Realitynet - Realitynet.org
Oudere seizoenen => Wie is de Mol? => Wie is de Mol AVROTROS 2023 => Topic gestart door: The Miracle op 4-01-2023, 12:37:53
-
Beste molloten,
Dit is er zeker eentje die je moet gaan volgen:
https://www.codeerik.nl/widm-2023-op-zoek-naar-de-mol-met-data-analyse/
Ik ken Erik persoonlijk, is een oud-collega en ontzettend goed in het schrijven van data-algoritmes. Voor WIDM heeft hij een model gebouwd dat de mol kan voorspellen. Hij heeft het model gebruikt op de afgelopen 2 seizoenen en daar is de juiste mol uitgekomen. Zeker even de moeite waard om even door te lezen en te blijven volgen dit seizoen!
-
Heel cool, zeker iets om in de gaten te houden! Vooral omdat het redelijk objectief is; er wordt alleen naar voorbereiding niet naar uitvoering gekeken.
-
Hij heeft het model gebruikt op de afgelopen 2 seizoenen en daar is de juiste mol uitgekomen.
Nou ja, één seizoen eigenlijk want hij zegt zelf al eerlijk over WIDM 2021:
"Het is namelijk erg lastig om de machtsverhouding in opdrachten objectief te beoordelen als je al weet wie de mol is."
Maar leuk hoor! Ben benieuwd wat er dit keer uitkomt.
-
Objectief is het niet als hij degene is die zelf kiest 'in welke groep de mol volgens hem zou willen zitten'.
Maargoed, welke theorie is dat wel ;).
-
Ik herinner me nog wel de discussies in welk team de Mol zou willen zitten, daar was vaak geen overeenstemming over.
-
Objectief is het niet als hij degene is die zelf kiest 'in welke groep de mol volgens hem zou willen zitten'.
Maargoed, welke theorie is dat wel ;).
Helemaal objectief ga je het niet krijgen inderdaad, vooral doordat iemand moet bepalen wat de beste positie is om te mollen wat weer een subjectief gegeven is. Maar het kijken naar molposities is wel wat ikzelf het meeste doe en wat ik fijner vind dan kijken naar verdachte acties. Natuurlijk komt de mol niet altijd in de groep uit waar hij in wil zitten, maar hij weet als het goed is wel wat de beste molposities zijn en bepaalt daarop zijn strategie.
-
Ha, weer een model met data analyse :)
Ben benieuwd naar het resultaat. Ik hou zelf ook wel van statistieken maar het pakt lang niet altijd goed uit in WIDM. De mol is nu eenmaal lastig te vangen in systemen. Recente tools hadden de laatste paar jaren ook geen goed resultaat nadat aanvankelijk leek dat er een goede tool was gevonden.
gezichtsherkenning (https://github.com/mattijn/widm/)
moldel (https://github.com/LennartJKlein/Moldel/)
(in 2021 was Marije en daarna Splinter heel lang hoofdverdachte in het moldel vorig jaar was dat Fresia)
Wat betreft de voorkeursopdrachten van de mol hebben we inderdaad discussies in het "topic "beste positie voor de mol". Als de opdrachten goed in elkaar zitten moet er vanuit iedere positie te mollen zijn. Voorkeur zal ook afhangen van het type mol en zijn/haar persoonlijkheid. De groepsdynamiek speelt een rol ( in hoeverre krijgt de mol van anderen de kans in een voorkeurspositie te komen) etc.
We dachten in het verleden patronen te zien maar de makers lezen ook mee. Toen we opmerkten dat de mol altijd bij de laatste 5 in de leader zat was dat het jaar daarop ineens niet meer zo. Dat was ook zo bij het uitspreken van verdenkingen, plaats op de groepsfoto etc.
wie verdenkt wie (https://www.wieisdemol.com/forum/2021/?topic=70307.0)
We hebben dit jaar een andere editor, ik ben benieuwd of dat ook in de montage en verdachtmakingen te merken is. ;)
-
Interessant, dit ga ik zeker volgen.
Ik heb zelf wel eens geopperd dat het interessant zou zijn of er een patroon zit in het aantal mensen dat een mol verdenkt. Volgens mij is de mol vroeg in het seizoen nooit erg verdacht en bouwt de relatieve verdenking zich langzaam op. Het maakt wel wat uit natuurlijk of je naar het wekelijkse stemgedrag hier of in de landelijke app kijkt. Ik denk / hoop dat we hier net wat beter zijn in molherkenning ::vergroot::
-
Interessant, dit ga ik zeker volgen.
We houden dat in de gaten VK! :D
-
Maar als ik het goed begrijp is dit toch gewoon een vrij eenvoudige analyse van hoe vaak de mol op de meest verdachte plekken staat? :-X
Dat houd ik al jaren bij, maar dan pleur ik het gewoon in een excel tabbelletje en geef het een score, maar komt uiteindelijk op hetzelfde neer. Het lastige is alleen dat het vaak niet zo duidelijk is wat de beste molpositie is en verschillende mensen het hier vaak ook niet eens over zijn. Daarnaast is het ook heel afhankelijk van hoe verdacht de mol in de groep is. Laten we zeggen dat een Jan Versteegh wat makkelijker op de juiste plekken kan komen dan een Anne-Marie Jung. En laten we er voor het gemak ook maar even vanuit gaan dat de mol gewoon voorkennis heeft en niet à la Thomas Cammaert nagenoeg alles gewoon op zich laat afkomen.
Ik denk dat het gemiddeld wel een van de betere analyses is die je nog kan toepassen in het programma. De positie waar iemand staat is altijd duidelijk en niet te manipuleren. Maar hoewel je met pure data best een eind kan komen, is het natuurlijk nooit het hele beeld.
-
We houden dat in de gaten VK! :D
Overal hebben ze ogen :-)
-
In feite is dit precies omgekeerd aan hoe Maarten van der Weijden het deed.
Deze afgestudeerde wiskundige dacht puur in aantallen, op een vraag als 'zat de mol in het bootje', met maar 2 kandidaten in het bootje en 8 op de wal, antwoordde Maarten steevast 'op de wal' omdat daar de meeste mensen zaten....en daarmee achtte Maarten die kans het grootst.
Daarmee dacht hij teveel getalsmatig en te weinig in strategische posities.
Zo bleek ook, want hij lag er al in aflevering 2 of 3 uit!
-
ja, maar Diederik Jekel haalde met een vrijwel gelijke strategie dan weer de halve finale.
Maarten had een beetje pech dat letterlijk iedereen Anne-Marie al verdacht.
Maar sowieso is het heel anders. Dat was een strategie om de test in te vullen die bij elke vraag ook werkt. Met deze analyse over 'in welke groep zou de mol zitten' kan je geen test invullen. Een paar vragen natuurlijk wel, maar op vragen als 'wat is de schoenmaat van de mol?' of 'Hoe heet de vader van de mol' schiet je natuurlijk niets mee op.
-
In feite is dit precies omgekeerd aan hoe Maarten van der Weijden het deed.
Deze afgestudeerde wiskundige dacht puur in aantallen, op een vraag als 'zat de mol in het bootje', met maar 2 kandidaten in het bootje en 8 op de wal, antwoordde Maarten steevast 'op de wal' omdat daar de meeste mensen zaten....en daarmee achtte Maarten die kans het grootst.
Daarmee dacht hij teveel getalsmatig en te weinig in strategische posities.
Zo bleek ook, want hij lag er al in aflevering 2 of 3 uit!
Toch zou die strategie wel werken als hij had meegenomen dat de mol ook in een aflevering in alle kleine groepen kan zitten. Als je daar de laatste paar vragen op invult heb je wel een goede spreiding. Daarnaast weet je niet of hij onder stress dit wel echt zo heeft ingevuld. Ik denk dat een statistische benadering altijd beter is dan een gevoelsmatige, maar dan moet je het wel goed toepassen ;).
-
Ik heb het schema en blog bekeken en dan zie je dat het uiteindelijk om slechts een paar opdrachten gaat die vorig jaar een rol speelden in de beoordeling. Van de 27 opdrachten werden er 18 niet meegerekend omdat daar iedere kandidaat evenveel invloed had op het spel en dus ook de mol zou kunnen zijn.
Bij de 9 opdrachten die overbleven kreeg Everon 6 maal de kwalificatie "mol". Thomas, Laetitia, Kim-Lian, Fresia hadden deze kwalificatie 5 maal. Zelfs Sahil had 6 maal een mol kwalificatie. Het ligt dus dicht bij elkaar. Logisch als de groep kleiner wordt. De molkans per kandidaat wordt dan sowieso groter
Dat de beoordeling subjectief is blijkt ook wel uit de opdracht met de jetski's. Hier werd de beste positie van de mol ingeschat op een jetski terwijl Everon als enige op de centrale boot zat.
Er zitten ook nogal wat disclaimers in de omschrijving maar wellicht dat deze analyse samen met de molpunten en follow the money ons naar de mol brengt. ;)
-
::rofl::
-
Er ligt een "kruisbestuiving" tussen dit topic en het topic dat ik net opende, in het verschiet.
De benadering is echter wél verschillend.
-
Interessant, dit ga ik zeker volgen.
Ik heb zelf wel eens geopperd dat het interessant zou zijn of er een patroon zit in het aantal mensen dat een mol verdenkt. Volgens mij is de mol vroeg in het seizoen nooit erg verdacht en bouwt de relatieve verdenking zich langzaam op. Het maakt wel wat uit natuurlijk of je naar het wekelijkse stemgedrag hier of in de landelijke app kijkt. Ik denk / hoop dat we hier net wat beter zijn in molherkenning ::vergroot::
Ik heb vorig jaar een analyse gemaakt tijdens het seizoen van hoe verdacht de kandidaten in beeld kwamen, door de regie/edit en door verdenkingen van andere kandidaten. Er kwam geen overduidelijke conclusie uit, maar je zag wel dat Everon steeds onderaan hing qua aantal verdachtmakingen.
-
Alle theoretische logaritmische beetjes kunnen helpen tenzij het ons helemaal niet helpt... ;D
-
Ik denk dat het sowieso belangrijk is om meerdere factoren te combineren. De Alles-Combineren werkte vorig jaar uiteindelijk ook, maar die neemt ook de mening van het gehele forum mee. Een model op basis van werkende feitelijke factoren is het mooiste.
Een mooi voorbeeld is de verdachtmakingen van theo, waar een kandidaat verdachter is als hij minder vaak als verdacht wordt bestempeld (logische regie keuze) icm de 'wie-verdenkt-wie', waar een kandidaat verdachter is als hij genoemd is door mensen die in het spel blijven en minder verdacht als afvallers hem ooit noemden.
even een voorbeeld uit een willekeurige week van vorig jaar:
(https://i.ibb.co/LxJkqN2/verdachtmakingen.png) (https://i.ibb.co/yStwnXH/WVW.png)
Everon kwam in beide theoriën niet als meest verdachte naar voren, maar was wel het meest constante en scoorde relatief hoog in beide grafieken. Dit zagen we bijna elke week terug. Waar alle anderen behoorlijk wisselvallig konden presteren.
Ik denk dat dit ook wel mooi te combineren is met beste molpositie. Want ik denk dat ook daar geldt dat de mol niet per sé het meest verdacht is, maar wel bovengemiddeld. Ik ga het voor zover mogelijk zelf eens proberen bij te houden en kijken wat het oplevert.
-
Ik denk dat het sowieso belangrijk is om meerdere factoren te combineren. De Alles-Combineren werkte vorig jaar uiteindelijk ook, maar die neemt ook de mening van het gehele forum mee. Een model op basis van werkende feitelijke factoren is het mooiste.
Een mooi voorbeeld is de verdachtmakingen van theo, waar een kandidaat verdachter is als hij minder vaak als verdacht wordt bestempeld (logische regie keuze) icm de 'wie-verdenkt-wie', waar een kandidaat verdachter is als hij genoemd is door mensen die in het spel blijven en minder verdacht als afvallers hem ooit noemden.
even een voorbeeld uit een willekeurige week van vorig jaar:
(https://i.ibb.co/LxJkqN2/verdachtmakingen.png) (https://i.ibb.co/yStwnXH/WVW.png)
Everon kwam in beide theoriën niet als meest verdachte naar voren, maar was wel het meest constante en scoorde relatief hoog in beide grafieken. Dit zagen we bijna elke week terug. Waar alle anderen behoorlijk wisselvallig konden presteren.
Ik denk dat dit ook wel mooi te combineren is met beste molpositie. Want ik denk dat ook daar geldt dat de mol niet per sé het meest verdacht is, maar wel bovengemiddeld. Ik ga het voor zover mogelijk zelf eens proberen bij te houden en kijken wat het oplevert.
Ik heb dezelfde mening. Dat met dergelijke analyses de mol vrij constant aan de "verdachte" kant van het spectrum zit, maar niet altijd de meest verdachte zal zijn, zo foolproof zijn de verschillende analyses niet. Dan zou het spel te makkelijk zijn. Maar als je naar de analyse van elke aflevering kijkt, en je legt verschillende analysemethoden naast elkaar, zal daar toch wel enigszins een patroon uit te halen zijn.
Ik heb nog eens teruggekeken naar mn analyse van vorig jaar, wie wordt er het meest verdacht gemaakt door regie en medekandidaten. Aanname is dat de mol juist het minst verdacht wordt gemaakt. Ranking meest verdachte per aflevering voor Everon:
Afl 1: (9e van 10, Fresia minst verdacht)
Afl 2: (samen met Fresia en Laetitia minst verdacht van 9)
Afl 3: (7e van 8, Laetitia minst verdacht)
Afl 4: (5e van 7, Laetitia minst verdacht)
Afl 5: (3e van 6, Laetitia en Thomas minst verdacht)
Afl 6: (4e van 5, Laetitia minst verdacht)
Afl 7: (2e van 3, Fresia minst verdacht)
Afl 8: (3e van 3, Everon minst verdacht)
Afl 9: (3e van 3, Everon minst verdacht)
Totaal: (3e van 3, Everon minst verdacht)
Het levert dus niet onweerlegbaar de mol op, op een presenteerblaadje, maar overall zit de mol wel constant bij de minst verdachtgemaakte spelers. Ik had vorig jaar alleen verwacht dat de mol naarmate het seizoen vorderde juist wat meer verdacht naar voren zou komen in de regie, maar dat bleek niet zo te zijn. Hier kan de regie natuurlijk ook mee spelen en varieren per seizoen, wat de analyse lastiger maakt.
Maar wellicht dat de combinatie met andere analyses, zoals molpositie, wel een duidelijk patroon geeft, van 1 kandidaat die stelselmatig bij de minst verdachtgemaakten hoort en bij de beste gepositioneerden qua molpositie staat.
-
Toch zou die strategie wel werken als hij had meegenomen dat de mol ook in een aflevering in alle kleine groepen kan zitten. Als je daar de laatste paar vragen op invult heb je wel een goede spreiding. Daarnaast weet je niet of hij onder stress dit wel echt zo heeft ingevuld. Ik denk dat een statistische benadering altijd beter is dan een gevoelsmatige, maar dan moet je het wel goed toepassen ;).
Ik heb persoonlijk hier tijdens de online versies van WIDM (in 2020 en in het All Stars seizoen) tijdens de eerste afleveringen ook altijd bij veel vragen gebruik gemaakt van strategisch spreiden. Dit met dezelfde methode als Diederik en Maarten: het antwoord aanvinken waar de meeste kandidaten mee corresponderen. Niet op alle vragen, want dat is onmogelijk, maar het vergroot de kansen op doorstoten wel aanzienlijk dan wanneer je je focust op slechts een paar kandidaten. Zeker in het begin.
Verder is het gebruik maken van data inderdaad erg interessant. Ik ben dan ook zeer benieuwd naar wat hieruit zal komen! ::bravo::
-
Beste molloten,
Dit is er zeker eentje die je moet gaan volgen:
https://www.codeerik.nl/widm-2023-op-zoek-naar-de-mol-met-data-analyse/
Ik ken Erik persoonlijk, is een oud-collega en ontzettend goed in het schrijven van data-algoritmes.
Lijkt sprekend op de Erik die destijds de Molbeurs programmeerde. Daar kwam ook altijd de juiste mol uit. Daarna heeft molloot vlees het overgenomen, maar al een paar seizoenen is er geen Molbeurs meer, jammer!
-
Ik denk dat het sowieso belangrijk is om meerdere factoren te combineren. De Alles-Combineren werkte vorig jaar uiteindelijk ook, maar die neemt ook de mening van het gehele forum mee. Een model op basis van werkende feitelijke factoren is het mooiste.
Ik hoop van harte dat de allescombinerentaart er weer zal zijn dit seizoen :)
-
Wanneer post je de eerste bevindingen?
-
::nieuwsgierig::
-
Beide afleveringen zijn geanalyseerd hoor.
Ik volg de link in de openingspost.
code Erik (https://www.codeerik.nl/widm-2023-resultaten-data-analyse/)
Het Moldel is ook actief
Moldel (https://github.com/LennartJKlein/Moldel/)
-
Heeft dit niet veel overlap met de Molpunten-theorie van Erik Leppen?
Daar stemmen forumleden op stellingen over molposities. Hoe groter het verschil tussen de mogelijkheden (dus dat forumleden zekerder zijn van wat De Mol zou doen), hoe zwaarder het weegt op de puntentelling.
Daarmee haal het subjectieve van één beoordelaar uit je model. Naar mijn weten heeft Erik het ieder jaar goed gehad (sinds 2013 dacht ik).
-
Tja, ik heb het Chat GPT gevraagd:
Mijn vraag:
Chat GPT, wie is de mol in het Nederlandse televisieprogramma "Wie is de mol?" 2023? Annick, Anke, Ranomi, Nabil, Sander, Jurre, Soy of Daniël?
Het antwoord
Nabil.
:o :o :o
Nu weten we gelukkig dat Chat GPT vaak de domste antwoorden geeft, maar toch. :-)
-
Goh, Chat GPT is wel een stuk meer to the point dan alle molloten hier met hun eindeloze analyses. :P
-
::bravo:: ::bravo::
-
Nu weten we gelukkig dat Chat GPT vaak de domste antwoorden geeft, maar toch. :-)
Ik kreeg het domste antwoord:
"Het is onmogelijk om te zeggen wie de mol zal zijn in het Nederlandse televisieprogramma "Wie is de mol?" in 2023, aangezien de cast en de uitzenddatum nog niet bekend zijn gemaakt."
Ik probeerde het nog eens en het werd nog gekker:
"Het is nog onbekend wie de mol is in het 2023 seizoen van Wie is de Mol?. De deelnemers en de mol zullen pas bekendgemaakt worden vlak voor de start van het seizoen."
Maar goed, het klopt ook wel dat de mol bekend werd gemaakt voor de start van het seizoen want Anke verscheen daar op het eerste beeld. Dus Anke de mol.
-
Zijn ergens de precieze uitkomsten van deze data-analyse te vinden? Dan zou ik ze eventueel kunnen combineren met andere vindingen :)
-
Ik kreeg het domste antwoord:
"Het is onmogelijk om te zeggen wie de mol zal zijn in het Nederlandse televisieprogramma "Wie is de mol?" in 2023, aangezien de cast en de uitzenddatum nog niet bekend zijn gemaakt."
Ik probeerde het nog eens en het werd nog gekker:
"Het is nog onbekend wie de mol is in het 2023 seizoen van Wie is de Mol?. De deelnemers en de mol zullen pas bekendgemaakt worden vlak voor de start van het seizoen."
Maar goed, het klopt ook wel dat de mol bekend werd gemaakt voor de start van het seizoen want Anke verscheen daar op het eerste beeld. Dus Anke de mol.
Dat is helemaal geen dom antwoord. Chat gpt maakt gebruik van een dataset informatie tot december 2021. Daarom kan Chat gpt niet gebruikt worden voor kwesties waarbij je recente informatie nodig hebt. Ben echt huiverig/kritisch op het gebruik van dit nieuwe middel.
-
Het is toch zeker extreem dom :o ::rofl::
De mol bekend maken voorafgaand aan de serie ::pinokkio::
Ik vond dit antwoord een stuk slimmer
Tja, ik heb het Chat GPT gevraagd:
Mijn vraag:
Chat GPT, wie is de mol in het Nederlandse televisieprogramma "Wie is de mol?" 2023? Annick, Anke, Ranomi, Nabil, Sander, Jurre, Soy of Daniël?
Het antwoord
Nabil.
:o :o :o
Nu weten we gelukkig dat Chat GPT vaak de domste antwoorden geeft, maar toch. :-)
maar weet niet of het echt is of een grapje van VK, en zo wel echt, waarom dat ding opeens andere antwoorden geeft nu, antwoorden die er dus niet beter op worden.
-
Ik vond dit antwoord een stuk slimmer maar weet niet of het echt is of een grapje van VK, en zo wel echt, waarom dat ding opeens andere antwoorden geeft nu,
Het is echt (een paar mensen hier hebben de een foto van het scherm elders gezien), maar gelijktijd is het natuurlijk ook een grap. Het zegt niets en misschien heeft Chat GPT wel ergens “”Nabil is de mol” opgepikt van een tunnelde molloot. Geen idee hoe dat werkt.
Chat GPT moeten we nu nog niet te serieus nemen. Als je bijvoorbeeld vraagt “de moeder van Daniël heeft vier zonen: de eerste drie heten Jurre, Soy en Nabil. Hoe heet de vierde?” Komt hij met het antwoord dat hij dat niet kan weten omdat hij die informatie niet heeft. Maar dat soort zaken gaan natuurlijk in een rap tempo veranderen.
Chat GPT geeft op dezelfde vraag trouwens altijd unieke antwoorden (itt Google). Daarom is het ook zo geschikt voor scholieren en studenten. Je wilt niet allemaal hetzelfde inleveren. En ook daarom kun je de mol-vraag maar een keer stellen :-)
-
4 afleveringen gehad. Tijd voor een update?
-
Mijn mol, Jurre, nu op kop. Interessant!
-
Als je de molkansen van Code Erik bij elkaar optelt kom je ver boven de 1 uit. Ik zie zo snel geen uitleg, maar maakt niet uit. Na afl. 4:
Code Erik
Jurre 0,390
Soy 0,354
Anke 0,351
Daniël 0,255
Moldel
Soy 31.6%
Nabil 26.2%
Jurre 16.6%
Anke 15.4%
Ranomi 10.2%
Daniël 0.1%
-
Mijn mol, Jurre, nu op kop. Interessant!
Mag wel bij worden opgemerkt dat ook in Code Erik Soy misschien nog op 1 had gestaan. Hij heeft de code tijdens het seizoen aangepast.
Na afl. 2:
"Mijmering na aflevering 2: ik vind het moeilijk dat Soy, die zo opvalt, boven komt drijven. Opvallen is veelal niet iets wat de mol wil doen. Zeker niet in het begin. Maar goed, ik ben hier om niet op gedrag te letten."
Oké, prima. Na afl. 4 schrijft Erik:
! Aanpassing van mijn model: Ik heb mijn code aangepast op bovenstaand type bewijs. Ik twijfelde hier wel over. Deze kennis sluit namelijk niet goed aan bij mijn hypothese (De mol heeft een voorkeur voor bepaalde groepen bij sommige opdrachten). Maar het vormt wel degelijk kennis over wie de mol kan zijn. Één van die drie personen had een rood scherm. Misschien ga ik hier spijt van krijgen. Mocht mijn model uiteindelijk niet juist zijn, dan kan ik deze stap nog eens terugdraaien en kijken of de uitkomst dan beter was geweest. Zo leer ik weer wat voor volgend jaar
Ik sluit niet uit dat dit is ingegeven door z'n anti-Soy bias. De reden die Erik noemt is een aparte:
"Bij de groep met de hoogste bedragen (Daniël, Nabiel en Soy) zit sowieso een rood scherm. Deze groep heeft dus een grotere kandidaat kans dan de andere groep."
Nee toch? In beide groepen (Daniël, Nabil, Soy en Anke, Ranomi, Jurre) zitten minstens 2 kandidaten. Meer kan ik er niet over zeggen. Wie het rode scherm had heeft geen invloed op de molkans m.i.
-
Heel cool! Ik ben grote fan van deze dingen.
Heeft iemand het chatGPT eigenlijk al gevraagd? :o
-
Drie kandidaten met het hoogste bedrag en drie kandidaten met de laagste bedragen.
Je weet zeker dat er 1 kandidaat zit in de groep met de hoogste bedragen.
De kans op aanwezigheid van een mol:
In de groep met de lage bedragen is het gemiddelde van 3 keer 3 op 5. is 60%
In de groep met de hoge bedragen is het gemiddelde van 2 keer 3 op 6 en 1 keer 3 op 5. is 54%
De kans op aanwezigheid van een kandidaat
In de groep met de lage bedragen is het gemiddelde van 3 keer 3 op 5. is 60%
In de groep met de hoge bedragen is het gemiddelde van 2 keer 3 op op 6 en 1 keer 3 op 5 is 54%.
-
Maar goed...
-
Ook naar mijn weten is ChatGPT gebaseerd op een dataset uit 2021. De bot crawlt het web dus niet in tegenwoordige tijd. Het zou me dus verbazen als hij al de goede mol van het vorige seizoen zou kunnen noemen. Maar dat terzijde.
Ik neem aan dat als komend weekend blijkt dat de personen met de hoogste bedragen de beste molposities hebben, dit invloed heeft op de statistiek? Om precies die reden weten wij ook nog niet zeker of de mol nou een hoog bedrag wilde hebben of juist niet.
-
Oké, prima. Na afl. 4 schrijft Erik:
! Aanpassing van mijn model: Ik heb mijn code aangepast op bovenstaand type bewijs. Ik twijfelde hier wel over. Deze kennis sluit namelijk niet goed aan bij mijn hypothese (De mol heeft een voorkeur voor bepaalde groepen bij sommige opdrachten). Maar het vormt wel degelijk kennis over wie de mol kan zijn. Één van die drie personen had een rood scherm. Misschien ga ik hier spijt van krijgen. Mocht mijn model uiteindelijk niet juist zijn, dan kan ik deze stap nog eens terugdraaien en kijken of de uitkomst dan beter was geweest. Zo leer ik weer wat voor volgend jaar
Ik sluit niet uit dat dit is ingegeven door z'n anti-Soy bias. De reden die Erik noemt is een aparte:
"Bij de groep met de hoogste bedragen (Daniël, Nabiel en Soy) zit sowieso een rood scherm. Deze groep heeft dus een grotere kandidaat kans dan de andere groep."
Nee toch? In beide groepen (Daniël, Nabil, Soy en Anke, Ranomi, Jurre) zitten minstens 2 kandidaten. Meer kan ik er niet over zeggen. Wie het rode scherm had heeft geen invloed op de molkans m.i.
Waarom niet twee modellen naast elkaar? Of nog meer kleine variaties toevoegen en 10 modellen het werk laten doen en daar het gemiddelde uithalen, zoals de weerpluim? Of probeer ik appels nu met peren te vergelijken?
-
Maar goed...
Gewoon door blijven vragen dan zegt ie wel een keer ja ::rofl::
-
Na afl. 5
Code Erik (vorige week tussen haakjes)
Jurre 0.516 (0.390)
Daniël 0.363 (0.255)
Soy 0.314 (0.354)
Anke 0.310 (0.351)
de molkans van Ranomi is heel laag, maar is gestegen. Nabil blijvend extreem laag.
Moldel
Soy 30.2 (31.6)
Nabil 25.3 (26.2)
Anke 21.2 (15.4)
Jurre 13.5 (16.6)
Ranomi 9.6 (10.2)
Daniël 0.1 (0.1)
-
Na afl. 6
Code Erik
geen nieuwe informatie
Moldel
Soy 38.2 (30.2)
Jurre 36.3 (13.5)
Anke 15.2 (21.2)
Ranomi 10.2 (9.6)
Daniël 0.1 (0.1)
-
Tja, ik heb het Chat GPT gevraagd:
Mijn vraag:
Chat GPT, wie is de mol in het Nederlandse televisieprogramma "Wie is de mol?" 2023? Annick, Anke, Ranomi, Nabil, Sander, Jurre, Soy of Daniël?
Het antwoord
Nabil.
:o :o :o
Nu weten we gelukkig dat Chat GPT vaak de domste antwoorden geeft, maar toch. :-)
::ohno:: ::ohno:: ::ohno:: ::ohno:: ::ohno:: ::ohno:: ::ohno:: ::ohno:: ::ohno:: ::ohno:: ::ohno:: ::ohno:: ::ohno::
-
afl. 7
Moldel
Jurre 87.3
Soy 12.3
Ranomi 0.4
Daniël 0.0
-
Kom nu pas deze draad tegen, maar ik ben helemaal enthousiast! Bij Wie is de Mol weet ik dat ik zo overgeleverd ben aan de regie en dat voorkennis van de Mol vaak betekent dat Follow the Money niet werkt, dat ik sinds een paar jaar ook gewoon tel hoe vaak welke persoon in een molpositie zit. Dat werkt tot nu toe 50/50, wat al beter is dan één keer de Mol goed hebben in de 18 seizoenen ervoor ::rofl::
Anyway, wat me wel meteen opvalt is inderdaad de lichte mate van subjectiviteit van de invloedspositie van de Mol. Na aflevering 1 vielen voor mij alle kandidaten die bij de kooropdracht op het podium stonden meteen af. Ja, het klopt dat je daar direct geld kan verliezen door eruit gepikt te worden, maar je kan daar slechts 1/5 van de hele opdracht beïnvloeden. De groep die juist de deelopdrachten deed, kon het het jurylid moeilijker maken en de hele opdracht potentieel doen slagen of falen.
De aflevering erna was er ook een verdeling van de opdrachten met een duidelijke molvoorkeur waardoor vanaf dat moment volgens deze redenering alleen Daniël en Ranomi de Mol konden zijn. Terwijl zij in het model van CodeErik juist nu helemaal onderaan staan. Ik vraag me daarom ook af in hoeverre een opdracht aan het begin anders classificeren het hele model onderuit haalt. Vooral ook omdat ik het idee krijg dat de Baynesiaanse methode sequentieel lijkt.