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.
98<br />
5.2.5 Diskussion<br />
Die Ergebnisse von Experiment 5 bestätigen sehr deutlich <strong>die</strong> Vorhersage des auf<br />
<strong>die</strong> Causal-Chain-Struktur angepassten Modells: Ein Unterschied zwischen den<br />
beiden experimentellen <strong>Bedingung</strong>en („Reading“ vs. „Sending“) konnte weder im<br />
Falle der Anwesenheit noch im Falle der Abwesenheit der gemeinsamen Ursache<br />
gef<strong>und</strong>en werden. Damit zeigt sich sehr deutlich, dass <strong>die</strong> Inferenzen der Versuchspersonen<br />
wirklich von der Kausalstruktur <strong>und</strong> deren Eigenschaften abhängig<br />
sind. Damit ist auch belegt, dass <strong>die</strong> eingeführte zusätzliche Fehlerquelle mit<br />
der jeweiligen Ursache assoziiert, also an den dort ausgelösten Kausalprozess<br />
gekoppelt ist. Die vorgeschlagene erweiterte Fehlerstruktur ist damit intrinsische<br />
Eigenschaft der Ursache-Effekt-Relation <strong>und</strong> nicht lediglich (irgend-)eine unbeobachtete<br />
korrelierte Fehlerquelle, <strong>die</strong> an das kausale System angedockt wurde<br />
(<strong>und</strong> dort auf der Ebene der beobachteten Variablen <strong>Markov</strong>-Verletzungen generiert).<br />
Nichtsdestotrotz sind auch in Experiment 5 wieder Abhängigkeiten von der<br />
Anzahl der als anwesend beobachteten weiteren Variablen (hier: indirekte Ursachen)<br />
aufgetreten, <strong>die</strong> wieder unabhängig von der Manipulation bezüglich der<br />
zugr<strong>und</strong>e liegenden Mechanismen sind. Wie bereits in einigen vorhergehenden<br />
Experimenten, <strong>die</strong> in Kapitel 3 beschrieben wurden, scheinen <strong>die</strong> Versuchspersonen<br />
wieder eine weitere, unbeobachtete generative Ursache zu inferieren, <strong>die</strong><br />
auf alle Variablen wirkt (wie z.B. <strong>die</strong> Vermutung, dass deshalb viele Aliens an Essen<br />
denken, weil sie sich alle in einem Restaurant befinden, gerade Mittagszeit<br />
ist <strong>und</strong> daher auch das Zielalien an Essen denken sollte). Konsequenterweise treten<br />
<strong>die</strong> Abhängigkeiten für beide Zustände der direkten Ursache in ziemlich genau<br />
gleicher Höhe auf, wie man es für eine gemeinsam auf <strong>die</strong> Variablen wirkenden,<br />
generativen Ursache erwarten würde. 45 Dieses Problem, das an der Gr<strong>und</strong>aussage<br />
des Modells aber nichts ändert, soll in der Gesamtdiskussion in Kapitel 7<br />
nochmals aufgegriffen <strong>und</strong> in größerem Zusammenhang diskutiert werden.<br />
45 Ähnliche Ergebnisse, also ebenfalls <strong>Markov</strong>-verletzende Bewertungen, fanden auch Rehder <strong>und</strong><br />
Burnett (2005) in einem Kettenexperiment.