Storyboard

Gemäß der am Ende dieses Abschnitts vorgestellten Richtlinie wird ein beschreibender Text des Systems geschrieben, ohne Gleichungen oder die Symbologie der Variablen einzubeziehen, obwohl die physikalischen Konzepte, die sie darstellen, spezifiziert werden. Ausgehend von diesem Text ermöglicht die erste Eingabeaufforderung der künstlichen Intelligenz, die Themengruppen und die damit verbundenen Konzepte, Prozesse und Aktionen zu identifizieren. Mit diesen Informationen generiert es ein semantisches Netzwerk, das die Funktionsweise des Modells beschreibt. Dieses Netzwerk stellt die erste Validierung des Modellierungsprozesses dar, da es uns ermöglicht, zu überprüfen, ob die künstliche Intelligenz die Hypothese und die konzeptionelle Struktur des Modells richtig verstanden hat, bevor wir mit der Formulierung der Gleichungen fortfahren.

ID:('ky', 1791)

Storyboard

Betrachten wir als Beispiel das Modell des Wassertransports in einer Anlage. Dies lässt sich durch die folgende Abbildung veranschaulichen.

Die Abbildung fasst Folgendes zusammen:

Betrachten wir nun ein integriertes physikalisches Modell des Wassertransports in Pflanzen. Die folgenden Abbildungen zeigen, wie Wasser, Kohlendioxid und Lichtenergie durch eine kontinuierliche Kette von Prozessen gekoppelt sind, die den Boden mit der Atmosphäre verbindet. Jede Stufe repräsentiert ein spezifisches physikalisches Phänomen, doch alle interagieren zu einem einzigen System, dessen Zweck es ist, die Photosynthese und das Pflanzenwachstum durch eine möglichst effiziente Wassernutzung aufrechtzuerhalten. Der Prozess beginnt im Boden, wo Wasser zwischen Mineralpartikeln und organischer Substanz gebunden ist. Seine Verfügbarkeit hängt nicht nur von der vorhandenen Menge, sondern auch von der Energie ab, mit der es gebunden ist. Einerseits halten Kapillarkräfte in der Bodenmatrix das Wasser an den Poren und Mineraloberflächen; andererseits reduzieren gelöste Stoffe seine Energie zusätzlich. Beide Mechanismen zusammen bestimmen das Bodenwasserpotenzial und damit den Ausgangspunkt, von dem aus die Wurzeln Wasser aufnehmen können. Sobald das Wasser von den Wurzeln aufgenommen wurde, gelangt es in das Gefäßsystem der Pflanze und steigt durch das Xylem auf. Die Leitgefäße fungieren als ein kontinuierliches Netzwerk mikroskopisch kleiner Röhren, die die durch die Feuchtigkeit erzeugte Spannung übertragen können. Verdunstung findet in den Blättern statt. Solange die Wassersäule intakt bleibt, ist der Transport hocheffizient. Steigt die Spannung jedoch zu stark an, können sich Luftblasen bilden, die einige Gefäße teilweise oder vollständig verstopfen. Dieses Phänomen, bekannt als Kavitation oder Embolie, reduziert zunehmend die hydraulische Kapazität der Pflanze und begrenzt die Wasserversorgung der Blätter.

Das Wasser, das die Blätter erreicht, bestimmt den Wasserstatus des Pflanzengewebes. In jeder Zelle herrscht ein dynamisches Gleichgewicht zwischen der Konzentration gelöster Stoffe, dem Turgordruck der Vakuole auf die Zellwand und der Position des Blattes innerhalb der Pflanze. Gleichzeitig strömt weiterhin Wasser aus dem Xylem ein, während ein Teil durch Transpiration verloren geht. Das Gleichgewicht zwischen diesen beiden Prozessen bestimmt das Wasserpotenzial des Blattes, das als einer der wichtigsten Indikatoren für den Wasserstress der Pflanze gilt.

Die Transpiration wird hauptsächlich über die Stomata reguliert, kleine Poren in der Blattepidermis. Ihre Öffnung ist eine Reaktion auf das ständige Gleichgewicht zwischen zwei gegenläufigen Zielen. Zum einen benötigt die Pflanze Die Spaltöffnungen müssen geöffnet bleiben, um den Eintritt von Kohlendioxid zu ermöglichen, das für die Photosynthese notwendig ist. Andererseits erhöht eine übermäßige Öffnung den Wasserverlust und das Risiko von Kavitation im Wassersystem. Folglich stellt der Öffnungsgrad der Spaltöffnungen einen Kontrollmechanismus dar, der die Kohlenstoffaufnahme mit der Wassereinsparung in Einklang bringt.

Die Intensität der Transpiration hängt sowohl von der Spaltöffnungsöffnung als auch vom Unterschied der Luftfeuchtigkeit zwischen Blattinnerem und Atmosphäre ab. Bei trockenerer Luft steigt die Wasserverdunstung und damit der Wasserbedarf der gesamten Pflanze. Diese Verdunstung ist der physikalische Motor, der den kontinuierlichen Wassertransport von den Wurzeln aufrechterhält.

Dieselbe Spaltöffnung, die den Austritt von Wasserdampf ermöglicht, dient auch als Eintrittspforte für atmosphärisches Kohlendioxid. Im Blattinneren diffundiert CO durch die Interzellularräume bis zu den Chloroplasten der Mesophyllzellen. Dort wird mithilfe der aus dem Sonnenlicht gewonnenen Energie Kohlenstoff durch Photosynthese in organische Verbindungen eingebaut. Die interne CO-Konzentration wird kontinuierlich an das Gleichgewicht zwischen der Zufuhr und der Zufuhr aus der Atmosphäre angepasst. und die Geschwindigkeit, mit der es durch den Photosyntheseprozess verbraucht wird.

Alle diese Prozesse laufen letztendlich auf einen einzigen integrierten Indikator hinaus: die Wassernutzungseffizienz. Dieser Parameter gibt an, wie viel Biomasse oder Kohlenstoff die Pflanze pro Einheit Wasser, die sie durch Transpiration verliert, produzieren kann. Eine hohe Effizienz bedeutet, dass die Pflanze eine hohe Photosyntheseaktivität bei relativ geringem Wasserverbrauch aufrechterhalten kann, während eine niedrige Effizienz darauf hindeutet, dass ein Großteil des aufgenommenen Wassers verloren geht, ohne dass eine entsprechende Kohlenstoffproduktion erzielt wird.

Das Gesamtmodell zeigt, dass die Pflanze die einzelnen Prozesse nicht unabhängig voneinander optimieren kann. Eine erhöhte Stomataöffnung fördert die CO-Aufnahme, erhöht aber auch den Wasserverlust und das Risiko von Kavitation. Eine reduzierte Transpiration schützt das Wassersystem, begrenzt aber gleichzeitig Photosynthese und Wachstum. Die Pflanzenphysiologie ergibt sich somit aus dem dynamischen Gleichgewicht zwischen Bodenwasserverfügbarkeit, Wassertransport, Blattwasserstatus, Stomataregulation, Kohlenstofffixierung und Transpiration.

Diese integrierte Darstellung ermöglicht es uns zu verstehen, dass die Funktionsweise einer Pflanze einem hochgradig gekoppelten physikalischen System entspricht, in dem hydraulische, osmotische, diffusive und biochemische Prozesse gleichzeitig wirken, um das Wachstum zu maximieren, das Überleben in Stressphasen aufrechtzuerhalten und die Funktionsweise des Organismus kontinuierlich an sich ändernde Umweltbedingungen anzupassen."

ID:('gp', 614)

Storyboard

Sobald Sie über einen Text verfügen, der die Funktionsweise des Systems beschreibt, ist es möglich, einen semantischen Baum zu erstellen, der die Hauptkonzepte und die Beziehungen zwischen ihnen identifiziert. Aus dieser Struktur lassen sich die unterschiedlichen Themengruppen erkennen und anschließend die Gleichungen lokalisieren, die jeden dieser Prozesse beschreiben.

Zu diesem Zweck kann ein Modell der künstlichen Intelligenz verwendet werden, indem die folgende Eingabeaufforderung ausgeführt wird (ersetzen Sie [Storyboards/Erzählung einfügen, NICHT die Gleichungen] durch den Text):

<text># Master-Prompt Vom Fließtext zum exportierbaren Logiknetzwerk Generischer, wiederverwendbarer Prompt mit beliebigem beschreibenden Text aus einem Modell (nicht nur das Beispiel des Wassertransports in Pflanzen). Ersetzen Sie den Text in Klammern durch das Storyboard/die Beschreibung, die Sie verarbeiten möchten, und fügen Sie den Rest unverändert ein. --- Nehmen Sie diesen beschreibenden Text aus dem Modell [fügen Sie das Storyboard/die Beschreibung hier ein, NICHT die Gleichungen]. Sie werden vier Schritte nacheinander mit demselben Text durchführen: **SCHRITT 1 Thematische Gruppen ableiten (nicht von externen Quellen annehmen)** Identifizieren Sie die verschiedenen physikalischen Mechanismen, die der Text beschreibt, und gruppieren Sie sie danach, welche physikalische Frage jeder Textblock beantwortet, nicht danach, wo er im Dokument erscheint oder nach der Art der Gleichung. Jede Gruppe muss eine identifizierbare zentrale Figur haben (das Objekt/die Entität, die die Hauptrolle in diesem Mechanismus spielt). Ordnen Sie die Elemente gemäß der tatsächlichen Kausalkette des Systems (Ursprung des Phänomens Ausbreitung Begrenzungen Regulierung Folgen Bewertung des Ergebnisses). **SCHRITT 2 Erstellen Sie das semantische Netzwerk auf Basis dieser abgeleiteten Gruppen** - Identifizieren Sie Objekte/Entitäten, die im Text als Dinge bezeichnet werden (Substantive: Gewebe, Strukturen, Substanzen, Kompartimente). - Identifizieren Sie Verben/Handlungen, die im Text verwendet werden, um zu beschreiben, was mit diesen Dingen geschieht oder wie sie sich gegenseitig beeinflussen (z. B. behält, gibt frei, weist auf ein Risiko hin, schützt, unterstützt). - Jede Beziehung sollte die Form [Entität] [Verb aus dem Text] [Entität] haben. Verwenden Sie dabei die tatsächliche Sprache des Dokuments, keine mathematischen Symbole oder Variablennamen. - Stellen Sie die Struktur der Gleichungen nicht als Graph dar. Ich möchte den Textinhalt, nicht die Formeln. - Jede Entität muss die thematische Gruppe aus Schritt 1 übernehmen, zu der sie gehört (dies bestimmt ihre Farbe im Netzwerk). - Richten Sie das Netzwerk als interaktives Netzwerk mit verschiebbaren Knoten ein, nicht als kreisförmiges Netzwerk, damit die endgültige Position die stärksten Verbindungen der Konzepte widerspiegelt. - Der Netzwerkhintergrund muss schwarz (nicht weiß) sein. Knoten, Verbindungen und Beschriftungen müssen Farben haben, die einen guten Kontrast zum dunklen Hintergrund gewährleisten. - Das Netzwerk muss das Zoomen mit dem Mausrad (Vergrößern/Verkleinern) und das Verschieben durch Ziehen des Hintergrunds (bei gedrückter Maustaste) ermöglichen, zusätzlich zum individuellen Verschieben jedes Knotens. - Stellen Sie das Netzwerk als eigenständige HTML-Datei bereit (ohne externe Abhängigkeiten außer einer Graphbibliothek über ein CDN). Stellen Sie die Netzwerkdaten in drei Tabellen bereit, wobei alle IDs als Ganzzahlen vorliegen: - `node_types`: id, name, color, description eine Zeile pro Gruppe aus Schritt 1. - `nodes`: id, type_id (FK zu node_types), name, short_name, description. - `links`: id, source_id (FK zu nodes), target_id (FK zu nodes), verb. **SCHRITT 3 Dokumentieren Sie jede Gruppe so, dass die Gleichungen später generiert werden können, ohne den gesamten Text erneut lesen zu müssen.** Geben Sie für jeden `node_type` (jede Gruppe) Folgendes an: - Gruppentitel. - Exakter Farbcode (Hexadezimalcode) des Netzwerks. - Kurze Beschreibung (24 Sätze), die zwei Dinge gleichzeitig erfüllt: (a) Erläuterung des physikalischen Mechanismus in allgemeinverständlicher Sprache; (b) Machen Sie deutlich, welche Größen sich ändern, wovon sie abhängen und welche qualitative Beziehung zwischen ihnen besteht (Zunahme/Abnahme, proportional/invers, Schwellenwert, Sättigung) ohne noch Gleichungen aufzustellen, aber so detailliert, dass eine nachfolgende Aufgabe, ohne den Originaltext zu kennen, die funktionale Form jeder Beziehung vorschlagen kann. Schlagen Sie in den Schritten 13 keine Gleichungen vor diese dienen der Vorbereitung auf eine zweite Aufgabe (die später in einem anderen Chat ausgeführt wird). **SCHRITT 4 Alles in einer exportierbaren .md-Datei zusammenfassen, inklusive der Aufforderung für den nächsten Chat.** Erstellen Sie eine zweite .md-Datei, getrennt von der .html-Datei, die in dieser Reihenfolge Folgendes enthält: 1. Den vollständigen Quelltext (wie am Anfang eingefügt). 2. Die Kausalgruppen aus Schritt 1 (Tabelle mit: Gruppe, zugehöriger physikalischer Frage, zentralem Charakter). 3. Die drei vollständigen Tabellen aus Schritt 2 (`node_types`, `nodes`, `links`). 4. Die qualitative Dokumentation aus Schritt 3, ein Block pro Gruppe. 5. Am Ende der Datei befindet sich eine übersichtliche, allgemeine Aufforderung im Imperativ (2. Person Singular), die sich leicht in einen anderen Chat kopieren lässt. Sie fordert den Benutzer auf, die in Schritt 4 generierte .md-Datei und die .html-Datei anzuhängen. Diese Aufforderung sollte drei Schritte umfassen: - Schritt 1: Fassen Sie in Ihrer Antwort den erhaltenen Kontext (Gruppen, Tabellenstruktur, qualitative Dokumentation) zusammen und erwähnen Sie die .html-Datei des Netzwerks explizit als visuelle Darstellung, ohne sie neu zu generieren oder zu verändern. - Schritt 2: Klassifizieren Sie jeden Knoten als Zustandsvariable, Parameter oder abgeleitete Variable, inklusive Symbol und Einheit. Geben Sie für jede Verbindung die qualitative Funktionsform (linear, invers proportional, Schwellenwert, Sättigung/Michaelis-Menten, multiplikativ usw.) an, basierend auf der Dokumentation aus Schritt 3 ohne undokumentierte Mechanismen zu erfinden und ohne explizit auf etwaige Informationslücken hinzuweisen. - *Schritt 3 der folgenden Anweisung*: Stellen Sie die nach `node_type` gruppierten Gleichungen zusammen in der gleichen kausalen Reihenfolge wie in Schritt 1, wobei Sie zwischen Differential- und algebraischen/Gleichgewichtsgleichungen unterscheiden. Geben Sie separat die Kopplungen an, die von einem `node_type` zum anderen wechseln, und liefern Sie das Ergebnis als **dritte, neue und eigenständige .md-Datei**, die zum Export bereit ist. Nach Abschluss der vier Schritte sollten Sie genau zwei Dateien erstellt haben: die `.html`-Datei des interaktiven Netzwerks (Schritt 2) und die `.md`-Datei des konsolidierten Kontexts mit der eingebetteten Anweisung (Schritt 4).

ID:('gp', 615)

Storyboard

Bei der Ausführung der Eingabeaufforderung in einer KI soll man einerseits das semantische Netzwerk des Textes erhalten, das die identifizierten Konzepte (Elemente, Objekte) und die Art und Weise, wie sie miteinander interagieren, zeigt. Das Diagramm kann als Ganzes gescrollt und skaliert werden, während jeder Knoten unabhängig verschoben werden kann. Unten finden Sie ein nicht interaktives Bild als Referenz:



Das System stellt außerdem die Liste der identifizierten Themengruppen und die jeweils zugeordnete Farbe bereit:

ERROR btable: expected table_name#column_definition

Es generiert auch die Liste der Knoten (Konzepte) und die Liste der Links (Verben oder Beziehungen zwischen Konzepten).

Darüber hinaus wird die Bedeutung der einzelnen Themengruppen detailliert beschrieben. Diese Informationen sind für den anschließenden Aufbau des logischen Netzwerks unerlässlich und müssen daher im selben Chat verfügbar sein, in dem die Eingabeaufforderung ausgeführt wird, die die Modellgleichungen generiert.

In diesem Beispiel beschreiben die folgenden Seiten die Bedeutung jeder Gruppe durch erklärenden Text, begleitet von einem Bild, das das Verständnis des dargestellten Prozesses erleichtert.

ID:('gp', 616)

Storyboard

Bodenwasser ist kein freies Reservoir: Es wird durch Kapillarkräfte im Porennetz aus mineralischen Partikeln und organischem Material zurückgehalten. Je kleiner die Porengröße und je größer die mineralisch-organische Kontaktfläche, desto größer ist die Energie, mit der Wasser zurückgehalten wird (umgekehrtes Verhältnis zwischen extrahierbarem Wasser und Retentionsenergie). Um Wasser zu extrahieren, muss die Wurzel ein negativeres Wasserpotential erzeugen als der umgebende Boden; Wenn der Boden austrocknet, wird dieses Rückhaltepotential immer negativer und die Extraktion wird zunehmend schwieriger, wobei es eine Schwelle (Würzepunkt) gibt, unterhalb derer die Wurzelextraktion abgebrochen wird.

ID:('gp', 617)

Storyboard

Der Wassertransport hängt von der durch die Blattverdunstung erzeugten Spannung ab: Je größer die Spannung, desto größer der Aufwärtsfluss, in einem Verhältnis, das der Text als proportional darstellt, während die Wassersäule kontinuierlich bleibt. Es gibt jedoch eine kritische Spannungsschwelle, ab der Luftblasen entstehen, die leitende Gefäße verstopfen (Kavitation/Embolie); Sobald dieser Schwellenwert überschritten wird, sinkt die hydraulische Kapazität der Anlage abrupt und nicht allmählich es handelt sich um einen schwellenartigen Zusammenbruch und nicht um eine lineare Verschlechterung. Die verringerte hydraulische Kapazität begrenzt wiederum die Wassermenge, die die Blätter erreicht, und schließt eine negative Rückkopplungsschleife in Richtung Gruppe 3.

ID:('gp', 618)

Storyboard

Das Wasserpotenzial des Blattes ergibt sich aus einem Gleichgewicht der Ströme: Wasser tritt aus dem Xylem ein und verlässt es durch Transpiration, sodass das Potenzial steigt oder fällt, je nachdem, welcher der beiden Terme dominiert (Gleichgewichtsverhältnis, Input minus Output). Auf zellulärer Ebene hängt der Turgordruck von der Konzentration interner gelöster Stoffe ab (umgekehrte Beziehung über osmotisches Potenzial) und steht im Gegensatz zum mechanischen Widerstand der Zellwand; Die Position des Blattes auf der Pflanze fügt eine zusätzliche Komponente hinzu (mehr Höhe, weniger verfügbares Potenzial aufgrund der Schwerkraftwirkung). Das daraus resultierende Blattwasserpotenzial ist der Indikator, anhand dessen der Text den Grad des Wasserstresses ausdrückt.

ID:('gp', 619)

Storyboard

Die stomatäre Öffnung ist die Kontrollvariable des Systems und ergibt sich aus einem Kompromiss zwischen zwei Effekten, die beide im gleichen Sinne mit dem Grad der Öffnung wachsen: Je größer die Öffnung, desto größer die CO-Aufnahme (Nutzen) sowie der Wasserverlust und das Kavitationsrisiko (Kosten), so dass der Text auf eine wachsende und gleichzeitige Beziehung auf beiden Seiten des Kompromisses schließen lässt. Im Text wird nicht angegeben, welches genaue physiologische Signal den Gleichgewichtspunkt festlegt, sondern nur, dass die Blende so eingestellt wird, dass dieser optimale Kompromiss gefunden wird.

ID:('gp', 620)

Storyboard

Die Transpirationsrate hängt gemeinsam von der Spaltöffnung und dem Feuchtigkeitsdefizit zwischen dem Blattinneren und der Atmosphäre ab; Der Text beschreibt beide Abhängigkeiten als zunehmend, was auf eine multiplikative Beziehung schließen lässt (zwei Widerstände/Treiber wirken zusammen, nicht in gegenseitigem Ausschluss). Trockenere Luft (größeres Defizit) erhöht proportional die Verdunstung, und diese Verdunstung wird ausdrücklich als physikalischer Motor bezeichnet, der die Spannung und den kontinuierlichen Anstieg des Wassers im Xylem aufrechterhält das heißt, sie versorgt Gruppe 2 direkt.

ID:('gp', 622)

Storyboard

Atmosphärisches CO2 dringt durch dieselben Stomata ein, die den Wasserverlust regulieren, diffundiert durch die Interzellularräume und erreicht die Chloroplasten, wo Lichtenergie seine Fixierung vorantreibt; Der Text legt eine gemeinsame Abhängigkeit zwischen der Lichtverfügbarkeit und der CO2-Verfügbarkeit nahe (voraussichtlich multiplikativer Art mit möglicher Sättigung in jedem Faktor separat). Die interne CO2-Konzentration ist nicht festgelegt: Sie ergibt sich aus einem dynamischen Gleichgewicht zwischen der Eintrittsrate (in Verbindung mit der Spaltöffnung) und der Rate des photosynthetischen Verbrauchs wenn der Verbrauch schneller zunimmt als der Eintrag, sinkt die interne Konzentration, bis ein neues Gleichgewicht erreicht ist.

ID:('gp', 621)

Storyboard

Die Wassernutzungseffizienz ist definiert als das Verhältnis zwischen der produzierten Biomasse/Kohlenstoff (Zähler, aus Gruppe 6) und dem durch Transpiration verlorenen Wasser (Nenner, aus Gruppe 5) im gleichen Intervall. Dabei handelt es sich nicht um einen eigenen physikalischen Mechanismus, sondern vielmehr um einen sich abzeichnenden Indikator: Er steigt, wenn die Photosynthese zunimmt, ohne dass die Transpiration im gleichen Verhältnis zunimmt, und sinkt im umgekehrten Fall. Im Text wird ausdrücklich darauf hingewiesen, dass die Gruppen 1 bis 6 nicht gleichzeitig optimiert werden können, da sie dieselbe Kontrollvariable (Stomatapertur) haben, was eine strukturelle Einschränkung dieses Verhältnisses mit sich bringt.

ID:('gp', 624)

Storyboard

Die Qualität des Modells hängt davon ab, dass der analysierte Text möglichst klar und präzise ist. Zu diesem Zweck kann die folgende Richtlinie verwendet werden, die die Analyse erleichtern und die Möglichkeit verringern soll, dass die KI die Situation falsch interpretiert und ein Modell mit Fehlern erstellt. Denken Sie daran, dass KI den Inhalt des Textes nicht korrigiert: Wenn sie ihn falsch interpretiert, generiert sie ein ebenso falsches Modell. Daher ist es ratsam, das erhaltene semantische Netzwerk zu überprüfen, bevor mit der Konstruktion des logischen Modells fortgefahren wird.

Richtlinie:

1. Ein Textblock = eine physische Frage mit einem Protagonisten. Jeder Absatz oder Abschnitt muss eine einzelne Frage beantworten (Wo kommt es her?, Wie verbreitet es sich?, Was begrenzt es?) und ein identifizierbares zentrales Substantiv haben: die Entität, Menge oder den Prozess, um den es in diesem Absatz geht, und nichts anderes. Wenn in einem Absatz zwei verschiedene Mechanismen gemischt werden, muss das Modell erraten, wo die Gruppe abgetrennt werden soll.

2. Ordnen Sie die Absätze entsprechend der tatsächlichen Kausalkette. Ursprung > Ausbreitung > Regulierung/Ausgabe > Mechanismus, der alles verbindet > Konsequenzen. Die Reihenfolge des Erscheinens im Text entspricht letztendlich der Reihenfolge der Gruppen. Daher ist es ratsam, dass sie bereits im Storyboard so erscheint und nicht später neu angeordnet wird.

3. Benennen Sie Entitäten konsistent.Wenn eine Entität in einem Absatz mit einem Namen und im nächsten mit einem anderen Synonym erscheint, kann der Extraktor mehrere Knoten erstellen, wo es nur einen geben sollte. Wählen Sie einen Namen für jede Entität und wiederholen Sie ihn im gesamten Text, auch wenn er eintönig klingt.

4. Verwenden Sie aktive und spezifische Verben, keine generischen Füllverben. Retains, drives, releases, conditions, generates können als Relation extrahiert werden. Es ist verwandt mit, es hat damit zu tun, es ist verknüpft mit sagen nicht, was mit was passiert, und gehen als bedeutungslose Kanten verloren.

5. Erklären Sie, welche Größe sich ändert, wovon sie abhängt und in welchem Sinne, ohne die Gleichung aufzuschreiben. Dies ist der Schlüssel für das Funktionieren der Gleichungsphase. Die Menge nimmt zu reicht nicht aus; Man muss sagen: Sie nimmt zu, wenn [eine andere Größe] zunimmt (direkte Beziehung) oder Sie nimmt ab, wenn [eine andere Größe] größer wird (umgekehrte Beziehung). Erwähnen Sie auch, ob ein Schwellenwert (etwas wird abgebrochen oder plötzlich ausgelöst) oder eine Sättigung (es reagiert nicht mehr proportional) vorliegt.

6. Schließen Sie die Kausalschleife explizit, wenn das System zyklisch ist. Wenn der Mechanismus eine Rückmeldung gibt (die Ausgabe einer Stufe wirkt sich rückwirkend auf eine vorherige Stufe aus), muss dieser Abschluss in einer expliziten Phrase benannt werden, wie zum Beispiel Dies erhält/ersetzt [den Anfangszustand] und schließt den Zyklus. Wenn es nicht gesagt wird, bleibt der Graph eine lineare Kette und kein gekoppeltes System.

7. Stellen Sie ggf. Informationen in verschiedenen Maßstäben bereit (Makro + Detail). Wenn Sie auf jeder Stufe (der Unterkomponente, des internen Mechanismus, der relevanten Untereinheit) eine Detailebene nach unten gehen, werden die nützlichen Einheiten vervielfacht, ohne etwas zu erfinden. Ein Text, der das Phänomen nur im Makro beschreibt, gibt wenige Knoten; Die Erweiterungen in jeder Phase fungieren als Anker für Untereinheiten.

8. Schließen Sie mit einem Abschnitt Wozu dient es?/Konsequenzen ab. Dadurch wird auf natürliche Weise die Ausgabegruppe (Ergebnis, Funktion, Produkt) generiert, die die kausale Sequenz abschließt und den Zwischenknoten ein Ziel gibt, anstatt sie baumeln zu lassen.

9. Vermeiden Sie mathematische Notation oder Variablennamen im Erzähltext. Wenn der Text bereits Symbole enthält, neigt der Extraktor dazu, die Struktur der Gleichung zu kopieren, als wäre es die semantische Struktur, was genau das ist, was der Schritt des logischen Netzwerks vermeiden sollte. Beschreiben Sie das Phänomen besser in Prosa und belassen Sie die Variablen für das separate Gleichungsdokument.

10. Ein Absatz, mindestens eine explizite Ursache-Wirkungs-Beziehung. X verursacht Y an irgendeiner Stelle im Absatz gewährleistet mindestens ein extrahierbares Verb pro thematischem Block; Rein beschreibende Absätze (Listen von Teilen ohne Aktion dazwischen) erzeugen isolierte Knoten ohne Kanten.

ID:('gp', 623)