Modell 2.1-events: Regeln, Vergleich und Grenzen

Stand: 16. Oktober 2026. Primärbelege: school.js, simulation.js, analysis.js, storage.js und die erhaltene legacy-engine.js. Diese Beschreibung wurde gegen die vorliegenden Regeln gelesen; eine ausgeführte Testabnahme ist gesondert auszuweisen.

1. Was dieses Modell behauptet – und was nicht

Amasworld ist ein deterministisches, regelbasiertes Gedankenexperiment mit fiktiven Personen. Alle Koeffizienten sind frei festgelegt. Sie stammen nicht aus einer Kalibrierung mit Schülerdaten. Aus einem berechneten Unterschied folgt keine Prognose oder empirisch gesicherte Ursache-Wirkungs-Beziehung an echten Schulen.

„Leistung“ ist ein Modellindex, keine Note. „Akademische Bereitschaft“ ist lediglich der gespeicherte anfängliche Leistungswert und kein zusätzlicher Einflussfaktor. Namen und Alter sind Metadaten ohne Wirkung in den Tagesgleichungen. Klassen gruppieren Personen und begrenzen gegebenenfalls die direkten Ereigniseffekte. Es gibt keine sozialen Beziehungen oder Wechselwirkungen zwischen Personen.

2. Versionen klar unterscheiden

Die neutrale Kompatibilität verlangt: gleicher Schulseed und Versuchsseed wie der Legacy-Seed; keine Startverschiebungen; Sensitivitätsvariation 0; automatische Ereignistage; alle Klassen betroffen; eines der fünf alten Szenarien; gleiche Personenzahl, Dauer und Intensität. Die zusätzliche Tag-0-Zeile ist beim Vergleich alter Tagesmittel auszunehmen. Andere Einstellungen werden nicht als identische Wiederholung der Altversion bezeichnet.

3. Schule erzeugen

Standard: 300 Personen, 12 Klassen, Schulseed 20261004, Alter 12 bis 16, drei Startverschiebungen 0 und Sensitivitätsvariation 0. Zulässig sind 50–300 Personen, 1–24 Klassen, Alter 10–19, ganzzahliger Seed 0–2147483647, Verschiebungen −20 bis +20 und Sensitivitätsvariation 0–0,4.

Bei N Personen und K Klassen erhalten alle Klassen zunächst floor(N/K) Personen. Die ersten N mod K Klassen bekommen je eine weitere Person. Eigene Klassengrößen sind positive ganze Zahlen, genau K Einträge lang und ergeben zusammen N. Die IDs Student-001 usw. werden in der Erzeugungsreihenfolge fortlaufend den Klassen class-01 usw. zugeteilt. Es gibt keine zufällige Durchmischung oder Leistungsgruppierung.

Die numerischen Startwerte entstehen mit der übernommenen Mulberry32-Folge aus dem Schulseed. Pro Person werden in dieser Reihenfolge sechs gleichverteilte Werte gezogen:

Verschiebungen werden nur auf Motivation, Organisation und Leistung addiert und danach auf 0–100 begrenzt. Für Alter gibt es eine getrennte Zufallsfolge mit seed XOR 0x51f15e. Namen verwenden seed XOR 0x714ac3, Sensitivität seed XOR 0x2b917d. Die drei Ströme verändern weder die numerischen Startwerte noch einander.

Das Klassenalter durchläuft zyklisch die erlaubten Altersgruppen. Das Personenalter ist Klassenalter plus eine zufällig gezogene Abweichung −1, 0 oder +1, anschließend auf die gewählten Altersgrenzen begrenzt. Die fiktiven Anzeigenamen entstehen durch eine reproduzierbar gemischte Liste aus 20 Vornamen und 20 erfunden zusammengestellten Nachnamen; unter den höchstens 300 Personen sind sie eindeutig. Zufällige Übereinstimmungen mit realen Namen bedeuten keinen Personenbezug. Maßgeblicher Schlüssel bleibt die ID. Stresssensitivität ist q = 1 + (2u−1)v mit Variation v und u aus [0,1). Bei v=0 ist q=1; maximal reicht der mögliche Faktor von 0,6 bis unter 1,4. Nur der direkte Ereignis-Stressterm wird damit multipliziert. Hintergrundstress und alle anderen Ereignisterme werden nicht direkt skaliert; indirekte Folgewirkungen über Stress bleiben möglich.

4. Zeit, Zufall und kontrollierter Vergleich

Die Versuchsdauer beträgt 5–30 Tage. Tag 0 sind die identischen Anfangswerte. Normalfall und Szenario haben je eigene Mulberry32-Generatoren mit demselben Startwert Versuchsseed + 999. Pro Person und Tag werden stets sechs Zufallszahlen verbraucht: Motivation, Stress, Ereigniszahl u, Lernzeitschwankung, Fokusschwankung und Leistungsschwankung. Auch inaktive oder nicht betroffene Personen verbrauchen die Ereigniszahl. Eine andere Klassenauswahl oder Ereignisplanung verschiebt deshalb die Hintergrundfolge nicht.

Ohne eigenes Fenster gilt die alte Zeitplanung: Bei höchstens fünf Tagen sind Tag 3 und 4 aktiv. Sonst ist der Beginn max(3, round(0,35·T)); die Länge max(2, round(0,34·T)); Tage nach T entfallen. Bei eigenem Fenster müssen Start und Ende gemeinsam ganzzahlig innerhalb 1 bis T liegen; beide Randtage zählen mit.

Eine leere Zielklassenliste bedeutet alle Klassen. Sonst wirken direkte Ereignisterme nur auf Personen in den ausgewählten Klassen. Ein Ereignis ist nur bei nicht-normalem Szenario, aktivem Ereignistag und passender Zielklasse aktiv. Bereits erzeugte Folgen verschwinden nach dem letzten Ereignistag nicht automatisch: Veränderte Zustände gehen in die nächsten Tage ein. Da keine Interaktion existiert, bleiben nicht betroffene Personen bei gleicher Startlage und gleichem Hintergrund numerisch gleich.

Die interne Intensität i ist ganzzahlig 0–3; s=i/2. Die Oberfläche bietet 1–3 sowie die ausdrücklich bezeichnete Nullkontrolle 0. Alle direkten Ereignisterme einschließlich des Prüfungsbonus werden mit s multipliziert. i=0 ist eine wichtige Nullkontrolle. Ein gleicher Nullunterschied beweist trotzdem nur eine Eigenschaft der Implementierung.

5. Tagesgleichungen in der tatsächlichen Reihenfolge

B(x,a,b) begrenzt x auf [a,b]. U(a,b) bezeichnet die jeweils nächste gleichverteilte Hintergrundzahl im Bereich [a,b). M, S, L, F, O, P sind die alten Zustände; ein Strich bezeichnet den neuen Zustand. eM, eS, eL, eF, eP sind Ereignisterme. eF ist ein Fokusabzug; ein negativer Wert erhöht daher den Fokus. Im inaktiven Fall sind alle e-Terme 0. q ist die individuelle Stresssensitivität.

M' = B(M + U(−1,1) + eM, 0,100)
S' = B(S + U(−0,5,1) + q·eS, 0,100)
L' = B(L + (M'−60)/75 − (S'−45)/120 + eL + U(−0,15,0,15), 0,6)
F' = B(F + (O−55)/40 − (S'−45)/12 − eF + U(−1,5,1,5), 0,100)
O' = O
P' = B(P + (L'·F'/100 − 1,2)·0,85 + eP
       − [bei S'>70: (S'−70)/18; sonst 0]
       + [bei aktiver Prüfung und O>70: 0,4s; sonst 0]
       + U(−0,45,0,45), 0,100)

Die Ereigniszufallszahl u wird zwischen Stress-Hintergrundziehung und Lernzeit-Hintergrundziehung konsumiert. In den Formeln werden bereits aktualisierte Motivation und Stress für die Lernzeit sowie aktualisierte Lernzeit und Fokus für die Leistung verwendet. Die nachstehenden mathematisch zusammengefassten Formeln ersetzen nicht die konkrete Gleitkomma-Operationsreihenfolge im JavaScript; für bitgenaue Vergleiche ist der Quellcode maßgeblich.

6. Vollständige direkte Ereignisterme

Alle Angaben gelten nur bei aktivem Ereignis. O ist Organisation, u die reservierte Ereigniszahl und s=i/2. Der separate Prüfungsbonus steht in der Tagesgleichung, nicht in eP.

Die drei letzten Zeilen sind neue hypothetische Regeln. Insbesondere ist „späterer Schulbeginn hilft“ hier teilweise schon in die Vorzeichen eingebaut; ein günstiger berechneter Verlauf wäre deshalb keine unabhängige Bestätigung dieser Hypothese. Es wird weder Schlafdauer noch ein Stundenplan mit einzelnen Fächern modelliert.

6a. Kombination mehrerer Ereignisse

Die zuvor aufgeführten Regeln beschreiben weiterhin den Einzelereigniskern. In 2.1-events gelten sie auch für bis zu vier zusätzliche Ereignisse, deren Zeitfenster und Zielklassen separat geprüft werden. Die direkten Ereignisterme einschließlich Prüfungsboni werden addiert; Sensitivität skaliert die Summe der Stressterme. Der Tageszustand wird nur einmal aktualisiert und begrenzt. Es werden unverändert sechs Zufallswerte pro Person/Tag und Bedingung gezogen; sämtliche Ereignisse desselben Personentags teilen den dritten Wert. Eine unabhängige Zufallsziehung pro Ereignis wird ausdrücklich nicht behauptet.

Die Reihenfolge wird kanonisiert; identische Doppeleinträge werden abgewiesen. Stärke 0 des Hauptereignisses deaktiviert keine positiven Zusatzereignisse. Für die Nullkontrolle müssen sämtliche Ereignisterme null sein. Details, Dateischema und Bedienung: Kombinationsregeln. Der vollständige 2.0-Kern ist unverändert als single-event.js erhalten; Regressionen vergleichen vollständige individuelle Tageshistorien, nicht nur Mittelwerte.

7. Historien und Auswertung

Normalfall und Szenario speichern unabhängige Zustandskopien für jeden Tag 0 bis T und jede Person. Die Reihenfolge entspricht der Personenliste; die stabile ID ist der Bezug zur Metadatenliste. Ein Filter- oder Tageswechsel liest diese Historien und erzeugt keinen neuen Versuch.

Mittelwerte werden als Summe der Personenwerte geteilt durch die Anzahl der ausgewählten Personen berechnet. Schulmittel sind nicht ungewichtete Durchschnitte von Klassenmitteln. Differenz ist immer Szenario minus Normalfall. Die Klassengegenüberstellung verwendet dieselbe Kennzahl und denselben Tag für alle Klassen.

Für Perzentile werden n Werte aufsteigend sortiert. Mit h=(n−1)p und j=floor(h) wird linear zwischen dem Wert an Index j und dem nächsten Wert interpoliert; p liegt zwischen 0 und 1, die Indizes beginnen bei 0. Berechnet werden p10, p25, Median, p75 und p90 sowie Minimum, Maximum und Mittel. Ein Perzentil ist kein Konfidenzintervall.

Das Histogramm verwendet standardmäßig zehn gleich breite Bereiche innerhalb der gewählten Skala. Die linke Grenze ist enthalten, die rechte nicht; nur der letzte Bereich enthält auch das exakte Maximum. Die Anzahl aller Balken muss der Zahl ausgewählter Personen entsprechen. Die technische Funktion erlaubt 1–10.000 Bereiche und lehnt Werte außerhalb ihrer Grenzen ab; das ist keine Aufforderung, in der Oberfläche so viele Balken darzustellen.

Die automatische Erklärung ist ein deterministischer Text aus dem gewählten Tag, tatsächlichen Gruppenmitteln, Differenz, Einstellungen und Regeltext. In der Auswertung verwendet sie die gefilterte Klasse und den Tagesregler; im Schulbericht die ganze Schule am ausgewiesenen Tag. Ohne explizite Auswahl verwendet die technische Funktion den Endtag und die ganze Schule. Es ist keine LLM-Analyse.

8. Speicherung, Import und Migration

Die manuell gespeicherte Schule liegt unter amasworld.next.school.v1. Die letzte Schule und gültigen Versuchseinstellungen werden zusätzlich unter amasworld.next.workspace.v2 automatisch gespeichert und beim Neuladen wiederhergestellt. Dabei werden keine Ergebnislisten gespeichert und keine alten Ergebnisse behauptet: Ein erneuter Lauf ist nötig. Ungültige Eingaben überschreiben den letzten gültigen Stand nicht. Löschen entfernt nur app-eigene Schlüssel und die Anzeigepräferenz. Eine Schule wird aus geprüfter Konfiguration neu erzeugt; frei bearbeitete importierte Personen-/Ergebnislisten sind keine autoritative Quelle. Fehlender oder blockierter Browserspeicher soll die Simulation nicht verhindern.

Das Versuchs-JSON enthält Modellversion 2.1-events, Schema-Version 2, Schulkonfiguration und Versuchsparameter einschließlich optionaler settings.events. Es kann tägliche Schulmittel als Ergebnisbeilage enthalten, aber nicht die vollständige individuelle Historie als Importautorität. Beim Import werden Zustände neu gerechnet. 2.0-school-Dateien und alte Arbeitsbereiche ohne events-Feld werden mit numerisch identischen Einzelereignisregeln übernommen. Das neue events-Feld unter einer alten Modellkennung wird abgewiesen. Die Grenze im Speicher-Modul beträgt 10·1024·1024 Byte für das erneut serialisierte JSON; die Oberfläche begrenzt die ausgewählte Datei vorher auf 2·1024·1024 Byte (2 MiB). Beide Grenzen gelten in ihren jeweiligen Pfaden.

Für Altimporte werden ausschließlich amasworld-experiment, Schema-Version 1 und Modellversion 1.1-controlled akzeptiert. Aus den validierten alten Feldern agentCount, totalDays, scenarioKey, intensity und seed entstehen eine neutrale Schule mit zwölf Klassen und ein Versuch mit automatischer Planung für alle Klassen. Die alten Seeds gelten sowohl für Schulstart als auch Tageshintergrund. Alte Ergebniswerte werden ignoriert. Unbekannte Format-, Modell- und Generatorversionen werden abgewiesen.

9. Nötige Nachweise und wissenschaftliche Grenzen

Zu prüfen sind deterministische Erzeugung, korrekte Klassensummen/IDs, unveränderte Legacy-Ergebnisse unter neutralen Einstellungen, echte unabhängige Tageskopien, Nullintensität, Gleichheit vor dem Ereignis, unveränderte unbetroffene Personen, Skalenbegrenzung, Histogrammsummen, Perzentile und Import-Neuberechnung. Diese Seite behauptet nicht, dass alle Prüfungen bereits ausgeführt wurden; dafür gilt der aktuelle Prüfstatus.

Auch bestandene Softwaretests belegen keine empirische Gültigkeit. Nicht modelliert sind Beziehungen, Familie, reale Unterrichtsfächer, gesundheitliche Voraussetzungen, Lernprozesse über Monate oder gesellschaftliche Ungleichheit. Alter und Klasse sind keine empirischen Erklärungsvariablen. Die Ereigniskombination ist hypothetisch und nicht empirisch kalibriert. Natürlichsprachige Eingaben, KI-Vorhersagen und Populationen über 300 sind zurückgestellt.

Bedienanleitung · Berichtsergänzung · Quellenregister · Prüfstatus