コーチングプラクティス： モデルの不確実性

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。「モデルの不確実性」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. 「世界がここでは不確実だ」と「私はまだ十分に知らない」を分離する
   問う：その領域の専門家でもこの不確実性に直面するだろうか？もしそうでなければ、問題はスキルのギャップであり、根本的な曖昧さではない。
   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
2. 反応する前にリスクと曖昧さを区別する
   直面しているのが既知のオッズなのか、本当に未知のオッズなのかにラベルをつける——正しいツールは答えによって決まる。
   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. 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
4. 確実性を待つのではなく、エビデンスが到着するたびに段階的に更新する
   現在の最良の推測確率を述べ、それを動かすであろうものを特定し、そのエビデンスが到着したときに更新する。
   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
5. 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
6. 不確実性(定量化可能)と無知(定量化不可能)を区別する
   確率を割り当てられるときと、状況があまりにも新しく数字が捏造されたものになるときを知る。
   キャリブレーション・トレーニング
7. 明示的な確率で考え、伝える
   曖昧な言葉(「おそらく」「たぶん」)を数値の確率に置き換える。
   スーパーフォーキャスティング
8. 実際のフィードバックから地図を更新する
   現実が自分のモデルと矛盾したら、モデルを修正する――現実の記述の方を修正するのではない。
   地図は現地ではない
9. 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
   曖昧さ回避とは、Daniel Ellsbergの1961年のパラドックスによって実証された、既知の確率を持つ賭けを未知の確率を持つ賭けよりも好む傾向のことです——たとえ期待値が同じであっても、あるいは未知の選択肢の方が実際には良い場合でさえもです。これはナイト流の不確実性への不快感によって駆動され、なじみのない、しかし潜在的に価値の高い機会から人々を体系的に遠ざけてしまいます。
10. 自分の見積もりを追跡し較正する
    可能なときは自分のフェルミ推定と実際の数値を比較し、そのギャップを使って今後の見積もりを改善する。
    フェルミ推定

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。