Coursera: Model Thinking

Model Thinking

Note: hab ich gemacht, inkl. Exams und Zertifikat.

was ich an modellen mag:

  • sie präzisieren die beschreibbarkeit von dingen.
    teilweise machen sie auch annahmen falsifizierbar: tipping points sind zb etwas anderes als jene punkte auf wachsumskurven, an denen das wachstum oder die bremse losgeht. tipping points sind wesentlich spezifischer.
  • sie wollen nicht das denken und den common sense ersetzen.
    z.b. muss man sich immer überlegen, ob man nach dem big koefficient muster agiert oder ob man sich nicht schon in einer ‘new reality’ befindet, die das ganze problem überflüssig macht.
  • es sind teilweise wirklich komplexe phänomene konkret bescheibbar.
    etwa modelle, die auch den modellübergang beschreiben (web von einem organischen zustand zu einem spekulativen usw.)
  • manchmal muss man selbst ‘game theory’ betreiben – im sinne von gewinnen wollen usw. – um andere davon abzuhalten, es zu tun.
    sprich: in diesen fällen beginnen leute ein spiel zu spielen, für das sie kriterien haben, nach denen sie es gewinnen wollen. spielt man nicht tun sie es usw.
  • sie erklären manchmal unerwartet dinge.
  • sehr wichtig der unterschied big koefficient (bzw. oft auch small, stupid oder irrelevant koefficient) und new reality.
    man kann noch so optimieren, man tut das falsche wenn die welt schon woanders ist.
    beispiel natürlich der kulturkampf rund um das urheberrecht.

Lektionen und Annahmen

  • Wer ein Modell hat schlägt den, der kein Modell hat.
  • Wer ein besseres Modell hat schlägt den, der ein schlechteres Modell hat.
  • Wer mehre Modelle hat, schlägt den, der nur ein Modell hat.
  • Wer ein Modell hat und das auch menschlich interpretiert schlägt den, der nur ein Modell hat.
  • Am besten sind mehrere sehr gute Modelle die auch interpretiert werden

Vorteile von Modellen

  • sie helfen bei der Klärung des Problems
  • man kann aus der makroperspektive nur bedingt auf micro-preferences schliessen. schon sehr kleine preferenzen führen aggregiert zu massiven segmentierungen.

Threshold

Das Konzept des Thresholds ist zb wirklich nützlich. Viele Dinge lassen sich viel leichter und besser erklären / modellieren, wenn man so etwas wie einen Threshold berücksichtigt.

z.b.: was ist der Threshold an Freunden, die auf einem Dienst sein müssen, bevor ich mich auch anmelde.

Es gibt immer Leute mit Threshold 0 i.e. die sich auch als erste anmelden.

Und viele haben halt Thereshold 5, oder einen Threshold an bestimmten Leuten, auf die sie achten etc.

Jedenfalls läuft Adaption von Anwendungen und überhaupt eindeutig Threshold-basiert – wo viele andere sind, da bin ich auch.

Man sieht es aber auch an Konzepten: sind einmal die Grenzen bei Dingen wie Kickstarter gefallen, brechen sie plötzlich auch woanders.