（注：本工作仅供娱乐，是纯由AI进行的vibe科研成果）
震撼首发：下节课会不会点名，终于可以算出来了！
还在靠感觉猜老师会不会点名吗？
这篇工作把“点名 vs 出勤”建成了一个数学模型：
用历史点名 + 出勤率 → 预测下一节课点名概率
加上你的“胆量值” → 直接量化逃课风险
从此不再拍脑袋：
“感觉会点名” 
“点名概率 70%” 
逃课，不再是玄学，而是可以计算的科学 
论文原文：Village-Rollcall/paper.pdf at main · QZero233/Village-Rollcall · GitHub
论文Github仓库：GitHub - QZero233/Village-Rollcall: 这是一个关于村庄议会点名的学术研究 · GitHub
另附上我们在小红书发的灌水贴，喜欢的朋友可以顺手点个赞
震撼首发：数学建模预测下节课点名概率 （注：本工作… http://xhslink.com/o/9gl5iTvzfpg
复制后打开【小红书】查看笔记！
对本帖的这个话题，我联想到了一些相关的其他内容——就是图尔钦(Turchin)的人口理论，貌似这也是一个历史学和社会学的分支，似乎叫做历史动力学。
为什么联想到这个呢？是因为图尔钦也是从简单的原理出发，对各部分不同的人群的人口策略进行数学建模，然后导出一个或许形式上有很多参数，但是理解起来却并不困难的微分方程(组)。对比起楼主的文章来，可以看得出，在楼主描述的“点名”过程中，既有点名者的决策，又有被点名者的决策；只不过它不像Turchin一样通过数量的增减发挥作用，而是从比例出发。
我发现楼主的论文里，决策是仅仅同前一状态有关的，也就是马尔可夫性。如果对点名人和被点名者的策略里都加上历史状态积累和瞬时预测变化，也就是（所有）历史出席率的积分和最近两次出席率的差值，凑成一个PID（对，就是PID控制器那个），不知道会有什么有趣的事情发生呢？
然后，对于你文章中提到的“反身性”问题，也许可以：设置一个根据模型本身来预测的预测器（预测点名概率），将被点名者的“勇气影响参数”η2作为被调节的参数，然后代入原系统看看结果会怎样；同理可以再做几次实验，操作点名者的“警戒阈值”——这样的话就会得到“在双方都懂得模型的预测下”，实际情况偏离模型的程度。实际情况可能会有三种，即近似成比例的小幅偏离模型，陷入周期性的涨落/干脆进入混沌，也可能没有任何影响。我也很好奇这个问题：作为一位业余命理师，我很想知道如果每个人都根据“最可能的命运”做出“最理性的决策”，那会是什么样的世界。