みんなも頑張って手伝ってね

視点: それぞれの個別のオブジェクト、状況、問題、またはイベントが一意の単語にマッピングされるように、現実から内部言語へのマッピングです。

いわゆる視点とは、経験、知識、背景が異なるため、誰もが異なる経験をしていることを意味します。

異なる視点: これは、2 人の人間が異なる方法で現実を同じ内部言語にマッピングすることを意味することも、現実を異なる内部言語にマッピングすることを意味することもできます。

問題へのさまざまな対処方法とさまざまな経験

視点とは通常、何らかの構造を押し付けることを意味し、構造を作成できない内部言語は問題の解決や理解には役に立ちません。

たとえば、リンゴが果物であることはわかっていますが、それがどのように栽培されるかはわかっていないため、他の果物の栽培方法に取り組むことは無意味です。

さまざまな戦略が利用可能

問題を単純化することも、複雑化することもあります

新しい視点はどこからともなく生まれるものではなく、新しい視点を構築するには他の視点を使用する必要があることがよくあります。

人々が同じレンズを通して問題を見ると、同じ解決策に行き詰まってしまうことがあります。

共通の視点により、高速でエラーのないコミュニケーションが可能になります

模倣とコミュニケーションの必要性により、多くの共通の視点が生まれます。

視点の多様性が減少し、より良い解決策を見つけるグループの能力が抑制される

明確な視点があれば、混沌と不透明なものが明確で透明になります。

ヒューリスティックとは、より優れた新しいソリューション、またはより優れたソリューションのセットを生成する観点から既存のソリューションに適用されるルールです。

非決定的な多項式問題

トポロジカルヒューリスティック

勾配ヒューリスティック

ヒューリスティックな間違いを許容する

グループヒューリスティック

パースペクティブはソリューションを見る方法であり、ヒューリスティックはソリューションを構築する方法です。

解釈とは、物体、状況、問題、時間を言葉にマッピングすることです。解釈において、単語は多くのオブジェクトを参照するために使用できます。

射影解釈とは、遠近法の特定の次元を無視した解釈を指します。

たとえば、大きな黒い犬でも小さな犬でも、白い大きな犬でも小さな犬でも飛行機に持ち込めるかどうかは、下に置いておくと熱中症を引き起こすかどうかが心配な場合には、サイズに基づいた寸法を使用する必要があります。灼熱の太陽の場合は、色ベースの説明を使用する必要があります。

クラスタリング解釈は、単純な属性の投影ではない、類似のオブジェクト、状況、問題、またはイベントのカテゴリを作成します。

たとえば、風水の原則に従って家を分類し、風水の要件を満たすには、さまざまな属性を組み合わせる必要があります。

データの直接マイニングから導き出される因果関係は偽りである可能性がある

予測モデルは説明であり、説明によって作成された各セットまたはカテゴリに対して予測を行います。

予測モデルとヒューリスティックの違い

経験から学んだことに基づいて予測を立てる

基礎理論に基づいて予測を立てる

データに基づいて予測を立てる

多次元測定法

三次元測定法

複数の次元がある場合、明確な勝者は存在しません

ツールの組み合わせ

トランプモデル

はしごモデル

ツリーモデル

インテリジェンス = 認知ツールの多様性

能力より多様性

補完的な視点

ツールが多ければ多いほど、問題を解決する機会が増えます

個々に優れた問題解決者は、より優れた局所最適解を持っています。

より優れた問題解決者は、より少ない局所最適解を使用します。

優れた問題解決者は、局所的な最適解を見つける確率が高い傾向があります。

視点の多様性とヒューリスティックが互いに打ち消し合う可能性がある

多様な人が同じ方法で問題を解決する可能性もある

同種の問題ソルバーは同じ局所最適解を持ちます

ダイバーシティ問題ソルバーにはさまざまな局所最適解があります

最適解は、すべての問題ソルバーの局所最適解の交差点にあります。

問題の難易度条件

微積分の条件

多様性の条件

大人数のグループの条件

上記の 4 つの条件を考慮すると、ランダムに選択された問題解決者で構成されるチームは、個別に最高のパフォーマンスを発揮する問題解決者で構成されるチームよりも優れたパフォーマンスを発揮できます。

任意寄与定理

モデル 1: 「何百万もの断片」モデル

モデル2：「地域営業」モデル

モデル 3: 「真実の重力」モデル

モデル 4: 「ノイズ平均」モデル

2 人が同じ観点から異なる変数に基づいて予測モデルを構築した場合、第 2 ハウス予測の精度は負の相関関係になります。

2 人が同じ観点から異なる属性を検討し、完了する予測タスクが良いか悪いかのような 2 つの結果を予測することである場合、一方の予測が当たっても、もう一方の予測は間違っている可能性があります。

二乗誤差法

一連の予測モデルで構成されるグループには、グループ誤差 = 平均個別誤差 - 予測多様性がなければなりません。

平均定理による群

群れの心理

同じ視点の異なる部分

完全

推移性

完全かつ推移的である場合、プリファレンスは合理的です

現在の量が理想的なポイント量を超えている場合は、少ない方が好ましい

現在の量が理想点よりも少ない場合は、多い方が好ましい

グループ設定は 4 つの要件を満たす必要があります

一般に、複数の次元が存在する状況では、単一の選択肢が 1 対 1 の投票で他のすべての選択肢を破ることはできません。

好みが多次元である場合、一般的に、任意の選択肢が与えられた場合、一連の投票を通じて他の選択肢に到達することが可能です。

3 つ以上の結果に対する多様な好みを集約する非権威主義的なルールは、操作される可能性があります。

議題操作

多様性を優先する根本的な傾向が資源の供給不足につながる

4 人家族が 2 つあり、それぞれが家を建てるために同じ固定予算を持っていると想像してください。

どのような問題が見え、どのような機会を発見できるかはすべて、何が価値があるのか​​を理解するかどうかにかかっています。

多様性の好みにより、人々は多様性の予測モデルを構築するようになります

異なるトレーニングを受けた人は異なる認知ツールを獲得します

さまざまな経験を持つ人は、さまざまなツールボックスを持っています

異なるライフスタイルを持つ人々は、異なる解釈や視点を構築します

データにノイズが多い

知識の波及は、ある人が他の人と何らかの視点、ヒューリスティック、説明または予測モデルを共有するときに発生します。

文化的多様性は発展と正の相関がある

人々のグループが問題を解決しようとしているとき、1 人が改善を加えて新しい解決策を思いついた場合、多くの場合、他の人がそれを改善することができます。

継続的な実験と試みは個人のパフォーマンスの向上につながり、またそうすることでグループのパフォーマンスの向上にもつながります。

外部の違いを活用して改善を図る

グループがインテリジェントであるためには、必要な機能を備えていることと、十分な多様性を爆発させることの両方が必要です

グループの予測の精度を確保するには、全員に中程度の精度ではあるが非常に多様な予測を行わせるようにします。

企業や組織が社内の群衆の知恵を活用できるように、社内予測市場を作成します。

多くの難しい問題は、複数の伝統的な学問分野や思想分野に関連しています。

基本的な設定は互換性がありますが、ツールの設定は競合する可能性があります

基本的な好みの多様性のわずかな変化が、大きく異なる解決策につながる可能性があります

自分とは異なる人々と交流することで利益が得られると人々が信じている場合、その利益を受け取る可能性が高くなります。

最良のグループには、多様性と能力を兼ね備えた個人が含まれます

原点に立ち返り、初心を忘れずに