Kausales Denken, Bayes-Netze und die Markov-Bedingung

140
ten Effekt: Da nunmehr besonders inhomogene Cluster ein großes Gewicht bekämen,
würde die Inferenz über den Zieleffekt nunmehr stärker von den Effekten
abhängen, die dem Zieleffekt möglichst unähnlich sind. 61
Die Hyperparameter hinsichtlich eines bestimmten Merkmals können dabei
– entsprechende Lerndaten vorausgesetzt – im Grunde gelernt werden, da
die Parameter im bayesianischen Framework gegeben eines Lerninputs geschätzt
werden können. Treten zum Beispiel bei der Beobachtung eines kausalen Systems
vornehmlich konditionale Abhängigkeiten im Hinblick auf Effekte auf, die
für ein betrachtetes Merkmal die gleiche Ausprägung aufweisen, jedoch keine
konditionalen Abhängigkeiten zwischen Effekten unterschiedlicher Merkmalsausprägung,
dann handelt es sich um ein relevantes Merkmal mit entsprechend
kleinen Hyperparametern (etwa denen für die Modellvorhersage verwendeten).
Sind die konditionalen Abhängigkeiten unabhängig vom betrachteten Merkmal,
dann ist es nicht relevant mit entsprechenden Hyperparametern nahe 1. In diesem
Sinne ist es also möglich, die Relevanz von Merkmalen zumindest dem
Grunde nach zu lernen. Fraglich bleibt allerdings, ob die Schätzung der entsprechenden
Hyperparameter ohne weitere strukturelle Annahmen mit realistischem
Lerninput überhaupt möglich und stabil ist.
6.5 Zusammenfassung
In Kapitel 4 wurde auf der Basis der in Kapitel 3 dargestellten Experimente ein
Modell entwickelt, dass die Sensitivität der Probanden hinsichtlich ihrer Annahmen
über die zugrunde liegenden Kausalprozesse in einer Common-Cause-
Struktur als adaptive Fehlerattribution implementiert. Im vorliegenden Kapitel
wurden diese Überlegungen ergänzt im Hinblick auf die Frage, inwieweit die Inferenzen
in kausalen Systemen auch von den weiteren, auf den ersten Blick nicht
kausalen Merkmalen (features) und damit möglichen Kategorisierungen der involvierten
Objekte abhängig sind. Unter der Annahme, dass konditionale Abhängigkeiten
nur zwischen Effekten bestehen, die einem Cluster zugeordnet sind,
und dass solche Cluster im Hinblick auf kausal relevante Merkmale der kausalen
61 Daher ist die gute Übereinstimmung des Modells mit den in Experiment 8 gefundenen Befunden
auch nicht als sonderlich überzeugend im Sinne von Roberts und Pashler (2000) einzustufen,
da bei entsprechender Parameterwahl hinsichtlich der Abhängigkeit der Zielinferenz von der
Ähnlichkeit der Effekte jedwede Vorhersage modelliert werden könnte.