Superforecaster

En superprognosmakare är en person som gör prognoser som med statistiska medel kan visa sig ha varit genomgående mer korrekta än allmänheten eller experter. Superprognosmakare använder ibland moderna analytiska och statistiska metoder för att öka uppskattningarna av bashastigheter för händelser; forskning visar att sådana prognosmakare vanligtvis är mer exakta än experter på området som inte använder analytiska och statistiska tekniker. Termen "superforecaster" är ett varumärke som tillhör Good Judgment Inc.

Etymologi

Termen är en kombination av prefixet super , som betyder "över" [ citat behövs ] eller " bättre än genomsnittet " [ citat behövs ] , och forecaster , vilket betyder en som förutsäger ett resultat som kan inträffa i framtiden.

Historia

Ursprunget till termen tillskrivs Philip E. Tetlock med resultat från The Good Judgment Project och efterföljande bok med Dan Gardner Superforecasting: The Art and Science of Prediction .

I december 2019 skrev en analytiker från Central Intelligence Agency under pseudonymen "Bobby W." föreslog att Intelligence-communityt borde studera superforecasters forskning om hur vissa individer med "särskilda egenskaper" är bättre prognosmakare och hur de bör utnyttjas.

I februari 2020 höll Dominic Cummings med Tetlock och andra i att antyda att studier av superprognoser var effektivare än att lyssna på politiska förståsigpåare .

Superprognosmakare

Vetenskap

Superprognosmakare uppskattar en sannolikhet för en händelse och granskar uppskattningen när omständigheterna som bidrar till uppskattningen förändras. Detta är baserat på både personliga intryck, offentliga data och inkorporering av input från andra superprognosmakare, men försöker ta bort partiskhet i deras uppskattningar. I The Good Judgment Project fick en uppsättning prognosmakare utbildning i hur man översätter sina förståelser till en probabilistisk prognos , sammanfattad i en akronym "CHAMP" för jämförelser, historiska trender, genomsnittliga åsikter, matematiska modeller och förutsägbara fördomar.

En studie publicerad 2021 använde en Bias, Information, Noise (BIN) modell för att studera de underliggande processerna som möjliggör noggrannhet bland superprognosmakare. Slutsatsen var att superprognosmakares förmåga att filtrera bort "brus" spelade en viktigare roll för att förbättra noggrannheten än bias-reduktion eller effektiv extrahering av information.

Effektivitet

I Good Judgment Project , "presterade de bästa prognosmakarna... cirka 30 procent bättre än genomsnittet för underrättelsetjänstanalytiker som kunde läsa avlyssningar och annan hemlig data".

Att utbilda prognosmakare med specialiserade tekniker kan öka prognosmakarnas noggrannhet: i Good Judgment Project fick en grupp utbildning i " CHAMP" -metoden, vilket verkade öka prognostiseringsnoggrannheten.

Superforecasters förutsäger inte framtiden med perfekt noggrannhet: Bloomberg noterar att de gjorde en förutsägelse på 23 % för en ledighetsröst i månaden för Brexit -folkomröstningen i juni 2016. Å andra sidan noterar BBC att de exakt förutspådde Donald Trumps framgångar i republikanska partiets primärval 2016.

Superforecasters gjorde också ett antal korrekta och viktiga prognoser om coronavirus-pandemin, som "företag, regeringar och andra institutioner" har dragit nytta av. Dessutom har de gjort "exakta förutsägelser om världshändelser som godkännandet av Storbritanniens Brexit-omröstning 2020, Saudiarabiens beslut att delvis offentliggöra sitt nationella gasbolag 2019 och statusen för Rysslands livsmedelsembargo mot vissa europeiska länder också under 2019".

Biståndsorganisationer använder också superprognos för att avgöra sannolikheten för att torka kommer att bli hungersnöd, medan Center for a New American Security har beskrivit hur superprognosister hjälpte dem att förutsäga framtida colombianska regeringspolitik. Goldman Sachs utgick från superprognosmakarnas vaccinprognoser under coronaviruspandemin för att informera om sina analyser.

The Economist noterar att Superforecasters i oktober 2021 exakt förutspådde händelser som inträffade 2022, inklusive "valresultat i Frankrike och Brasilien; avsaknaden av en vinter-OS-bojkott; resultatet av USA:s mellanårsval och att globala Covid-19-vaccinationer skulle nå 12 miljarder doser i mitten av 2022". De förutsade dock inte uppkomsten av Omicron-varianten.

Egenskaper

En av Tetlocks upptäckter från Good Judgment Project var att kognitiva och personlighetsdrag var viktigare än specialiserad kunskap när det gällde att förutsäga resultatet av olika världshändelser, vanligtvis mer exakt än underrättelsetjänster. I synnerhet fann en studie från 2015 att nyckelprediktorer för prognostiseringsnoggrannhet var "kognitiv förmåga [IQ], politisk kunskap och öppenhet". Superforecasters "var bättre på induktivt resonemang, mönsterdetektering, kognitiv flexibilitet och öppenhet". I Good Judgement Project fick superprognosmakarna "högre poäng på både intelligens och politisk kunskap än den redan långt över genomsnittet grupp av prognosmakare" som deltog i turneringen.

människor

  • Elaine Rich, en superforecaster som deltog i Good Judgment Project.
  • Andrew Sabisky , som avgick från sin position som rådgivare till Storbritanniens regering på Downing Street , och chefsrådgivaren Dominic Cummings sa till journalister "läs Philip Tetlocks Superforecasters, istället för politiska förståsigpåare som inte vet vad de pratar om".
  • Nick Hare, tidigare chef för terminer och analysmetoder vid försvarsministeriet ( MoD).
  • Reed Roberts, en före detta doktorand i kemi.
  • Jonathan Kitson
  • Jean-Pierre Beugoms
  • Dan Mayland
  • Kjirste Morrell

Vidare läsning

Hämtad från " https://en.wikipedia.org/w/index.php?title=Superforecaster&oldid=1131666696 "