Civic-Tech

Civic Tech（技能）共學週報｜第六十一期 (2023.4.19)

Civic-Tech-61

前言

Civic Tech（公民科技）主要在於利用各種設計思維、溝通方式、新興技術等工具來推動各種社會倡議，而具有系統思維是利用公民科技各種工具的前提，關心整體系統而避免見樹不見林。

『Civic Tech（技能）共學週報』為『115B永續所得實驗室』內部整理學習使用，『永續所得實驗室』致力於推動社會團結經濟實踐，利用『系統設計思維』（system design thinking）幫助不同個人及組織連結全球經濟系統。
為實踐團隊間共同學習之理念，我們將每週整理各方面的資料、新聞、活動，與各界共享共學，並期待未來各種集智合作形式。

歡迎大家一同參與共學。

👉 點此加入 115B Slack 群
👉 點此或掃描二維碼加入LINE社群


如果大家有知道各種新資訊以及好的活動，也歡迎加入我們的LINE社群，分享給大家。

學習資料分享

系統思維

👉 心智元與DAO & DeFi

貨幣作為經濟活動的一種媒介，容易面臨到這個媒介的使用是由何支撐其可用性的問題，有貨幣與商品價值連結，有貨幣是去與國家信用去連結。DAO的理念，希望貨幣不需要與信任等概念去做連結。

去中心化的方式是否可以幫助建立一種以實體經濟為支撐的貨幣可能性？這篇文章嘗試了一系列的討論。

👉 To benefit from AI, your organization’s learning loops must evolve

過去有一段時間，成功的最大瓶頸是有個正確開創性的想法，而現已不再是，想法已變得廉價，如何將想法工作帶到真實中成為最大障礙。但這樣的觀念也並非不會改變。
文章提到了四層的反饋迴圈，AI因為幫助了某些迴圈，而也顯得進階迴圈重要性的重要。
在第一迴圈中，關注於交付的速度。然而，ChatGPT可產生各種速度的問題，僅有速度，如果沒有專注於解決問題，則會越做越錯。

在第二迴圈中，關注於是否專注於解決問題，特別是用戶問題。我們可以快速形成很多解決方案，但交到用戶手上再到用戶反饋，包含用戶的反饋所需的時間，便會產生限制。
在第三迴圈，則關注於這些問題，是否是真正值得解決的？
有人認為可以用LLM（Large language model 大型語言模型），以ChatGPT為工具來作為判斷用戶的方式。雖然有其用處，但由於LLM這樣的統計模型，會造成每個團隊能見到的用戶洞察是一樣的，沒有差異化。另外使用真人交付團隊時，也會產生與ChatGPT來交付產生不同的用戶反饋，當項目領導者對用戶的想像與設計團隊不同時，用戶團隊會重新由不同角度重新思考用戶需求。而使用ChatGPT，則不太會反饋領導者的意圖與用戶目標的偏差。
第四個迴圈，則是包含了除團隊和用戶外，對於整個世界演化的學習速度，來幫助前三個迴圈。

協作溝通

(暫無分享)

技術

活動分享

4月24日

4月25日

4月26日

4月27日

4月28日

【4月28日｜公民議題大家來討論】集體智能的循環準則

4月29日

4月30日

獨立遊戲開發者分享會

–

新聞分享

(暫無分享)

Civic Tech（技能）共學週報第六十一期