Explora las siguientes opciones.
¿Cuáles de los siguientes modelos son susceptibles a un ciclo de reacción?
Un modelo de previsión del tráfico que predice la congestión en las salidas de autopistas cerca de la playa, utilizando el tamaño de la multitud como una de sus características.
Es probable que algunos bañistas basen sus planes en la previsión del tráfico. Si hay una gran cantidad de personas en la playa y se prevé que habrá mucho tráfico, es posible que muchas personas hagan planes alternativos. Esto puede reducir la participación en la playa, lo que dará como resultado una previsión del tráfico más leve, que luego puede aumentar la asistencia, y el ciclo se repite.
Un modelo de recomendación de libros que sugiere novelas que podrían gustarles a los usuarios en función de su popularidad (es decir, la cantidad de veces que se compraron los libros).
Es probable que las recomendaciones de libros generen compras y que estas ventas adicionales se agreguen al modelo como entrada, por lo que es más probable que recomienden estos mismos libros en el futuro.
Un modelo de clasificación de universidades que ordena las facultades en parte por su selectividad, es decir, el porcentaje de estudiantes que se presentaron para ingresar con respecto a los que efectivamente ingresaron.
Las clasificaciones del modelo pueden generar interés adicional en las escuelas con mayor calificación, lo que aumenta la cantidad de solicitudes que reciben. Si estas escuelas continúan admitiendo la misma cantidad de estudiantes, la selectividad aumentará (el porcentaje de estudiantes admitidos disminuirá). Esto aumentará las clasificaciones de las escuelas, lo que aumentará aún más el interés de los estudiantes, y así sucesivamente...
Un modelo de resultados electorales que predice el ganador de una elección electoral al encuestar al 2% de los votantes después del cierre de los comicios.
Si el modelo no publica su pronóstico hasta después del cierre de las urnas, no es posible que sus predicciones afecten el comportamiento de los votantes.
Un modelo de tasación de viviendas que predice el precio de las casas según el tamaño (el área en metros cuadrados), la cantidad de habitaciones y la ubicación geográfica como atributos.
No es posible cambiar rápidamente la ubicación, el tamaño o la cantidad de habitaciones de una casa en respuesta a las previsiones de precios, lo que hace que un ciclo de reacción sea poco probable. Sin embargo, es posible que exista una correlación entre el tamaño y la cantidad de habitaciones (es posible que las casas más grandes tengan más habitaciones) que podrían separarse.
Un modelo de atributos faciales que detecta si una persona está sonriendo en una foto y se entrena con regularidad en una base de datos de fotografías de archivo que se actualiza automáticamente cada mes.
Aquí no hay un ciclo de reacción, ya que las predicciones del modelo no tienen ningún impacto en nuestra base de datos de fotos. Sin embargo, el control de versiones de nuestros datos de entrada es una preocupación aquí, ya que estas actualizaciones mensuales podrían tener efectos imprevistos en el modelo.