Weyde, Tillman: Lern- und wissensbasierte Analyse von Rhythmen

entspricht, diese also die beste Bewertung erhält, oder eine Höchstzahl an Iterationen erreicht ist. Der Ablauf des iterativen Trainings ist in Abbildung 10.4 als Diagramm dargestellt.

Abbildung 10.4:

Schema des iterativen Trainings.

Durch die automatische Erzeugung der relativen Beispiele wird Konsistenz der relativen Trainingsbeispiele bezüglich des jeweiligen absoluten Beispiels erreicht. Zu einer Eingabe (ggf. mit Vorgabe) werden keine zum Expertenurteil widersprüchlichen Interpretationen erzeugt. Wenn man einen Menschen nach relativen Bewertungen fragt, kann man dabei durchaus widersprüchliche Angaben erhalten, insbesondere, wenn es mehrere ähnlich gute Alternativen gibt. Der Experte kann allerdings nach wie vor Inkonsistenzen in die Daten einbringen, wenn er für gleiche oder ähnliche Beispiele verschiedene Interpretationen angibt. Die Größe des Qualitätsunterschieds zwischen den Interpretationen wird nicht berücksichtigt. Das ist bei der Angabe relativer Bewertungen zwar auch nicht der Fall, ein Experte wird aber bei interaktivem relativem Training vermutlich erst bei einem klaren Fehler des Systems eingreifen und nicht bei der Auswahl einer guten Alternative zum Expertenurteil durch das System. Das iterative Training entlastet aber den Experten, denn er muß nur noch zu jedem Beispiel eine Bewertung abgeben und nicht mehr auf jede Ausgabe des Systems reagieren.