ej accepteras resp. att mängden adjektiv vi utnyttjar i polarisering av värdering ej är för litet (för få och de kan komma och visa sig tror jag som grunddimension: Metoden lika litet som alternativa är felfri om än bättre än övriga vanliga relaterade mätning människa som ex. den problematiskt tolknings-bias-skapande Likert som tråkigt nog blivit populär i alla möjliga sammanhang mest tror jag därför att den är fungerande för marknadskonsulter att arbeta med för att kunna sälja in fler lösningar).
Likväl existerar KNOWN och UNKNOWN men snarare i potential mer komplext styrd till hur den kan komma att reducera ner till motsvarande ex. Osgoods tre grundläggande dimensioner eller alt. mina till dennes tre motsvarande två dimensioner (där en av dessa reducerar två av Osgoods polaritets par ett steg till vilket mer än att fungera praktiskt för analys där numeriska beräkningar av text görs idag är bekräftad som ha motsvarighet när fmri studier människa sammanfattats ner till faktorer reducerade ord).
