പേപ്പറുകൾ
സത്യസന്ധമായ ഒരു ഛേദം (denominator)
ഏതൊരു അനുപാതത്തിന്റെയും മൂല്യം അതിന്റെ ഛേദത്തിന്റെ (denominator) കൃത്യതയെ ആശ്രയിച്ചിരിക്കുന്നു. "ഈ പരിശോധന 14 ശതമാനം സന്ദർഭങ്ങളും കണ്ടെത്തുന്നു", "മൂന്നിലൊന്ന് ഇടങ്ങൾ ഇത് തിരിച്ചറിയുന്നു" - ഇത്തരം വാചകങ്ങൾ കൃത്യമായ അളവുകളായി തോന്നാം. എന്നാൽ ഞങ്ങളുടെ സംവിധാനത്തെക്കുറിച്ചുള്ള തെറ്റായ വിലയിരുത്തലുകളിൽ ഭൂരിഭാഗവും മുകളിലെ സംഖ്യയിലെ (അംശം) പിഴവുകളായിരുന്നില്ല, മറിച്ച് താഴെയുള്ള സംഖ്യയിലെ (ഛേദം) പിഴവുകളായിരുന്നു.
ഛേദം തെറ്റിപ്പോകുന്ന നാല് വഴികൾ
യഥാർത്ഥത്തിലുള്ളതിനേക്കാൾ വലിയ സംഖ്യ കാണിക്കുന്നു. ഒരു ഭാഷാനിയമവുമായി ബന്ധപ്പെട്ട് തെറ്റ് സംഭവിച്ച ഏഴ് ഇടങ്ങൾ ഞങ്ങളുടെ വിവരശേഖരണ ടൂൾ (harvesting tool) കാണിച്ചുതന്നു. അവ വായിച്ചുനോക്കിയപ്പോൾ, ഏഴിൽ മൂന്ന് ഇടങ്ങളിലും പഠിതാവിന്റെ വാചകത്തിൽ ആ വാക്ക് നേരത്തെ തന്നെ ഉണ്ടായിരുന്നു എന്ന് മനസ്സിലായി: അവിടെ യഥാർത്ഥ തെറ്റ് മറ്റൊരു സമീപ നിയമവുമായി ബന്ധപ്പെട്ടതായിരുന്നു, തിരച്ചിലിൽ അതിനടുത്തുള്ള ഒരു തിരുത്തൽ കുടുങ്ങിയെന്നേയുള്ളൂ. അതിനാൽ പരിശോധന "ഏഴ് ഇടങ്ങളിൽ നിശബ്ദമായി" എന്ന് പറയുമ്പോൾ, അതിൽ ഏഴിൽ താഴെ മാത്രമേ യഥാർത്ഥത്തിൽ അതിന്റെ പരിധിയിൽ വന്നിരുന്നുള്ളൂ. ആരും വായിച്ചുനോക്കാത്ത ഛേദമുള്ള ഒരു അനുപാതം വെറും പാഴ്വിവരമാണ്.
പൂജ്യം റീകോൾ (recall) എന്നാൽ പൂജ്യം പ്രിസിഷൻ (precision) എന്നല്ല അർത്ഥം. യഥാർത്ഥ തെറ്റുകളൊന്നും തിരിച്ചറിയാത്ത ഒരു പരിശോധനയും മറ്റൊരു തരത്തിൽ വളരെ കൃത്യമായി പ്രവർത്തിക്കുന്നുണ്ടാകാം: ശരിയായ എഴുത്തിൽ അത് അനാവശ്യമായി ഇടപെടാതെ നിശബ്ദമായിരിക്കുന്നു. ഇവ രണ്ടും വ്യത്യസ്ത അളവുകോലുകളാണ്. ഇവ കൂട്ടിക്കുഴച്ചത് "ഈ പരിശോധന ഉപയോഗശൂന്യമാണ്" എന്ന തരത്തിലുള്ള നിഗമനങ്ങളിലേക്ക് നയിച്ചു, യഥാർത്ഥത്തിൽ അതിന്റെ ഒരു വശം മാത്രമാണ് പ്രവർത്തിക്കാതിരുന്നത്.
കുറഞ്ഞ അനുപാതം ചിലപ്പോൾ ആ തെറ്റിന്റെ സ്വാഭാവികമായ അപൂർവ്വതയാകാം. നൂറിൽ രണ്ട് സന്ദർഭങ്ങളിൽ മാത്രം പ്രവർത്തിക്കുന്ന ഒരു പരിശോധന തിരുത്തുന്നതിന് മുമ്പ്, ആ നിയമത്തിന്റെ തന്നെ പരമാവധി സാധ്യത അളക്കേണ്ടതുണ്ട്: ആ നിലവാരത്തിലുള്ള എഴുത്തിൽ ആ തെറ്റ് വരാൻ എത്രത്തോളം സാധ്യതയുണ്ട് എന്നത്. നൂറ് എഴുത്തുകളിൽ മൂന്ന് തവണ മാത്രമാണ് അത്തരമൊരു സാഹചര്യം വരുന്നതെങ്കിൽ, രണ്ട് ശതമാനം എന്നത് സത്യസന്ധമായ ഒരു ഫലമായിരിക്കാം. അവിടെ നടത്തുന്ന "തിരുത്തൽ" തെറ്റായ മുന്നറിയിപ്പുകൾ (false alarms) മാത്രമേ ഉണ്ടാക്കൂ.
വ്യത്യസ്ത അടിത്തറകളിൽ നിന്നുള്ള നേട്ടങ്ങൾ തമ്മിൽ കൂട്ടാനാവില്ല. ഒരു ശേഖരത്തിൽ അളന്ന പുരോഗതി മറ്റൊന്നിൽ നിന്ന് ലഭിച്ച സംഖ്യയോട് കൂട്ടിച്ചേർക്കാൻ കഴിയില്ല. തെറ്റുകളുടെ വിഭാഗങ്ങൾ പരസ്പരം കലരുന്നവയാണ്, അതിനാൽ ഓരോ വിഭാഗത്തിന്റെയും അനുപാതങ്ങളുടെ ആകെത്തുക മൊത്തത്തിലുള്ളതിനേക്കാൾ കൂടുതലായിരിക്കും. ഒരേ ഛേദം പങ്കിടുന്ന സംഖ്യകൾ മാത്രമേ താരതമ്യം ചെയ്യാൻ കഴിയൂ. ഈ നിയമം ഞങ്ങൾ തന്നെ ഒന്നിലധികം തവണ തെറ്റിക്കുന്നത് ഞങ്ങൾ കണ്ടെത്തിയിട്ടുണ്ട്.
നാലാമത്തെ ഫലം
ഒരു വാചകഘടന ഉപയോഗിക്കുമ്പോൾ സാധാരണയായി മൂന്ന് ഫലങ്ങളാണ് ഉണ്ടാകാറുള്ളത്: ശരിയായി ഉപയോഗിക്കുന്നു, തെറ്റോടെ ഉപയോഗിക്കുന്നു, അല്ലെങ്കിൽ അടുത്തുള്ള മറ്റൊരു നിയമവുമായി ആശയക്കുഴപ്പത്തിലാകുന്നു. ഇതിൽ നാലാമതൊന്നു കൂടിയുണ്ട്, അത് ഞങ്ങൾ ഒരിടത്തും കണക്കാക്കുന്നില്ല. പഠിതാവ് ആ വാചകഘടന പൂർണ്ണമായി ഒഴിവാക്കുകയും പകരം മറ്റ് വാക്കുകളിലൂടെ ആശയം വളച്ചുകെട്ടി പറയുകയും ചെയ്യുന്നു.
ഭാഷ പഠിപ്പിക്കുന്ന ആരെ സംബന്ധിച്ചും അതൊരു പ്രധാന സൂചനയാണ്: തെറ്റുകളുടെ കണക്കുകൾ എന്തുതന്നെ പറഞ്ഞാലും, സ്ഥിരമായി ഒഴിവാക്കപ്പെടുന്ന ഒരു നിയമം പഠിതാവ് പഠിച്ചിട്ടില്ല എന്നാണ് അർത്ഥം. തെറ്റുകൾ കണ്ടെത്തുന്നതിനേക്കാൾ ബുദ്ധിമുട്ടാണ് ഇതിനായി ഒരു അളവുകോൽ ഉണ്ടാക്കുന്നത്. കാരണം, ഒരു വാചകഘടന ഉപയോഗിക്കാൻ ഏറ്റവും അനുയോജ്യമായതും എന്നാൽ ഉപയോഗിക്കപ്പെടാതെ പോയതുമായ ഒരു സന്ദർഭം തിരിച്ചറിയുക എന്നതാണ് ഇതിനർത്ഥം. ഇതിനായി ഞങ്ങളുടെ പക്കൽ നിലവിൽ ഉപകരണങ്ങളൊന്നുമില്ല, എന്നാൽ അങ്ങനെയൊന്ന് ഉണ്ടായിരുന്നെങ്കിൽ എന്ന് ഞങ്ങൾ ആഗ്രഹിക്കുന്നു.
എന്താണ് ഫലപ്രദമായത്
ചെറിയ ഛേദങ്ങൾ സാമ്പിൾ എടുക്കുകയല്ല, പൂർണ്ണമായി വായിക്കുകയാണ് ചെയ്യുന്നത്. ഏകദേശം പത്ത് ഇടങ്ങൾ വരെയുള്ളവ മുഴുവനായും വായിക്കുകയും, ഓരോ സന്ദർഭത്തിലും വാക്കുകൾ വഹിക്കുന്ന പങ്കിന്റെ വിശദാംശങ്ങളോടൊപ്പം ആ അനുപാതം രേഖപ്പെടുത്തുകയും ചെയ്യുന്നു. വലിയ വിഭാഗങ്ങളിൽ നിന്ന് സാമ്പിളുകൾ എടുത്താണ് വായിക്കുന്നത്; സൗകര്യപ്രദമായ അഞ്ച് എന്ന സംഖ്യയിൽ ഒതുക്കാതെ, ആകെ എണ്ണത്തിനനുസരിച്ച് സാമ്പിളിന്റെ വലിപ്പവും വർദ്ധിപ്പിക്കുന്നു.
ഓരോ അനുപാതത്തിനൊപ്പവും ഒരു ഉദാഹരണമുണ്ടാകും. പരിശോധിച്ചുറപ്പിച്ച ഒരു ഉദാഹരണമെങ്കിലുമില്ലാത്ത ഒരു സംഖ്യയും റിപ്പോർട്ടിൽ ഉൾപ്പെടുത്തില്ല. ഒറ്റപ്പെട്ട ഒരു തീവ്ര ഉദാഹരണം ഒരു നിയമമാകുന്നില്ല, എന്നാൽ ഒരൊറ്റ ഉദാഹരണം പോലുമില്ലാത്ത ഒരു നിയമം അളക്കപ്പെട്ടിട്ടുമില്ല.
ഇനിയും പരിഹരിക്കാനുള്ളവ
ഒരു നിയമത്തിന്റെ ഛേദത്തിൽ സമീപത്തുള്ള മറ്റ് തെറ്റുകൾ കലരാതിരിക്കാൻ വിവരശേഖരണം കൂടുതൽ കൃത്യമാക്കണമെങ്കിൽ വിവരശേഖരണ ടൂളിൽ മാറ്റം വരുത്തണം, അതിന് സ്വന്തമായി മറ്റ് നിയന്ത്രണങ്ങൾ ആവശ്യമായി വരും. കൂടാതെ, മുകളിൽ വിവരിച്ചതുപോലെ വാചകഘടനകൾ ഒഴിവാക്കുന്നത് കണ്ടെത്താനുള്ള സംവിധാനം നിലവിലില്ല. അത് ഉണ്ടാകുന്നതുവരെ, ഞങ്ങൾ പ്രസിദ്ധീകരിക്കുന്ന ഓരോ റീകോൾ (recall) സംഖ്യയും ഞങ്ങൾക്ക് കാണാൻ കഴിയുന്ന സന്ദർഭങ്ങളെക്കുറിച്ചുള്ള പ്രസ്താവന മാത്രമാണ്, പഠിതാവ് യഥാർത്ഥത്തിൽ ഉപയോഗിക്കുന്ന ഭാഷയെക്കുറിച്ചുള്ളതല്ല.
എല്ലാ ലേഖനങ്ങളും
- ഞങ്ങളുടെ വ്യാകരണ നിയമങ്ങൾ ഞങ്ങൾ തന്നെ അളന്നുനോക്കുന്നത് എന്തുകൊണ്ട്?
- തകരാറ് മിക്കവാറും അളക്കാനുള്ള ഉപകരണത്തിൽ തന്നെയാണ്
- ഭാഷയുടെ പുറംരൂപം കൊണ്ട് തിരിച്ചറിയാൻ കഴിയുന്നതും കഴിയാത്തതും
- അളക്കുന്നതിന് മുമ്പ് സംഖ്യ പറയുക
- നിങ്ങൾ അളക്കാൻ ഉപയോഗിച്ച ഡാറ്റാ ശേഖരവും അളവുകോലിന്റെ ഭാഗമാണ്
- വിധികർത്താക്കളും കാവൽക്കാരും, പിന്നെ നമുക്കിപ്പോഴും അളക്കാനാവാത്ത കാര്യങ്ങളും
ഓരോ നിയമത്തിനും സൗജന്യ പരിശീലനം
ഈ സൈറ്റിലെ ഓരോ വ്യാകരണ നിയമത്തിനൊപ്പവും അത് പരിശീലിക്കാനുള്ള സംവിധാനമുണ്ട്. ഇത് സൗജന്യമാണ്, സൈൻ-അപ്പ് ചെയ്യേണ്ടതില്ല.