Coaching-Übungen für novice domain forecasting
Beschreibe fast alles, woran du arbeitest, und IX Coach findet die Übungen mit dem nächsten realen Treffer. Für novice domain forecasting sind das die stärksten Treffer in der aktuellen Übungsbibliothek.
Übungen, die helfen könnten
- In unerfahrenen Domänen stark auf Basisraten vertrauen
In unbekanntem Terrain sollte die Klassenverteilung die Prognose fast vollständig bestimmen.
Die Außenperspektive - Auf der Anfängerstufe explizite Regeln und Verfahren ohne Improvisation befolgen
Wenn man neu in einem Bereich ist, folge den vorgegebenen Regeln genau – Verständnis kommt nach dem Befolgen, nicht davor.
Das Dreyfus-Modell: Fünf Stufen vom Anfänger zum Experten - Referenzklassen-Prognose
Die Referenzklassen-Prognose, entwickelt von Daniel Kahneman und Amos Tversky und von Bent Flyvbjerg formalisiert, verbessert die Prognosegenauigkeit, indem sie sich an der statistischen Verteilung der Ergebnisse ähnlicher vergangener Projekte orientiert – statt an den Details des aktuellen. Die Methode korrigiert zuverlässig den Optimismus-Bias, der Kosten-, Zeit- und Nutzenschätzungen in der Planung aufbläht – die Evidenzbasis dafür ist real und konkret. - Superforecasting
Philip Tetlocks Forschung zu Vorhersageturnieren fand, dass eine Untergruppe gewöhnlicher Menschen — „Superforecaster“ — Fachexperten und Geheimdienstanalysten bei probabilistischer Vorhersage konsequent übertrifft. Sie teilen messbare kognitive und Verhaltensgewohnheiten: Sie denken in Wahrscheinlichkeiten, aktualisieren häufig aufgrund von Evidenz und suchen aktiv nach widerlegenden Informationen. Diese Gewohnheiten sind erlernbar. - Die Prognose schrittweise mit neuer Evidenz aktualisieren
Die Prognose als Wahrscheinlichkeit behandeln, die sich mit jedem neuen Beweisstück verschieben sollte, nicht als Verpflichtung, die einen Widerspruch übersteht.
Referenzklassen-Prognose - Eine Verteilung prognostizieren, keine Punktschätzung
Die Prognose als Spanne wahrscheinlicher Ergebnisse darstellen, nicht als eine einzelne vorhergesagte Zahl.
Referenzklassen-Prognose - Nachbesprechungen für Klassendaten durchführen
Tatsächliche vs. prognostizierte Ergebnisse ehrlich festhalten – das baut die Referenzklasse auf, von der zukünftige Prognosen abhängen.
Referenzklassen-Prognose - Vorhersagegenauigkeit als Fähigkeit behandeln, die sich mit Übung verbessert
Vorhersagefehler als Leistungsfeedback nehmen, nicht als Beweis, dass Vorhersagen sinnlos ist.
Superforecasting - Komplexe Fragen in Unterfragen zerlegen
Zerlegen Sie eine schwierige Vorhersagefrage in kleinere, einschätzbare Teile und aggregieren Sie sie.
Superforecasting - Erwartungen kalibrieren, wie lange Neuheit Motivation trägt
Neue Projekte und Umgebungen erzeugen einen anfänglichen Motivationsschub, der verlässlich verblasst — plane dafür.
Affektive Prognose: Warum du falsch vorhergesagt hast, wie du dich fühlen würdest
Verwandte Anliegen
- Superforecasting in ein neu Job
Philip Tetlocks Forschung zu Vorhersageturnieren fand, dass eine Untergruppe gewöhnlicher Menschen — „Superforecaster“ — Fachexperten und Geheimdienstanalysten bei probabilistischer Vorhersage konsequent übertrifft. Sie teilen messbare kognitive und Verhaltensgewohnheiten: Sie denken in Wahrscheinlichkeiten, aktualisieren häufig aufgrund von Evidenz und suchen aktiv nach widerlegenden Informationen. Diese Gewohnheiten sind erlernbar.
Superforecasting
- Wie man bessere Prognosen erstellt
Die Referenzklassen-Prognose, entwickelt von Daniel Kahneman und Amos Tversky und von Bent Flyvbjerg formalisiert, verbessert die Prognosegenauigkeit, indem sie sich an der statistischen Verteilung der Ergebnisse ähnlicher vergangener Projekte orientiert – statt an den Details des aktuellen. Die Methode korrigiert zuverlässig den Optimismus-Bias, der Kosten-, Zeit- und Nutzenschätzungen in der Planung aufbläht – die Evidenzbasis dafür ist real und konkret.
Referenzklassen-Prognose
- Wie man übt: forecasting
Tatsächliche vs. prognostizierte Ergebnisse ehrlich festhalten – das baut die Referenzklasse auf, von der zukünftige Prognosen abhängen.
Nachbesprechungen für Klassendaten durchführen
- Superforecasting bei Arbeit
Philip Tetlocks Forschung zu Vorhersageturnieren fand, dass eine Untergruppe gewöhnlicher Menschen — „Superforecaster“ — Fachexperten und Geheimdienstanalysten bei probabilistischer Vorhersage konsequent übertrifft. Sie teilen messbare kognitive und Verhaltensgewohnheiten: Sie denken in Wahrscheinlichkeiten, aktualisieren häufig aufgrund von Evidenz und suchen aktiv nach widerlegenden Informationen. Diese Gewohnheiten sind erlernbar.
- Superforecasting bei ein Budget
Philip Tetlocks Forschung zu Vorhersageturnieren fand, dass eine Untergruppe gewöhnlicher Menschen — „Superforecaster“ — Fachexperten und Geheimdienstanalysten bei probabilistischer Vorhersage konsequent übertrifft. Sie teilen messbare kognitive und Verhaltensgewohnheiten: Sie denken in Wahrscheinlichkeiten, aktualisieren häufig aufgrund von Evidenz und suchen aktiv nach widerlegenden Informationen. Diese Gewohnheiten sind erlernbar.
- Superforecasting Übung
Philip Tetlocks Forschung zu Vorhersageturnieren fand, dass eine Untergruppe gewöhnlicher Menschen — „Superforecaster“ — Fachexperten und Geheimdienstanalysten bei probabilistischer Vorhersage konsequent übertrifft. Sie teilen messbare kognitive und Verhaltensgewohnheiten: Sie denken in Wahrscheinlichkeiten, aktualisieren häufig aufgrund von Evidenz und suchen aktiv nach widerlegenden Informationen. Diese Gewohnheiten sind erlernbar.
Beschreibe deine Situation mit eigenen Worten um die vollständige Übungsbibliothek zu durchsuchen.