Ero sivun ”Koronavirus” versioiden välillä

Opasnet Suomista
Siirry navigaatioon Siirry hakuun
Rivi 64: Rivi 64:
  W = rel(C) P(C)
  W = rel(C) P(C)


ja argumentit lisätään aina painokertoimen mukaisessa suuruusjärjestyksessä kaavaan rel(B|C):n laskemiseksi. Tällöin viimeiset argumentit eli voimakkaimmat hyökkäykset saavat hieman enemmän painoarvoa, mikä on argumentaation logiikan mukaista (onnistunut hyökkäys on voimakkaampi kuin onnistunut puolustus).
ja argumentit lisätään aina painokertoimen mukaisessa suuruusjärjestyksessä kaavaan rel(B|C):n laskemiseksi. Tällöin viimeiset argumentit eli voimakkaimmat hyökkäykset saavat hieman enemmän painoarvoa, mikä on argumentaation logiikan mukaista (onnistunut hyökkäys on voimakkaampi kuin onnistunut puolustus). {{argument|relat1=attack|id=arg2698|type=|content=Tämän vaihtoehtona pitäisi miettiä sitä, että järjestys on W:n itseisarvo pienuusjärjestyksessä.|sign=--[[Käyttäjä:Jouni|Jouni Tuomisto]] ([[Keskustelu käyttäjästä:Jouni|keskustelu]]) 17. elokuuta 2021 kello 12.08 (UTC)}}


Argumentin vaikutus keskusteluun lasketaan käyttäen esimerkiksi seuraavia oletusarvoja (näiden toimivuutta on testattava käytännössä):
Argumentin vaikutus keskusteluun lasketaan käyttäen esimerkiksi seuraavia oletusarvoja (näiden toimivuutta on testattava käytännössä):
* Argumentin herkkyys P(B|A) lasketaan relevanssitekijän (rel) avulla: oletuksena 0.3 jos argumentti puolustaa ja -0.3 jos hyökkää
* Argumentin herkkyys P(B|A) lasketaan relevanssitekijän (rel) avulla: oletuksena 0.3 jos argumentti puolustaa ja -0.3 jos hyökkää
* Argumenttien totuuden prioritodennäköisyys P(A) = 0.7 jos on uskottava viite, 0.3 jos viite puuttuu
* Argumenttien totuuden prioritodennäköisyys P(A) = 0.7 jos on uskottava viite, 0.3 jos viite puuttuu {{argument|relat1=attack|id=arg2698|type=|content=Lisäksi pitäisi miettiä vaihtoehtoa, että P(A) on esim. 0.9 jos siihen kohdistuu vain puoltavia totuusargumentteja. Eli lähtökohtaisesti väitteitä pidetään melko uskottavina, ellei niitä haasteta.|sign=--[[Käyttäjä:Jouni|Jouni Tuomisto]] ([[Keskustelu käyttäjästä:Jouni|keskustelu]]) 17. elokuuta 2021 kello 12.08 (UTC)}}


Näiden avulla lasketaan argumentin posterioritodennäköisyys:
Näiden avulla lasketaan argumentin posterioritodennäköisyys:

Versio 17. elokuuta 2021 kello 12.08




Koronavirus käsittelee SARS-COV-2-viruksen ja sen aiheuttaman COVID-19-taudin olennaisia piirteitä.

Perustelut

Data

Keskusteluja koronaviruksesta ja kovidista Kialo-alustalla, esim. Onko kovidipandemialla pysyviä vaikutuksia yhteiskuntaan?. Alla olevassa tiedostossa on 15 keskustelua aihepiiristä. Toisessa tiedostossa on Kialon ilmastokeskusteluja.

Näkemysverkko Kialon koronakeskustelusta

Argumentaatio koskien koronarokotusten pakollisuutta.

Koronakide-hankkeeseen liittyen tehdään näkemysverkkoja koronarokotusten argumentaatiosta.

Laskennan logiikka on seuraava. Alkuperäiseen väitteeseen A kohdistuu argumentti B ja tähän kohdistuu argumentti C eli C → B → A. Prioritodennäköisyys, että A on totta on P(A), kun meillä ei ole muuta tietoa. Kun lisätään argumentti B, saadaan Bayesin kaavalla

P(A|B) = P(B|A)P(A)/P(B).

Sensitiivisyys (se) on testin (B) herkkyys eli todennäköisyys saada positiivinen tulos jos asia (A) on totta: se = P(B|A) = a/(a+c). Mitä parempi herkkyys, sitä vähemmän vääriä negatiivisia.

Spesifisyys (sp) on testin (B) tarkkuus eli todennäköisyys saada negatiivinen tulos jos asia (A) ei ole totta: sp = 1-P(B|¬A-) = 1 - b/(b+d). Mitä parempi tarkkuus, sitä vähemmän vääriä positiivisia. Herkkyys ja tarkkuus ovat tärkeitä mittareita, koska ne eivät riipu itse asian A todennäköisyydestä.

Esimerkkinä laskennasta on oheinen taulukko.

A+ A- Sum
B+ 0.29 (a) 0.60 (b) 0.89
B- 0.01 (c) 0.10 (d) 0.11
Sum 0.30 0.70 1.00
se = a/(a+c) = 0.29/0.30 = 29/30

sp = b/(b+d) = 0.10/0.70 = 1/7

Mitä tietoja tarvitaan, jotta nelikenttä saadaan yksikäsitteisesti muodostettua? Jos tiedetään poikkisummat P(A) ja P(B), saadaan laskettua myös P(¬A) = 1-P(A) ja P(¬B) = 1-P(B). Yksiselitteisyyden saavuttamiseksi on tiedettävä vielä kolmas asia eli esimerkiksi P(B|A) eli herkkyys, joka kuvaa myös argumentin B relevanssia A:n suhteen eli kykyä muuttaa A:n posterioritodennäköisyyttä.

P(A) = a+c
P(B) = a+b
se = P(B|A) = a/(a+c) <=> a = se P(A), joten b = P(B) -se P(A)

Koska P(A|B) saadaan laskettua a/(a+b), matemaattinen määrittelyjoukko on 0 < P(A), P(B), se, a, b < 1 eli erityisesti 0 < P(B)-se P(A) < 1 eli (P(B)-1)/P(A) < se < P(B)/P(A). Koska P(B)<=1, alarajaehto ei tule koskaan vastaan vaan riittää, että se>0. Sen sijaan ylärajaehto voi hyvinkin olla <1 eli tulee joskus rajoittavaksi tekijäksi.

Argumentti on epärelevantti, jos P(A) = P(A|B) = a/(a+b) = se P(A)/P(B) eli se = P(B).

Jotta käyttäjän antamat parametrit olisivat aina määriteltyjä ja helppo ymmärtää, voitaisiin ottaa käyttöön relevanssiparametri rel, joka saa arvoja välillä ]-1,1[, joka kattaa koko sensitiivisyyden määrittelyjoukon ja joka saa epärelevantin argumentin kohdalla arvon 0. Niinpä

se = P(B|A) = P(B) + rel(B)(min(1,P(B)/P(A)) - P(B)), jos 0 <= rel(B) < 1
se = P(B|A) = P(B) + rel(B)P(B), jos -1 < rel(B) < 0.

Kuitenkin meitä kiinnostaa relevanssiargumentin C vaikutus A:han B:n kautta. Koska P(B|A) riippuu A:sta, relevanssivaikutusta ei voida suoraan laskea C:n ja B:n tietojen avulla. Sen sijaan voidaan laskea rel(B), jos ajatellaan rel(C):n voimistavan tai heikentävän vaikutusta tietyn osuuden verran. Lisäksi C-argumentin todennäköisyys vaikuttaa siihen voimakkuuteen, jolla C muuttaa rel(B):tä.

rel(B|C) = rel(B) + rel(C) P(C)(1-rel(B)), jos rel(C)>=0
rel(B|C) = rel(B) + rel(C) P(C) rel(B), jos rel(C)<0

Edellä sanottu pätee, jos rel(B) >= 0, muussa tapauksessa pitää ensin laskea yhtälöt rel(B):n itseisarvolla ja palauttaa negatiivinen etumerkki jälkikäteen. Tämä johtuu siitä, että argumenttiin B kohdistuvat argumentit voivat voimistaa tai heikentää sen relevanssia, mutta ne eivät voi vaihtaa hyökkäävää argumenttia puolustavaksi eikä päinvastoin.

rel-parametri voidaan yleistää tilanteeseen, jossa argumenttiin B kohdistuu useita relevanssiargumentteja Ci. Koska argumenttien keskinäinen laskentajärjestys vaikuttaa lopputulokseen tässä algoritmissa, pitää löytää perusteltu järjestys. Niinpä lasketaan painokerroin W:

W = rel(C) P(C)

ja argumentit lisätään aina painokertoimen mukaisessa suuruusjärjestyksessä kaavaan rel(B|C):n laskemiseksi. Tällöin viimeiset argumentit eli voimakkaimmat hyökkäykset saavat hieman enemmän painoarvoa, mikä on argumentaation logiikan mukaista (onnistunut hyökkäys on voimakkaampi kuin onnistunut puolustus). ⇤--arg2698: . Tämän vaihtoehtona pitäisi miettiä sitä, että järjestys on W:n itseisarvo pienuusjärjestyksessä. --Jouni Tuomisto (keskustelu) 17. elokuuta 2021 kello 12.08 (UTC) (type: ; paradigms: science: attack)

Argumentin vaikutus keskusteluun lasketaan käyttäen esimerkiksi seuraavia oletusarvoja (näiden toimivuutta on testattava käytännössä):

  • Argumentin herkkyys P(B|A) lasketaan relevanssitekijän (rel) avulla: oletuksena 0.3 jos argumentti puolustaa ja -0.3 jos hyökkää
  • Argumenttien totuuden prioritodennäköisyys P(A) = 0.7 jos on uskottava viite, 0.3 jos viite puuttuu ⇤--arg2698: . Lisäksi pitäisi miettiä vaihtoehtoa, että P(A) on esim. 0.9 jos siihen kohdistuu vain puoltavia totuusargumentteja. Eli lähtökohtaisesti väitteitä pidetään melko uskottavina, ellei niitä haasteta. --Jouni Tuomisto (keskustelu) 17. elokuuta 2021 kello 12.08 (UTC) (type: ; paradigms: science: attack)

Näiden avulla lasketaan argumentin posterioritodennäköisyys:

P(A|B) = P(B|A)P(A)/P(B) = se P(A)/P(B)

Eli yhteenvetona: A:n posteriori P(A|B) voidaan laskea joss tiedetään A:n priori P(A), B:n totuusarvo P(B) ja B:n relevanssi A:n suhteen rel(B), josta johdetaan P(B|A). Ylävirran argumentti C vaikuttaa A:han epäsuorasti joko muuttamalla B:n relevanssia rel-parametrin kautta (jos C on relevanssityyppiä) tai muuttamalla B:n totuusarvoa (P(B) (jos C on totuustyyppiä). Näin koko argumenttipuu saadaan laskettua ylhäältä alas.

Jos kuitenkin halutaan tämän jälkeen päivittää jonkin argumentin totuusarvoa, tilanne on johdonmukainen vain jos oletetaan, että joko

  1. alkuperäisillä todennäköisyyksillä rel(B):stä laskettu P(B|A) säilyy tästä lähtien vakiona vaikka P(A) tai P(B) muuttuisivat (molempia tarvitaan, kun P(B|A) lasketaan rel(B):stä, tai
  2. P(B|A) pitää laskea aina uudestaan rel(B):stä todennäköisyyksien muuttuessa.

Tapauksessa (1) voidaan käyttää Bayes-verkon päivityssääntöjä ja päivittää kaikki todennäköisyydet lennosta joka suuntaan, kun jokin todennäköisyys lukitaan. Mutta tapauksessa (2) näin ei voida tehdä, vaan kaikki todennäköisyydet on laskettava uusiksi ylävirrasta alas rel(B):n avulla.

Laskenta

Piirrä näkemysverkko koronakeskustelusta

+ Näytä koodi

Hae kirjanmerkit Firefoxista

+ Näytä koodi

Katso myös

Arkisto

  • Arkistoitu aiempi pohdinta perustuen mm. vedonlyöntisuhteisiin sekä totuus- ja relevanssifaktoreihin. Lisäksi käytettiin termistä P(B|A) nimeä sensitiivisyys, mikä on sinänsä oikein mutta ei ehkä hyödyllistä.