#sxt $SXT @SpaceandTime
Quand on découvre les données à travers des situations du quotidien, préfère-t-on d’abord connaître la conclusion ou savoir sur quoi elle repose ? Je reprends un ordre familier : avant de commander, on demande si les ingrédients sont frais du jour, puis on regarde à quel point le nom du plat est alléchant.
Commençons par bien cerner la situation. Les enregistrements hors chaîne, les états sur chaîne et les résultats calculés à partir des deux constituent trois catégories de données différentes. Les mélanger lorsqu’on parle de vérifiabilité ne fait que brouiller davantage les choses.
Suivons ce fil : faisons progresser le raisonnement par étapes, en précisant « ce qu’il faut vérifier d’abord, puis ensuite », afin que le cheminement puisse être reformulé. Le contenu s’articule en trois parties : cas, règles et contre-exemples.
L’objectif est de construire un cadre d’analyse réutilisable, plutôt que de retenir des mots à la mode. Autrement dit, ceux qui découvrent ces sujets à travers des situations du quotidien ne veulent pas d’une simple promesse, mais d’un processus qu’ils pourront vérifier par la suite.
Définissons les limites : commençons par une situation simple, dégageons-en ensuite une règle, puis délimitons son champ d’application à l’aide de contre-exemples. Avant d’affirmer quoi que ce soit avec certitude, vérifions d’abord si les éléments à l’appui sont contrôlables, puis examinons si le mécanisme est bien compris.
Posons une nouvelle fois la question des catégories de données : il devient alors facile de voir si les éléments à l’appui sont solides. En présentant séparément l’instantané actuel, on évite de le confondre avec le jugement. Lorsqu’on découvre le sujet, il faut d’abord bien comprendre le mécanisme. Si l’on imagine que quelqu’un qui découvre ces sujets à travers des situations du quotidien pose des questions, celles-ci seront plus concrètes. Ici, nous ne parlerons que des catégories de données et laisserons de côté les autres angles. Du point de vue de ceux qui découvrent ces sujets à travers des situations du quotidien, des actions concrètes sont plus utiles que la recherche de nouveaux termes. En prenant l’état idéal comme référence, les changements dans les arbitrages deviennent visibles.
En pratique, mieux vaut passer à des actions concrètes : avant de commander, on demande si les ingrédients sont frais du jour, puis on regarde à quel point le nom du plat est alléchant.
Quand on découvre les données à travers des situations du quotidien, préfère-t-on d’abord connaître la conclusion ou savoir sur quoi elle repose ? Je reprends un ordre familier : avant de commander, on demande si les ingrédients sont frais du jour, puis on regarde à quel point le nom du plat est alléchant.
Commençons par bien cerner la situation. Les enregistrements hors chaîne, les états sur chaîne et les résultats calculés à partir des deux constituent trois catégories de données différentes. Les mélanger lorsqu’on parle de vérifiabilité ne fait que brouiller davantage les choses.
Suivons ce fil : faisons progresser le raisonnement par étapes, en précisant « ce qu’il faut vérifier d’abord, puis ensuite », afin que le cheminement puisse être reformulé. Le contenu s’articule en trois parties : cas, règles et contre-exemples.
L’objectif est de construire un cadre d’analyse réutilisable, plutôt que de retenir des mots à la mode. Autrement dit, ceux qui découvrent ces sujets à travers des situations du quotidien ne veulent pas d’une simple promesse, mais d’un processus qu’ils pourront vérifier par la suite.
Définissons les limites : commençons par une situation simple, dégageons-en ensuite une règle, puis délimitons son champ d’application à l’aide de contre-exemples. Avant d’affirmer quoi que ce soit avec certitude, vérifions d’abord si les éléments à l’appui sont contrôlables, puis examinons si le mécanisme est bien compris.
Posons une nouvelle fois la question des catégories de données : il devient alors facile de voir si les éléments à l’appui sont solides. En présentant séparément l’instantané actuel, on évite de le confondre avec le jugement. Lorsqu’on découvre le sujet, il faut d’abord bien comprendre le mécanisme. Si l’on imagine que quelqu’un qui découvre ces sujets à travers des situations du quotidien pose des questions, celles-ci seront plus concrètes. Ici, nous ne parlerons que des catégories de données et laisserons de côté les autres angles. Du point de vue de ceux qui découvrent ces sujets à travers des situations du quotidien, des actions concrètes sont plus utiles que la recherche de nouveaux termes. En prenant l’état idéal comme référence, les changements dans les arbitrages deviennent visibles.
En pratique, mieux vaut passer à des actions concrètes : avant de commander, on demande si les ingrédients sont frais du jour, puis on regarde à quel point le nom du plat est alléchant.