Tema: measurement
-
Un registro de temperatura de compost: puntos de sonda fijos, profundidad fija, ambiente junto al montón y cada volteo como evento
Un protocolo de observación propuesto para un montón o contenedor de compost de jardín: un termómetro de tallo largo leído en puntos de sonda marcados y a una profundidad indicada según un calendario fijo, la temperatura ambiente junto al montón en el mismo momento, y cada adición, volteo o riego registrado como una fila de evento, de modo que la subida, la meseta y la bajada del montón puedan leerse en relación con lo que se le hizo; no se afirma ninguna temperatura objetivo ni resultado.
-
Bootstrapping de un intervalo de confianza para una mediana, un percentil o una razón
Remuestrear las observaciones brutas con reemplazo muchas veces, calcular el estadístico en cada remuestra, y leer el intervalo a partir de la distribución resultante; esto da una incertidumbre para medianas, percentiles, razones y diferencias donde no se aplica ninguna fórmula de manual. Reportar el método, el número de remuestras y el tamaño de la muestra, y no confiar en él para percentiles extremos de muestras pequeñas.
-
Registrar la lectura de un termómetro doméstico en un baño de agua con hielo: un registro de desviación por instrumento
Un protocolo propuesto, de solo registro, que sigue la descripción del NIST del punto de fusión del hielo (hielo triturado de agua destilada, una mezcla de agua y hielo de arriba abajo, profundidad de inmersión indicada) para anotar lo que marca cada termómetro doméstico a nominalmente 0 °C, con fecha, detalles de preparación y el tiempo que tardó la lectura en estabilizarse; mantiene un historial de desviación por instrumento y no da ninguna indicación sobre el ajuste ni sobre el uso alimentario.
-
Comparar el rendimiento de un cambio: calentamiento, repeticiones, varianza y qué reportar
Una comparación de tiempos solo es un resultado si sobrevive al ruido: fijar la carga de trabajo, descartar las ejecuciones de calentamiento, intercalar muchas repeticiones de cada variante, elegir el estadístico antes de mirar los datos, y reportar la dispersión y el entorno junto a cada número. Una diferencia menor que la dispersión entre ejecuciones no es un hallazgo.
-
¿Cómo debería organizarse una comparación casera de germinación de semillas para que dos hogares puedan comparar resultados?
Pregunta abierta: los laboratorios analizan semillas según las Reglas Internacionales para el Análisis de Semillas del ISTA, pero los hogares que comparan dos lotes de semillas o dos alféizares no comparten ningún protocolo; ¿qué tamaños de muestra, reglas de conteo, duraciones y registros de condiciones hacen que esas comparaciones caseras sean informativas y comparables entre hogares?
-
Medir la velocidad de mecanografía en casa: un protocolo de texto fijo y duración fija con las reglas de palabra y de error por escrito
Un protocolo propuesto para llevar un registro personal de velocidad de mecanografía en el que las definiciones forman parte del propio registro: una palabra estándar se define como cinco caracteres incluidos los espacios, las tasas bruta y neta se calculan con fórmulas explícitas, se anota por sesión el teclado, la distribución, el software y el ajuste de corrección, se realizan tres pruebas cronometradas de duración fija sobre textos de un tipo fijo, y se reporta la mediana; no se afirma ninguna velocidad, objetivo o mejora.
-
¿Qué proporción del contexto de un agente es salida de herramientas en ejecuciones reales, y su recorte cambia el éxito de la tarea?
Pregunta abierta: la especificación de MCP dice que los clientes deberían validar los resultados de las herramientas antes de pasarlos al modelo, pero deja la cantidad a criterio del cliente; en las ejecuciones de agentes registradas, ¿qué proporción de los tokens corresponde a salida de herramientas en lugar de a instrucciones o razonamiento, y truncar, resumir o filtrar la salida de herramientas cambia el éxito de la tarea, el costo y la latencia?
-
Un registro de salud de batería de dispositivo: lo que reportan los teléfonos, los portátiles Windows y la interfaz power-supply de Linux
Un registro mensual de las cifras de batería que un dispositivo reporta sobre sí mismo: la capacidad máxima relativa a nueva de la pantalla Estado de la batería del iPhone, el informe HTML de powercfg /batteryreport en Windows, y los atributos charge_full y charge_full_design de la clase power-supply de Linux; registrados en bruto con fecha, versión de software y eventos, la serie muestra la tendencia y sus saltos sin ningún consejo de carga.
-
Hacer comparable un experimento de sustitución de ingredientes en una receta
Un protocolo propuesto para documentar la sustitución de un ingrediente: fijar todo salvo el ingrediente sustituido, registrar las cantidades por masa, describir el equipo y los tiempos, y separar las observaciones medidas de los juicios de preferencia; no se afirma ningún resultado culinario.
-
Registro de precios de supermercado con precio unitario calculado a partir del envase: identidad por código de barras, cantidad de envase, precio de estantería y marca de promoción por observación
Un protocolo propuesto, de solo registro, para anotar precios de supermercado, en el que cada observación lleva el número de código de barras del producto como identidad, la cantidad de envase tal como aparece impresa, el precio de estantería y cualquier condición de promoción o de fidelización, y un precio unitario calculado por el propio hogar en una unidad indicada, siguiendo la definición de la Directiva 98/6/CE de la UE del precio por unidad de medida como el precio final por kilogramo, litro, metro, metro cuadrado o metro cúbico; un cambio de tamaño de envase se convierte en una fila de producto nueva, y no se ofrece ningún consejo de compra ni ninguna cifra de inflación.
-
Una opción explícita de «ninguna de estas» en toda decisión cerrada reduce la tasa de acciones erróneas de un agente más que elevar el umbral de confianza
Para un agente que enruta o clasifica con un conjunto cerrado de opciones y actúa según el resultado, esta hipótesis predice que añadir una opción explícita de abstención al conjunto de opciones elimina más acciones erróneas por cada acción correcta bloqueada que endurecer un umbral de confianza sobre la misma pregunta sin esa opción.
-
Los registros domésticos anotados de memoria al final del día muestran valores más redondeados que los anotados en el momento de la lectura
Hipótesis: cuando la lectura de un medidor, una balanza o un termómetro se anota horas después de memoria, el valor registrado es con más frecuencia un número redondo (terminado en 0 o en 5, o con menos decimales) que cuando se anota junto al instrumento; se propone una prueba dentro de un mismo hogar con días alternos y fotografías como referencia, sin afirmar cuál valor está más cerca de la verdad.
-
Incertidumbre de medición y cifras significativas en informes técnicos
Un valor medido sin una incertidumbre está incompleto: repetir la medición, informar la media junto con la desviación estándar de la media y el número de ejecuciones, redondear la incertidumbre a una o dos cifras significativas y el valor a la misma posición, y decir qué significa el intervalo; los dígitos más allá de la incertidumbre son ruido.
-
Medir lo que se aprendió con autoevaluaciones antes y después, y lo que esa comparación no puede mostrar
Un protocolo para una autoevaluación personal previa y posterior alrededor de un período de estudio: escribir las preguntas antes de estudiar, responderlas a ciegas, estudiar, responder un conjunto paralelo después de un intervalo y calificar con una clave fija; la diferencia es una estimación con debilidades conocidas, ya que la propia prueba previa enseña, los conjuntos pueden diferir en dificultad, y una sola persona que aprende no puede ser su propio control.
-
Comprobar una báscula de cocina con monedas de masa publicada: un registro de repetibilidad, rango y carga en las esquinas
Un protocolo propuesto, de solo registro, para una báscula doméstica: usar monedas nuevas cuya masa nominal publica la casa de moneda emisora como masas de referencia, registrar lecturas de monedas individuales y de pilas a lo largo del rango de la báscula, repetir las colocaciones, probar las cuatro esquinas y una espera cronometrada, y mantener la hoja por báscula; no forma parte de esto ningún ajuste ni ningún juicio de aprobado o reprobado.
-
Un registro de riego y crecimiento para plantas de interior: puntos de medición fijos y fotografías
Un registro de observación propuesto para plantas en maceta: puntos de medición definidos una sola vez (altura desde el borde de la maceta, número de hojas por encima de un tamaño indicado, longitud de la hoja más grande), el riego registrado por volumen o masa, la posición y los eventos, y una fotografía semanal en las mismas condiciones, de modo que el crecimiento pueda compararse a lo largo del tiempo y entre plantas; no se ofrece ningún consejo de cuidado.
-
Dos higrómetros domésticos en una misma habitación discrepan menos en el punto de rocío que en la humedad relativa
Hipótesis: dos dispositivos domésticos de temperatura y humedad colocados en distintos puntos de una misma habitación registran valores de humedad relativa que difieren principalmente porque sus temperaturas difieren, de modo que los puntos de rocío calculados a partir del propio par de cada dispositivo coinciden más estrechamente que las lecturas brutas de HR una vez eliminado el desfase fijo entre dispositivos; no se reporta ninguna medición.
-
Pruebas de carga con modelos de carga de trabajo abiertos y cerrados
En un modelo cerrado, un número fijo de usuarios virtuales espera cada respuesta antes de enviar la siguiente solicitud, de modo que un servidor que se ralentiza limita su propia carga y los peores períodos quedan sin medir; en un modelo abierto, las solicitudes llegan a una tasa fija sin importar si se completaron las anteriores. La elección del modelo depende de la pregunta que se está haciendo, y debe reportarse junto con cada cifra.
-
Medir el rendimiento de la conexión doméstica a internet de forma repetible: un protocolo de ruta y horario fijos
Un protocolo propuesto para una serie de rendimiento y latencia en un hogar: mantener constantes el dispositivo, la ruta cableada o inalámbrica, la herramienta de prueba y el servidor, ejecutar tres pruebas consecutivas en tres franjas diarias fijas durante dos semanas, registrar el número de conexiones y la actividad del hogar con cada ejecución, y leer el producto ancho de banda por retardo de RFC 6349 y los puntos sobre conexión única frente a múltiples conexiones como razones por las que la configuración de la herramienta cambia la cifra; no se afirma nada sobre ningún proveedor.
-
¿Cómo debería medirse la fiabilidad de un agente que actúa cuando una ejecución puede tener éxito en su tarea y aun así causar un efecto secundario no deseado?
Pregunta abierta: los bancos de pruebas puntúan si se alcanzó el estado objetivo, y pass^k añade consistencia a lo largo de los intentos, pero ninguno de los dos cuenta una ejecución que alcanzó el objetivo y además borró un archivo, envió un mensaje o gastó un presupuesto que no debía; qué medidas usan los equipos para eso, cómo las recopilan y si varían con los cambios de prompt y de modelo no está documentado.
Legible por máquina: JSON