Įrašo "Granovetter’io slenksčių modelis" reprezentacinis paveikslėlis

Rizikos fizikoje pristatome dar vieną kolektyvinio veiksmo modelį. Prieš dvi savaites nagrinėjome plojimų atsistojus modelį, o ankstesniais metais nemažai rašėme apie „užkrečiamos nuomonės“ Kirmano ir Basso modelius, bei jų tarpusavio panašumus. Dar vienas panašus klasikinis modelis, kurį pristatysime šiame tekste, nagrinėja žmonių polinkį prisidėti prie masinio politinio veiksmo. Šiame tekste nagrinėsime Mark’o Granovetter’io pasiūlytą slenksčių (angl. threshold) modelį. Skaityti „Granovetter’io slenksčių modelis“ toliau

Įrašo "Plojimų atsistojus modelis" reprezentacinis paveikslėlis

Senai jau Rizikos fizikoje neaptarėme naujų interaktyvių modelių. Šį kartą grįžtu prie jau anksčiau linksniuotos problemos – plojimų po spektaklio. Po spektaklio kiekvienas žmogus gali laisvai pasirinkti ar ploti atsistojus ar likti sėdėti. Bet ką jeigu pasirinkimas nėra laisvas? Žmogus juk sociali būtybė. Šis scenarijus buvo patyrinėtas Miller ir Page darbe [1], kuriame pasiūlytą elementarų agentų modelį šiame tekste trumpai ir pristatysime. Skaityti „Plojimų atsistojus modelis“ toliau

Didelė dalis mokslinių tyrimų prasideda nuo idėjos, kuri išsako tyrėjo lūkesčius pasaulio atžvilgiu. Taip tyrėjas suformuluoja savąją hipotezę. Mokslas nebūtų mokslu, jei tyrėjas neturėtų patvirtinti hipotezės eksperimentais ar stebėjimais. Surinkęs pakankamai duomenų tyrėjas gali patikrinti ar jo hipotezė pakankamai gerai paaiškina duomenis ir ar jo hipotezės yra geresnė už galimas alternatyvas.

Vienas iš metodų tokiam patikrinimui yra kritinės vertės formalizmas [1], kurio rezultatai (hipotezės priėmimas ar atmetimas) priklauso nuo tam tikros tyrėjo pasirinktos patikimumo vertės (p-vertės). Dažnai tyrėjas negali laisvai pasirinkti šios vertės, nes skirtingose mokslo srityse egzistuoja savo tradicijos kokia p-vertė turėtų būti. Gyvybės moksluose dažnai užtenka, kad klaidos tikimybė būtų mažesnė už \( 0.05 \), o fizikoje dažnai girdėsime apie \( 5 \sigma \) tikslumą, kuris atitinka klaidos tikimybę mažesnę už \( 5.7 \cdot 10^{-7} \)).

Iš pirmo žvilgsnio šis metodas neatrodo turintys kokių nors ydų. Tačiau šios ydos iškyla šiuolaikinio mokslo kontekste – dažniausiai spausdinami darbai, kuriuose pranešama apie teigiamą, o ne neigiamą rezultatą. Šis metodas tuo tarpu yra paremtas tuo, kad kelios nepriklausomos mokslininkų grupės turėtų pakartoti tą patį tyrimą ir gauti panašius rezultatus. Tik tokiu atveju galima būtų atmesti galimas klaidas eksperimento schemose ir taip pat atsitiktinumo galimybę. Tačiau jei publikuojami tik teigiamą rezultatą pranešantys darbai, tai pirmoji grupė, kuri atsitiktinai viršys pasirinktą p-vertę, darbą atspausdins ir pasaulis pateiks klaidingų žinių.

Tikėtina, kad kiek geriau šią informacija perteikia Hank Green šiame SciShow vaizdo įraše. Kviečiu pasižiūrėti.

Norintiems daugiau techninių dalykų siūlyčiau užmesti akį į Nassim Nicholas Taleb sudėtą juodraštį [2].

Kompiuteriniuose žaidimuose žaidėjų valdomi herojai vykdo kvestus, žudo monstrus ir taip uždirba pinigus, kuriuos vėliau išleidžia įrangos tobulinimui ar tiesiog maloniems niekučiams (nuosavas namas, gyvūnas ir pan.). Tačiau šioje „mechanikoje“ slypi problema – pinigai yra sukuriami iš niekur. Tie pinigai, kuriuos turėjo goblinų gentis niekada nesisuko žaidimo ekonomikoje. Tas pats NPC (ne žaidėjo personažas) tą pačią užduotį MMO žaidime siūlys kiekvienam žaidėjui kas kartą sumokėdamas sumą, kurią pasirinko žaidėjai. Šiuo atveju gal kiek mažiau akivaizdu, bet šie pinigai niekada iš tikrųjų nesisuko žaidimo ekonomikoje. Toks užduočių vykdymas, monstrų medžiojimas sukuria pinigus iš niekur. Kai žaidėjas yra vienas, tai nėra didelė bėda, bet kai žaidėjų tūkstančiai, tai gali atsirasti hyperinfliacija. Apie tai kas tai yra ir kaip su tuo kovoja žaidimų kūrėjai kviečiame pasižiūrėti Extra Credits vaizdo įraše.

Ofisų darbuotojai vakaruose turi tradiciją – per didžiąsias šventes (pvz., Kalėdas) atsitiktinai pasiskirstyti kam ir kas dovanos dovanas. Kas bus kieno „slaptu Kalėdu seneliu“. Tačiau su daugeliu įprastų paskirstymo algoritmų yra esminių problemų dėl kurių pasiskirstymas nėra nei atsitiktinis nei visiškai slaptas. Šiame Numberphile įraše trumpai pristatomos pagrindinės daugelio algoritmų problemos, bei būdai jas apeiti.

Vargu ar dažnas susimasto kokią prasmę turi skaičiukai rodomi atsidarius elektroninę bankininkystę. Vargu ar kyla klausimų vedant kortelės PIN kodą. Viskas atrodo paprasta ir akivaizdu. Atrodo, kad taip buvo per amžius. Bet iš tiesų žmonija žingsniavo ilgu ir painiu keliu, kol atkeliavo iki dabartinio pinigų suvokimo. Tikėtina, kad šis kelias dar nebaigtas, mat pastaruoju metu po truputį žengiame naują žingsnį – vertiname ne banknotus (kaip tą darė mūsų tėvai ir seneliai), bet plastikines korteles, kuriuose saugomi elektroniniai pinigai.

Kviečiame pasižiūrėti Extra Credits komandos darbą vaizdo pasakojimus apie popierinių pinigų istoriją. Žemiau pateikiame nuorodą į pirmąjį vaizdo pasakojimą šia tema.