31.10.2013 Aufrufe

Kausales Denken, Bayes-Netze und die Markov-Bedingung

Kausales Denken, Bayes-Netze und die Markov-Bedingung

Kausales Denken, Bayes-Netze und die Markov-Bedingung

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

41<br />

3.1.3 Diskussion<br />

Experiment 1 demonstriert eindrucksvoll, wie stark sich Annahmen der Versuchspersonen<br />

hinsichtlich der zugr<strong>und</strong>e liegenden Kausalprozesse auf <strong>die</strong> Einschätzung<br />

der Anwesenheit eines nicht beobachteten Effekts auswirken können.<br />

In der „Sending“-<strong>Bedingung</strong>, deren Beschreibung eine Attribution möglicher Fehler<br />

auf <strong>die</strong> Ursache nahelegt, sind <strong>die</strong> Abhängigkeiten deutlich stärker als in der<br />

„Reading“-<strong>Bedingung</strong>, deren Beschreibung eher eine Attribution auf <strong>die</strong> Effekte<br />

befördert.<br />

Die Erklärungsversuche von Rehder <strong>und</strong> Burnett (2005) sind durch <strong>die</strong> Bef<strong>und</strong>e<br />

widerlegt. Sowohl das Feature-Uncertainty-Modell, wie auch das Underlying-Mechanism-Modell<br />

sind mit den Ergebnissen nicht kompatibel. Beide Modelle<br />

induzieren <strong>die</strong> <strong>Markov</strong>-Verletzung durch einen Mechanismus, der unabhängig<br />

von der kausalen Rolle der Variablen <strong>und</strong> auch unabhängig vom betrachteten<br />

kausalen System ist: Das Feature-Uncertainty-Modell durch <strong>die</strong> Annahme,<br />

dass Unsicherheit um <strong>die</strong> wahre Ausprägung der involvierten Variablen besteht<br />

<strong>und</strong> das Underlying-Mechanism-Modell durch <strong>die</strong> Annahme eines generativen<br />

Mechanismus der Kategorie, der Exemplare mit einheitlichen Ausprägungen produziert,<br />

<strong>und</strong> der dadurch mit der Kausalinferenz konkurriert (siehe Näheres dazu<br />

auch Abschnitt 2.3). Beide Modelle sagen symmetrische Antwortmuster hinsichtlich<br />

des Zustandes der Ursache vorher (<strong>und</strong> nicht wie gef<strong>und</strong>en, unterschiedliche<br />

Abhängigkeiten für <strong>die</strong> Abwesenheit wie <strong>die</strong> Anwesenheit der Ursache). Über<strong>die</strong>s<br />

sind beide Modelle nicht geeignet, unterschiedliche Annahmen über <strong>die</strong> zugr<strong>und</strong>e<br />

liegenden Kausalprozesse abzubilden, da sie gleichsam nicht auf <strong>die</strong>se Bezug<br />

nehmen. Damit dürfte eine Manipulation der Annahmen über <strong>die</strong> zugr<strong>und</strong>e liegenden<br />

kausalen Prozesse keinen Einfluss auf <strong>die</strong> Wahrscheinlichkeitsschätzungen<br />

haben. Das Gegenteil jedoch ist der Fall.<br />

Dennoch bleibt offen, inwieweit eventuell das Ergebnis durch <strong>die</strong> Instruktion<br />

der Randwahrscheinlichkeiten beeinflusst ist. Wie in der Versuchsbeschreibung<br />

dargestellt, wurden alle relevanten Parameter des Systems verbal beschrieben<br />

(„häufig“, „manchmal“ etc.), nur <strong>die</strong> Randwahrscheinlichkeit, mit der<br />

ein Alien an „POR“ denkt, wurde numerisch mit 70% angeben. Dies erfolgte in<br />

Anlehnung an <strong>die</strong> Stu<strong>die</strong>n von Rehder <strong>und</strong> Burnett (2005), <strong>die</strong> <strong>die</strong>se Information

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!