Индуктивное рассуждение

Еще одна форма рассуждения называется индуктивной. При индуктивном рассуждении вывод скрыто или явно выражается на языке вероятности. В повседневной жизни мы обычно принимаем решения не столько в результате хорошо продуманной силлогистической парадигмы, сколько путем индуктивного рассуждения, когда решения основываются на прошлом опыте, а выводы основаны на том, что мы считаем наилучшим вариантом из всех возможных. Рассмотрим следующее утверждение:

Если в течение недели я поработаю в библиотеке, то у меня будет достаточно

денег, чтобы покататься в субботу на лыжах.

В течение недели я буду работать в библиотеке.

Следовательно, у меня будет достаточно денег, чтобы покататься в субботу на

лыжах.

Приведенная аргументация дедуктивно верна. А теперь предположим, что второе утверждение выглядит так: «В течение одной недели я не буду работать в библиотеке». Тогда вывод «У меня не будет достаточно денег, чтобы покататься на лыжах» будет истинным при условии соблюдения ограничений силлогистической логики, но не обязательно будет истинным в реальной жизни. Возможно, например, что ваш богатый дядюшка Гарри пришлет вам немного деньжат, чтоб хватило на лыжную прогулку. Оценить достоверность заключения, основанного на индуктивном рассуждении, можно путем рассмотрения иных, не структурных, форм аргументации. В вышеприведенном случае это можно сделать исходя из вероятности того, что дядюшка Гарри одарит вас деньгами или что на вашем пути не замедлят появиться какие-нибудь благотворительные фонды. Решения такого типа принимаются каждый день, в последнее время они стали предметом изучения когнитивных психологов.

С принятием решений на основе индуктивного рассуждения вы могли столкнуться, когда выбирали колледж. Предположим, что вас приняли в три коллед-

478 Глава 14. Мышление (I): формирование понятий, логика и принятие решений

480 Глава 14. Мышление (I): формирование понятий, логика и принятие решений

5. Схематический анализ диалогов, представленных на рис. 14.4.

Источник: Rips, L J., Brem, S. К. & Bailenson, J. N. (1999). Reasoning dialogues. Current Directions in Psychological Science, 8,172-

Принятие решений 490 Глава 14. Мышление (I): формирование понятий, логика и принятие решений

Если бы реальные ситуации можно было свести к таким вероятностным утверждениям, жизнь была бы простой и скучной. Вы могли бы сравнить вероятность нежелательной встречи с вероятностью получить удовольствие от посещения вечеринки, а затем принять решение. В нашем случае предположим, что вы решили пойти на вечеринку. Подъезжая к дому, вы замечаете припаркованный у подъезда желтый «Фольксваген».

За несколько секунд вы вычисляете вероятность того, что этот автомобиль принадлежит вашей бывшей пассии (что означало бы также, что она тоже присутствует на этой вечеринке), и сравниваете эту новую информацию с прежней информацией о вероятности того, что хозяин пригласил вас обоих на одну вечеринку. Эта ситуация называется условной вероятностью — вероятностью, что новая информация верна, если верна конкретная гипотеза. В этом случае предположим, что вероятность того, что этот автомобиль принадлежит бывшей возлюбленной, составляет 90 % (другие 10 % можно приписать различным факторам, включая возможность того, что этот автомобиль был продан кому-то еще, дан кому-то взаймы или это просто похожий автомобиль). Согласно теореме Байеса, совместная вероятность (1/20 за то, что этого человека пригласили, плюс 9/10 за то, что наличие автомобиля говорит о его присутствии) может быть вычислена по следующей формуле:

где Р(Н|Е) — это вероятность того, что верна гипотеза (Я) при наличии условия Е; в нашем случае это вероятность того, что бывшая возлюбленная будет на вечеринке с учетом первоначальной низкой вероятности и новой полученной информации; Р(Е|Н) обозначает вероятность того, что Е истинно при условии H (например, вероятность того, что автомобиль принадлежит именно ей, равна 90%); Р(Н) — это вероятность первоначальной гипотезы (Р = 5 %), а переменные Р(Е|Н) и Р(Н) обозначают вероятность того, что событие не произойдет (10% и 95%). Подставив эти числа в формулу, мы можем решить уравнение для Р(Н|Е):

Так, согласно этой модели, шансы нежелательной встречи на вечеринке составляют примерно 1/3. При таком раскладе вы можете принять научно обоснованное решение о том, насколько тягостной может оказаться эта встреча и насколько приятной будет вечеринка. Пожалуй, вам стоит позвонить пригласившему вас другу.

Однако насколько хорошо теорема Байеса согласуется с реальной жизнью? Весьма маловероятно, что, находясь в вышеописанных обстоятельствах, вы достали бы из кармана калькулятор и начали вычислять величину Р(Н|Е). Некоторые данные, собранные Эдвардсом (Edwards, 1968), указывают на то, что мы оцениваем обстоятельства условной вероятности более консервативно, чем это предполагает теорема Байеса. Изучая влияние новой информации на оценки испытуемых, Эдвардc давал студентам колледжа два мешка по 100 покерных фишек в каждом. В одном мешке было 70 красных фишек и 30 синих, а в другом — 30 красных и 70 синих. Наугад выбирался один из мешков, и испытуемые должны были опреде-

Январь 24, 2019 Общая психология, психология личности, история психологии
Еще по теме
Павлов В.А. ИНДУКТИВНО-ДЕДУКТИВНЫЙ КОНТЕНТ-АНАЛИЗ
РАССУЖДЕНИЕ И ЛОГИКА
ПРОСТРАННЫЕ РАССУЖДЕНИЯ О РЕКОНСТРУКТИВНОЙ И ПРЕДПИСЫВАЮЩЕЙ МЕТОДОЛОГИИ
АПРИОРИ МЕТОД
МЕТОД ОСТАТКОВ
МАТЕМАТИЧЕСКИ ОДАРЕННЫЕ ДЕТИ (PRECOCIOUS MATHEMATICAL REASONERS)
МОРАЛЬНОЕ ЧУВСТВО
ГЛАВА 14. Мышление (I): формирование понятий, логика и принятие решений
ДИФФЕРЕНЦИАЛЬНЫЕ ТЕСТЫ СПОСОБНОСТЕЙ (DIFFERENTIAL APTITUDE TESTS, DAT)
ОБЩИЕ ТЕНДЕНЦИИ В ИСПОЛЬЗОВАНИИ РЕЧЕВОГО ВЫВОДА ИНФОРМАЦИИ
Добавить комментарий