Anpassen der Zählermatrix abhängig vom Testergebnis
Previous  Top  Next


Nach jedem Testzyklus erscheint ein Toleranz-Testvektor entweder plausibel oder unplausibel. Dem Ergebnis des Tests entsprechend werden die Zählwerte der im Testvektor vertretenen Toleranzoptionen angepaßt.
Unbestätigte Toleranz-Testvektoren
Als unplausibel diskreditierte Toleranzoptionen sollen künftig weniger wahrscheinlich in einen Testvektor gewählt werden. Daher werden die Zählwerte der betreffenden Toleranzoptionen gesenkt. In allen Faktoren werden die den Testvektor repräsentierenden Zählwerte abgewertet. Maßgeblich ist die zu Beginn des Verfahrens festgelegte Anpassungsregel, die beispielsweise eine Verminderung des Zählwertes um ein Viertel vorsehen kann. Nie werden die Zählwerte bis auf Null vermindert. Stets bleibt mindestens der Zählwert 1 erhalten. Im Gegensatz zu bestätigten Testvektoren werden nicht nur die Zählwerte in bestimmten Dimensionen angepaßt. Vielmehr werden die Zählwerte, die zu dem Toleranz-Testvektor gehöhren, in allen Dimensionen vermindert.
Wie ist auf der Grundlage des FACTORFINDER-Relevanzmodelles zu erklären, wenn für einen Testvektor keine plausiblen Erfolgsbeispiele als Referenz zur Verfügung stehen? Dann nutzt der Kandidat entweder dasselbe Ideal wie zumindest ein Referenzbeispiel (die Tolerierbarkeit zielhemmender Ausprägungen der Faktoren ist in diesem Fall niedriger als im Testvektor formuliert, d.h. sie sind wichtiger) oder der Kandidat gehört zu einem anderen Ideal als alle anderen Beispiele.
In beiden Fällen ist es sinnvoll, die Toleranzoptionen des Testvektors abzuwerten. Im ersten Fall, weil die Toleranz überschätzt wurde und im zweiten Fall, weil auf diese Weise vor einem besonders stark abweichenden Kandidaten gewarnt wird. Die Möglichkeit, auf ein Beispiel aus einem unbekannten Ideal zu treffen, wurde per Annahme ausgeschlossen (denn die Beispielbasis wurde als vollständig bezüglich der Erfolgsbeispiele angenommen). Übrig bleibt, davon auszugehen, daß der Kandidat mit zumindest einem Erfolgs-Referenzbeispiel ein übereinstimmendes Ideal nutzt. Damit muß die Summe der Toleranzhypothesen der unterschiedlichen Dimensionen zu mindestens einem Referenzbeispiel unter 1.0 liegen. Da dies nicht der Fall ist, kann der aktuelle Testvektor nicht zutreffen.
Bestätigte Toleranz-Testvektoren
Summen der Toleranzhypothesen unter 1.0 bestätigen den Testvektor. Daher ist er plausibel. Das FACTORFINDER-Verfahren verändert die Zählermatrix in jenen Dimensionen, in denen eine plausible Paarung von Kandidat und einem Referenzbeispiel besteht. Das Verfahren verändert die Repräsentation der Toleranz der betreffenden Faktoren, indem es bestimmte Zählwerte (der Toleranzhypothesen des erfolgreichen Testvektors) erhöht. Damit stellen künftig diese Toleranzoptionen wahrscheinlicher die Toleranz dieser Dimensionen in Testvektoren dar.
Wenn wenigstens ein Referenzbeispiel den Testvektor in wenigstens einer Dimension stützt, dann ist die Liste der bestätigten Toleranzhypothesen Ausgangspunkt für die Anpassung der Zählermatrix. Nacheinander werden alle Analysedimensionen abgearbeitet: Unterscheidet sich der Kandidat in einer Analysedimension von keinem der erfolgreichen Referenzbeispiele, so entfallen Folgerungen in dieser Dimension und der Zählwert der Toleranzhypothese bleibt unverändert. Es wird das nächste Merkmal gewählt. Wenn hier zumindest ein erfolgreiches Referenzbeispiel vom Kandidaten abweicht, dann sind Folgerungen aus diesem Kandidaten zulässig und auch hier wird der Zählwert verändert. Wenn die Toleranzhypothese bestätigt wurde, wird bei der jeweiligen Toleranzoption der Zählwert bis zu einem Maximalwert erhöht. Auch hier wieder kommt die gewählte Anpassungsregel zum Tragen.
Nur jene Zählwerte werden aufgewertet, in denen Kandidat und Referenzbeispiel voneinander abweichen. Es wäre auch möglich, bei sämtlichen betrachteten Faktoren die Toleranzoptionen des aktuellen Testvektors aufzuwerten. Damit würden auch Toleranzoptionen aus analysierten Größen, die nicht abweichen, in künftigen Testvektoren wahrscheinlicher. Sie könnten mit einem beliebigen Wert der Toleranz vorliegen. In diesem Fall würden sich Erwartungen aus vorausgegangenen Folgerungsschritten immer wieder auflösen. Deshalb werden bei den übereinstimmenden Merkmalen die Zählwerte nicht erhöht.
Informelle Folgerungen auf die Relevanz
Merkmale erscheinen wichtig, wenn bei allen Erfolgsbeispielen dieselbe Ausprägung beobachtet wird und alle Negativbeispiele diese Ausprägung nie aufweisen.

Sehr wichtig sind für einen Radiosender Übertragungen in Stereoqualität, wenn alle Stereosendungen Erfolge sind und keiner der Mißerfolge in Stereo gesendet wird. Wenn allerdings Stereosendungen ebenso unter den Mißerfolgen zu finden sind, so erscheint der Faktor "Übertragung in Stereo" unwichtiger.  

Wenig wichtig wirkt ein Merkmal, die wenn dieselben Ausprägungen sowohl bei den Erfolgsbeispielen als auch bei den Mißerfolgsbeispielen anzutreffen sind. Obgleich diese Folgerungen nachzuvollziehen sind, kann innerhalb des Verfahrens kein weiterer Nutzen daraus gezogen werden.