コーチングプラクティス： 見せかけの精密さに惑わされない

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。「見せかけの精密さに惑わされない」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. 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
3. 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
4. 一点見積もりではなく範囲で見積もる
   「私の見積もりは500だ」ではなく「200から2000のあいだだと思う」と言う。
   フェルミ推定
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. 複雑な問いをサブ問いに分解する
   難しい予測の問いを、より小さく見積もり可能な部分に分解し、それらを集約する。
   スーパーフォーキャスティング
7. 経験のない領域に入るときは基準率に大きく従う
   不慣れな領域では、クラスの分布がほぼ完全に予測を支配すべきである。
   アウトサイド・ビュー
8. 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
9. 信念を頻繁に、小刻みに更新する
   新しい証拠が来たら、その変化が小さくても確率の見積もりを調整する。
   スーパーフォーキャスティング
10. 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

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。