Kausales Denken, Bayes-Netze und die Markov-Bedingung

145
ren ist. Da die Erklärungsversuche von Rehder und Burnett (2005) nicht an der
Kausalinferenz ansetzen und damit auch nicht sensitiv sein können für den kausalen
Status der verschiedenen Ausprägungen der Ursache, versagen diese,
wenn sie diesen gefundenen Unterschied erklären sollen.
Auch auf andere Kausalstrukturen lässt sich die Idee einer gemeinsamen,
an die Ursache gebundenen Fehlerquelle anwenden (siehe Abschnitt 5.2). In einer
kausalen Kette, wie sie auch bereits von Rehder und Burnett (2005) untersucht
wurde, sollte eine Manipulation hinsichtlich der zugrunde liegenden kausalen
Prozesse, sofern diese unterschiedliche Fehlerattributionen nahe legen, keinen
Einfluss haben. Bei der Bewertung der Anwesenheit des ultimativen Effekts
in einer kausalen Kette kommt es nicht darauf an, ob mögliche Fehler ursacheoder
effektseitig attribuiert werden, maßgeblich ist nur die Gesamtstärke der
Ursache auf den Zieleffekt. Die Vorhersagen wurden experimentell dergestalt
getestet, dass das in den Basisexperimenten verwendete Paradigma für eine
kausale Kette angepasst wurde, indem den Probanden (entsprechend je nach
Bedingung) erklärt wurde, das in einer Reihe von Außerirdischen jeweils links
stehende Alien verursache die Gedanken des jeweils rechts stehenden. Wie vorhergesagt
unterschieden sich die Bewertungen der Probanden hinsichtlich der
Anwesenheit des ultimativen Effekts nicht im Hinblick auf die „Reading“-vs.-
„Sending“-Manipulation und damit gerade nicht bezüglich einer eher ursacheoder
effektseitigen Fehlerattribution.
Da das in dieser Arbeit vorgestellte Modell den zugrunde liegenden
Inferenzprozess, der die konditionalen Abhängigkeiten erzeugt, als adaptive
Fehlerattribution beschreibt, wurde in Abschnitt 5.3 des Weiteren getestet, welchen
Einfluss es hat, wenn in eine Common-Cause-Struktur weitere beobachtbare
präventive Ursachen eingeführt werden, die mit der modellendogenen Fehlerquelle
bei eben dieser Fehlerattribution konkurrieren. Wenn in das kausale
System eine solche als anwesend beobachtete präventive Ursache eingeführt
wird, die nicht auf den Zieleffekt, aber auf alle anderen beobachteten Effekte
wirkt, sagt das Modell vorher, dass die Einschätzung bezüglich der Anwesenheit
eines unbeobachteten Zieleffekts deutlich weniger von der Anzahl der weiteren
als anwesend beobachteten Effekte abhängen sollte, da deren Abwesenheit