MUISTIINPANOT · LÄHTEET
True Causes on verkkototeutus strukturoidusta demokraattisesta dialogista, menetelmästä, joka kasvoi John Warfieldin Interactive Managementista ja jota Alexander Christakis ja Yiannis Laouris kehittivät. Se ei ole uusi: viisikymmentä vuotta vertaisarvioitua työtä, satoja dokumentoituja dialogeja. Laouris ja Christakis kutsuivat sitä kollektiivisen viisauden valjastamiseksi ja pitivät mittakaavaa sen vaikeimpana rajana; tuon rajan nostaminen on True Causesin tarkoitus. Muutama tietoinen poikkeama. Yksi niistä: menetelmä pitää jokaisen ajatuksen kirjoittajansa nimessä koko ajan, ja sen käyttäjät katsovat nimettömyyden heikentävän vastuullisuutta. Täällä ketään ei nimetä dialogin sisällä, koska työpaikalla tai jakautuneessa yhteisössä juuri nimi estää ihmisiä kirjoittamasta totuudenmukaista korttia. Pidämme valintaa oikeana; sitä ei ole testattu. Katso tutkimus. Sen ympärille rakennettu mekanismitiede, blokkiäänestystä vastaan testatut säännöt ja toteutus ovat se, mitä me lisäämme.
Laajempi kirjallisuus: Structured Democratic Dialogue · Interpretive Structural Modelling · Interactive Management. Omat simulaatiomme ja niiden tulokset toimitetaan ohjelmiston mukana, ja ne on kuvattu sen mukana tulevissa muistiinpanoissa.
Mitä muuta on tarjolla. Polis löytää, missä joukko on jo samaa mieltä, ja näyttää sinulle ryhmittymät. Remesh ja sen kaltaiset työkalut skaalaavat tämän yksimielisyyden etsimisen tuhansille ihmisille. Habermas Machine kirjoittaa lausuman, jonka suurin osa ryhmästä voi allekirjoittaa. Kaikki kolme ovat hyviä yhdessä kysymyksessä: mistä olemme samaa mieltä? Tämä kysyy toista – mikä aiheuttaa mitä? –, ratkaisee sen pari kerrallaan ja säilyttää erimielisyydet, joita se ei pysty ratkaisemaan, sen sijaan että silottelisi ne. Lähin työkalu on menetelmän oma: Laouris’n tiimin IdeaPrism toteuttaa niputuksen ja kartoituksen asynkronisesti ja lähettää erimielisyydet takaisin perusteltaviksi.
Ei joukkojen viisautta. Galtonin härkä ja jokainen sen jälkeinen ennustemarkkina toimivat laskemalla keskiarvon toisistaan riippumattomista arvauksista: virheet kumoavat toisensa, koska kukaan ei puhunut. Se on oikea työkalu luvulle – painolle, päivämäärälle, hinnalle. Sillä ei ole vastausta kysymykseen aiheuttaako A B:n, jossa sadan tietämättömän arvauksen keskiarvo on tietämätön arvaus. Tämä toimii toisin päin: ihmiset pannaan puhumaan ensin, jotta heidän arvionsa ovat perusteltuja; eikä heidän arvioistaan lasketa keskiarvoa, vaan ne lasketaan rajaa vasten, joka heidän on ylitettävä yhdessä. Joukko tarvitsee riippumattomuutta; ryhmä tarvitsee yhteisen merkityksen.
Muiden alojen sanoin. Tietojenkäsittelytieteilijälle tämä on ihmisavusteista laskentaa (human-based computation): ihmiset vastaavat jokaiseen pariin, ja algoritmi, tulkitseva rakennemallinnus (interpretive structural modelling), kokoaa kartan. Taloustieteilijälle se hyödyntää hajautunutta tietoa Hayekin tarkoittamassa mielessä: se, mitä ongelma vaatii, on hajallaan monien ihmisten kesken, eikä kenelläkään ole sitä kokonaan. Julkisessa kysymyksessä se on kansalaisälyä. Ja se on kollektiivista ongelmanratkaisua, ei kollektiivista päätöksentekoa: se antaa tietoa päätöksen pohjaksi ja jättää päätöksen niille, joiden on vastattava siitä.
Vedä strukturoitu demokraattinen dialogi verkossa omasta kysymyksestäsi.