コーチングプラクティス： ゲーム理論を使った意思決定

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。「ゲーム理論を使った意思決定」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. 決める前にシナリオとその確率を列挙する
   意味のある結果それぞれを書き出し、確率を割り当て、加重合計を計算する。
   期待値思考:不確実性の中で決断する
2. 曖昧さを伴う高リスクで不可逆的な決断にはマキシミン推論を使う
   最悪の起こりうる結果が最も生き延びられる選択肢を選ぶ——期待値を計算できないときには、下限を最適化する。
   曖昧さ回避——なぜ未知のオッズは悪いオッズよりも悪く感じられるのか
3. ベットする思考
   アニー・デュークの「ベットする思考」の枠組みは、決定を不確実な結果を伴う賭けとして扱い、決定の質と結果の質を切り分ける。ほとんどの実際の決定は不完全な情報を伴うため、良い意思決定とはプロセスと確率についてのものであり、毎回正しいことについてではない。核心となるスキルは、その時に利用可能だった情報に基づいて決定を評価することであり、結果がどうなったかで評価することではない。
4. 期待値思考:不確実性の中で決断する
   期待値思考は、それぞれの起こりうる結果にその確率を掛け合わせて総和を取り、決断の平均的な見返りを表す単一の数字を導き出す。これは意思決定理論に十分根ざした、不確実性のもとでの合理的な意思決定の数学的基盤であるが、現実的な限界もある:確率はしばしば不確かであり、結果は必ずしも定量化できるとは限らず、生の期待値は正当なリスク回避を無視してしまう。
5. その下振れを恐れる前に、可逆性を確認する
   ほとんどの決断は可逆的です。最大限の慎重さは、そうでない少数のもののために取っておきましょう。
   後悔最小化フレームワーク
6. 「テイク・ザ・ベスト」を使う:単一の最も有益な手がかりで選ぶ
   選択肢の間で選ぶとき、最も診断力のある手がかりを特定してそれを使う——もっと探すのをやめる。
   シンプル・ヒューリスティクス:ゲルト・ギーゲレンツァーの「速く倹約的な思考」擁護論
7. 決断を可逆性とステークスで分類する
   決断を、ステークスが低い/高い、可逆/不可逆という軸で、決める前に分類する。
   決断ジャーナリング：時間をかけてより良く決めることを学ぶ
8. 自分の領域のルールが本当に安定しているか確かめる
   確率モデルを適用する前に、結果を左右するルールがゲームの途中で変わりうるかを問う。
   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
9. 最大化ではなく満足化を採用する
   探し始める前に「十分に良い」の基準を設定し、それに達したら止める。
   選択過負荷を実践する
10. 機会費用思考を減らす
    却下したそれぞれの選択肢が自分に「コストとして」課すものを計算するのをやめる——それは何の得もなく後悔を増幅させる。
    選択過負荷を実践する

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。