Kausales Denken, Bayes-Netze und die Markov-Bedingung

146
vielmehr auf die beobachtete präventive Ursache attribuiert wird. Dies reduziert
die Attribution auf die modellendogen angenommene unbeobachtete Fehlerquelle
und damit den Einfluss des Zustands der weiteren Effekte auf den Zieleffekt.
Diese Vorhersagen wurden in zwei Experimenten getestet, die an die Basisexperimente
angelehnt waren und sich auf den „Sending“-Fall als zugrunde liegenden
Mechanismus mit eher ursacheseitiger Fehlerattribution beschränken
(genaueres siehe Abschnitt 5.3): Dabei zeigte sich, dass im Fall der Anwesenheit
der gemeinsamen Ursache sowie der Anwesenheit einer präventiven Ursache –
in diesem Fall die Einführung zweier Wände, die die beiden nicht Zieleffekt-
Aliens vom Gedanken sendenden Alien abschirmten – die Einschätzung der Anwesenheit
des unbeobachteten Zieleffekts von der Anzahl der als anwesend beobachteten
weiteren Effekte deutlich geringer abhing, als ohne diese präventive
Ursache. Damit konnte das Modell auch in einer Situation bestätigt werden, in
der die postulierte Fehlerattribution direkt durch die Einführung weiterer präventiver
Ursachen manipuliert wurde.
In der Gesamtschau hat sich demnach die in Abschnitt 2.4 entwickelte Idee
sehr gut bewährt. Markov-Verletzungen sind demnach nicht Ausdruck einer an
sich Markov-konformen Kausalinferenz, die mit anderen Inferenzprozessen interagiert,
wie dies noch von Rehder und Burnett (2005) angenommen wurde.
Konditionale Abhängigkeiten sind demnach vor allem Ausdruck der Annahmen
über die zugrunde liegenden Kausalprozesse und die damit verbundene Fehlerstruktur
(für diesbezügliche Einschränkungen siehe weiter unten). Die Kausale-
Bayes-Netz-Theorie, wie sie in Abschnitt 2.2 als psychologische Theorie kausalen
Denkens eingeführt wurde (siehe u.a. Gopnik et al., 2004; Sloman, 2005), muss
daher erweitert werden. Die Markov-Bedingung scheint im Hinblick auf die beobachtbaren
Variablen offenkundig nicht Bestandteil der Repräsentation zu sein,
auf denen das kognitive System operiert. Das hier vorgeschlagene Modell, welches
das Wissen um die zugrunde liegenden kausalen Mechanismen in der Form
von Annahmen über die Fehlerstruktur integriert, schlägt damit konzeptionell
auch eine erste Brücke zwischen den mechanismusbasierten Ansätzen (siehe
Abschnitt 2.1.3), die die Bedeutungen kausaler Mechanismen für das menschliche
Kausaldenken hervorheben, und den mit den kovariationsbasierten Ansätzen