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