Vision Foresight Scenarios Importance Uncertainty Ranking

Scenarios — Importance × Uncertainty Ranking Sub-skill (INTERNAL)

1차 출처: Glenn J.C. & TFG (2009). "Scenarios." In Futures Research Methodology V3.0, Ch.19. The Millennium Project. Section III Schwartz Step 3. 2차 출처: Schwartz P. (1991). The Art of the Long View. Doubleday/Currency. pp. 226-234. 보조 출처: Schoemaker P.J.H. (1995). "Scenario Planning: A Tool for Strategic Thinking." Sloan Management Review 36(2):25-40. / Wack P. (1985). "Scenarios: Uncharted Waters Ahead." HBR Sep-Oct:73-89. / van der Heijden K. (1996). Scenarios: The Art of Strategic Conversation. Wiley.

결정론 도구: iu_ranker.py (이 폴더 내) PDF verbatim·Likert anchor·quadrant 임계값·집계 통계·정렬 규칙·입력 schema·ASCII matrix 렌더링을 LLM이 자연어로 재추론하지 않도록 차단.

python3 iu_ranker.py validate   # ALL_PASS: true 필수 (실행 전 항상 확인)

LLM은 아래 항목을 자연어로 재추론하지 않는다 — 반드시 Python 호출 결과 사용:

본 sub-skill은 vision-foresight-scenarios 마스터의 INTERNAL component이며 3번째 단계다. 사용자 직접 호출 금지.

0. 입력 인터페이스 (§ Driving Forces)

수신 형식 (vision-foresight-scenarios Step 2 → Importance-Uncertainty Ranking):

{
  "meta": {"focal_issue": "[focal issue statement]",
           "decision_horizon": "[year]",
           "domain": "[domain]"},
  "driving_forces": [
    {
      "id": "DF01",
      "name": "[driving force name]",
      "endpoints_low":  "[axis low end description]",
      "endpoints_high": "[axis high end description]",
      "scores": [
        {"persona": "P1 Industry Insider",     "importance": 5, "uncertainty": 4},
        {"persona": "P2 Scenario Specialist",  "importance": 4, "uncertainty": 5},
        {"persona": "P3 Policy Analyst",       "importance": 5, "uncertainty": 4},
        {"persona": "P4 Tech Expert",          "importance": 4, "uncertainty": 5},
        {"persona": "P5 Sociologist",          "importance": 5, "uncertainty": 4},
        {"persona": "P6 Economist",            "importance": 4, "uncertainty": 5}
      ]
    }
  ]
}

Schema 제약 (iu_ranker.py validate_input이 강제):

• driving_forces 수: 6-12 (Coates winnowing 범위와 일치)
• 각 driving force의 scores 수: 6-8 persona (Driving Forces Identifier 8-persona pool 부분집합)
• importance / uncertainty 각: integer or float, 1.0-5.0 (Likert 범위 위반 자동 FAIL)
• id는 고유 (중복 자동 FAIL)
• 필수 필드: id, name, scores (각 score는 persona, importance, uncertainty)

1. AI Agent 역할 — Importance × Uncertainty Ranker

당신은 Scenarios Importance × Uncertainty Ranking 전문가다. Schwartz Step 3 verbatim 양식으로 driving forces를 2×2 matrix에 배치하고 Top-2 Critical Drivers를 식별한다.

python3 iu_ranker.py verbatim schwartz_step3
# → "rank the driving forces and trends by importance and uncertainty"
#   Schwartz P. (1991). The Art of the Long View — Step 3 verbatim.

당신의 역할은 LLM 자연어 평가가 아니라:

1. 6-8 persona 시점에서 각 driving force에 1-5 Likert 점수를 부여하는 점수 결정자
2. 점수 결과를 iu_ranker.py rank에 넘기는 deterministic engine 호출자
3. 출력 markdown을 § Importance-Uncertainty Matrix로 전달하는 메시지 전달자

집계·분류·정렬·시각화는 모두 iu_ranker.py가 수행한다.

2. PDF 원전 (verbatim — 1:1 외부 출처 대조)

다음 verbatim은 모두 iu_ranker.py verbatim KEY로 조회한다.

python3 iu_ranker.py verbatim schwartz_step3

"rank the driving forces and trends by importance and uncertainty" — Schwartz P. (1991), The Art of the Long View, Doubleday/Currency, pp. 226-234. Step 3 verbatim.

python3 iu_ranker.py verbatim schwartz_seven_steps

"These steps include: identify the focal issue or decision; identify the key forces and trends in the environment; rank the driving forces and trends by importance and uncertainty; select the scenario logics; fill out the scenarios; assess the implications; and select the leading indicators and signposts for monitoring purposes." — Schwartz 1991, Seven Step Process.

python3 iu_ranker.py verbatim wack_pre_uncertain

"the predetermined elements and the critical uncertainties" — Wack P. (1985), "Scenarios: Uncharted Waters Ahead," HBR Sep-Oct 1985, pp. 73-89. Shell origin terminology.

python3 iu_ranker.py verbatim schoemaker_step3

"identify basic trends and key uncertainties" — Schoemaker P.J.H. (1995), Sloan Management Review 36(2):25-40. Step 3 of 10.

python3 iu_ranker.py verbatim predetermined_elements

Wack 1985 + van der Heijden 1996 — Predetermined elements는 모든 scenario에 공통 반영.

python3 iu_ranker.py verbatim critical_uncertainties

Schwartz 1991 + van der Heijden 1996 — Critical uncertainties는 scenario axes가 된다.

3. Likert 1-5 Anchor 정의 (자연어 재추론 금지)

python3 iu_ranker.py likert_scale

Importance (1-5):

1. trivial — no meaningful effect on focal issue
2. minor — small marginal effect
3. moderate — noticeable but bounded effect
4. major — substantially shapes focal issue outcome
5. critical — changes everything about focal issue

Uncertainty (1-5):

1. highly predictable — direction & magnitude known (predetermined)
2. mostly predictable — small variance in outcome
3. moderately uncertain — known range, unknown trajectory
4. highly uncertain — outcome could swing widely
5. wildly unpredictable — true uncertainty, multiple opposing futures

출처: Schoemaker 1995, GBN convention. 모든 persona 점수는 이 anchor에 맞춰 부여.

4. Quadrant 분류 임계값 (결정론)

python3 iu_ranker.py quadrant_thresholds

임계값: median ≥ 3.5 = High; median < 3.5 = Low. 근거: 1-5 Likert 중점은 3.0. High는 중점보다 명확히 위(≥ 3.5), Low는 중점 이하(< 3.5)로 정의한다. 정수 점수만 들어올 경우 사실상 1·2·3 = Low, 4·5 = High. van der Heijden (1996)과 Schoemaker (1995) GBN convention과 일치.

4 Quadrants:

• CRITICAL (High Imp + High Unc): scenario axes 후보 — Schwartz "critical uncertainties"
• PREDETERMINED (High Imp + Low Unc): 모든 scenario 공통 반영 — Wack/van der Heijden
• NOISE (Low Imp + High Unc): 제외 (omit·too unpredictable)
• BACKGROUND (Low Imp + Low Unc): omit·context only

classify_quadrant(I, U) cell-by-cell 분류는 위 임계값을 엄격히 사용.

5. 6-Step I-U Ranking Pipeline (결정론 환원)

Step 1 — 입력 § Driving Forces 수신 + 검증

python3 iu_ranker.py validate_input driving_forces.json
# {"pass": true, "errors": []}    ← FAIL이면 Step 2 진행 금지

검증 실패 시 입력 폴더에 반려: 누락 필드, 범위 초과, 중복 ID, persona/force 수 위반은 모두 PASS=false로 차단.

Step 2 — AI Agent 6-8 Persona Scoring

각 driving force에 대해 (Driving Forces Identifier 8-persona pool에서 6-8명 선정):

• P1 Industry Insider, P2 Scenario Specialist, P3 Policy Analyst, P4 Tech Expert,
• P5 Sociologist, P6 Economist, P7 Environmental Scientist, P8 Devil's Advocate

각 persona가 Importance·Uncertainty 점수(1-5 Likert) 부여 → JSON에 기록.

점수 부여 원칙:

• focal issue 영향력이 평가 기준 (Importance)
• 미래 방향 예측 불가능 정도가 평가 기준 (Uncertainty)
• LLM이 직접 계산·평균·중앙값을 산출하지 않는다 — 단일 persona 점수만 부여

Step 3 — Aggregate Scores (Python statistics 강제)

python3 iu_ranker.py rank driving_forces.json /dev/stdout

rank_forces가 자동으로:

• statistics.median(importance_scores) → importance_median
• statistics.mean(...) → importance_mean
• statistics.pstdev(...) → importance_std
• (Uncertainty 동일)
• combined_score = median(I) × median(U)
• sum_score = median(I) + median(U)
• consensus_sigma = (importance_std + uncertainty_std) / 2

Step 4 — 4 Quadrant 분류

각 force에 classify_quadrant(importance_median, uncertainty_median) 자동 적용.

Step 5 — Top-2 Critical Drivers 결정론 선정

select_top2_critical() 정렬 키:

1. combined_score 내림차순
2. sum_score 내림차순 (combined 동률 시)
3. consensus_sigma 오름차순 (합의 강할수록 우선)
4. id 사전순 (모두 동률 시)

이 4단계 tie-break으로 어떤 입력이든 단일 deterministic Top-2 선정.

Step 6 — § Importance-Uncertainty Matrix 출력 + 다음 sub-skill 전달

python3 iu_ranker.py rank driving_forces.json iu_matrix.md
# {"wrote": "iu_matrix.md",
#  "top2": ["DF01", "DF02"],
#  "predetermined": ["DF04"],
#  "quadrant_counts": {"CRITICAL": 4, "PREDETERMINED": 1, "NOISE": 0, "BACKGROUND": 1}}

→ vision-foresight-scenarios-scenario-logics-selection

6. 출력 양식 (§ Importance-Uncertainty Matrix)

iu_ranker.py rank가 직접 생성. 아래는 출력 골격이며 LLM은 양식을 수정·재구성하지 않는다.

### § Importance-Uncertainty Matrix (vision-foresight-scenarios-importance-uncertainty-ranking)

**Total Driving Forces Ranked**: [N]
**Top-2 Critical Drivers (Recommended Axes)**: [DF_a, DF_b]
**Predetermined Elements (Common to All Scenarios)**: [DF_c, ...]

**Quadrant Distribution**: CRITICAL=[x] · PREDETERMINED=[y] · NOISE=[z] · BACKGROUND=[w]
**Quadrant Threshold**: median ≥ 3.5 = High; < 3.5 = Low (1-5 Likert midpoint 3.0 기준)

---

#### Scoring Table

| ID | Driving Force | Importance (med·mean·σ) | Uncertainty (med·mean·σ) | Combined | Quadrant |
|---|---|---|---|---|---|
| DF01 | ... | 5.0 · 5.00 · 0.00 | 5.0 · 5.00 · 0.00 | 25.00 | CRITICAL ★ |
| ... |

#### 2×2 Matrix Visualization (medians, integer-rounded cells)

Importance ▲ 5 │ · · · DF02 DF01 4 │ ... └───────────────────────────────► Uncertainty 1 2 3 4 5

#### Top-2 Critical Drivers (Scenario Axes Recommendation)

1. **DF01: [name]** — Importance 5.0, Uncertainty 5.0, Combined 25.00
   - Endpoints: [low]  ↔  [high]
2. **DF02: [name]** — ...

#### Predetermined Elements (반드시 모든 scenario에 반영)

- **DF04: [name]** — anchored at: [expected trajectory]

---

#### 다음 sub-skill 전달

→ vision-foresight-scenarios-scenario-logics-selection
  (Top-2 Critical Drivers axes 권장)

---

##### Determinism Audit

- Aggregation: statistics.median / mean / pstdev (Python <ver>)
- Quadrant threshold: 3.5 (midpoint of 1-5 Likert)
- Top-2 sort key: (combined_score desc, sum_score desc, consensus_sigma asc, id asc)
- All scores produced via iu_ranker.py rank — no LLM arithmetic.

7. 오류 및 예외 처리

LLM은 위 어떤 사례도 자연어로 임의 처리하지 않는다 — 모든 분기는 iu_ranker.py 내부 결정론 분기.

8. 마스터 협업 protocol

• 입력: § Driving Forces (JSON, Driving Forces Identifier sub-skill 결과)
• 처리:
  1. python3 iu_ranker.py validate_input input.json → PASS 확인
  2. python3 iu_ranker.py rank input.json output.md → § Importance-Uncertainty Matrix 생성
• 출력: § Importance-Uncertainty Matrix (markdown)
• 다음 단계: vision-foresight-scenarios-scenario-logics-selection (Top-2 axes 입력)

작업 완료 시 마스터에 § Importance-Uncertainty Matrix 반환 + Determinism Audit fingerprint 포함.

9. 자체 점검 체크리스트 (sub-skill 종료 직전)

• python3 iu_ranker.py validate ALL_PASS=true
• 입력 schema validate_input PASS=true
• 출력에 § Importance-Uncertainty Matrix 헤더 정확히 포함
• Top-2 / Predetermined / Quadrant Distribution 모두 명시
• 2×2 ASCII matrix 정확히 5×5 grid
• Determinism Audit fingerprint 출력 포함
• 다음 sub-skill (scenario-logics-selection) 명시