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.
142<br />
7 Gesamtdiskussion <strong>und</strong> Ausblick<br />
Zum Abschluss der Arbeit sollen <strong>die</strong> Bef<strong>und</strong>e noch einmal in der Gesamtschau<br />
zusammengefasst <strong>und</strong> diskutiert werden. Darauf aufbauend erfolgt ein kurzer<br />
Ausblick möglicher Richtungen zukünftiger Forschung.<br />
7.1 Diskussion der Bef<strong>und</strong>e<br />
Ausgangspunkt der Arbeit waren Stu<strong>die</strong>n, <strong>die</strong> <strong>die</strong> <strong>Markov</strong>-<strong>Bedingung</strong> als Default-<br />
Annahme im menschlichen Kausaldenken in Frage stellten: Die Einschätzung der<br />
Anwesenheit eines nicht beobachteten Zieleffekts in einer Common-Cause-<br />
Struktur gegeben der An- oder Abwesenheit seiner Ursache hängt im Widerspruch<br />
zur <strong>Markov</strong>-<strong>Bedingung</strong> sehr deutlich vom Status der weiteren Effekte der<br />
gemeinsamen Ursache ab. Die bis dahin vorgebrachten Erklärungen, nach denen<br />
<strong>die</strong> ansonsten <strong>Markov</strong>-konforme Kausalinferenz mit anderen Inferenzprozessen<br />
interagiert (z.B. bezüglich der Typikalität von Exemplaren einer Kategorie oder<br />
der Unsicherheit bezüglich der wahren Ausprägung der involvierten Variablen;<br />
siehe Rehder & Burnett, 2005 <strong>und</strong> auch Abschnitt 2.3), wurden als zu „akausal“<br />
<strong>und</strong> damit nicht weitreichend genug zurückgewiesen. Sowohl im Underlying-<br />
Mechanism-Modell, welches <strong>Markov</strong>-Verletzungen durch einen hinzugedachten<br />
kategorialen Mechanismus induziert, als auch im Feature-Uncertainty-Modell,<br />
welches <strong>Markov</strong>-Verletzungen als Ausdruck der Unsicherheit bezüglich der wahren<br />
Ausprägung der Variablen erklärt, ist <strong>die</strong> eigentliche Kausalinferenz von der<br />
Ursache zum Effekt weiterhin <strong>Markov</strong>-konform. In Abgrenzung dazu wurde ein<br />
Modell entwickelt, das direkt an der Kausalinferenz ansetzt <strong>und</strong> <strong>die</strong> Annahmen<br />
der Probanden hinsichtlich der zugr<strong>und</strong>e liegenden Kausalprozesse <strong>und</strong> <strong>die</strong> damit<br />
verb<strong>und</strong>enen Annahmen über <strong>die</strong> Fehlerstruktur des Systems berücksichtigt.<br />
In Kapitel 3 wurden drei Experimente vorgestellt, <strong>die</strong> genau <strong>die</strong>s gezeigt<br />
haben: Die Einschätzungen hinsichtlich der Anwesenheit eines Zieleffekts gegeben<br />
des Status der anderen Variablen in einer Common-Cause-Struktur werden<br />
systematisch von den Annahmen der Versuchspersonen über <strong>die</strong> zugr<strong>und</strong>e liegenden<br />
Kausalprozesse beeinflusst. Hierzu wurden <strong>die</strong> Probanden in ein Common-Cause-Szenario<br />
auf der Basis der „Mind-Reader-Alien“-Aufgabe von Steyvers<br />
et al. (2003) <strong>und</strong> der Aufgabe von Rehder <strong>und</strong> Burnett (2005) eingeführt, das es<br />
ermöglichte, <strong>die</strong>se Annahmen zu manipulieren. Es zeigte sich, dass <strong>die</strong> Versuchs-