Kausales Denken, Bayes-Netze und die Markov-Bedingung

119
barn wie man selbst jedoch eine Satellitenschüssel, dann wird man eher geneigt
sein, zu folgern, dass der eigene Fernseher sehr wohl ein Bild zeigen wird – dies
auch ohne dass man genaue Vorstellungen von der Funktionsweise der verschiedenen
Übertragungssysteme hat.
Im vorliegenden Beispiel scheinen also die Merkmale der involvierten Objekte
– hier mithin die Fernseher und die Art ihrer Anschlüsse –, also in gewisser
Weise deren Kategorisierung, für die Inferenzen eine bedeutende Rolle zu spielen.
Der Einfluss kategorialen Wissens auf Kausalinferenzen wie auch der Einfluss
von Kausalwissen auf die Kategorisierung von Objekten wurde dabei bereits vielfach
untersucht (siehe u.a. Ahn, 1998; Ahn, Kalish, Gelman, Medin, Luhmann,
Atran et al., 2001; Kemp, Goodman & Tenenbaum, 2007; Lien & Cheng, 2000;
Liljeholm & Cheng, 2007; Rehder, 2003a, 2003b; Rehder & Burnett, 2005; Rehder
& Hastie, 2001; Rehder & Kim, 2006; Waldmann & Hagmayer, 2006). Dabei lassen
sich zwei Hauptrichtungen unterscheiden: Zum einen wurde intensiv untersucht,
wie das Wissen um den kausalen Status von Merkmalen von Objekten
deren Kategorisierung beeinflusst (sogenannte Causal-Status-Hypothese, siehe
Ahn, 1998; Ahn et al. 2001; Rehder, 2003a, 2003b; Rehder & Kim, 2006). Die Experimente
von Rehder und Burnett (2005), die in Abschnitt 2.3 ausführlich beschrieben
wurden, sind z.B. aus dieser Perspektive motiviert gewesen. – Zum
anderen wurde untersucht, wie Kausallernen die Kategorisierung von Ereignissen/Objekten
48 beeinflusst, insbesondere bezüglich der Gruppierung von Ereignissen/Objekten
im Hinblick auf die resultierende Kausalstärkeschätzung
(„Causality shapes categories“; siehe u.a. Lien & Cheng, 2000, die die These vertreten,
dass Menschen Kategorien dergestalt bilden, dass sie die kausale Vorhersagekraft
maximieren). Auch das Gegenteil wurde bereits gezeigt, also dass vorhandenes
kategoriales Wissen in bestimmten Situationen einen Einfluss auf Kausalstärkeschätzungen
hat („Categories shape causality“; siehe Waldmann &
Hagmayer, 2006, sowie Kemp et al., 2007, für einen Ansatz der beide Thesen
integriert).
48 Zwischen Ereignissen und Objekten, die diese Ereignisse hervorbringen, wird in der Literatur
derzeit kein Unterschied gemacht. In der Gesamtdiskussion in Kapitel 7 soll dieses Problem
nochmals aufgegriffen werden, da es dem Autor sinnvoll scheint, zwischen einer statistischen
Ebene (Ereignisse, Bayes-Netze) und einer kausalen Hintergrund-Ebene (Objekte mit Merkmalen,
Mechanismen etc.) zu unterscheiden.