#систематика /// Как принимать и передавать контекст

Для принятия / выявления нужного контекста выделяем объекты внимания (из фона, да).
- Цель акта коммуникации — какое целевое действие у нашей коммуникации?
- Какого масштаба нужный нам контекст — он будет отличаться в зависимости от адресата / времени, условий и цели коммуникации.
- Какой уровень абстракции у нужного нам контекста? — обсуждаем какую-то конкретную ситуацию или же надо концептуализировать? на сколько уровней?
- Эпистемический статус адресата — что он уже знает и знает ли он что мы знаем о его знании?
- Эмоциональный статус адресата — каковы сейчас его ресурсы относительно внимания, его фокус сейчас на что направлен? надо ли его фокусировать на объекты нашей коммуникации? возможно ли это сделать?
- Расположение слушать именно нас
- каков у агента контекст относительно нас в данной роли? как агент нас воспринимает?
- как агент видит себя "нашими глазами" (и далее рекурсивно)
- какова атрибуция у агента относительно нас и у нас относительно агента — как наши модели (модель нас у агента и модель агента у нас) воспринимают причинно-следственные связи?


Передавая в сообщении контекст, полезно разделять в уме этот контекст на два потока
1) Постоянная часть контекста, то, что нам надо постоянно доносить до агентов в ходе коммуникации
- роль/роли (а вместе с ними интерес-предпочтение-намерение)
- уровень компетентности в обсуждаемом домене
- (наша) способность осваивать новые компетенции
- эпистемический статус + способы мышления/рассуждения, то есть то, как мы нашего эпистемического статуса достигаем
- частый эмоциональный статус, состояние внимания
- комфортный промежуток на спектре примерно—точно
2) Ситуативно важная часть — то, что меняется при каждой коммуникации
- текущая роль (это важно, так как ролей обычно несколько)
- уровень компетентности в рассмотрении системного уровня, который обсуждается
- эпистемический статус именно по текущей коммуникации, ее объектам
- текущий эмоциональный статус, состояние внимания
- комфортный промежуток на спектре примерно—точно

В зависимости от агентов и ситуации делаем ревизию постоянной части и настраиваем ситуативную часть для каждой коммуникации.

____
#контекст #атрибуция #коммуникация #эпистемический_статус #роли

#систематика /// Передача мета-информации

При коммуникации важно передать не только само сообщение, но и часть фона, то есть контекст, важный для понимания / интерпретации сообщения на стороне агента.

Что и как можно передавать:
- Роль
Можно сказать её явно, это будет текст. Далее передача контекстом.
Можно описать свою деятельность, не указывая роль явно, но ее можно будет понять / выявить из описания деятельности.
Можно продемонстрировать действие (сразу сесть за руль / зайти в кабинет и сесть в кресло руководителя / войти в аудиторию и занять место докладчика / etc).
Обменяться репликами с агентом А при агенте Б, агент Б таком случае сможет выявить/интерепретировать вашу роль исходя из этого события.
- Предпочтение в роли
Сказать явно, это будет явный интерпретатор (то есть прямое указание на предпочтение относительно обсуждаемых объектов).
Неявно/контекстом:
Ожидать, что предпочтение будет прочитано из роли. Бывает так, что прямо предпочтение высказать нельзя, так как прямое указание на него снижает вероятность осуществления этого предпочтения).
- Уровень компетентности
Явно: описать/сказать как есть или так, как хотелось бы его преподнести.
Неявно: продемонстрировать компетентность сразу в деле ("зашел и исполнил трюк"), это хорошо работает когда надо понизить уровень абстракии, заземлить; и такая демонстрация сразу привязывает к 4D-объектам.
Неявно: создать ситуацию, в которой окружение (коллеги, документы, свидетельства) сообщат уровень компетенции.
- Эпистемический статус
Неявно: рассказать, что нам известно, а что нет — здесь важно соблюдать баланс, так как невозможно рассказать полностью все в деталях.
Неявно: передать явно только самые важные нюансы, с расчетом, что но таким "маякам" будет понятен эпистемический статус.
Неявно: согласовать только методы получения / формирования / обновления картин мира, и после этого обмениваться только фактами, с расчетом, что концептуальные сетки и статусы совпадают.
Явно: продемонстрировать понимание ситуацией напрямую — показать информированность о статусах агентов и объектах обсуждения.
- Эмоциональный статус и состояние внимания
Явно: текстом / речью передать состояние.
Неявно:
Транслировать состояние поведением.
Намеренно "не показывать" свое состояние, но терять внимание — это про неудачные попытки скрыть текущее состояние с ослабленным вниманием.
Явно передать или позволить узнать такую информацию, по которой понятен эмоциональный статус / состояние внимания.
- Комфортный промежуток на спектре (речь про спектр примерно—точно)
Явно: задать язык и его интерпретатор
Неявно: по ходу коммуникации просить либо ускориться/обобщить, либо детализировать/рассказать подробнее.
___
#роли #интерес #предпочтение #эпистемический_статус #внимание

#систематика /// Агентские модели

У нас в голове есть модели агентов, с которыми мы коммуницируем; у тех агентов в головах есть модели нас; у нас есть модели друг друга.

Эти модели связно объясняют поступки, поведение агентов.
Эти модели позволяют предсказывать поведение агентов.

К агентским моделям можно применить все те же требования, что и к другим моделям объяснений:
- они должны быть опровержимы (и чем больше попыток опровержения выдержано, тем сильнее модель)
- они должны иметь малое количество допущений
- должны иметь предсказательную силу

Можно и нужно улучшать в голове модели других людей, наших объектов коммуникации.

И что менее очевидно, но не менее важно — можно и нужно улучшать модель нас в головах окружающих нас агентов.

___
#модель #коммуникация

#систематика /// Речевые импликатуры

Импликатуры в речи — намеренное нарушение одной из максим кооперации, при этом нарушении сам факт нарушения заметен и несет в себе отдельный слой коммуникации. Необходимо, чтобы агент понимал, что это импликатура, то есть нужно соблюдение "я знаю, что ты знаешь, что я знаю" в обе стороны — в нашу от агента и в сторону агента от нас.

Человек говорит слишком много или слишком мало
Пример: человек говорит очень-очень подробно, особенно выделяя детали, при этом зная, что адресат всё это знает. Коммуникация через импликатуру может быть такая "я это все повторяю, а ты и так это должен знать и знаешь, сколько уже можно объяснять??!!?!?"
Пример: на вопрос человек отвечает односложно или явно в обзем виде, без подробностей, которые запрашиваются в вопросе. Импликатура в этом случае может содержать посыл: "я знаю, что вы знаете, что я знаю больше вашего, и понимаю, что именно поэтому меня спрашиваете; но я намеренно говорю только то, что вы знаете и без меня, говорю очевидные вещи, потому что я не намерен делиться в с вами информацией; формально я вам ответил, но вы не получили ответ”.

Человек говорит явную неправду
Пример: "Да-да, разумеется, мы выполним это в лучшем виде, в срок, да ещё и украсим ленточкой!" — коммникацией же является посыл примерно такой: "то, что вы просите, невозможно, мы точно это не сделаем", но по ряду причин это не высказывается вслух. Это сродни сарказму. Сарказм — как раз пример такой импликатуры.

Человек резко и без предупреждения меняет тему
Пример: "Да-да, панама продается. Но вы заметили?! Как много посетителей в этот сезон! Знаете, тут приходила одна пара, такие панки!" — вариантов считывания такой импликатуры может быть несколько: нежелание коммункации, желание переключить тему или объект обсуждения, что-то ещё.

Человек намеренно выражается неясно
Пример: "Требования как бы есть, да. Но только не стоит их брать за основу, там еще не все участники подключились. Давайте начнем без аналитики и в текущем составе, позже доработаем. Для начала все уже сделано, по идее, надо только переделать одну часть, хотя и она работает хорошо." — здесь тоже считывается нежелание обсуждать предмет текущей коммуникации, угадывается желание отменить или перенести обсуждение;

Важно уметь считывать импликатуры, а также грамотно адресовать. Часть агентов при массовой / публичной коммуникации может не воспринять импликатуру, и если поняли не те, кому импликатура адресовалась или если не поняли те, кому адерсовалась, то коммуникация может провалиться.
___
#коммуникация #импликатура #кооперация

#систематика /// Лестница причинности

Три уровня прослеживания причинно-следственной связи:
- Наблюдаемая связь
- Вмешательство
- Контрфактическое суждение


1) Наблюдаемая связь — когда какое-то наблюдение А говорит о Б, о том как что-то устроено.
Примеры:
Если идёт дождь (А), то земля мокрая (Б).
Если я гуляю в панаме и на улице дождь (А), то панамка мокрая (Б).
Если сотрудник устал (А), то в его работе появляются ошибки (Б).
В этих случаях, за редким ислючением, есть связь "если А, то Б".

2) Вмешательство — когда какое-то действие А оказывает эффект на Б.
Примеры:
Если я буду поливать из шланга (А), то она станет мокрая (Б).
Если я в панаме встану под душ (А), то панама будет мокрая (Б).
Если загрузить сотрудника овертаймами (А), то в его работе появятся ошибки (Б).
Здесь добавляется действие, которое является причиной: "сделать А, чтобы получить Б" или же "НЕ делать А, чтобы НЕ получить Б"

3) Контрфактическое суждение — когда мы разбираем альтернативный вариант событий: случилось бы Б, если б не произошло А?
Примеры:
Будет ли земля мокрая (Б), если я НЕ поливаю из шланга (А)? Будет ли земля мокрая если не идет дождь?
Будет ли панама мокрая (Б), если я НЕ гулял под дождем (А)? Будет ли панама мокрая, если я НЕ буду стоять в ней под душем?
Будут ли ошибки в работе сотрудника, если НЕ загружать его овертаймами?
В этом случае мы разбираем варинаты событий, альтернативные нашим действиям, можно сказать проверяем устойчивость связи А и Б.
Будет ли земля мокрая (Б), если я НЕ поливаю из шланга (А)? Будет ли земля мокрая если не идет дождь? — вполне может быть, проехала поливалка и земля мокрая.
Будет ли панама мокрая (Б), если я НЕ гулял под дождем (А)? Будет ли панама мокрая, если я НЕ буду стоять в ней под душем? — очень вероятно: я оставил панамку на улице и она мокрая из-за росы.
Будут ли ошибки в работе сотрудника, если НЕ загружать его овертаймами? — запросто: сотрудник может делать ошибки из-за каких-то других переживаний даже при щадящем режиме и малой загрузке.

Как применять в коммуникации:
Наблюдать, предполагать и строить модели — выявлять связи между причиной им следствием в поведениях агентов, выявлять их объекты интереса и связанные с ними результаты поведения.
Наблюдать, предполагать и строить модели с критическим (контрфактическим) анализом — выявлять неявные причины для налюдаемых следствий, строить более сильные причинно-следственные модели.
Действовать — анализировать наблюдения, чтобы понять, что можно сделать, чтобы изменить поведение агента в нужную нам сторону, спроектировать вмешательство с жидаемым результатом (помним про win-win стратегию!).

____
#коммуникация #причинно_следственная_связь #наблюдение #псс

#систематика /// Концепция возможных миров

При оценке шансов мозг играет примерно в такую игру — сравнивает количество возможных миров, в которых истинно утверждение (обустройство, ситуация) А и количество возможных миров, где истинно Б.
И следующим шагом мозг дорисовывает картину какого-то из этих миров до оцениваемого события: "событие X более вероятно в мире, где истинно А". Вот это "мир, где истинно А" выступает как объяснение для события X — как одно из возможных объяснений, но самое сильное — и используется в дальнейшем для моделирования связанных событий, предсказаний.

Примитивный пример: оценка шансов, что панама на улице намокнет, при том, что сейчас идет дождь.
Есть мир А, где истинно "панама становится мокрой в дождь" — привычный нам мир.
Есть мир Б, где истинно "панамка не становится мокрой в дождь" — например, мир, где текстиль не мокнет.
Вероятность того, что панама намокнет, выше в мире А.

И это вероятность, а не факт, так как существуют другие объяснения и допущения:
Панама НЕ намокнет в дождь (в мире А) — потому что я всегда покрываю свою панаму водоотталкивающим спреем.
Панама НЕ намокнет в дождь (в мире А) — так как я поверх нее надену пакет.
Панама намокнет в дождь (в мире Б) — так как панама из текстиля, который не мокнет, но на ней узор принтом из краски, которая хорошо впитывает влагу и потому в итоге вся панама намокнет.

Очевидно, что все объяснения с допущениями слабые и проигрывают простому объяснению "панама намокнет, так как дождь", и мозг выбирает это события как наиболее вероятное.

___
#объяснение #вероятность #миры #шанс

#систематика /// Обновление шансовой картины

Мы постоянно пытаемся предсказать какие-то грядущие явления и действовать в соответствии / в ожидании, что так и случится.
Все события вокруг либо подвтерждают нашу предсказательную модель, либо корректируют ее, и тогда нам надо обновлять нашу картину: шансы того, что мы себе напредсказывали, меняются. Вот как это происходит.

Априорные шансы — весь наш накопленный опыт, чуйка, интуиция — позволяют нам сделать первичное предсказание. Чаще всего мы так и делаем, и если не происходит ничего необычного, то все так и остается.
Утро, и я собираюсь вечером пойти купить себе новую панамку. Сегодня будний день и магазин панамок работает до позднего вечера. Шанс прийти, выбрать и купить подходящую панамку есть и высокий

Свидетельство — это то самое необычное событие, которое вносит корректировки в нашу картину мира и, следовательно, в наши оценку шансов. Свидетельство, подвтерждающее нашу оценку, мы можем даже не замечать, но если мы видим свидетельство, которое хоть в чем-то противоречит первичным шансам, то мы обновляем модель.
День, я замечаю на улице толпу народа, все в панамках, и они несут транспарант "Ура фестивалю панамок!". Я вспоминаю, что именно сегодня действительно фестиваль панамок, так любимый и поддерживаемый горожанами.

Апостериорные шансы — это новая оценка, полученная на основе обновленной модели, после получения свидетельства. Апостериорные шансы основаны на нашей новой картине мира, и остаются актуальными до следующего обновления.
Людей в панамках всё больше. Очень похоже, что горожане покупают панамки и присоединяются к шествию. Мои шансы пойти вечером за панамкой и выбрать подходящую изменились — ощутимо уменьшились.

Как мы определяем или выбираем априорные шансы — изнутри или снаружи.

Внутри нас, если мы имели подобный опыт, уже есть ощущение, насколько это вероятно, каковы шансы. Это можно выразить степенью нашего удивления на какое-то событие, чем меньше удивление, тем выше шансы. (Удивление в данном случае это резкое изменение картины мира, да). Можно выразить такое ощущение также готовностью поставить ставку на наступление события — чем выше готовность поставить, тем выше оцениваются шансы. В крайнем случае внутри может быть необъяснимая оценка наобум, на основе чуйки, интуиции.

Если же мы не имеем опыта с такими (или такого типа) событиями, то мы ищем априорную оценку снаружи. Статистика, совмещаемые данные, запрошенное мнение у агентов с подходящим опытом — все это референтные классы, на основе которых мы формируем нашу оценку, затягивая априорные шансы снаружи внутрь.

Как мы воспринимаем свидетельство? Любое событие, которое влияет на нашу оценку — это свдительство. То есть, отсекаются подвтерждающие события, рассматриваются только меняющие. Технически, все поступающие пакеты информации есть такие события, но нас интересуют только релевантные нашему предсказанию. На что важно обращать внимание — стоит избегать ошибки игрока и отличать зависимое событие от независимого. Про зависимое и независимое событие будет отдельная заметка позже.

Процесс обновление шансовой модели имеет формальное выражение, и про это будет следующая заметка.

____
#шанс #вероятность #свидетельство #интуиция

#систематика /// Формальное обновление шансов по Байесу

Формально звучит так:
Шансы гипотезы о событии H с учётом свидетельства E равны априорным шансам наступления H, умноженной на коэффициент правдоподобия свидетельства.
где
Коэффициент правдоподобия — вероятность получения свидетельства Е в мире, где гипотеза Н истинна, разделить на вероятность получения свидетельства Е в мире, где гипотеза Н ложна.

Формула:
O(H|E) = O (H) × ( (P(E|H)) / (P(E|^H)) )

где:
H — гипотеза
E — свидетельство
O(H|E) — шанс наступления H при свидтельстве E
O(H) — априорные шансы наступления H (без свидетельства E)
P(E|H) / P(E|^H) — коэффициент правдоподобия (сила свидетельства)
P(E|H) — вероятность получения свидетельства E в мире, где гипотеза H истинна
P(E|^H) — вероятность получения свидетельства E в мире, где гипотеза H ложна

Применяется следующим образом:
1) Оцениваем, достаточно ли данных для решения формулы
2) Понимаем как получить недостающие данные, получаем их
3) Рассчитываем насколько свидетельство сильное, исходя из коэффициента правдоподобия

Пример:
Коллеги на работе восприняли наше очередное предложение не в штыки, как обычно, а весьма положительно, что удивительно.
Изменились шансы/ожидание последующих согласований. Но насколько?
Считаем:
H — коллеги благосклонно воспримут следующее наше предложение
E — предыдущее предложение воспринято хорошо + коллеги сами выделили его и сказали, мол, а давайте так, хотя ранее мы его предлагали в другом контексте и не нашли позитивного отклика.
O(H) = 1 : 5 — априорные шансы были так себе, опыт показывал, что наши предложения принимаются 1 раз из 5, то есть в 20% случаев.
P(E|H) = 0,7 — мир, где коллеги заценили наше предложение и заценили нас как компетентных специалистов, в общем, изменили модель нас у них в "коллективной голове". Вероятность не единица потому, что мы предлагаем решения часто в условиях неопределенности, поэтому спецы-то мы классные, но и промахнуться можем. Итого 0,7.
P(E|^H) = 0,35 — мир, где коллеги заценили наше решение, но не нас как специалистов, или же решили, что это они такое решение усмотрели среди всех наших предложений за все время. Это не вот прям очень вероятно, но от коллег можно всего ожидать. Оцениваем в 0,35 такую вероятность. Отличается от априорного 0,2 потому что тут как с летчиками: и мы учимся "летать лучше" (или возвращаемся к среднему), попадать в ожидания коллег, и они тоже не принципиально против, а просто докапываются, это их работа, и мы параллельно вместе с ними прокачиваемся.
Коэфициент правдоподобия P(E|H) / P(E|^H) = 0,7/0,35 = 2
Итоговая шансовая вероятность O(H|E) = 2 / 5 = 0,4

То есть после положительного принятия нашего решения шансы оцениваются как дважды превыщающие предыдущие шансы, но при этом все еще меньше половины.

___
#шанс #вероятность

#систематика /// Типичные ошибки в обновлении по Байесу

1) Не учитывать априорные шансы. То есть полагать что-то без оглядки на статистику, работая только со свидетельством. Важно: при учитывании статистики по-прежнему следует избегать ошибки игрока!
Пример: "Я не буду покупать такую машину, потому что коллега такую же купил недавно и она через два месяца сломалась" —здесь учитывается только свидетельство, но не априорные шансы, статистика, которая может говорить в том числе и о том, что эта машина одна из самых надежных.
2) Не считать коэффициент правдоподобия. То есть, не учесть насколько вероятно свидетельство в мире, где гипотеза ложна.
Пример: "Да точно говорю — машина сломалась, потому что криво сделана, и все машины этой модели такие" — здесь не рассматривается вариант мира, где хозяин машины сам оказался виноват в поломке, например, неправильно ухаживая или используя некачественные исходники. То есть мир, где гипотеза "все машины этой модели ломаются" ложная, не учитывался в оценке.
3) Не понимать, что есть свидетельство, а что гипотеза, путать их, вообще не видеть их.
Пример: принимать гипотезу "все машины этой модели ломаются" за свидетельство, быть в этом уверенным и коммуницировать с этой позиции. Знакомо, не правда ли?
4) Засчитывать свидетельство дважды (и более).
Пример: у коллеги сломалась машина, через два дня он приехал на такси и ругался на то, что машина сломана, а через две недели она сломалась снова (потому что коллега продолжил лить в нее неподходящие/некачественные расходники). Это одно свидетельство, но часто мы неправы, принимая их за несколько разных свидетельств.
5) Ошибочно принять за свидетельство какое-то не связанное событие.
Пример: коллега приезжает не на новой машине, а на метро или такси или пешком. Можно принят это за свидетельство того, что его машина сломалась, но по факту это может быть совсем не связанным событием. Надежнее всего проверять это через расчет коэффициента правдоподобия, чем он ближе к единице, тем менее связаны эти события.

То есть при обновлении шансовой картины при каком-то свидетельстве мы одновляем всю всю модель, при этом важно в этой модели именно сдвигать имеющиеся данные на осях вероятностей, но не заменять старые данные новыми.
То есть:
"я хотел машину этой модели, считал её самой лучше, но после поломки такой машины у коллеги, я буду осторожнее и изучу нюансы, узнаю, что явилось причиной поломки и насколько эта модель требовательна к расходникам"
вместо
"я хотел машину этой модели, считал ее самой лучшей, но после поломки такой машины у коллеги, я считаю модель плохой и теперь не хочу такую".

____
#шанс #вероятность #свидетельство

#имплозия /// До-письменная коммуникация

С вами снова рубрика Имплозия по Маклюэну и сегодня про коммуникацию, но немного вбок : )
Упражнение заключается в том, чтобы представить как вы будете коммуницировать — общаться, работать, жить в семье/общине — не применяя письменность.

Надо сказать, что до книгопечатания, так оно и было, грамотность в понимании способность писать и читать написанное было элитной привилегией, книги читались на площадях вслух, и информация из этих книг разносилась устным пересказом. Мир был аудиальным.

Представьте, что вы работаете или что-то делаете совместно, и у вас НЕТ возможности записать и прочитать. Рисовать, кстати, допустимо; как и звонить по телефону.
Как вы будете действовать? Что предпремите?

Как будете запоминать и/или фиксировать полученную информацию?
Как будете ее передавать?
На чем сделаете упор?
Какие способы коммуникации выберете?

Буду рад мыслям, вопросам и комментариям в ответах на пост : )

___
#коммуникация #письменность #текст

#имплозия /// Без прямоугольника

Пока я готовлю заметки по причинно-следственным связям на следующую неделю, продолжается рубрика имплозивного сжатия мысли.

Сегодня предлагаю представить / подумать про мир без прямоугольников.
Есть мнение, которое я разделяю, что главное изобретение человека это прямоугольник, которого почти не встретить в природе и с самом человеке. При этом почти всё, что мы знаем и используем, основано именно не нем.

Давайте представим, каким был бы мир без прямоугольника.
Какими были бы наши жилища без прямоугольников?
Какими были бы наши инструменты без прямоугольников, и что это были бы за зинструменты, что бы мы ими делали?
Какими были бы наши дороги и каким образом и как далеко мы бы по ним перемещались?
Как бы мы передавали знания и умения без прямоугольников?
Какая бы была главная фигура без прямоугольников — круг, овал, ромб, треугольник, …?

___
#геометрия #природа #прогресс

#систематика /// Слова — синонимы и омонимы

Важно мыслить понятиями, а не терминами.

Вот демонстрация того, как слова/термины быстро меняют свое значение, начинают реферировать с другим понятиям, моделям, объектам:

Посылка — Отправление
Место — Позиция
Редактировать — Изменить

Это пары синонимов, (здесь) они обозначают одно понятие разными терминами.
Возьмем по одному из них:
Отправление
Позиция
Изменить
и сделаем омонимами:
Отправление
1) предмет для доставки — отправление с трек-номером 0987654321
2) точка во времени — отправление парома назначено на 11:11
Позиция
1) координаты на складе — переместить паллету на позицию А5-16-001;
2) элемент списка — позиция №2 в заказе отсутствовала при доставке;
3) должность — на позицию руководителя был назначен сотрудник из другой компании;
Изменить
1) внести правки — по кнопке "Изменить" переводим документ в режим редактирования;
2) отступить от традиции — изменил обычаю ездить летом в горы и поехал на карнавал.

За терминами важно следить, так как для разных ролей они означают разные вещи:
Клиенты у OZON / Wildberries / etc — это разные люди. И покупатели на сайте, и продавцы через маркетплейс являются клиентами для этих компаний.

Как следить за терминами?
- Понимать, в какой роли находится агент в коммуникации — для него "возврат" это сценарий в мобильном приложении, ожидаемая сумма денег на карте или задание для курьера?
- Принимать контекст — в каких ролях агенты? что обсуждаем? эта коммуникация суть продолжение коммуникации о чем?
- Переспрашивать и уточнять — если информация может быть воспринята неоднозначно, стоит обязательно уточнить, какое понятие стоит за указанным термином.

___
#терминология #коммуникация #контекст #роли

#систематика /// Причинно-следственная связь
(рекомендую смотреть на десктопе, позже сделаю перепубликацию с картинками)

У каждого события есть причина, и чтобы лучше, точнее моделировать, объяснять, предсказывать, нам важно уметь находить причины событий.

В обще виде связка причины и следствия выглядит так:
[причина] ————> [следствие]

Важно, чтобы стрелка была однонаправленной, если стрелку можно направить в противоположную сторону, то события не связаны причинно-следственной связью (ПСС).
Как проверить ПСС-связность событий? Необходимо уметь объяснить эту связь (а точнее гипотезу о том, что события связаны, что причинное событие действительно есть причина следственного события). Это можно сделать с помощью медиатора — промежуточного события, которое является следствием изначальной причины и причиной для изначального следствия:
[причина] ——> [медиатор] ——> [следствие]

Что может пойти не так? Может появиться искажающий фактор:
[причина] ——> [медиатор] ——> [следствие]
↑ ↑
[———— искажающий фактор ————]
Искажающий фактор является причиной и для изначальной причины, и для следствия. Он может помешать увидеть истинную причину события, не самом деле таковой не являясь (при условии, что у следствия на самом деле есть причина, отличная от искажающего фактора).

Противоположность искажающего фактора — так называемый коллайдер, который есть следствие для изначальных причины и следствия:
[причина] ——> [медиатор] ——> [следствие]
↓ ↓
[——————— коллайдер ———————]
Он не так опасен как искажающий фактор, потому что не заменяет истинную причину, однако может вносить путаницу, поэтому за ним тоже стоит следить, если он появляется в схеме ПСС.

Также важно отслеживать циклы в причинном графе, так как цикл мешает выявить искомую цепочку для проверки гипотезы. С циклом можно бороться, "отключая" временную составляющую, выделяя логическую цепочку событий. Но всё же лучше избегать циклов, в примере ниже такой как раз есть.

Пример построения ПСС:
Гипотеза: неучтенные требования возникают на более поздней стадии проектирования, потому что аналитики забивают на юзкейсы.
[игнорируют практику юзкейсов] ————> [неучтенные требования возникают позже]

Медиатор для проверки: юзкейсы не прописали — пропустили неочевидные сценарии, корнеркейсы.
[игнорируют юзкейсы] ——> [пропускают сценарии] ——> [требования возникают позже]

Для такой ситуации есть и искажающий фактор:
[игнорируют юзкейсы] ————> [требования возникают позже]
↑ ↑
[в целом много задач и переключений между ними]

Убедимся, что это действительно искажающий фактор (вставляем медиаторы):
[много задач, переключений] —> [нет времени на юзкейсы] —> [игнорируют юзкейсы]
[много задач, переключений] —> [UC в последнюю очередь] —> [требования возникают позже]
[много задач, переключений] —> [UC прописаны, другие требования нет] —> [требования возникают позже]

Есть ли в данном случае коллайдер? Да:
[игнорируют юзкейсы] ————> [требования возникают позже]
↓ ↓
[согласований и обсуждений больше, их эффективность ниже]

Проверим, являются ли изначальные причина и следствие причиной для коллайдера, вставив медиаторы:
[игнорируют юзкейсы] —> [сценарии выявляются в ходе обсуждений] —> [обсуждений больше]
[требования возникают позже] —> [откатываемся, перемоделируем] —> [обсуждений больше]

Этот пример не идеален, так как можно замкнуть цикл: коллайдер является причиной искажающего фактора. Но если выделить единичный проект для рассмотрения ПСС по приведенной гипотезе, то граф остается корректным. Позже планирую вернуться с более строгим примером.
___
#псс #причинно_следственная_связь

#систематика /// Частые проблемы при построении ПСС

1) Непомнимание, что есть причина, а что следствие.
В таком случае стоит внедрять больше медиаторов для построения логической цепочки.
Также поможет заземление — формулируем события графа максимально приближенно к конкретным объектам.

2) Граф ПСС имеет циклы, когда следствие оказывается причиной для исходной причины.
Это плохая ситуация, и для рассмотрения подобных графов стоит исключить временную составляющую и рассматривать логическую последовательность в рамках одной цепочки событий / цикла.

3) Нет понимания каков вклад у каждой из причин — не получается четко сформулировать про "необходимо и достаточно", только размытые оценки.
В этом случае стоит опираться на контрфактические суждения и вероятностную оценку на их основе.

___
#псс #причинно_следственная_связь #заземление #вероятность

#систематика /// Пример причинно-следственной связи (с обещанной картинкой :)
Дополнение к посту про ПСС

Пример построения ПСС:
Гипотеза: неучтенные требования возникают на более поздней стадии, потому что аналитики забивают на юзкейсы.
[игнорируют юзкейсы] > [неучтенные требования возникают позже]

Медиатор для проверки: юзкейсы не прописали — пропустили неочевидные сценарии.
[игнорируют юзкейсы] > [пропускают сценарии] > [требования возникают позже]

Искажающий фактор:
[в целом много задач и переключений между ними]

Коллайдер:
[согласований и обсуждений больше, их эффективность ниже]


Пример не идеален, т.к. можно замкнуть цикл: коллайдер есть причина искажающего фактора. Но если выделить единичный проект для рассмотрения ПСС по приведенной гипотезе, то граф корректный.
___
#псс #причинно_следственная_связь

#дизайн /// Системный взгляд на UI (кажется, первый пост с меткой дизайн : )

Вчера вышла моя статья про системный взгляд на UI — по мотивам выпускного эссе на Практикуме в ШСМ (декабрь 2020), выступления на UX-марафоне (январь 2021) и доклада на конференции ШСМ (апрель 2021). (все ссылки есть в статье)
Эта текущее понимание моей деятельности проектировщика через призму системного мышления.

Статья на Хабре: https://habr.com/ru/company/posttech/blog/567170/
Буду рад любой критике, комментариям, вопросам. Всем хорошего дня!
PS: там лонгрид получился, я вас предупредил : )

#систематика /// Причинность и данные

Мы строим ПСС для принятия решения. Это решение нам нужно для достижения цели. Вот эта самая цель должна быть следствием для нашей ПСС. В противном случае это лишь проверка связей между медиаторами. Можно говорить об общей / основной ПСС для целевого действия / события.

Для построения ПСС (например, в виде графа) собираем всю информацию, которая может влиять на события в цепочке. Важно, что именно модель, которую мы строим, определяет данные для проверки, а не наоборот. То есть, не "взяли доступные данные и сооружаем из них какую-то модель", а "построили модель-гипотезу, и для ее проверки собираем данные".

В итоге цепочка действий для принятия решений с помощью ПСС выглядит так:
1) Определить целевое следствие — что именно мы хотим получить в итоге или что именно мы хотим проверить, признать следствием (это важно, так как чаще всего мы хотим узнать причину, так вот необходимо четко понимать, строго сформулировать причину чего мы хотим найти).
2) Определив следствие — строим ПСС-модель, графически или текстом. На этом этапе важно собрать: релевантные наблюдения, экспертные мнения (собственные или доступные в окружении).
3) Проводим проверку с помощью контрфактических суждений: отсекаем случайности, искажающие факторы, недостаточно сильные и неоднозначные свидетельства.
4) Составляем гипотезы вида "необходимо сделать / перестать делать X, чтобы случилось Y", где X и Y — измеримые, в идеале количественные, показатели. Именно для этих показателей необходимо собирать данные, готовить эксперимент для проверки гипотезы.

___
#причинно_следственная_связь #цель #данные #эксперимент

#систематика /// Построение причинно-следственной связи

ПСС строится из экспертных мнений и контрфактических суждений (КФ-суждения).

Базовый алгоритм:
1. Придумываем / выявляем цепочку событий, которые выглядят для нас наиболее логично и непротиворечиво. Проще говоря — "как надо", где надо == наш ролевой интерес.
2. Избегаем соблазна оставить в модели псевдо-связи, которые кажутся релевантными, однако на самом деле только "шумят" и создают дребезг. Их нельзя оставлять только потому что "они же тут рядом".
3. Отслеживаем: дребезг в модели, места где "непонятно как работает", контрфактические изменения (которые говорят о том, что причина и следствие не связаны). Если что-то из этого есть в модели, значит модель пока не готова, продолжаем поиск — ищем элементы для ПСС-модели + продолжаем исследования — напрягаем мозги (делаем контрфактические суждения) и экспертов (собираем априорные данные).
4. Альтернативный (или дополнительный) подход — фиксируем желаемый результат (следствие в строящейся модели) и ищем / подбираем наиболее сильные элементы-события, лучшие кандидаты на элементы-причины.
5. Если предыдущие четыре пункта пройдены и у нас есть модель со всеми элементами, то нам осталось только понять какие именно нужны данные для проверки модели. Данные получаем в ходе эксперимента. На этом этапе важно не поддаваться моде сбора данных: не собирать лишние, чтобы экономить на их сборе и интерпретации + не собирать данные для построения модели, а только для проверки уже построенной модели.

Когда есть модель с достаточным количеством элементов, и определены необходимые данные, то можно приступать с эксперименту, который включаем сбор данных и собственно проверку гипотезы.

___
#псс #причинно_следственная_связь #моделирование #эксперимент

#систематика /// Сбор данных и эксперимент

Пререквизит для проведения эксперимента:
- Хорошо ли сформулирована гипотеза? Она должны хорошо объяснять.
- Есть ли оценка априорных шансов? Нам необходимы известные данные по нашему вопросы в домене.
- Есть ли свидетельства против нашей гипотезы? Необходимо провести контрфактические суждения, проверить связность модели.
- Посчитана ли правдоподобность? Важно численно выразить следствие в нашей модели, убедиться, что это следствие есть именно то, что мы хотим получить когда будем принимать решение по итогу проведения эксперимента.

Если чего-то из этого списка нет в наличии, то высок риск, что проверять гипотезу на эксперименте "в мире" (а не в голове) будет дорого и, вероятно, бессмысленно. То есть, гипотезу надо доформулировать. Достроить модель.

Если чего-то из этого нет, и при этом не получается добыть (элементы модели, данные), то надо создать связанную гипотезу — "соседнюю" / "прокси"-гипотезу. Это часто случается при проверке гипотез, связанных с абстрактными вещами, такими как креативность, мышление, успешность, etc.

Финальная проверка на дешевизну проверки гипотез:
- Осталась ли какая-либо неопределенность?
- Нужны ли еще элементы модели или уже только данные?
Если в ответах на эти вопросы есть хоть одно "да", то дополняем модель данными.
Если среди ответов нет "да", то переходим к сбору данных.

Данные:
1. Каких данных минимально достаточно? Нам не нужны лишние данные, чтобы не тратить ресурсы на их поиск, обработку, интерпретацию.
2. Проверка на опровержение — представляем, что у нас есть идеальные данные. Возможно ли обнаружить еще какие-либо данные, которые опровергнут нашу идеальную модель с подстваленными идеальными данными?
3. По итогу этих двух пунктов решаем, какие еще данные нужны, какие еще элементы модели нужны. То есть, откатываемся на построение ПСС, если необходимо, и снова переходим к сбору данных.
4. Итерируем эти шанги до максимально стройной и сильной модели.

Основной принцип дешевизны проверки гипотез — не проверять то, что можно проверить в голове (чаще всего на КФ-суждениях). Чаще всего дешевле потратить полдня с блокнотом и ручкой, чем несколько дней на сбор и интерпретацию в в лучшем случае ненужных, а в худшем искажающих данных.

___
#псс #причинно_следственная_связь #моделирование #эксперимент