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.
144<br />
schiedlich starken Abhängigkeiten der kausalen Relationen <strong>und</strong> damit zu unterschiedlich<br />
starken <strong>Markov</strong>-Verletzungen auf der Ebene der beobachteten Variablen.<br />
Die modellierte Zielinferenz kann dabei als zweistufiger Prozess gedacht<br />
werden: In einem ersten Schritt wird auf <strong>die</strong> Anwesenheit oder <strong>die</strong> Abwesenheit<br />
der gemeinsamen Fehlerursache geschlossen, je nachdem wie viele beobachtete<br />
Effekte der anwesenden Ursache abwesend sind – je mehr, desto unwahrscheinlicher,<br />
dass <strong>die</strong>s rein zufällig durch <strong>die</strong> unabhängigen Fehlerquellen zustande gekommen<br />
ist. In einem zweiten Schritt wird dann auf der Basis <strong>die</strong>ser Annahmen<br />
über <strong>die</strong> Anwesenheit der gemeinsamen Fehlerquelle auf <strong>die</strong> Wahrscheinlichkeit<br />
der Anwesenheit des Zieleffekts geschlossen.<br />
Aus der Idee der Einführung einer gemeinsamen Fehlerquelle, <strong>die</strong> auf alle<br />
von der Ursache ausgehenden kausalen Links in der betrachteten Struktur wirkt,<br />
ergeben sich weitere Vorhersagen, <strong>die</strong> in weiteren Experimenten getestet wurden.<br />
Wendet man das Modell auf eine Common-Cause-Struktur an, in der beide<br />
Zustände der gemeinsamen Ursache kausal aktiv sind (siehe Abschnitt 5.1), sagt<br />
das Modell für <strong>die</strong> Bewertung der Anwesenheit eines unbeobachteten Zieleffekts<br />
eine Abhängigkeit vom Status der weiteren Effekte für beide Zustände der Ursache<br />
voraus <strong>und</strong>, dass <strong>die</strong>se Abhängigkeit wie im Basismodell in einem kausalen<br />
System mit starker gemeinsamer Fehlerursache deutlich größer ausfallen sollte,<br />
als in einem System mit schwacher gemeinsamer Fehlerursache. Diese Vorhersagen<br />
wurden experimentell in einem für den Fall zweier aktiver Zustände der Ursache<br />
angepassten, auf dem Paradigma der Basisexperimente beruhenden Experiment<br />
getestet. Hierfür wurden beide Gedanken der Außerirdischen („TUS“ <strong>und</strong><br />
„POR“ statt nichts <strong>und</strong> „POR“) als kausal aktiv beschrieben <strong>und</strong> mit der bekannten<br />
„Reading“-vs.-„Sending“-Manipulation – also einer eher effektseitigen oder<br />
einer eher ursacheseitigen Fehlerattribution – kombiniert. Wie vorhergesagt,<br />
zeigte sich eine Abhängigkeit vom Status der weiteren Effekte für beide Zustände<br />
der Ursache, <strong>und</strong> zwar deutlich stärker in der „Sending“-<strong>Bedingung</strong>. Dieses Ergebnis<br />
ist dabei besonders interessant, als dass <strong>die</strong> in den Basisexperimenten<br />
gef<strong>und</strong>ene Asymmetrie zwischen Anwesenheit <strong>und</strong> Abwesenheit der Ursache<br />
damit wirklich auf den unterschiedlichen kausalen Status <strong>und</strong> nicht zum Beispiel<br />
auf <strong>die</strong> unterschiedlich instruierten Basisraten der beiden Zustände zurückzufüh-