Professur für Allgemeine Psychologie I & Arbeitspsychologie





  • Anmelden
  • English

Abduktives & diagnostisches Schließen


Beschreibung

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.

Experimentelle Forschung

Den Hauptschwerpunkt unserer Forschung bilden experimentelle Arbeiten.

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 bereiche 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) .

Finden von Erklärungen für Anomalien

Ein weiteres Schwerpunktthema unserer Forschung bildet der Umgang mit widersprüchlichen (anomalen) Daten. Wie finden Menschen Erklärungen, wenn ihnen vorliegenden Daten den eigenen bisherigen Hypothesen widersprechen? Wie werden die Hypothesen in Anbetracht widersprechender Fakten verändert? Welche Faktoren erleichtern und welche hemmen die Veränderung der aktuellen Hypothese? Gibt es einen Unterschied zwischen konkreten Hypothesen und solchen, die eine eher abstrakte, globale Klasse möglicher Erklärungen darstellen? Welche Arten kognitiver Prozesse sind an solchen Hypothesenwechseln beteiligt? Und fällt der Hypothesenwechsel innerhalb der gleichen Hypothesenkategorie leichter, als ein Wechsel zwischen unterschiedlichen Kategorien (z.B. Baumann, Bocklisch, Mehlhorn, & Krems, 2007)?

Diagnostisches Schließen unter Unsicherheit

Diagnostiker, z.B. Ärzte, sind fast immer mit verschiedenen Arten von Unsicherheit konfrontiert, darunter beispielsweise Wahrscheinlichkeitsbeziehungen, Ungenauigkeit oder mehrdeutigen 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).

Kontakt

Dipl.-Psych. Franziska Bocklisch

Mitarbeiter

Udo Böhm, Prof. Dr. Josef Krems