Blog

Az általánosítással és az analógiával ellentétben létezik egy olyan induktív érvelési típus, amelyhez nincs feltétlenül szükségünk mintákra vagy összehasonlításokra. Ez az oksági érvelés. Minden olyan gondolatmenetet így nevezünk, ahol a következtetés valamilyen ok-okozati kapcsolatot állapít meg.&nbsp; Ennek az érvelésnek az ad különös jelentőséget, hogy az oksági kapcsolatok feltételezése az ember természetes reakciója. Ha látunk egy jelenséget, az agyunk azonnal felteszi a kérdést: „Miért történt?” Nem szeretjük a véletleneket, történeteket és magyarázatokat akarunk.De hogyan döntjük el, hogy mi minek az oka? Az újkori filozófia egyik legnagyobb fejtörése volt, hogy miként lehet az induktív logika alapján igazolni az ilyen összefüggéseket. A válasz sokszor egyszerűbb (és veszélyesebb), mint hinnénk: két esemény vagy dolog állandó együttjárása (korrelációja) azt a képzetet kelti bennünk, hogy oksági kapcsolat van közöttük.&nbsp;Ha minden alkalommal esik az eső, amikor otthon felejtem az esernyőmet, hajlamos vagyok azt érezni, hogy az én feledékenységem „vonzza” az esőt. Ez persze babona, de jól mutatja, hogyan működik az elménk: a korrelációból (együttjárás) kauzalitást (okságot) gyártunk.John Stuart Mill angol filozófus a 19. században épp azért alkotott meg szigorú szabályokat, hogy rendet vágjon ebben a káoszban. Felismerte, hogy az ösztönös okkeresés gyakran tévútra visz, ezért kidolgozott öt módszert – a Mill-féle szabályokat –, amelyek segítségével tudományosabb alapokra helyezhetjük az oknyomozást. A következő bejegyzésekben ezeket a detektívmódszereket fogjuk megismerni.&nbsp; 🛠️ Pro tippek1. Gyanakodj az együttjárásra! Ha két dolog egyszerre történik (pl. egyszerre emelkedik a fagylaltfogyasztás és a napszúrásos esetek száma), ne feltételezd azonnal, hogy az egyik okozza a másikat. Lehet, hogy van egy közös, harmadik ok (a kánikula). 2. Keresd a mechanizmust! Az igazi ok-okozati viszonynál nemcsak az időbeli egybeesés a fontos, hanem az is, hogy hogyan hat az egyik dolog a másikra. Ha nem tudsz logikus hatásmechanizmust felvázolni, valószínűleg csak véletlen egybeesést látsz. 3. Lépj ki az első eszedbe jutó gondolkodási keretből! Mivel természetünknél fogva okokat keresünk, hajlamosak vagyunk ott is összefüggést látni, ahol nincs. Tudatosítsd magadban: „Csak azért, mert logikusnak tűnik, még nem biztos, hogy igaz.”

136. nap: Az oksági érvelés

Az induktív következtetések egyik legizgalmasabb típusa az analógia. A hétköznapi beszédben gyakran használjuk az ehhez hasonló mondatokat: „Ez a helyzet pont olyan, mint amikor...” vagy „Ez a politikus a fiatal XY-ra emlékeztet”. Ilyenkor a következtetésünk valamilyen hasonlóságon alapul.A képlet egyszerű: ha az A dolog rendelkezik P, Q, R és S tulajdonságokkal, a B dolog pedig P, Q és R tulajdonságokkal, akkor feltételezzük, hogy a B dolognak is megvan az S tulajdonsága.Azonban az analógiák birodalma csúszós talaj. Nézzünk egy példát a könyvből: „A Balaton nagyobb, mint három átlagos családi ház, és édesvizű. A Fertő tó is nagyobb, mint három átlagos családi ház, tehát biztos édesvizű.” Ez egy gyenge (és hamis) analógia. Miért? Mert bár a méretbeli hasonlóság igaz, az irreleváns a víz összetétele szempontjából. A Fertő tó vize egyébként sós.Ezzel szemben: „A Balaton néha befagy, lehet rajta csónakázni, szoktak benne úszni, a parton lehet kapni kolbászt és nyáron sokan látogatják. A Fertő tó is be szokott fagyni, lehet rajta csónakázni, szoktak benne úszni, a parton lehet kapni kolbászt, tehát nyáron biztosan sokan látogatják.” Ez az analógia sokkal erősebb. Itt a hasonlóságok (fürdési lehetőség, gasztronómia, sport) relevánsak a konklúzió (turistaforgalom) szempontjából.&nbsp;Az analógia erejét két dolog határozza meg.&nbsp; 1. Mennyire homogének az összevetett dolgok? Minél több szempontból egyeznek, annál valószínűbb a következtetés. 2. Mennyire relevánsak a hasonlóságok? Logikailag összehasonlíthatjuk a Napot és egy főzőlapot (mindkettő forró), de kevés olyan helyzet van, ahol ennek értelme lenne. Az analógia legnagyobb ellensége a diszanalógia, vagyis a releváns különbség. Ha a barátomnak azt mondom: „Te is szeretsz bulizni és inni, mint Józsi, tehát te is rosszul leszel másnap”, ő pedig azt válaszolja: „De én busszal megyek, Józsi meg rollerrel”, az irreleváns különbség . De ha azt mondja: „Józsi keveri a piát, én meg csak sört iszom”, az már releváns diszanalógia, ami gyengíti az érvemet. 🛠️ Pro tippek1. Listázd a hasonlóságokat! Mielőtt elfogadnál egy hasonlatot, vedd sorra: miben hasonlít a két dolog ténylegesen? Ha csak egyetlen közös pont van, az analógia valószínűleg gyenge. <span style="font-family: inherit; font-size: calc(16px * var(--body-fontSize, 1)); font-style: var(--body-fontStyle, normal);" data-mce-style="font-family: inherit; font-size: calc(16px * var(--body-fontSize, 1)); font-style: var(--body-fontStyle, normal);">2. Keresd a relevanciát! Ha valaki a Mona Lisa és egy biztonsági őr között von párhuzamot (csak mert mindkettő egy teremben van), az nem releváns. Mindig tedd fel a kérdést: a hasonlóság lényegi vagy felszínes? <span style="font-family: inherit; font-size: calc(16px * var(--body-fontSize, 1)); font-style: var(--body-fontStyle, normal);" data-mce-style="font-family: inherit; font-size: calc(16px * var(--body-fontSize, 1)); font-style: var(--body-fontStyle, normal);">3. Vadászd a különbségeket! Egy analógia megdöntéséhez a legjobb módszer a diszanalógia megtalálása. Mi az az egyetlen, de fontos dolog, amiben a két eset eltér?

135. nap: Az analógia

Az általánosításnak létezik egy tudományosabbnak tűnő változata, amelynek gyakran bedőlünk: ez a statisztikai érvelés. Annyiban különbözik az egyszerű általánosítástól, hogy itt nemcsak érzésekre hagyatkozunk („sok”, „legtöbb”), hanem konkrét számokat használunk. A módszer lényege, hogy egy adott mintán történt megfigyelést terjesztünk ki a nem megfigyelt esetekre is.Mivel a számok tekintélyt parancsolnak, hajlamosak vagyunk kritika nélkül elfogadni az ilyen következtetéseket. Pedig a statisztikai általánosítás két sarkalatos pontja – a mintanagyság és a torzítatlan minta – gyakran sérül. Tegyük fel, hogy egy egyetem vezetői kíváncsiak a hallgatói ügyfélszolgálat minőségére. Készítenek egy kérdőívet, amit a hallgatók 63%-a tölt ki. Az eredmények szerint a válaszadók többsége pozitívan nyilatkozik: 42% nagyon elégedett, 24% elégedett.Mit állíthatnak ebből jogosan az egyetem vezetői? Azt mondhatják: „A válaszadó hallgatók többsége elégedett.” Ez tény, hiszen a beérkezett adatok ezt mutatják.De mit nem mondhatnak? Nem jelenthetik ki, hogy „Az egyetem hallgatóinak többsége elégedett.” Miért? Mert a hallgatók 37%-a nem válaszolt. Lehet, hogy ők annyira dühösek, hogy rá se néztek a kérdőívre, vagy teljesen közömbösek. Mivel a minta nem teljes (és nem biztos, hogy reprezentatív), az egész diákságra történő általánosítás kockázatos.Még nagyobb hiba lenne azt mondani: „Az egyetem polgárai elégedettek.” Az „egyetemi polgárok” csoportjába ugyanis beletartoznak a tanárok, a kutatók és az adminisztratív dolgozók is, akiket meg sem kérdeztek.A statisztikai érvelésnél tehát a megfogalmazás rendkívül fontos. Egyetlen szócsere („válaszadók” helyett „mindenki”) hamissá teheti az egész következtetést. A számok nem hazudnak, de a belőlük levont hanyag következtetések igen. 🛠️ Pro tippek1. Keresd a bázist! Ha látsz egy százalékot („az emberek 60%-a”), azonnal keresd meg az apró betűs részt: Kik voltak a megkérdezettek? Hányan voltak? Ha egy samponreklámban „10 nőből 9 ajánlja”, de a mintavétel a gyártó saját irodájában történt, a szünetben összegyűlt pénzügyesek körében, az adat értéktelen és érdektelen. 2. Figyeld a „csendes” tömeget! Egy önkéntes alapú kérdőívnél (pl. internetes szavazás) mindig torz a minta, mert tipikusan csak azok válaszolnak, akiknek erős véleményük van (nagyon szeretik vagy nagyon utálják az adott dolgot). Arról nem is beszélve, hogy egy internetes szavazásnál egy speciális réteg véleménye rögtön eltűnik: azok, akiknek nincs internet hozzáférése. Az átlagember véleménye gyakran láthatatlan marad. 3. Vigyázz a kategóriákkal! Ha a kutatás „budapesti fiatalokról” szól, a konklúzió nem szólhat a „magyar lakosságról”. Figyeld meg, hol történik ugrás a csoportok megnevezésében (pl. „válaszadók” -&gt; „hallgatók” -&gt; „egyetemi polgárok”).

134. nap: Statisztikai érvelés

Az induktív gondolkodás leggyakrabban használt formája az általánosítás. Nap mint nap élünk vele: ha kétszer ettünk egy étteremben és mindkétszer ízlett az étel, hajlamosak vagyunk kijelenteni, hogy „ez egy jó hely”. Ha egy kollégánk késett a megbeszélésről, könnyen kicsúszik a szánkon, hogy „senki nem tiszteli az időmet”.Az általánosító következtetések képlete egyszerű: megfigyeljük, hogy az A dolog rendelkezik egy tulajdonsággal, a B dolog is, és így tovább. Ebből azt a következtetést vonjuk le, hogy minden ilyen dolog rendelkezik azzal a tulajdonsággal.Az ilyen érvelés ereje két tényezőn múlik: az esetek számán és a változatosságon. Minél több esetből általánosítunk, annál erősebb a következtetés. De talán még fontosabb, hogy minél változatosabb (heterogénebb) az általánosítás alapja, annál kisebb a hibázás esélye.Nézzünk egy példát a könyvből:1. állítás: A fizikai Nobel-díjasok okosak. 2. állítás: A kémiai Nobel-díjasok okosak. Következtetés: Minden ember okos. Érezzük, hogy ez gyenge lábakon áll. A minta (Nobel-díjasok) egyáltalán nem reprezentálja az egész emberiséget. &nbsp; Ezzel szemben:1. állítás: Az apukám okos. 2. állítás: Az anyai nagynéném okos. 3. állítás: A húgom okos. Következtetés: Minden családtagom okos. Ez az állítás sokkal erősebbnek tűnik. Miért? Mert bár a számszerű minta kicsi, a „család” mint csoport eleve kisebb, így arányaiban nagyobb részét figyeltük meg. Persze még így is tévedhetünk (lehet egy családtag, aki kivétel), de az induktív logika már csak ilyen: valószínűségekkel dolgozik. &nbsp; A mindennapok legnagyobb csapdája a túláltalánosítás, amikor nagyon kevés számú esetből vonunk le univerzális következtetést. „Tegnap nem csináltál rendet. Ma sem csináltál rendet. Következtetés: Sosem csinálsz rendet” . Ez nemcsak logikailag hibás, de a kapcsolatokat is mérgezi.&nbsp;A tudományban és a korrekt érvelésben ezért kifizetődő a szerénység. A „minden”, „mindig”, „mindenki” szavak helyett érdemesebb a „sok”, „legtöbben”, „gyakran” kifejezéseket használni. Ezek jellemzően nemcsak helyesebb megállapítások, hanem erősebbé is teszik az érvelést, hiszen egyetlen ellenpélda nem tudja romba dönteni az állítást. 🛠️ Pro tippek1. Vadászd le az abszolút szavakat! Ha egy szövegben vagy vitában a „mindenki”, „senki”, „mindig”, „soha” szavakat hallod, azonnal gyulladjon ki a piros lámpa. Egyetlen kivétel elég ahhoz, hogy ezek az állítások hamissá váljanak. 2. Vizsgáld a minta sokszínűségét! Ha valaki azt állítja, hogy „a fiatalok lusták”, kérdezz vissza: kiket látott? Csak a saját tinédzser fiát és annak barátait? Vagy látott fiatalokat a sportpályán, az egyetemi könyvtárban és önkéntes munka közben is? Ha a minta nem változatos, az általánosítás bizonyosan gyenge. 3. Légy pontosabb a kritikában! Amikor valakinek a viselkedését bírálod, kerüld a túláltalánosítást. Ahelyett, hogy azt mondanád: „Te sosem figyelsz rám!”, mondd azt: „A legutóbbi két alkalommal úgy éreztem, nem figyeltél rám”. Ez vitathatatlan tény, míg az előbbi jogosan támadható túlzás.

133. nap: Általánosítás

Az előző bejegyzésekben tisztáztuk, hogy az induktív gondolkodás a valószínűségek világa. Nem ad 100%-os bizonyosságot, cserébe ez teszi lehetővé, hogy tanuljunk a tapasztalatainkból. De hogyan működik ez a gyakorlatban? Milyen formákat ölt az indukció a mindennapi érveléseinkben?A szakirodalom négy fő típust különböztet meg, amelyeket rendszeresen használunk, sokszor anélkül, hogy tudnánk róla.1. Az első az általánosítás. Ez a leggyakoribb forma: látunk néhány példát (A dolog P tulajdonságú, B dolog P tulajdonságú...), és ebből arra következtetünk, hogy „minden ilyen dolog P tulajdonságú”. Így tanuljuk meg, hogy a tűz éget, vagy hogy a citrom savanyú.2. A második a statisztikai érvelés. Ez az általánosítás „matekosított” változata. Itt már nem csak érzésre mondjuk, hogy „sok”, hanem számokat, százalékokat használunk. Egy adott mintán végzett megfigyelést terjesztünk ki a teljes sokaságra. Ez a közvélemény-kutatások és a piackutatások alapja .3. A harmadik az analógia. Itt nem a sokaságból indulunk ki, hanem a hasonlóságból. Ha A és B dolog sok szempontból hasonlít, akkor feltételezzük, hogy egy új, ismeretlen tulajdonságban is hasonlítani fognak. Ez a „ha ott működött, itt is működni fog” logikája.4. A negyedik az oksági érvelés. Ez talán a legfontosabb és legnehezebb terep. Minden olyan érvelés ide tartozik, amikor egy következtetés valamilyen ok-okozati kapcsolatot állapít meg. Az emberi elme természeténél fogva keresi az okokat, de ahogy látni fogjuk, itt követjük el a legtöbb hibát is .A következő bejegyzésekben ezeket a típusokat vesszük sorra, megvizsgálva az erősségeiket és a belőlük fakadó csapdákat.🛠️ Pro tippek1. Címkézd fel a vitát! Amikor valaki érvel neked, próbáld meg besorolni a módszerét. Általánosít? („Mindenki ezt csinálja...”) Hasonlít? („Ez olyan, mint amikor...”) Vagy okokat keres? („Azért történt, mert...”). Ha tudod a típust, tudod, hol keresd a gyenge pontot. 2. Figyeld a „készségszintet”! A statisztikai érvelést sokan csak készségszinten, érzésből használják („a legtöbben szeretik”), anélkül, hogy valódi adataik lennének. Légy gyanakvó, ha számok helyett csak határozószókat hallasz. 3. Készülj a hibákra! Mind a négy típusnál más a tipikus hibaforrás. Az általánosításnál a kis minta, az analógiánál a releváns különbség, az okságnál pedig a véletlen egybeesés (korreláció) összekeverése az okkal.

132. nap: Az induktív következtetések típusai

Az előző bejegyzés a deduktív következtetés biztonságos, de zárt világáról szólt, most kilépünk a bizonytalanba. Az induktív következtetés a felfedezők módszere: itt nem az általános szabályból indulunk ki, hanem egyedi esetek megfigyeléséből próbálunk törvényszerűségeket alkotni.Nézzük meg a könyv példáját: 1. megfigyelés: Az 'A' egyetem vezetője a rektor. 2. megfigyelés: A 'B' egyetem vezetője is a rektor. 3. megfigyelés: A 'C' egyetem vezetője is a rektor. Következtetés: Az egyetemeket rektorok vezetik.Logikailag érvényes ez a következtetés? A szigorú formális logika szerint nem. Attól még, hogy megfigyeltem X számú egyetemet, és mindegyiket rektor vezette, tisztán logikai szempontból nem következik kényszerítő erővel, hogy a világ összes egyetemét rektor vezeti. Bármikor felbukkanhat egy olyan intézmény, ahol más a vezető titulusa. (Ez a valóságban pont így is van: a világ más tájain az egyetemeket elnökök, &nbsp;vagy kancellárok is vezetik, nemcsak rektorok.)Ha ez a következtetési típus nem ad bizonyosságot, akkor miért használjuk egyáltalán? Mert bár az induktív logika nem ad bizonyosságot, cserébe valószínűségi becslést kínál, és segít megérteni a világot. A folyamat így néz ki: példákat gyűjtünk, szűrjük a közös jellemzőket, általánosítunk, majd az így kapott szabályt teszteljük az újabb eseteken.&nbsp;Ha az új esetek illeszkednek a mintába, a szabályunk egyre erősebb lesz. Ha nem illeszkednek, el kell vetnünk vagy módosítanunk kell a szabályt. (Például: „az egyetemeket többnyire rektorok vezetik”.)A kritikai gondolkodó számára az induktív érvelés kulcsa a pontosság. Míg a deduktív érv lehet „érvényes” vagy „érvénytelen”, addig az induktív érv „erős” vagy „gyenge”. Minél nagyobb a minta, annál erősebb az érv, de sosem érhetjük el a dedukció 100%-os bizonyosságát.&nbsp;🛠️ Pro tippek1. Kerüld a „biztosan” szót! Ha megfigyelésekre alapozod a véleményedet, használd a „valószínűleg”, „várhatóan” vagy „nagy eséllyel” kifejezéseket. Ez nem bizonytalanság, hanem intellektuális tisztesség. 2. Növeld a mintát! Egyetlen esetből sosem szabad általánosítani. (Ez az elhamarkodott általánosítás hibája, amiről volt is szó a kognitív hibákat tárgyaló sorozatban.) Minél több és változatosabb példát gyűjtesz, annál erősebb lesz az induktív következtetésed. 3. Légy nyitott a cáfolatra! Az induktív gondolkodás lényege a rugalmasság. Ha találkozol egy kivétellel, ne a valóságot tagadd le, hanem finomítsd a szabályodat.

131. nap: Induktív érvelés

Dr. Radácsi László

Dr. László Radácsi is a Hungarian economist, university professor, researcher, author and public educator. He is recognised for his work on critical thinking, cognitive biases, mental models, decision-making, healthy ageing and longevity, strategic thinking, entrepreneurship and corporate sustainability. Through books, scientific publications, podcasts and educational content, he helps people make better decisions and prepare for longer, healthier lives.

Libre Baskerville

Libre Franklin

Roboto

Ez a weboldal a felhasználói élmény javítása, valamint a zavartalan működés biztosítása érdekében sütiket (cookie-kat) használ.