Forecasting
Вероятности можно тренировать и score
Forecasting research поддерживает calibration practice, teaming и aggregation в подходящих domains. Это не доказывает автоматическое улучшение каждого business/life decision.
Reality Skill · Исследования
Reality Skill сам должен выдерживать проверку реальностью.
Evidence отдельных компонентов не является доказательством интегрированного протокола. Мы разделяем то, что независимо поддержано, рабочие гипотезы, измерения Experiment #001 и условия, которые должны заставить нас изменить систему.
Что уже даёт research
У некоторых компонентов есть существенная поддержка. У всей системы Reality Skill - пока нет.
Debiasing
Некоторые targeted interventions переносятся
Отдельные debiasing practices могут менять поведение за пределами упражнения, но transfer зависит от конкретного intervention.
Groups
Группа может улучшать judgment - или уничтожать independence
Structured independent elicitation сохраняет diverse signals; обычное social influence может быстро их схлопнуть.
Verification
Source evaluation можно тренировать
Lateral reading и provenance checks помогают лучше оценивать незнакомые источники.
Execution
If–then planning связывает intention с action
Explicit update triggers лучше, чем надежда вспомнить, что план надо пересмотреть.
Systems
Framework может быть diagnostic без универсальной predictive силы
Systems/constraint models полезны, если создают testable implications, а не превращаются в объяснительную догму.
Уровни evidence
Уровень evidence меняет то, насколько уверенно мы используем модель.
A
Strong empirical support
Повторная empirical support underlying mechanism или method.
B
Supported practice
Важные ingredients поддержаны, но именно этот transfer/use может быть изучен слабее.
C
Diagnostic framework
Помогает организовать complexity и генерировать interventions, но не считается полной predictive theory.
D
Hypothesis generator
Линза, способная показать возможности, но не имеющая права побеждать более сильное evidence.
Integration hypothesis
Reality Skill объединяет изученные компоненты с непроверенными integration choices.
Изученные отдельно ingredients
- Scientific testing и falsification
- Base rates и outside view
- Probabilistic forecasting и calibration
- Causal/counterfactual reasoning
- Premortem и structured challenge
- Source verification и lateral reading
- Implementation intentions и feedback
- Structured independent elicitation
Reality Skill hypotheses
- Reality Map как first-class input layer
- Async-first routing до live discussion
- Human signals с provenance
- Scored Journal как compounding meta-layer
- Monthly Chartroom как escalation + trust layer
- Foundation Gate по reliability/candor/independence
До Founding cohort integrated protocol имеет n=0. Поэтому Protocol v1.2 - testable composite hypothesis, а не законченная доктрина.
Reality Skill Experiment #001
Minsk Founding Cohort · human-only feasibility pilot.
| Элемент | Protocol v1.2 |
|---|---|
| Участники | 6–8 selected participants |
| Foundation | Примерно 10–12 недель; 6 личных встреч |
| Foundation Gate | Reliability, decision-relevant candor и independent-first должны реально работать до перехода на monthly |
| Cruise | Один личный Chartroom каждые 4 недели + limited async panels |
| Async capacity | Около 3–4 Full Panels на группу в месяц; обычный участник 2–4 responses/month |
| AI | Не используется в decision process первого cohort; только future research layer |
| Primary aim | Найти observable decision/process signal, достойный дальнейшей проверки, при низкой participant burden |
Primary questions
Что Experiment #001 действительно пытается узнать.
01
Decision throughput
Какую долю consequential cases можно закрыть без synchronous group meeting?
02
Independent judgment
Сохраняет ли private-first async meaningful differences до social influence?
03
Unique information
Приносит ли panel observations и first-hand experience, которых owner до этого не имел?
04
Escalation quality
Содержат ли cases, попавшие в Chartroom, реально более ценное disagreement, competing models или tacit information?
05
Participant burden
Сколько общего времени участников требуется на одно resolved decision?
06
Trust + candor
Создаёт ли Foundation достаточно доверия для decision-relevant версий реальных sensitive cases?
07
Monthly sustainability
Может ли одна личная встреча каждые 4 недели поддерживать отношения/context для async cooperation?
08
Learning
Улучшает ли Scored Journal forecasting, review behavior и willingness to update?
09
Facilitator dependence
Может ли protocol работать всё меньше завися от одного unusually strong founder-facilitator?
10
AI marginal value - позже
После появления human baseline добавляет ли AI достаточно ценности, чтобы оправдать complexity и privacy cost?
Foundation Gate - тоже гипотеза
Переход на monthly запускается данными.
Reliability
Working threshold: 80%+ ответов без individual reminders
Practical signal, что async responsibility живёт без постоянного facilitator effort.
Decision-relevant candor
Cases содержат достаточно реального context
Не «рассказать всё», а дать достаточно, чтобы omitted context вряд ли перевернул judgment.
Independence
Private-first и unique contribution реально видны
Genuine dissent, когда он существует; никакой обязанности производить disagreement.
Что отслеживаем
Behavior, burden и outcomes - не только enthusiasm.
- Consequential decisions logged
- Initial и final estimates
- Cases closed async
- Cases escalated to Chartroom
- Unique information added
- Time spent per resolved decision
- Actions, update triggers и review dates
- Resolved outcomes
- Forecast calibration где уместно
- Async response reliability
- Decision-relevant candor
- Relationship continuity
- Emergency Mini-Room frequency
Что заставит нас изменить мнение?
Self-correcting framework должен показывать собственные failure conditions.
- Участникам нравится процесс, но consequential decisions реально не меняются.
- Tools работают только во встречах и не переносятся в обычную жизнь/работу.
- Async panels становятся sanitized, low-response или socially conformist.
- Group discussion систематически уменьшает independence или ухудшает judgments.
- Benefit сильно зависит от одного unusually strong facilitator.
- Protocol создаёт больше cognitive overhead, чем decision value.
- Monthly cadence слишком редок для trust и candor.
- Repeated cohorts не дают measurable signal, достойного продолжения.
Research roadmap
Более сильные claims надо заработать.
Stage 01
Feasibility
Могут ли люди реально использовать protocol на важных решениях и можем ли мы это измерить?
Stage 02
Replication
Запустить другие cohorts и отделить устойчивые patterns от founder/group effects.
Stage 03
Comparative tests
Сравнивать structured solo, async independent panel, ordinary discussion, structured room и позже AI additions.
Stage 04
Publish updates
Публиковать полезные результаты, null results и изменения protocol, чтобы у Reality Skill была собственная update history.
Рабочая bibliography
Research traditions, которые сейчас информируют протокол.
Forecasting & aggregation
Mellers и коллеги; Good Judgment; structured expert elicitation и IDEA/Delphi research.
Social influence & collective judgment
Wisdom of crowds, hidden profiles, information pooling, conformity и collective intelligence.
Debiasing & decision preparation
Considering the opposite, premortem-style challenge, implementation intentions, calibration и outcome review.
External cognition & systems
Cognitive offloading, external representations, systems thinking, constraints, feedback, bottlenecks и value of information.
Detailed source links из текущей страницы можно сохранить ниже этой секции, если хотите оставить существующую bibliography verbatim.
Research rule
Research говорит, что может работать. Практика показывает, работает ли это здесь.
Delivery format · вторичный research question
Главная гипотеза - качество решений, а не формат встречи.
Очное участие в Минске предпочтительно, когда оно доступно, потому что даёт более богатый человеческий контакт. Online существует для тех, кто не может надёжно участвовать очно. Мы всё равно сравним decision value, candor, trust и burden между форматами, но формат остаётся вторичным implementation question, а не идентичностью Reality Skill.