Kausales Denken, Bayes-Netze und die Markov-Bedingung
Kausales Denken, Bayes-Netze und die Markov-Bedingung
Kausales Denken, Bayes-Netze und die Markov-Bedingung
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
3<br />
priori angenommen (Anderson, 1990), im Sinne einer optimalen Adaptation des<br />
menschlichen Gehirns an seine Umwelt. 1 Weicht beobachtetes Verhalten von<br />
postulierten Normen (= computationale Theorie) ab, so dokumentiert <strong>die</strong>s <strong>die</strong><br />
Unangepasstheit der Normen, an denen wir das menschliche <strong>Denken</strong> messen,<br />
<strong>und</strong> nicht <strong>die</strong> Unangemessenheit des menschlichen <strong>Denken</strong>s. Ziel muss es folglich<br />
sein, computationale Theorien zu entwickeln, <strong>die</strong> menschliches Verhalten<br />
beschreiben <strong>und</strong> vorhersagen, sich dabei aber gleichzeitig in der Form der Beschreibung<br />
auf der Basis normativer Axiome (wie z.B. Wahrscheinlichkeitskalkül)<br />
bewegen <strong>und</strong> sich daraus in konsistenter Weise ableiten. 2<br />
Ziel der vorliegenden Arbeit ist es, <strong>die</strong>ses Konzept auf menschliches Kausaldenken<br />
anzuwenden <strong>und</strong> <strong>die</strong>ses auf computationaler Ebene in Situationen zu<br />
untersuchen, in denen es sich nach den Untersuchungen von Rehder <strong>und</strong> Burnett<br />
(2005) als „<strong>Markov</strong> verletzend“ herausgestellt hat. Die Arbeit gliedert sich dabei<br />
wie folgt:<br />
In Kapitel 2 werden als Ausgangspunkt <strong>die</strong> Literatur zum kausalen Lernen<br />
<strong>und</strong> <strong>Denken</strong> überblicksartig dargestellt <strong>und</strong> eine Einführung in <strong>die</strong> aktuellere Forschung<br />
im Bereich der <strong>Bayes</strong>-<strong>Netze</strong> als psychologische Theorien kausalen <strong>Denken</strong>s<br />
<strong>und</strong> <strong>die</strong> damit als zentrale Annahme eng verb<strong>und</strong>ene <strong>Markov</strong>-<strong>Bedingung</strong><br />
gegeben. Dabei werden insbesondere <strong>die</strong> Arbeiten von Rehder <strong>und</strong> Burnett<br />
(2005) genauer vorgestellt, <strong>die</strong> <strong>die</strong> Abweichungen von <strong>die</strong>ser zentralen Annahme<br />
(„<strong>Markov</strong>-Verletzungen“) empirisch untersucht <strong>und</strong> dokumentiert haben. Die<br />
Stu<strong>die</strong>n <strong>die</strong>nen sodann als Motivation für <strong>die</strong> Entwicklung der Idee, dass Probanden<br />
bei Kausalinferenzen systematisch weiteres Wissen, insbesondere um <strong>die</strong><br />
zugr<strong>und</strong>e liegenden kausalen Prozesse, miteinbeziehen <strong>und</strong> <strong>die</strong>ses sich vor allem<br />
auf <strong>die</strong> repräsentierte Fehlerstruktur auswirkt.<br />
1 Diese Sichtweise ist dabei vor allem aus der Perspektive der Künstlichen-Intelligenz-Forschung<br />
motiviert, da es bis heute nicht gelungen ist, eine Maschine zu konstruieren, <strong>die</strong> den Leistungen<br />
des menschlichen Gehirns, z.B. im Bereich der visuellen Wahrnehmung oder der autonomen<br />
Handlungsplanung <strong>und</strong> -steuerung in komplexen Situationen, auch nur im Entferntesten nahe<br />
kommt. Aus <strong>die</strong>ser Perspektive erscheint es daher vermessen, menschliches Verhalten deshalb<br />
als irrational zu deklarieren, weil es von „normativen“ Modellen abweicht, <strong>die</strong> sich in realen Situationen<br />
aufgr<strong>und</strong> ihrer simplifizierenden Annahmen überhaupt nicht implementieren lassen. In<br />
<strong>die</strong>sem Sinne gilt mithin das menschliche Verhalten <strong>und</strong> <strong>Denken</strong> als Messlatte, <strong>die</strong> es (vorerst) zu<br />
erreichen gilt <strong>und</strong> nicht umgekehrt.<br />
2 Für eine ausführliche Debatte <strong>die</strong>ses Ansatzes siehe u.a. Brighton & Gigerenzer, 2008; Chater<br />
<strong>und</strong> Oaksford (2008a, 2008b), Danks (2008), Oaksford <strong>und</strong> Chater (2007),Shultz (2007), Sloman<br />
<strong>und</strong> Fernbach (2008) sowie Waldmann et al. (2008).