En princip jag försökt hålla mig i förr respektive prototyp och numera versionerna från och med Warrior fram till Reward version när den abstrakta modellen konkretiseras och implementeras är att:
- Enskilda komponenter ska försöka använda var och en enkla funktioner.
- Uttrycken ska helst vara välkända inom både forskning, modell-uttryck och implementation sedan många år.
- Och optimalt enkelt utbytbara om något bättre hittas eller en anpassning vinner på ett annat uttryck.
Det gör det lättare att bygga konkret värde för respektive problem man söker lösa genom att göra det möjligt att vettigt separera plattform och implementation eftersom man kan införa riktad förändring i plattform utan bygga samman anpassning och plattform (ett problem Flashlight hade).
Jag kom emellertid som tidigare kort nämnt införa en definition av stereotypisk information (snarare än volativ-information betraktad som förändrad osäkerhet ej i tidsperspektiv "referensinformation) jag beskrev ungefär som triangels mitt av Shannons entropy, Fisher information och normalfördelningen. Lätt fascinerande med definitionen är att den än utan några egentliga krav på förändrat konkret uttryck klarat uttrycka det mesta relaterat till hur vi uppfattar och delar språk i det kollektiva liksom det väsentliga från sociologin viktigt.
Och nu senast tycks det scarcity i det ekonomiska perspektivet respektive kognitivt reward-perspektiv enskild individ (jag har ej implementerat kod för detta perspektiv än).
Detta kombinerat med vad jag kort berörde i Korrigering felbedömning är det troligt vad som börjat ge kraftiga symptom på prokrastination. För att minska risken för detta har jag hela vägen beslutat att jag inte ska behöva sätta fokus på konkretiserad leverans kund innan jag känner mig redo och så långt som möjligt alltid betrakta projektet som vad jag potentiellt delar fritt (vilket säkert också blir fallet för utvalda delar). En poäng med strategin berörd i punktlistan är ju förövrigt också att addera prestige-löshet vilket jag vet förebygger prokrastination.
Nu tycks detta inte fullt räcka men semestern lär tror jag addera en hel del motståndskraft.
Det hade på så många sätt varit enklare om jag inte behövt införa en konkretiserad egen definition av stereotypisk information alternativt att den inte presterat mer än att lösa det ursprungliga problemet relaterat till föränderlighet hos symboler i långsam tid. Nu när den är bredare funktionell drog det upp prokrastinations-risk.
Nyttan av artikeln i The Economist var enorm. Gav mig perspektiv på det hela och roade mig vilket verkligen var precis rätt. Lätt komiskt hur projektet började en gång i prokrastination och påminner en om saker man glömt. Jag tror mig nya bankomat-kort kom i posten så jag ska se till att beställa en prenumeration och börja läsa den regelbundet.
Kritik mot ekonomisk teori
Jag lägger till ytterligare en kritik mot allmän ekonomisk-teori som fortsättning på Ekonometri: Två störande grundläggande antagande och EuroStat kände till Greklands falska bokföring av "låne-derivat" med utgångspunkt från arbetet med den stereotypa definitionen av information.
Begreppet volatilitet gör det inte nödvändigt att abstrakt konkretisera definitionen av begreppet med varians. Ekonomisk teori gör dock detta regelmässigt och ännu tror jag inte att jag hittat ett undantag.
Vad är problemet? Jag nöjer mig med att förklara det via isomorfism:
- Genetik, informationsteori, biologisk-systemteori, signallära o.s.v.
- Alla andra teoretiska och praktiska vetenskapsområden är volatilitet, diversity, varians m.fl. närstående begrepp är viktiga används ett flertal konkreta uttryck för att beskriva det.
- Viktigt påverkande är typ av data, vad man undersöker o.s.v. vilket gör olika uttryck bättre eller sämre.
Praktiskt och teoretiskt ekonomi är dock unik i att de bara använder ett begrepp med en definition d.v.s. vanlig varians. Verkar det troligt och rimligt att deras problemområde skiljer ut sig så mycket? Nej och det tycks troligt för mig att det är en kulturfråga buren av deras referensböcker och läroböcker på universitetsnivå kombinerat med att vanliga statistik-kurser också har nästan 100% inriktning på dessa definitioner. Andra utbildningar berör man dock dessa begrepp från andra inriktningar ex. signaler och system, biologisk-systemvetenskap, mönsterigenomkänning, neuronnät o.s.v. vilket demonstrerar att fler verktyg och lösningar finns tillgängliga.
