Kausales Denken, Bayes-Netze und die Markov-Bedingung
Kausales Denken, Bayes-Netze und die Markov-Bedingung
Kausales Denken, Bayes-Netze und die Markov-Bedingung
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