4星|《经验的疆界》:奇书,企业如何从经验中学习的相关论文综述,虽然有点旧但是非常有新意

简介:

经验的疆界

算是一本奇书,风格与内容都比较罕见。篇幅非常短小,我估计大概在10万字左右,还有30%的篇幅是参考文献。

内容是企业如何从经验中学习的相关论文综述。英文原版是2010年出版的。只给出结论和出处,不详细阐述。有许多有趣的、震撼的内容。

一个重要的信息是:经验不像想象的那么有效,因为原因与结果可能太复杂了,总结者由于各种认知误差高估了经验的有效性,或错误总结了经验。

总体评价4星,比较有价值。

以下是书中一些内容的摘抄:

1:尽管很多组织热衷于从经验中学习,但是初步证据显示从经验中学习并不一定带来改进。#66

2:个人和组织尽管渴望从经验中获取智慧,但是在这种渴望之下从经验当中做出的推断往往具有误导性。#77

3:流行病传播学有两条假定,放在组织复制成功的情境下尤其不合适。第一条假定是,传播物在传播过程中保持不变。第二条假定是,联系网络在传播过程中保持不变。#260

4:不幸的是,在现实世界中复制成功,只能采用简单的内隐实验设计、简单的内隐相关模型和小样本。结果,通过复制成功而学习,特别容易犯下误设(misspecification)和迷信(superstition)的错误。#300

5:研究随机过程的学者都知道,随机变异会造成一些十分惊人、违反直觉的意外(Feller 1968)。这些意外,很多是所谓的首次超越定理(first-passagetheorem),或者竞争上限定理(competitive maximum theorem)的变式。#312

6:组织经常会面临一种选择:一个是老做法(或流程、形式),缺点较多,但是用顺手了;另外一个是新做法(或流程、形式),优点较多,但是不大会用。在这两个选项面前,组织极有可能选择前者。复制成功更有可能加重而非缓解这一问题。#337

7:学习在三个层面同时发生。第一个是学习做什么:寻找好的(或者最好的)技术、战略或合作伙伴,等等。第二个是学习如何做:精练并改进在某技术、战略或合作伙伴上的胜任力。第三个是学习期盼什么:调整绩效目标。#352

8:当经验以让学习有效的方式展开,那么复制成功就会增长智慧。但是,当经验是复杂的、模糊的、充满随机变异的、样本量有限的(情况往往就是如此),那么复制成功——不管是通过试误,还是模仿,或者天择——就有可能导致次优状态。#385

9:长期置身于危险之中但一直安然无恙,人们就会淡忘曾经让自己非常忧心的危险,因此,经验具有双面性,一方面让人们泰然处之,另一方面让人们麻痹大意。#428

10:高智故事和模型是两种压力联合作用的产物。一方面,故事和模型必须精妙复杂到显得有趣并彰显人类智慧;另一方面,故事和模型必须简单到足以让人理解。#461

11:人类偏爱简单的因果关系,认为原因必定在结果附近、大果必定有大因。与比较复杂的分析相比,人类更喜欢涉及有限信息和简单计算的启发式。#481

12:故事和模型经常导致过度拟合的解释,这些解释对随机变异进行事后诠释,对未来没有什么预测力。#507

13:尽管标准的管理畅销书和标准的组织研究文献都声称了解决定组织绩效的各种因素,但是我们几乎不可能不得出结论说(在约定俗成的推断规则之下):大多数有关组织绩效的研究不能有任何把握地理清绩效产生的因果结构。#568

14:第二个神话主题就是层级(hierarchy)神话:问题可以分解成一层一层的子问题,行动可以分解成一层一层的子行动。#601

15:第三个主题是领导者个人举足轻重(individualleadersignificance)神话:任何历史故事要想有意义,都必须和伟人扯上关系;组织历史是组织领导者根据个人意愿创造的。#610

16:第四个神话主题是历史有效(historicalefficiency)神话:历史遵循的路线,通向唯一的均衡,这个唯一均衡由先前条件和竞争共同决定。#618

17:这些神话,很多下面潜藏着一个更大的神话:人类举足轻重,也就是,人类可以通过个体的或集体的智慧行动影响历史进程,让历史按照对自己有利的方向发展。#636

18:因为相信“人类举足轻重”,所以人们倾向于把历史事件归功于或者归咎于人类意愿,进而慷慨地或残忍地对待领导者。#640

19:在现实生活中,比较典型的情况是,真相是模糊的。人们口中所谓的真相,不过是大多数人的共同看法。这种情况的问题比上面提到的《皇帝的新衣》更为严重。#684

20:能够讲述可分享的、有趣的经验故事,是智慧的一个重要标志,对组织参与者而言如此,对学者而言亦如此。能够讲述令人信服的、高智的经验故事,是优秀管理者、优秀研究者和优秀顾问的标志。培养这种能力,是组织的一项主要责任。#755

21:另外,本章把两个假定看成多多少少是不证自明的。第一个假定是,大多数新想法是坏想法,也就是后来会被判定为失败,只有少数几个新想法最后会成功。第二个假定是,没有可靠的方法预测哪个新想法会成功。#794

22:新事物是管理者狂妄自大的副产品,而管理者狂妄自大是高效选拔管理者的副产品。#940

23:一个显而易见的策略,也是工程师投入大量努力的一个策略,就是想办法从大量的新想法中尽早分辨出稀有的好想法。但是,相关证据表明,这个策略没有多大前途,特别是对极其不合常规的想法而言。#990

24:第三,在因果关系复杂、练习机会较少的领域,经验不是好的老师,因为不能可靠地为绩效改进提供清晰的依据。#1042

25:从经验中学习,尽管非常普遍,也屡屡成功,但是有很多限制其效果的问题。这些问题,主要是由经验的三个显著特征造成的。第一个是经验的鲜活性,第二个是启示的模糊性,第三个是诠释的灵活性。#1075

26:在个人和组织看来,直接经验特别鲜活(Fischhoff,1975)。直接经验的鲜活性导致学习者把来自直接经验的信息看得比来自其他渠道的信息重。#1078

27:很多组织在招聘选拔中经常使用个人陈述或者个人面谈等技术。系统而言,这样的直接经验给人的震撼超过了提供的信息应该有的样子,因此往往被赋予过高的权重。#1091

28:第五,历史是吝啬的(miserly),只能提供少量的经验。历史只能提供小样本,因此给推断带来很大的抽样误差。#1119

29:“历史可以为任何事情辩护。历史实际上教不了人们什么东西,因为历史什么都有,不管什么事情都能从中找到例证(quotedinWhite1987,36)。”诠释的灵活性牺牲预测力保全神话框架。#1134

30:第三,组织不求理解复杂的世界,但求创造一个自己可以理解的比较简单的世界。组织不是使用可以自由获取的现成材料,而是创造具有易理解性和易管理性的材料。#1173

31:如果本书的探讨能给读者什么启示的话,那就是从经验中学习是不完美的真相发现手段。#1178







本文转自左其盛博客园博客,原文链接:  http://www.cnblogs.com/zuoqs/p/7989262.html  ,如需转载请自行联系原作者






相关文章
|
2月前
|
自然语言处理 数据安全/隐私保护
整合 200 多项相关研究,大模型终生学习最新综述来了
【9月更文挑战第26天】近年来,大型语言模型(LLMs)在自然语言处理、智能问答及内容生成等领域广泛应用。面对不断变化的数据、任务和用户偏好,LLMs需具备适应能力。传统静态数据集训练方式难以满足需求,因此提出了“终身学习”方法,使模型持续学习新知识并避免遗忘旧知识。最新综述文章整合200多项研究,将终身学习分为内部知识(连续预训练和微调)与外部知识(基于检索和工具)两大类,涵盖12种应用场景,探讨了模型扩展和数据选择等新兴技术。然而,终身学习也面临计算资源、知识冲突及数据安全等挑战。
54 6
|
3月前
|
存储 人工智能 搜索推荐
【2023年第十一届泰迪杯数据挖掘挑战赛】C题:泰迪内推平台招聘与求职双向推荐系统构建 27页论文及实现代码
本文介绍了2023年第十一届泰迪杯数据挖掘挑战赛C题的解决方案,详细阐述了如何构建泰迪内推平台的招聘与求职双向推荐系统,包括数据收集、分析、画像构建、岗位匹配度和求职者满意度模型的建立,以及履约率最优化的推荐模型,提供了27页的论文和实现代码。
73 0
【2023年第十一届泰迪杯数据挖掘挑战赛】C题:泰迪内推平台招聘与求职双向推荐系统构建 27页论文及实现代码
|
3月前
|
人工智能 自然语言处理 数据挖掘
🎯直击要害!生成式模型新手村毕业攻略:打造高效提示词秘籍📚
【8月更文挑战第1天】踏入生成式模型的世界,新手常感迷茫。高效提示词是通往AI创意大门的钥匙。首先要理解提示词的本质:它是你意图的载体。明确目标后,构建提示词框架:设定主题、描绘场景、添加情节线索,并指定风格。实战演练中不断优化提示词,激发模型潜力。掌握这些技巧,你就能在AI创作之路上越走越远,征服这片新大陆!
47 0
|
机器学习/深度学习 人工智能 自然语言处理
ChatGPT最强专业学习资料集锦
本文旨在整理一份可供参考和学习的专业ChatGPT相关资料,包括ChatGPT相关论文、Github项目、以及当前市场上出现的ChatGPT相关产品等。
ChatGPT最强专业学习资料集锦
|
机器学习/深度学习 人工智能 自然语言处理
我失业了?| ChatGPT生信分析初体验
我失业了?| ChatGPT生信分析初体验
124 0
|
存储 机器学习/深度学习 人工智能
清华最新「持续学习」综述,32页详述持续学习理论、方法与应用综述
清华最新「持续学习」综述,32页详述持续学习理论、方法与应用综述
473 0
清华最新「持续学习」综述,32页详述持续学习理论、方法与应用综述
|
数据可视化 数据挖掘 大数据
大数据可视化理论与案例分析|青训营笔记
通过本篇文章,可以帮助读者对数据可视化的概念和原理有一个整体的认知,并且介绍了数据可视化中常见的可视化图表的种类和使用场景。
277 0
大数据可视化理论与案例分析|青训营笔记
|
JavaScript 前端开发 安全
面试的信心来源于过硬的基础
面试的信心来源于过硬的基础
114 0
|
机器学习/深度学习 算法 知识图谱
重磅 | 19 页花书精髓笔记!你可能正需要这份知识清单
重磅 | 19 页花书精髓笔记!你可能正需要这份知识清单
323 0
重磅 | 19 页花书精髓笔记!你可能正需要这份知识清单
|
人工智能 算法 API
还在为垃圾太难分类而烦恼么?AI算法来帮您!
阿里云视觉智能开放平台推出垃圾分类识别算法,通过算法实现对垃圾的准确分类,目前平台算法免费开放调用,千万不要错过哟~
还在为垃圾太难分类而烦恼么?AI算法来帮您!