コーチングプラクティス： 予測の精密さを高める方法

取り組んでいることをほぼ何でも入力すると、IX Coach が現実に最も合うプラクティスを見つけます。「予測の精密さを高める方法」については、現在のプラクティスライブラリからの最適な一致をご覧ください。

役立つかもしれないプラクティス

1. 予測やモデルにおける偽りの精密さに注意する
   精密な確率や定量的予測には、そのモデルが領域に適合しているかどうかについて明確な疑いを持って接する。
   ルーディック・ファラシー：現実をゲームと勘違いするとき
2. 一点の見積もりではなく分布として予測する
   予測を単一の予想数値ではなく、起こりうる結果の範囲として表現する。
   リファレンスクラス予測
3. 予測の精度を、練習で向上するスキルとして扱う
   予測の誤りをパフォーマンスのフィードバックとして受け止め、予測が無意味だという証拠としては受け止めない。
   スーパーフォーキャスティング
4. リファレンスクラス予測
   リファレンスクラス予測は、ダニエル・カーネマンとエイモス・トベルスキーが提唱し、ベント・フリウビヤが体系化した手法で、目の前の案件の細部ではなく、類似した過去のプロジェクト群の結果の統計的分布に予測の起点を置くことで精度を高める。計画時にコスト・期間・便益の見積もりを膨らませる楽観バイアスを確実に修正する手法であり、その根拠は具体的で実証されている。
5. 新しい証拠が入るたびに予測を段階的に更新する
   予測を、矛盾する証拠にも生き残るコミットメントとしてではなく、新しい証拠ごとに変わるべき確率として扱う。
   リファレンスクラス予測
6. スーパーフォーキャスティング
   フィリップ・テトロックの予測トーナメント研究は、ごく普通の人々の一部——「スーパー予測者」——が、確率的な予測において専門家や情報分析官を一貫して上回ることを発見しました。彼らは測定可能な認知的・行動的習慣を共有しています:確率で考え、証拠に基づいて頻繁に更新し、積極的に反証となる情報を探します。これらの習慣は学習可能です。
7. 認知的な楽観バイアスと戦略的な虚偽表示を区別する
   予測の水増しには純粋なバイアスによるものと意図的な操作によるものがあることを認識する——それぞれ異なる対処が必要だ。
   リファレンスクラス予測
8. 予測を追跡することで確率の較正を練習する
   自分の予測に明示的な確率の見積もりを割り当て、それが正しい率で実現するかどうかを追跡する。
   基準率の無視:なぜ私たちは確率を無視するのか
9. 過去の自分の予測を採点してアウトサイド・ビューの使い方を較正する
   予測ログをつけて採点する——どこで過信または過小評価していたかについてのフィードバックなしに較正は改善できない。
   アウトサイド・ビュー
10. プロジェクト終了後にクラスデータへ貢献するための振り返りを行う
    実際の結果と予測を正直に記録する——これが将来の予測が依拠するリファレンスクラスを築く。
    リファレンスクラス予測

自分の言葉で状況を説明する でプラクティスライブラリ全体を検索できます。