Model Thinking 模型思维(中文版)

Course
zh
Chinese
40 h
This content is rated 4.5 out of 5
Source
  • From www.coursera.org
Conditions
  • Self-paced
  • Free Access
  • Free certificate
More info
  • 10 Sequences
  • Introductive Level

Their employees are learning daily with Edflex

  • Safran
  • Air France
  • TotalEnergies
  • Generali
Learn more

Course details

Syllabus

本课程分为20个单元。随着课程的进行,我将会补充主题说明并添加阅读材料。

1单元:简介:为什么要运用模型?

在这些课程视频中,我会解释为什么我们需要学习模型。这些原因可分为四大类:

  1. 成为睿智的世界公民
  2. 成为逻辑清晰的思考者
  3. 了解并使用数据
  4. 更好地制定决策、战略和设计

本单元有两个阅读材料。可以在第一个视频结束后,或在观看完所有视频后阅读这些材料。

2单元:分类和同群效应

我们现在直接跳转到一些模型。我们对解释同一个现象(即,人们更喜欢与那些和自己外形、思想和行为相似的人生活和交流)的两种模型进行对比。入门课程视频后,我们将介绍解释这些现象的谢林(Schelling)和格兰诺维特(Granovetter)的著名模型。然后我们会介绍一个有趣的有关起立鼓掌的模型,这个模型是由我和我的朋友约翰·米勒(John Miller)共同编写的。

在第2单元中,我将会使用NetLogo软件展示一个计算版本的谢林的隔离模型。Netlogo是一款由乌里·威伦斯基(Uri Wilensky)或美国西北大学编写的免费软件。在本课程中我会多次用到NetLogo软件。可以通过以下地址下载该软件:

通过单击“文件”(file)选项,然后进入“模型库”(Models Library)可以找到我使用的谢林模型。在“模型库”目录中,单击“社会科学”(Social Science)文件夹旁边的箭头并向下滚动,然后单击名为“隔离”(Segregation)的模型。

本单元的阅读材料包括谢林模型的一些简要说明,以及格兰诺维特、米勒和佩吉的
学术论文。通读这些论文不是必须的,但是我强烈建议你们这么做,以了解社会科学家是如何搭建和解释这些模型的。

3 单元:聚合

在本单元中,我们将了解聚合,即事件累计的秘密。我们先从数字合计方式开始,
重点介绍中心极限定理。然后了解合计规则。并讲解生命游戏和一维细胞自动机模型。
这两种模型都展示了如何将简单的规则组合在一起来产生有趣的现象。最后,我们会讲解聚合偏好。在这里,我们看到个人偏好可以是合理的,但聚合偏好无需如此。

网上有很多有关中心极限定理、二项分布、六西格玛、生命游戏等内容的资料。我提供了一些链接以便于你入门。细胞自动机和多元化偏好的阅读材料分别来自我所著的《复杂自适应社会系统》和《区别》这两本书中的简短摘录。

4单元:决策模型

在本单元中,我们将研究人们如何制定决策的一些模型。我们先从多准则决策开始。然后介绍决策空间模型和决策树。最后讨论信息的价值。

多准则决策阅读材料是我讲解密歇根州民权提案的指导材料。它为如何使用这个技巧提供了案例研究。关于空间投票和决策模型,网上有很多很棒的PPT演示和论文。决策树资料源自亚利桑那州立大学克雷格·柯克伍德(Craig Kirkwood)的著作。

5单元:人类模型:电子思维

在本单元中,我们将介绍社会科学家塑造人类模型的不同方法。我们会介绍并对比三种不同的模型。理性行为者方法、行为模型以及规则模型。这些课程视频为许多后续模型提供了相应的背景知识。这些课程视频没有具体的阅读材料,但是我在课程中提及的行为经济学的一些相关书籍可用作参考。此外,如果你觉得竞次游戏很有趣,那么可以在搜索引擎中键入“罗丝玛丽·纳格尔竞次理论”("Rosemary Nagel Race to the Bottom")便可以得到多个相关链接。你还可以采用同样的方法找到“零智能交易者”(Zero Intelligence Traders)的相关介绍。

通过此处提供的链接可以获得行为经济学的初级读物,这里面有更多的参考资料。

6单元:线性模型

在本单元中,主要介绍了线性模型。我们先从分类模型开始,该模型中的数据分为多类。我们使用这个简单的框架介绍一些度量值,如平均值、方差、决定系数。然后进入线性模型主题,讲解线性模型的作用、介绍如何读取回归输出(宝贵技能!)以及如何用线性模型匹配非线性数据。这些课程视频旨在介绍如何使用线性模型,由此可能激励你参加这些主题相关课程。本单元最后会重点介绍我称为大系数思维和新现实思维之间的区别。本单元的阅读材料包括我编写的2篇短论文,但是你可以在网上找到有关线性模型、决定系数、回归和循证思维的更多资料。

7单元:临界点

在本单元中,我们会介绍临界点。我们重点介绍两种模型。一种是银行使用的物理学上的渗流模型,另一种是疾病传播模型。由于疾病模型比较复杂,因此我分为两部分进行
讲解。第一部分重点介绍扩散。第二部分介绍恢复。本单元的阅读材料是我编写的有
关模型的书籍中的两篇摘录。一篇关于扩散。另一篇关于临界点。此外,我还提供了一个链接,由此可以找到一篇关于临界点的技术论文。这是我和
PJ·兰伯森(PJ Lamberson)共同编著的,并将在《政治学季刊》(Quarterly Journal of Political Science)上发表。由此你可以大概了解技术型社会学论文的一些基本情况。无需全篇阅读,但我强烈建议你仔细阅读简介部分。其中包含了非常有用的参考文献列表。

8单元:经济增长

在本单元中,我们将介绍几种增长模型。首先介绍指数增长的一个简单模型,然后是经济学模型,并重点阐述索洛的基本增长模型。我将模型进行了简化,去除了劳动力部分。
这些模型有助于我们区分两种增长方式:资本积累增长和创新增长。

9单元:多样性和创新

在本单元中,我们介绍了解决问题的几种模型,以展示多样性对创新的重要性。我们将了解到不同的观点(问题表征)和启发法如何使问题解决者团队的表现胜过个人。此外,
我们还会引入一些新概念,如“崎岖的风景”和“局部最优”。在最后的课程视频中,
我们将见识重组的威力及其如何促进经济增长。本章节的阅读材料包括普林斯顿大学出版社出版的由我编著的书籍《区别》的摘录。

10单元:马尔可夫过程

在本单元中,主要介绍了马尔可夫过程(Markov Processes)。马尔可夫过程指的是一组固定状态之间的动态过程。例如,我们将讨论有些国家在民主制度和专制制度之间过渡的过程。作为马尔可夫过程,必须要能从任意一种状态转换为另一种状态,且状态之间转换的可能性必须随着时间的推移保持不变。如果这些假设成立,那么这种过程将存在唯一的均衡。换句话说,历史将变得无关紧要。这种结果称为马尔可夫收敛定理。除了马尔可夫过程之外,我们还将了解如何将这个基本框架用于其他用途,如确定文本的著作权以及药物协议的有效性等。

11单元:李雅普诺夫函数

模型可以帮助我们确定系统产生结果的性质:系统是否会产生平衡、循环、随机性或复杂性?在本节课程视频中,我们将介绍李雅普诺夫函数。这种技术有助于我们识别哪些系统可以达到平衡。此外,我们还可以限制达到平衡的速度。在本课程视频中,我们将介绍李雅普诺夫函数(Lyapunov Functions)的形式定义,并了解如何在多种情境中应用它们。我们还会研究其不适用的范围,甚至研究使人们不能判断系统是否达到平衡的问题。

12单元:协调和文化

在本课程视频中,我们将介绍几个有关文化的模型。首先从文化是什么以及文化对社会科学家比较重要的原因开始。在分析部分,我们先从一个非常简单的,称为纯协调博弈的游戏开始。在该博弈中,局中人只有选择相同的行动才算赢。不管他们选择哪个行动,只要他们选择相同的行动便会赢。例如,你选择在公路的左侧开车还是右侧开车并不重要,重要的是你和其他人是否在同一侧开车。随后我们会介绍多人协调博弈的情景并研究文化的出现。在最后的模型中,我们将介绍模型中的一致性和协调性,这些文化同样会出现在现实世界数据中。本单元的阅读材料包括我对协调博弈的说明,以及贝德纳(Bednar)等人的学术论文。在该论文中,你将了解到我们如何使用马尔可夫过程研究模型。本课程还提供了阿克塞尔罗德(Axelrod)的Net Logo模型的链接。

13单元:路径依赖

在本课程视频中,我们介绍了路径依赖。我们将用到一些简单的瓮模型。其中最著名的是波利亚过程(Polya Process)。这些模型尽管简单,却可以帮助我们剖析路径依赖背后的逻辑。我们还会将路径依赖与递增收益、临界点联系在一起。本单元的阅读材料是我在《政治科学季刊》上发表的论文。

14单元:网络

在本单元中,我们会介绍网络。我们会讨论网络的形成方式、结构(尤其是网络的一些通用度量)及其功能。我们通常会说网络功能自然生成,这意味着由于网络的自身结构会出现意想不到的功能。本单元的阅读材料是史蒂夫·斯托加茨(Steven Strogatz)的一篇小论文。

15单元:随机性和随机游走

在本单元,我们会讨论随机性及其各种来源。接下来会讨论成绩与技能和运气的依赖关系,其中将运气建模为随机性。然后了解基本随机游走模型,该模型应用于有效市场假说,此假说认为市场价格涵盖了所有相关信息,余下的就是随机性。最后,我们将讨论可用于创建竞争模型的有限存储器随机游走模型。本单元的阅读材料是迈克尔·莫布森(Michael Mauboussin)的一篇有关区分技能和运气的论文。

16单元:上校赛局

在本单元中,我们将介绍上校赛局。这最早用于战争中研究多线作战。如今被广泛应用于运动、法律、恐怖主义等。我们先讨论上校赛局的基础,进行更深入的分析,然后将上校赛局与上一单元技能运气模型进行对比。本单元的阅读材料是我的一本名为《差异》的书籍的节选以及我跟卡内基梅隆大学的拉塞尔·戈尔曼(Russell Golman)合作编写的一篇论文。你只需要阅读戈尔曼论文的前四页即可。

17单元:囚徒困境和集体行动

在本单元中,我们将会介绍囚徒困境、集体行动和公共池塘资源问题。我们会先讨论囚徒困境,并演示个体激励如何催生不良社会后果。然后我们会介绍产生合作的七种方式。瓦克(Nowak)和西格蒙德(Sigmund)的下列论文涵盖了其中的五种。最后,我们将讨论集体行动和公共池塘资源问题,以及如何通过深入仔细的思考来解决这些问题。诺贝尔奖获得者埃莉诺·奥斯特罗姆(Elinor Ostrom)就此著有一篇精彩的文章。

18单元:机制设计:拍卖

在本单元中,我们将会介绍机制设计。我们先研究一些基本问题:如何克服隐藏行动和隐藏信息的问题。然后转到更广泛应用的问题:如何设计拍卖。最后,我们将讨论如何运用机制对公共项目作出决策。本单元的阅读材料包括埃里克·马金斯(Eric Maskin)的一篇文章(他因在机制设计方面的贡献而获得诺贝尔奖)和V.S.撒布汉曼尼(V.S. Subrahmanian)的一些有关拍卖的幻灯片。马金斯的论文读到最后会有些困难。无需深入理解全部内容。掌握大意即可。

19单元:学习:模仿者动态

在本单元中,我们将介绍模仿者动态以及费希尔基本定理。模仿者动态已被用于解释学习和演变。费希尔定理演示了适应速度是如何随变动幅度增加的。最后,我们将介绍如何用六西格玛和偏差缩减来解释费希尔定理和我们得出的结果。本单元的阅读材料很短。费希尔定理的第二篇材料更侧重于技术性。文章均摘自《多样性和复杂性》


20单元:众多模型思考者:多样性和预测

在最后一个单元中,我们将介绍进行预测时创建智慧人群所用到的能力和多样性的价值。我们会先介绍分类模型和线性模型,以及如何将其用于预测。然后我们会介绍多样性预测定理,该定理提供了有关集体预测工作方式的基本知识。最后,我们会讨论使用多种模型的价值。本单元的阅读材料为多样性预测定理的简短说明。

Prerequisite

None.

Instructors

  • Scott Page - Center for the Study of Complex Systems

Editor

The University of Michigan (UM, UMich or simply Michigan) is a public research university located in Ann Arbor, Michigan, in the United States. Founded in 1817, the university is Michigan's oldest and largest.

The mission of the University of Michigan is to serve the people of Michigan and the world by taking a leadership role in creating, communicating, preserving, and applying academic knowledge, art, and values, and by developing leaders and citizens who will challenge the present and enrich the future.

Platform

Coursera is a digital company offering massive open online course founded by computer teachers Andrew Ng and Daphne Koller Stanford University, located in Mountain View, California. 

Coursera works with top universities and organizations to make some of their courses available online, and offers courses in many subjects, including: physics, engineering, humanities, medicine, biology, social sciences, mathematics, business, computer science, digital marketing, data science, and other subjects.

Complete this resource to write a review