본 논문은 사전 신념(prior credence)을 규율하는 규범을 확인하는 문제인 '사전 신념의 문제'에 대한 새로운 접근 방식을 제시한다. 기존의 사후 신념(posterior credence)에 대한 규범을 먼저 고려하여, 시간에 따른 조건화(diachronic requirement of conditionalization)를 통해 사전 신념에 대한 규범을 역으로 유도하는 '미래지향적 베이지안주의(forward-looking Bayesianism)'를 주장한다. 이는 '먼저 미래를 생각하고, 역으로 작업한다'는 접근 방식으로 요약될 수 있다. 특히, 사후 신념의 진리 수렴을 기본적인 규범으로 삼는 '수렴적 베이지안주의(convergentist Bayesianism)'를 제시하고, 이를 통계학과 기계 학습에서 옥캄의 면도날(Ockham's razor)의 베이지안적 기초를 위한 핵심 요소로 주장한다. 기존 주관주의 및 객관주의적 관점에서 제기될 수 있는 반론에 대한 논의도 포함한다.
