コーチングプラクティス： 確率 推論 コミュニケーション

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。「確率 推論 コミュニケーション」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。

これはあなたが直面しているかもしれない課題に似ていますか？

• 何かが起こる理由をきちんと説明できるので、それが起こりそうだと扱ってしまう ― しかし、そのメカニズムを理解していることと、それが実際どれくらいの頻度で発動するかを知っていることは別のことで、いつもこの二つを一つに混同してしまう。
• 生き生きとした物語として提示されたシナリオには心をつかまれるが、それを平たく言おうとした瞬間 ― 100件中何件が実際そうなるか ― に、これまでその言い方で考えたことがなく、そうすれば魔法が解けるだろうと気づく。
• 二つのことが頭の中でぴったり組み合わさると、どちらか単独よりもその組み合わせ全体を確からしいと考えてしまう ― 詳細があると必然のように感じられ、各要素を単独で吟味することを一度も止まってやったことがない。
• 「これが起こり、そうすればあれが続く」という賭けをしていて、その結びつきが自分には揺るぎなく感じられる ― しかし、最初のことが起こって二番目のことが続かないとしたら何が原因になり得るか、一度も実際には問うたことがない。

役立つかもしれないプラクティス

1. 一貫性と確率を明示的に区別する
   物語は内的に整合していても稀であり得る ― 「筋が通る」と「ありそうだ」を切り分けることを学ぶ。
   連言錯誤 ― 「詳細が多いほど本当らしく」感じる理由
2. ベイズ的思考:信念を合理的に更新する方法
   ベイズ的思考とは、信念を単に真か偽かとして扱うのではなく、確率として保持し、新しい証拠が届くたびに体系的に更新する実践である。数学的な枠組みは十分に確立されている。課題は、それを実用的にする明示的な確率推定と正直な信念更新の習慣を築くことである。
3. 始める前に方向性ゴールと正確性ゴールを区別する
   何かについて推論する前に、自分が特定の答えに到達しようとしているのか、正しい答えに到達しようとしているのかを問う。
   動機づけられた推論
4. 動機づけられた推論
   Ziva Kundaらによって広く研究された動機づけられた推論とは、証拠が導く先ではなく、自分が到達したい結論に向かって推論する傾向のことだ。それは意識的な欺瞞ではない——脳は、好ましい結論のために本当に感じられる論拠を生み出す。検出と構造化された偏見除去の技法はそれを減らすが、なくすことはできない。気づきだけでは不十分だ。
5. 精緻化する前に診断する
   珍しい、あるいは複雑な説明を探す前に、まずありふれたシンプルな説明を確認する。
   オッカムの剃刀:よりシンプルな説明を選ぶ
6. 新しい情報が届いたら明示的に信念を更新する
   新しい情報を、古い確率の確認としてではなく、修正した確率を表明する理由として扱う。
   ベットする思考
7. 物語をそぎ落とし、無味乾燥な頻度の問いとして言い直す
   生き生きとしたシナリオを、乾いた統計的な問いに翻訳し、それでも確からしく感じるか確かめる。
   連言錯誤 ― 「詳細が多いほど本当らしく」感じる理由
8. 信念を全面的にではなく段階的に更新する
   新しい情報を、すべてを変える証明としてではなく、確率をシフトさせる証拠として扱う。
   基準率の無視:なぜ私たちは確率を無視するのか
9. 組み合わさった主張の各要素の確率を別々に検討する
   複数の主張が組み合わさった判断をする前に、それぞれの要素を個別に見積もり、連言全体の確率がそれより低くなっているか確認する。
   連言錯誤 ― 「詳細が多いほど本当らしく」感じる理由
10. 組み合わさったシナリオに賭ける前にレッドチームで検証する
    連言（「Xが起こり、かつYが続く」）に基づいて行動する前に、その「かつ」を攻撃する批判役を割り当てる。
    連言錯誤 ― 「詳細が多いほど本当らしく」感じる理由

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。