近年来计算机视觉方向的算法越来越多地将研究目光从图片转向了视频,人们设计了一系列子任务促使算法更好地理解视频内容,包括以人类活动为中心的动作识别、动作定位、动作预测等。在深度学习的推动下,动作识别任务的精度被一步步提升,然而动作预测仍然是个大难题,预测总是充满着不确定性,如何对视频中的动作模式更好地建模仍然有待探索。本研究针对数据所做的标注分析,并非提出一个新数据集,而是对现有数据集扩展和再探讨,目的在于研究预测任务的可解程度及数据中可能存在的问题。我们采样了部分数据,评估出其中可预测样本的比例大约占70%,人工预测的精度与基线模型基本持平,大约是40%。我们对人工结果与模型结果做了细致的对比和案例分析,找出了视频中的动作序列中可能存在的结构化模式,提供了一种更深入的视角认识数据集与该任务。其次我们详细分析了任务所用的指标和相关实验现象,指出了平均精度指标的局限性。最后,我们从预测不确定性问题出发,以人工标注的预测结果为训练数据,对模型进行微调,在整体精度不显著下降的同时,平均精度上提升了约2个百分点。我们的方法以较小的模型和较短的输入,在验证集上取得了第二好的结果。本研究从根本上对预测问题和Epic-Kitchens100数据集进行了剖析,能够指导人们更好地分析实验结果,并进一步给预测任务乃至识别任务带来启迪,推动数据集和任务设定的完善和迭代。