TU Chemnitz, Institut für Psychologie: Human- und Sozialwissenschaften: Institut für Psychologie: Allg. & Arbeitspsychologie: Abduktives & diagnostisches Schließen
 |
Abduktives & diagnostisches Schließen |
Diagnostisches oder abduktives Schließen ist ein essentieller Bestandteil vieler Aufgaben des täglichen Lebens , wie zum Beispiel in der medizinischen Diagnostik, in der Fehlersuche bei Computerprogrammen oder auch in der wissenschaftlichen Forschung.
Allgemein bezeichnet abduktives Schließen den Prozess der Suche nach der besten Erklärung für eine Menge von Beobachtungen (Josephson and Josephson, 1994) . Diese Beobachtungen können die Symptome eines Patienten, die Fehlermeldungen eines Computerprogramms oder die Ergebnisse eines Experiments darstellen. Die Aufgabe des Problemlösers ist es in jeder dieser Domänen eine einzelne oder eine Menge von Hypothesen zu finden, die die vorliegenden Beobachtungen am besten erklären.
In unserer Theory of Abductive Reasoning (TAR; Johnson & Krems, 2001) betrachten wir diesen Prozess der Lösung abduktiver Probleme als einen Prozess der sequentiellen Interpretation und Integration neuer Beobachtungen und Hypothesen in ein einziges Situationsmodell der Aufgabensituation.
Diese mentale Repräsentation fungiert als der Kontext, der zur Interpretation neuer Beobachtungen und zur Generierung neuer Hypothesen genutzt wird. Eine wichtige Vorhersage der TAR ist, dass dieser Kontext genutzt wird, um zwischen alternativen Hypothesen zu entscheiden. Diese Vorhersage wurde in einer Reihe von Experimenten zur Nutzung des aktuellen Kontexts während der Hypothesengenerierung geprüft.
Automatische Prozesse und ein ressourcenbegrenztes Arbeitsgedächtniss
TAR beschreibt abduktives Schließen als einen bewussten Einsichtsprozess, in welchem Beobachtungen sequentiell interpretiert und in ein mentales Modell integriert werden. Aktuelle Untersuchungen im Bereich des schlussfolgernden Denkens weisen jedoch darauf hin, dass ein umfassendes Verständnis menschlichen Schlussfolgerns sich nicht nur auf explizite, bewusste Prozesse, die in der TAR beschrieben werden, beschränken sollte. Vielmehr muss die Beteiligung impliziter, automatischer Prozesse in die Forschung mit einbezogen werden (Evans, 2006; Sloman, 1996) . Ein Schwerpunkt unserer Forschung widmet sich solchen automatischen Schlussfolgerungsprozessen, die am abduktiven Schließen beteiligt sein könnten. Basierend auf Theorien zum Gedächtnisabruf und zur Gedächtnisaktivierung (z.B. Kintsch, 1998) schlagen wir ein Modell vor, dass erklären soll, wie automatische Aktivierungsprozesse die Verfügbarkeit von Erklärugen beim abduktiven Schließen bestimmt. Darin wird beispielsweise beschreiben, wie automatische Prozesse die Verfügbarkeit jener Erklärungen erhöhen, die mit hoher Wahrscheinlichkeit die relevanten Erklärungen im aktuellen Kontext darstellen. Die Annahmen des Modells werden in einer Reihe von Experimenten getestet, die die Aktivierung verschiedener Arten von Hypothesen während des Lösens abduktiver Aufgaben untersuchen (z.B. Baumann, Mehlhorn, & Bocklisch, 2007) .
Diagnostisches Schließen unter Unsicherheit
Diagnostiker, z.B. Ärzte, sind fast immer mit verschiedenen Arten von Unsicherheit konfrontiert, darunter beispielsweise Wahrscheinlichkeitsbeziehungen, Ungenauigkeit oder mehrdeutige Informationen. Unser Ziel ist es, den Einfluss von Unsicherheit im Kontext diagnostischer Schlussfolgerungsprozesses zu untersuchen. Unsere aktuelle Forschung konzentriert sich auf präzise (numerische) oder vage (verbale) probabilistische Verbindungen zwischen Ursachen und Folgen und deren Einfluss auf die Diagnoseleistung und Plausibilitätseinschätzungen bzw. Wahrscheinlichkeitsschätzungen von Hypothesen während des Schlussfolgerungsprozesses. Vorhersagen normativer Modelle (z.B. Bayes Netze) werden mit empirischen Ergebnissen verglichen, wobei spezielle Analysemethoden für den Umgang mit Unsicherheit (z.B. Fuzzy Pattern Klassifikation) angewandt werden (z.B. Bocklisch, Jahn, Mehlhorn, & Krems, 2008).
Beim speichern von Informationen im Gedächtnis werden neben den Inhalten an sich auch visuelle Informationen enkodiert. Kommt es zum Abruf einer dieser Informationen werden Sakkaden zum Ort der Informationsaufnahme programmiert (Scholz, Mehlhorn, Bocklisch, & Krems, 2011). In experimentellen Untersuchungen werden Erklärungsmodelle getestet und erweitert. Zudem nutzen wir diesen Befund, um Prozesse der Informationsintegration beim diagnostischen Schließen zu beobachten.
DFG-Projekt: Reihenfolgeeffekte beim diagnostischen Schließen (in Zusammenarbeit mit Prof. Georg Jahn, Universität Greifswald)
Diagnostisches Schließen beschreibt den kognitiven Prozess, der Menschen zu Erklärungen für eine Menge von Symptomen führt. Die Grundlage diagnostischen Schließens ist Wissen darüber, welche Symptome von welchen Ursachen hervorgebracht werden können. Wenn ein Symptom nur mit einer Ursache verknüpft ist, verweist sein Vorliegen einfach auf diese Ursache. Oft sind Symptome jedoch mehrdeutig, weil sie mit mehreren Ursachen verknüpft sind. Die beantragten Experimente untersuchen, wie mehrdeutige Symptome in diagnostischen Schlussprozessen verarbeitet werden. Wir betrachten sequentielle Symptomintegration und insbesondere die Wirkungen kausaler Stärke und von Symptomdiversität. Wir erwarten, dass während des Integrierens mehrdeutiger Symptome variabler kausaler Stärke und Diversität die Reihenfolge der Symptompräsentation beeinflusst, wie diagnostische Hypothesen ausgewählt und im Arbeitsgedächtnis aktualisiert werden. Diagnostische Urteile und Prozessdaten werden mit normativen Lösungen und Simulationen kognitiver Prozesse verglichen. Die Ergebnisse dieses Projekts erhellen den Prozess der Symptomintegration beim diagnostischen Schließen. Ein besseres Verständnis diagnostischen Schließens erlaubt es, Ausbildungsprogramme zu verbessern und gezielte Unterstützung für optimale Diagnosen bereitzustellen.
Dipl.-Psych. Franziska Bocklisch, Dipl.-Psych. Agnes Scholz
Bocklisch, F., Bocklisch, S.F. & Krems, J.F. (in press). Sometimes, Often, and Always – Exploring the Vague Meanings of Frequency Expressions. Behavior Research Methods. DOI:10.375 s13428-011-0130-8
Bocklisch, F. (2011). The Vagueness of Verbal Probability and Frequency Expressions. International Journal of Advanced Computer Science, 1(2), 52-57.
Bocklisch, F., Stephan, M., Wulfken, B., Bocklisch, S.F., & Krems, J.K. (2011). How Medical Expertise Influences the Understanding of Symptom Intensities – A Fuzzy Approach. In: A. Holzinger and K.-M. Simonic (Eds.): USAB 2011, LNCS 7058, pp. 703--706. Springer, Heidelberg
Scholz, A., Mehlhorn, K., Bocklisch, F., & Krems, J.F. (2011). Looking at Nothing Diminishes with Practice (S. 1070-1075)In L. Carlson, C. Hoelscher, & T.F. Shipley (Hrsg.), Proceedings of the 33rd Annual Conference of the Cognitive Science Society/ (S. 1070-1075). Austin, TX: Cognitive Science Society.
Bocklisch, F., Bocklisch, S.F., & Krems, J.F. (2010). How to Translate Words into Numbers? A Fuzzy Approach for the Numerical Translation of Verbal Probabilities. In Hüllermeier, E., Kruse, R. und Hoffmann, F. (Hrsg.), IMPU 2010, LNAI 6178, (S. 614-623). Heidelberg - Berlin: Springer.
Bocklisch, F., Bocklisch, S.F., Baumann, M.R.K., Scholz, A. und Krems, J.F. (2010). The Role of Vagueness in the Numerical Translation of Verbal Probabilities: A Fuzzy Approach. In S. Ohlsson & R. Catrambone (Hrsg.), Proceedings of the 32nd Annual Conference of the Cognitive Science Society, (S. 1974-1979). Austin, TX: Cognitive Science Society.
Baumann, M.; Bocklisch, F.; Mehlhorn, K.; Krems, J. (2007). Changing explanations in the face of anomalous data in abductive reasoning. In McNamara, D.S. & Trafton, J.G. (Hrsg.) The 29th Annual Conference of the Cognitive Science Society (S. 797-802).
