Deine eigenen vergangenen Vorhersagen bewerten, um deine Außenperspektive-Nutzung zu kalibrieren

Führe ein Prognoseprotokoll und bewerte es — du kannst Kalibrierung nicht verbessern ohne Feedback darüber, wo du über- oder unterzuversichtlich warst.

Why it works

Kalibrierung ist die Übereinstimmung zwischen erklärter Zuversicht und tatsächlicher Genauigkeit. Die meisten Menschen finden nie heraus, wie gut kalibriert sie sind, weil sie ihre Vorhersagen nicht verfolgen. Ohne diese Feedbackschleife bleibt die Übernahme der Außenperspektive eine gute Absicht statt einer Fertigkeit. Bewerten zwingt das System, lesbare Fehlersignale zu erzeugen und schafft die Bedingungen für echte Verbesserung.

How to do it

1. Beginne, bedeutsame Vorhersagen mit Wahrscheinlichkeitsschätzungen aufzuzeichnen: "70 % Wahrscheinlichkeit, dass das weniger als drei Monate dauert."
2. Setze eine Kalendererinnerung, um das Ergebnis zu erfassen, wenn es sich klärt.
3. Berechne deine Kalibrierung über die Zeit: Ist für alles, dem du 70 % Wahrscheinlichkeit gabst, ungefähr 70 % eingetreten?
4. Identifiziere Domänen, in denen du systematisch über- oder unterzuversichtlich bist, und passe deine Basisraten-Verankerung entsprechend an.

Evidenz

Tetlocks Forschung zu Prognoseturnieren fand, dass das Verfolgen und Bewerten von Vorhersagen der Feedbackmechanismus ist, der Superforecaster vom Rest trennt — jene, die verfolgten und reflektierten, verbesserten sich erheblich, während jene, die es nicht taten, stagnierten. (observational)

Kalibrierungsbewertung erfordert ein ausreichendes Volumen bewerteter Vorhersagen, um statistisch aussagekräftig zu sein; individuelle Lebensentscheidungen klären sich nicht häufig genug, um saubere Kalibrierungskurven kurzfristig zu erzeugen.

Quellen

• Tetlock & Gardner (2015), Superforecasting

Häufiger Fehler

Vorhersagen in natürlicher Sprache statt expliziter Wahrscheinlichkeiten aufzuzeichnen, was rückblickende Kalibrierung unmöglich macht — "ich dachte, es sei wahrscheinlich" kann nicht bewertet werden.