'Bayeslogik' - zur induktiven Musterlogik menschlicher Wahrscheinlichkeitsurteile
Final Report Abstract
Die Prüfung der Bayeslogik als ein Modell einer allgemeinen häufigkeitsbasierten Musterlogik menschlicher Wahrscheinlichkeitsurteile konnte wesentlich vorangetrieben werden. Es konnten einige wichtige erste Resultate veröffentlicht und neue Vorhersagen des Modells bestätigt werden: eine erste Generalisierung auf andere logische Junktoren, quantitative Bedingungen von Doppel-KFs, Häufigkeitseffekte, Mustersensitivität, systematische häufigkeitsbasierte Inklusionsfehler, ähnliche Muster bei individueller und genereller Prädikation, einzelevidenzbasierte Inklusionsfehler. Es wurden auch erste Arbeiten zu Kausalmodellen veröffentlicht, bei denen vermutlich auch verrauschte logische Junktoren im menschlichen Denken eine Rolle spielen könnten (C führt zu „entweder A oder B“, „zu A und gleichzeitig zu B“ etc.). BL selbst betrifft jedoch gegenwärtig nur die Beschreibung von Häufigkeitsmustern, nicht die kausalen Wirkungen. Modellierungen und Diskussionen in den beiliegenden Arbeiten zeigen, dass keine andere Theorie die hier skizzierte Kombination von Befunden erklären kann. Die BL scheint eine rationale Basis zu bieten, Inklusionsparadoxien in Logik und Wahrscheinlichkeitstheorie zu erklären. Der Mensch scheint hier wieder als intuitiver Statistiker betrachtet zu werden, ein Forschungsprogramm, das durch Kahneman und Tversky zum Erliegen kam. Andererseits wird aber auch die Begrenztheit traditioneller Normen der Rationalität und die Intelligenz der Intuition betont , ohne dabei die Idee der rationalen Norm aufzugeben. Die BL ist eine bereichsspezifische rationale Theorie, die nur unter bestimmten Voraussetzungen gelten kann. Konkret weicht die Klasse der untersuchten Wahrscheinlichkeitseinschätzungen offensichtlich stark von der üblicherweise zugrunde gelegten Norm einer unmittelbaren Anwendung der extensionalen Logik oder extensionalen Wahrscheinlichkeitstheorie ab. Anknüpfend an die Idee der Mehrdeutigkeit des Wahrscheinlichkeitsbegriffs konnte gezeigt werden, dass solche Wahrscheinlichkeitsurteile unter bestimmten Voraussetzungen dennoch rational sein können und sehr viel systematischer auftreten, als bislang erwartet wurde. Musterwahrscheinlichkeiten sind anscheinend ein wesentlicher Typ menschlicher Wahrscheinlichkeitsurteile.
Publications
-
(2009). On a General Bayesian Pattern Logic of Frequency-Based Logical Inclusion Fallacies. In: N.A. Taatgen & H. van Rijn (Eds.). Proceedings of the Thirty-First Annual Conference of the Cognitive Science Society (pp. 248-253). Austin, TX: Cognitive Science Society
von Sydow, Momme
-
(2010). How Causal Reasoning Can Bias Empirical Evidence. In: S. Ohlsson & R. Catrambone (Eds.), Proceedings of the Thirty-Second Annual Conference of the Cognitive Science Society (pp. 2087-2092). Austin, TX: Cognitive Science Society
von Sydow, Momme, Hagmayer, York, Meder, Björn, & Waldmann, Michael
-
(2010). The Tight Coupling between Category and Causal Learning. Cognitive Processing, 11, 143-158
Waldmann, Michael R., Meder, Björn, von Sydow, Momme, & Hagmayer, York
-
(2011). Category Transfer in Sequential Causal Learning: The Unbroken Mechanism Hypothesis. Cognitive Science, 35, 842-873
Hagmayer, York, Meder, Björn, von Sydow, Momme, & Waldmann, Michael R.
-
(2011). Logical Inclusion Fallacies - Transfer of Logical Patterns and Noise (pp. 1-6). In: Kokinov, B., Karmiloff-Smith, A., Nersessian, N. J. (eds.). European Perspectives on Cognitive Science. New Bulgarian University Press
von Sydow, Momme
-
(2011). The Bayesian Logic of Frequency-Based Conjunction Fallacies. Journal of Mathematical Psychology, 55, 2, 119-139
von Sydow, Momme
