Индуктивная направленность стадии

Функции моделей в научном познании

Индуктивная направленность стадии

Что же приносит исследователю применение метода моделирования?

При использовании моделей, замещающих собой оригинал, достига­ются различного рода полезные эффекты. Модели выполняют множество функций в научном познании, причём использование модели в научной практике приводит, как правило, сразу к нескольким существенным ре­зультатам. Назовём некоторые наиболее яркие функции моделей.

1. Теоретическая, обобщающая. Удачная модель может оказаться до­статочно адекватной формой для представлений знаний. В науке нередки ситуации, когда введение подобной модели в систему научного знания служило целям теоретизирования в данной предметной области.

Модель в этом случае приобретает самостоятельную теоретическую ценность.

Например, в биологических науках многие результаты «хранятся» имен­но в виде концептуальных моделей: модель Ходжкина—Хаксли в теории мембранного возбуждения, модель Лотка в теории открытых биохими­ческих систем и др.

Кроме того, с построения основополагающих моде­лей могут брать начало целые новые области научного знания, так, возник­новение популяционнной генетики как науки непосредственно связано с исходными моделями Харди и Вайнберга (1908).

2. Эвристическая. Здесь термин «эвристический» используется в узком смысле — как то, что способствует порождению новых идей.

Эвристичность модели в этом понимании означает её способность вести за собой творческую интуицию, активизировать процесс «озарений», появления неожиданных догадок и т.п.

Для выполнения этой функции модели вовсе не обязательно быть точной, она может быть и весьма приближенной (даже в чем-то ошибочной), но, тем не менее, служить приросту научных идей, «прорыву» в исследованиях. Если при реализации обобщающей функции

модели её результатом является создание научной теории, то эвристиче­ская функция, как правило, реализуется в выдвижении новых гипотез.

Примером может служить модель Друде, предложенная в XIX в. физи­ком Паулем Друде для изучения явления проводимости металлов и стре­мившаяся согласовать электродинамику с классической термодинамикой (она изображала совокупность электронов в проводнике как идеальный газ, подчиняющийся законам термодинамики).

Некоторые явления были успешно объяснены с её помощью; однако эта модель стимулировала но­вые поиски скорее не своими успехами, а как раз расхождениями с экспе­риментальными данными, что в результате упорной работы учёных приве­ло к пересмотру её исходных положений и соединению электронной теории металлов с квантовой механикой.

3. Трансляционная. Модель может способствовать переносу концептуальных схем, методологических форм из одной области знания в дру­гую. В этом случае обычно модель берётся из другой предметной области относительно исходного объекта, и на этапе экстраполяции происходит перенос знаний из одной предметной области в другую.

Примером подобной трансляции может служить применение теории игр, основы которой были заложены Дж. фон Нейманом; подходы, раз­работанные в этой области, демонстрируют, что большой класс конфликт­ных ситуаций (в экономике, психологии, социологии, статистике и др.

) можно описывать и изучать с единых позиций как поиск рациональной стратегии игрока в некоторой игре. Теоретико-игровые модели способствовали прежде всего переносу математических методов в те области, которые раньше казались не поддающимися никакому рациональному подходу.

Примером использования трансляционной модели для решения конк­ретных задач является также интересная модель гемодинамики, разра­ботанная в нашей стране совместными усилиями математиков, физио­логов и врачей; здесь исходные положения и термины были взяты из экономической науки: клетки и ткани определяли «спрос» на кислород­ное обеспечение, скорость кровотока — «предложение», кислородный долг являлся «ценой»; результатом исследования явился ряд практиче­ских рекомендаций1.

4. Конструктивная, проектирующая. Разработка модели может служить целям создания нового объекта на основании данной модели как
исходной матрицы. Это характерно, прежде всего, для задач прикладной
науки,
где по итогам испытания модели (скажем, двигателя с требуемыми

1 Куприй В.Т. Моделирование в биологии и медицине. Философский анализ. Л., 1989. С. 210.

характеристиками) осуществляют разработку и производство собственно нового технического устройства. Но эта же функция моделирования мо­жет реализовываться и в сугубо теоретических науках.

Например, в математике построение модели как создание нового мате­матического объекта может иметь самостоятельное значение, вносящее существенный вклад в развитие науки и само по себе служащее решением сложной проблемы. Так, фундаментальные результаты относительно ак­сиомы выбора и континуум-гипотезы были получены К. Геделем (1939) и П. Дж. Коэном (1963) методом построения соответствующих моделей.

5. Прагматическая. Использование удачной модели может способ­ствовать достижению ряда прагматических эффектов, связанных с улуч­шением формы репрезентации исходного знания.

К полезным практиче­ским следствиям, повышающим эффективность использования знания, относятся такие достоинства модели, как осуществляемое с ее помощью упрощение формы представления знания, придание информации большей наглядности и логической прозрачности, благодаря чему это знание лег­че использовать в процессах аргументации, в преподавании и обучении.

Большое значение может представлять собой на ранних этапах формиро­вания теории проблема наглядности. В этом случае используют различно­го рода модели, служащие средством рассуждения по аналогии (скажем, искривлённая плоскость как способ придать наглядность представлениям об искривлённом пространстве).

В дальнейшем при оформлении теорети­ческого «здания» подобного рода «подпорки» теряют своё значение. На­пример, в электродинамике на первых порах использовались метафоры из механики — «упругие трубки». Это было подвергнуто критике уже П. Дюгемом и вскоре отброшено.

6. Интерпретационная. Модель выполняет также функцию частич­ного толкования. Ведь рассуждение и объяснение с помощью модели из­начально односторонне, неполно.

Поэтому, как правило, та или иная мо­дель часто соседствует с другими, альтернативными моделями или же заменяется ими в дальнейших исследованиях. Выступая как средство ин­терпретации, модели оказываются формой связи теоретического и эмпи­рического уровней.

Так, модель может быть как средством истолкования теории, когда мы ищем подходящий объект, в котором воплощается тео­рия (как в математической логике), тогда это реализующая модель, так и средством интерпретации фактов, когда ищется определённая кон­цептуальная схема, в которой эмпирические данные могут обрести свой смысл, тогда это объяснительная модель.

Для иллюстрации интерпретативной функции моделей возьмём пример из экономики. Известно, что экономическая система представляет собой сложнейший объект, реагирующий на самые разнообразные факто-

ры (социальные, психологические, природные и т.п.). Один из удачных способов осмыслить многообразие экономических взаимосвязей — это модель народного хозяйства как гигантского компьютера, который, как пишет В.В. Леонтьев, трудится над бесконечным потоком количествен­ных проблем, решая из года в год сложные системы уравнений задолго до того, как их начали решать экономисты1.

При удачном использовании модели обычно реализуются сразу не­сколько функций моделирования: например, достаточно адекватная мо­дель одновременно и предлагает возможное объяснение феноменам, и сти­мулирует рождение новых идей, и способствует достижению большей наглядности имеющихся знаний.

Трудности современного моделирования

Выше говорилось о тех полезных эффектах, которые достигаются при его успешном применении. Однако этот метод, как всякий другой, стал­кивается и с определёнными трудностями.

Например, в медико-биологических науках существует проблема прин­ципиальной непрозрачности при экстраполяции данных с лабораторных животных на человека. Применять полученные результаты к человеку (осо­бенно при испытании новых лекарственных препаратов) приходится с боль­шой осторожностью, проводя при этом дальнейшие серии проверок. К сожа­лению, в истории медицины известны досадные промахи.

Далее, если говорить о математическом моделировании (которое за­нимает важнейшее место в современной методологии моделирования), то в литературе отмечаются не только положительные, но и отрицательные его черты. Например, его отрицательными чертами являются следующие:

1) искусственность, проистекающая из символической переинтерпрета­ции естественных связей, присущих оригиналу;

2) негибкость, или ригидность, состоящая в том, что малые изменения в исследуемом объекте могут повлечь за собой большие изменения в модели;

3) громоздкость, проистекающая из длины компьютерных программ2. (Впрочем, последняя трудность преодолевается по мере совершен­ствования компьютерных технологий.)

Укажем и на другие трудности методологии моделирования. Исполь­зование моделирования (особенно математического) в современной на-

1 Леонтьев ВВ. Экономические эссе. М, 1990. С. 230-231.

2 Heller M., Lubanski M., Slaga S. Zagadnenia filozoficzne wspolczesnej nauki. Akad.
TeologiiKatolickiej. Warszawa, 1992. S. 114. Авторы ссылаются на: EwansG.W., II, Wallase G.F.,
Sutherland G.L.
Symulacja na maszyne cyfrowa. Warszawa, 1973. S. 27-28.

уке часто требует сотрудничества учёных различных специальностей, ведь исходные допущения для построения модели должны, с одной сто­роны, базироваться на содержательных положениях конкретной науки, а с другой — иметь специфически математический характер. При этом нередко возникает проблема взаимного непонимания сотрудников из-за барьеров специализации.

Ещё раз напомним, что общий новационный эффект моделирования зависит от взаимного соответствия разработанной модели и исходной предметной области. Поэтому уже с начальных стадий построения моде­ли необходимо учитывать согласованность базисных допущений модели со спецификой оригинала, т.е.

уже с первых этапов помнить о будущей экстраполяции. Но задача выбора базисных допущений сама по себе доста­точно сложна и основывается на содержательных аспектах предметной области.

Типичной проблемой в дисциплинах, особенно активно исполь­зующих математическое моделирование (в экономике, медико-биологи­ческих науках), является проблема неоднозначности полученной модели: то, что один исследователь считает существенным для построения и для анализа модели, другой может отвергать как неадекватное.

Поэтому экстра­поляция полученных на той или иной конкретной модели результатов неред­ко становится весьма спорной, что приводит к потере ее эвристической ценности. Имевшее место в недавний период (1960-1970-е гг.

) чрезмер­ное увлечение моделированием, при котором создание моделей стало своего рода самоцелью и не давало эвристического прироста, привело к некоторому разочарованию в этом методе. Сейчас период некритичного использования моделей в целом можно считать пройденным, и отноше­ние учёных к возможностям моделирования стало более сдержанным.

Итак, метод моделирования, как и другие методы научного познания, не имеет доминирующего, универсального значения. Для своего успеш­ного применения он на каждом этапе требует серьёзного и вдумчивого отношения к себе со стороны исследователя.

Методология моделирова­ния, несмотря на заслуженное признание в науке, не должна останавли­ваться на достигнутом, и будущее этого метода зависит от способности учёных совершенствовать его и сочетать с другими методами научных исследований.

2.6. Обобщение и обработка эмпирических данных

Индуктивная направленность стадии

Завершающей стадией эмпирического исследования является обобще­ние и обработка данных, полученных в ходе исследовательской работы. Заметим, что среди методологов нет достаточного единства в отношении

того, как лучше представить эту стадию в общей структуре научной дея­тельности: её можно или включать в эмпирический уровень (как его по­следний и высший этап), или же выделять в отдельный, промежуточный эмпирико-теоретический уровень. Но вне зависимости от того, куда мы отнесём этот этап, надо помнить о том, что он действительно имеет соб­ственную специфику.

м деятельности этого этапа исследований является заклю­чительная обработка эмпирического материала, в ходе которой нарабо­танный материал структурируется, обобщается и формулируется в виде эмпирических законов и регулярностей.

Под эмпирическими законами и регулярностями понимаются утверж­дения, суммирующие единичные данные и описывающие взаимосвязи между наблюдаемыми в опыте явлениями (величинами, состояниями, событиями и т.п.).

Понятие «закон» по сравнению с регулярностью озна­чает более категоричную и универсальную форму суждения; сравним, например, утверждение-регулярность «все изученные в испытаниях тела при нагреваний расширялись» и закон теплового расширения тел «все тела при нагревании расширяются».

Конечно, исследователь всегда останавли­вается на некоторой конечной совокупности проведённых им испыта­ний, но формулируемый им эмпирический закон по своей форме прин­ципиально выходит за рамки имеющихся опытных данных, охватывая бесконечное множество однородных явлений данного класса.

Во время обобщения и обработки эмпирических данных используются некоторые процедуры и приёмы теоретического уровня исследования, о которых мы будем говорить в следующих параграфах. Во избежание путаницы необходимо сразу же решить вопрос о характеристике данной стадии как индуктивной.

Действительно, общая направленность рассмат­риваемого нами этапа является индуктивной в смысле продвижения от фактов к обобщениям, от частного к общему. Но это ни в коем случае не означает, что данный этап со своей логической стороны может быть све­ден к процедурам индуктивных заключений.

Тема индукции вообще явля­ется достаточно трудной, о чем мы будем подробнее говорить в § 2.8: В методологии и логике науки сегодня предпочитают говорить не об-индуктивных выводах, а об индуктивном поведении исследователя.

Спорным также является вопрос о существовании единого индуктивного метода (см. § 2.8).

Применяемые методы

На стадии обработки данных учёный старается извлечь максимум полезной информации из результатов проведённой совокупности испытаний.

Цель анализа данных — выявить тенденции, общие принципы, стоящие за единичными данными, изучить те или иные отношения между индиви­дуальными феноменами, описать структуру области данных. Эмпириче­ский материал оценивается и обрабатывается с разных сторон.

Здесь ис­пользуются различные операции и приёмы: точные дедуктивные методы, заключения по аналогии, приёмы классификации, выдвижение гипотез эмпирического характера.

Происходит первичная оценка полученных ре­зультатов; если эти результаты имеют количественный вид, то исследова­тель производит известного рода сглаживание эмпирических данных, ищет и подбирает математическую формулу, максимально точно воспро­изводящую тенденции в эмпирическом материале.

Применяются также методы визуализации данных в виде таблиц, графиков, диаграмм и других графических объектов. Их цель — представить материал в форме, наибо­лее адекватной для научного использования.

Особенно велико многооб­разие графических объектов в исследованиях, использующих статисти­ческие методы, прежде всего в экономике и теории управления. Здесь применяют множество различных видов графических объектов для широ­кого круга целей. Например, т.н. динамические графики используются для представления и изучения процессов.

Существуют научные области, где результатом обобщения данных ста­новится некоторая совокупность качественных

Источник: https://studopedia.ru/11_113631_funktsii-modeley-v-nauchnom-poznanii.html

Пути повышения степени достоверности индуктивного умозаключения

Индуктивная направленность стадии

Ахиллесова пята всех индуктивных умозаключений – их ненадежность. Они расширяют круг известного и дают новое знание. Но знание не достоверное, а только вероятное, проблематичное.

Это относится и к рассмотренным принципам, или канонам, индукции. Если даже их посылки истинны, выводимое заключение является только предположением, гипотезой и нуждается в дальнейшем обосновании. Именно поэтому в схемах принципов употребляются обороты типа А есть, вероятно, причина X, а не категоричное А является причиной X.

Принципы индукции предполагают, что при установлении причинных связей изучаемое явление и те обстоятельства, в которых оно возникает, можно рассматривать как отдельные, изолированные события. Допустимо говорить о связи отдельной причины и отдельного обстоятельства, отвлекаться от взаимного влияния обстоятельств друг на друга, от обратного воздействия следствия на причину.

Между тем, как это часто бывает, явление может быть порождено не одной какой-либо причиной, а рядом причин, находящихся между собой в сложных отношениях.

Каждому явлению предшествует бесконечное число других явлений. Выделяя среди них те, которые могли бы оказаться причиной интересующего нас явления, мы можем упустить что-то существенное. В этом случае дальнейшие рассуждения о причине этого явления заведут нас в тупик.

Более или менее успешный результат получается только в тех случаях, если мы имеем дело с изолированными системами, элементы которых ясно различимы и не влияют друг на друга.

Тогда можно четко выделить предшествующие обстоятельства А, В, С, … и определить, какое из них причина.

Но и здесь мы отвлекаемся от возможности совместного действия этих обстоятельств, соединяющихся в какие-то комплексы АВ, ВС, АС, …

Принципы индукции существенно упрощают природу. Они представляют ее подобной ролью, в котором каждая струна соответствует одному, и только одному, клавишу, действующему совершенно независимо от других клавишей.

С этим упрощением и связано то, что данные принципы, как и любые методы индуктивного исследования, дают только вероятное знание. Однако вероятность вероятности рознь, и чем выше вероятность полученного знания, тем лучше.

Как можно повысить вероятность утверждений о причинных связях? В общем-то с помощью тех же приемов, которые используются для повышения вероятности всякого индуктивного умозаключения.

Прежде всего, определенную пользу может принести увеличение количества исходных данных. Если мы наблюдали большое число положительных случаев и ни одного отрицательного, то говорим, что индуктивное подтверждение является сильным.

Есть, однако, процессы, в которых увеличение числа подтверждающих случаев или вообще не увеличивает вероятность индуктивного вывода или даже уменьшает ее.

К примеру, иногда предполагается, что чем больше девочек родилось в какой-то семье, тем больше вероятность того, что следующим ребенком в этой семье окажется мальчик.

Но индуктивное рассуждение Поскольку все предыдущие дети в семье были девочками, велика вероятность того, что следующий ребенок будет мальчиком не убедительно. Между полом одного ребенка и полом следующего нет никакой связи.

Сколько бы девочек ни было уже в семье, вероятность того, что следующий ребенок будет мальчиком, такова же, какой она была бы, если бы этот ребенок был первенцем. Допустим, кто-то решил показать, что лошадь вполне может обходиться без пищи, и перестал кормить свою лошадь.

Наивно было бы думать, что каждый следующий день, когда лошадь не ест, увеличивает вероятность заключения, что пища ей вообще не нужна. Чем больше таких дней, тем меньше вероятность того, что лошадь останется живой.

Для повышения вероятности индуктивного вывода имеет также значение разнообразие исходных данных и случайность их выбора. Рассматриваемые случаи должны отличаться друг от друга настолько, насколько это возможно.

При выборе не следует руководствоваться какой-то предвзятой идеей, а надо стремиться, чтобы данные представляли исследуемую область более или менее равномерно. Скажем, если проверяется закон теплового расширения, то не следует ограничиваться испытанием одних твердых тел.

Если проверяется положение, что металлы – хорошие проводники электричества, надо не ограничиваться испытанием образцов из железа, а проверить столько металлов, сколько возможно, при различных условиях – горячими, холодными и т.п.

Ф. Бэкон, положивший начало систематическому исследованию индукции, весьма скептично относился к популярной индукции, опирающейся на простое перечисление подтверждающих примеров.

Он называл такую индукцию детской вещью, дающей шаткие заключения и подверженной опасности со стороны противоречащих частностей. Этой детской вещи Бэкон противопоставлял свои индуктивные принципы установления причинных связей.

В последних, заявлял он, и заключена, без сомнения, наибольшая надежда.

Бэкон даже полагал, что предлагаемый им индуктивный путь открытия знаний, являющийся очень простой, едва ли не механической процедурой, почти уравнивает дарования и мало что оставляет их превосходству….

Продолжая его мысль, можно сказать, что он мечтал о создании особой индуктивной машины. Вводя в такую вычислительную машину все предложения, относящиеся к наблюдениям, мы получали бы на выходе точную систему законов, объясняющих эти наблюдения.

Программа Бэкона была, разумеется, чистой утопией. Никакая индуктивная машина, перерабатывающая факты в новые законы и теории, невозможна. Индукция, ведущая от частных утверждений к общим, дает только проблематичное, а не достоверное знание.

Это относится и к принципам Бэкона – Милля. Как показал уже сам Милль, эти принципы, в конечном счете, опираются как раз на третировавшуюся Бэконом индукцию через простое перечисление. Производимое ими впечатление известной надежности и строгости связано с тем, что в них обычная индукция нередко комбинируется с элементами дедуктивного рассуждения.

Все это еще раз подтверждает простую в своей основе мысль: познание реального мира – это всегда творчество. Стандартные правила, принципы и приемы, какими бы совершенными они ни были, не дают гарантии достоверности нового знания. Самое строгое следование им не предохраняет от ошибок и заблуждений.

Всякое открытие требует таланта и творчества. И даже само применение разнообразных приемов, в какой-то мере облегчающих путь к открытию, является творческим процессом.

Условия повышения степени вероятности выводов посредством индукции через анализ и отбор фактов таковы:

1. Количество исследованных экземпляров данного класса должно быть достаточно большим. Например, репрезентативным считается опрос мнения определенного процента от количества людей, составляющих данную группу. В каждом исследуемом случае этот процент, количество отобранных элементов класса будет своим.

2. Эти элементы класса должны быть отобраны планомерно и быть разнообразными.

3. Изучаемый признак, по которому классифицируются объекты, должен быть типичным для всех его элементов.

4. Изучаемый признак должен быть тесно связанным с сущностью предмета, т. е. являться существенным признаком предметов рассматриваемого класса.

Источник: https://ifilosofia.ru/prakticheskaya-podgotovka/10-indukcija-kak-metod-poznanija/664-puti-povyshenija-stepeni-dostovernosti.html

Характеристики и отличия индуктивного и дедуктивного метода (примеры) / Общая культура

Индуктивная направленность стадии

индуктивный метод и дедуктивный метод это два противоположных подхода к исследованию. У каждого метода есть свои преимущества, и его использование будет зависеть от исследуемой ситуации, области, которую вы хотите изучить, или подхода, который вы хотите использовать..

Дедуктивное мышление работает, работая от самого общего к более конкретному. Вы можете начать думать о теории по интересующей теме. Тогда это сводится к некоторой конкретной гипотезе, которую вы хотите попробовать.

Со своей стороны, индуктивный метод работает противоположным образом: он начинается с наиболее специфичных для самых широких обобщений и теорий. В индуктивных рассуждениях мы начнем с некоторых наблюдений и конкретных мер, чтобы прийти к некоторым общим выводам.

Эти два метода очень разные и предлагают разные элементы при проведении расследования. По своей природе индуктивный метод позволяет быть более гибким и поддается исследованию, особенно в начале. Дедуктивный метод более закрыт по своей природе и более ориентирован на доказательство или подтверждение гипотез.

Хотя некоторые исследования, в частности, кажутся чисто дедуктивными, в качестве эксперимента, предназначенного для проверки гипотетических эффектов некоторого лечения или результата, большинство социальных исследований требуют как дедуктивного, так и индуктивного мышления..

Практически во всех исследованиях вероятно, что в какой-то момент к обоим процессам прибегали. Даже в самых закрытых экспериментах исследователи могут наблюдать закономерности в информации, которые могут привести их к разработке новых теорий.

Индуктивный метод

Индуктивные рассуждения – это рассуждения, в которых предпосылки рассматриваются как способ убедительно подтвердить достоверность заключения.

Хотя заключение индуктивного аргумента является определенным, истинность этого вывода в индуктивном аргументе, вероятно, основана на предоставленных доказательствах..

Многие источники могут определить индуктивный метод как тот, в котором общие принципы получены из конкретных наблюдений.

В этом методе широкие обобщения сделаны из конкретных наблюдений, поэтому можно сказать, что он идет от конкретного к общему. Делается много наблюдений, воспринимается закономерность, делается обобщение и выводится объяснение или теория..

Этот метод также используется в научном методе; ученые используют его для формирования гипотез и теорий. Дедуктивное мышление позволяет им применять теории или предположения к конкретным ситуациям. Примером дедуктивного мышления может быть следующее:

Все известные биологические формы жизни зависят от существования жидкой воды. Поэтому, если мы обнаружим новую форму биологической жизни, это будет зависеть от существования жидкой воды..

Этот аргумент можно приводить каждый раз, когда обнаруживается биологический образ жизни, и он будет правильным. Однако было бы возможно, что в будущем будет биологический образ жизни, который не требует жидкой воды.

-обобщение

Обобщение исходит из предпосылки о выборке, из которой делается вывод о населении.

Например, скажем, в банке 20 шариков, которые могут быть белыми или черными. Чтобы оценить его количество, рисуется образец из четырех шаров – три черных и один белый. Если мы используем индуктивное обобщение, можно сделать вывод, что в банке 15 черных и пять белых шаров..

Эта предпосылка имеет уклон, так как она берет небольшую выборку из большей популяции.

Примеры обобщения

  • Я встретил богатую женщину, она довольно поверхностна. Конечно, все богатые женщины поверхностны.
  • Вчера Хуан встретил свою невестку и не понравился ему. Уверен, од не будет вызывать недовольство всей семьей своей подруги.
  • Я прочитал книгу Марио Бенедетти, которую я любил. Я собираюсь купить все ваши книги, потому что я уверен, что вы их полюбите.
  • Андрес живет в бедном районе и очень счастлив. Это означает, что все люди, которые живут в бедных кварталах, очень счастливы.
  • Вчера я встретил симпатичную голубоглазую женщину. Я думаю, что все голубоглазые женщины должны быть довольно интересными.
  • Во Франции было обнаружено несколько мусульманских религиозных фанатиков.

    Поэтому все мусульмане должны быть религиозными фанатиками.

-Статистический силлогизм

Статистический силлогизм происходит от обобщения до вывода об индивидууме. Например:

  • Доля Q населения P имеет атрибут A.
  • Человек X является членом P.

Следовательно, существует вероятность того, что Q соответствует X.

Примеры статистического силлогизма

  1. Большинство рабочих в сельской местности страдают от гриппа.
  2. Хуан полевой работник.
  3. Хуан может заболеть гриппом.
  1. Ни одна женщина не может дышать под водой.
  2. Дайверы дышат под водой.
  3. Не дайвер женщина.
  1. Все кошки спят.
  2. Все мужчины спят.
  3. Все мужчины кошки.
  1. 50% философов – греки.
  2. Эмилиано был философом.
  3. С вероятностью 50% Эмилиано – грек.
  1. Обычно люди едят шоколадное мороженое.
  2. Я человек.
  3. Обычно я ем шоколадное мороженое.

-Простая индукция

Он приходит из предпосылки небольшого образца к выводу о другом человеке:

  • Пропорция Q известной популяции P имеет атрибут A.
  • Физическое лицо Я является членом группы P.

Следовательно, есть вероятность, соответствующая Q, что у меня есть A.

Простые индукционные примеры

  • Моя мама дала мне пару сережек, и я пропустил одну. Мой двоюродный брат дал мне еще пару сережек, и я пропустил одну. Мой парень дал мне еще пару сережек, и я пропустил одну. Я полагаю, что каждый раз, когда я получаю пару сережек, я теряю одну.
  • Вчера они посетили нас, и моя мама убрала комнату.

    Сегодня приходит еще один визит, и моя мама снова его чистит. Это означает, что всякий раз, когда она приходит в гости, моя мама убирает комнату.

  • В понедельник Андреа не успел поработать и проснулся поздно. Вчера у него был выходной, и он проснулся поздно. В воскресенье ему тоже не пришлось работать, и он снова проснулся поздно.

    Я полагаю, что в те дни, когда Андреа не нужно идти на работу, она просыпается поздно.

-Аргумент из аналогии

Этот процесс включает в себя учет общих свойств одной или нескольких вещей и вывод из этого, что они также имеют другие свойства. таким образом:

  • P и Q аналогичны по свойствам a, b и c.
  • Было замечено, что объект P обладает свойством x.

Таким образом, Q, вероятно, также имеет свойство х.

ПримерыАргумент из аналогии

  • Шерсть – это овца, что молоко для коровы.
  • Водитель в автобусе, какой пилот в самолете.
  • Радио должно слушать, как газета читать.
  • Спи спать, как голод есть.
  • Слезы печали, смех радости..
  • Лежать – это спать, как сидеть – это сидеть на диване..
  • Холод горяч, как тьма свет.
  • Пчела – это улей, как муравей – это колония.
  • Франция для вина, а Колумбия для кофе.
  • Фин – это дельфин, а рука – человек.
  • Колумбия в Боготу, а Аргентина в Буэнос-Айрес.
  • Мыло чистое, как грязь грязи.
  • Перчатки ручные, как носки ногами.

-Случайный вывод

Случайный вывод делает вывод о причинно-следственной связи на основе условий существования эффекта.

Предпосылки о соотношении двух вещей могут указывать на причинно-следственную связь между ними, но для подтверждения должны быть установлены другие факторы.

Примеры причинного вывода

  • В исследовании по алкоголизму отмечается, что у пяти испытуемых разные жизненные обстоятельства. Однако все они видели, как их родители или отчим периодически пили перед ними.

    По этой причине исследователи приходят к выводу, что частое употребление алкоголя отцом является причиной алкоголизма у взрослых мужчин..

  • Исследование на верность между парами наблюдало десять пар (включая гомосексуалистов и гетеросексуалов) с различным происхождением и историей жизни.

    Некоторые люди в исследовании выросли в домах разведенных родителей или стали свидетелями их неверности. Те, кто был неверен своему партнеру, выросли в домах, где неверности не было места. Исследование пришло к выводу, что видение неверности родителей не является причинным фактором неверности у детей.

-прогнозирование

Вывод об индивидуальном будущем сделан из прошлого образца.

Примеры прогнозирования

  1. Каждый раз, когда Хуан встречает свою семью, он прекрасно проводит время.
  2. Хуан встретится сегодня со своей семьей
  3. Поэтому вы прекрасно проведете время.
  1. Ана была неверна своему мужу, когда он путешествовал.
  2. Муж Аны путешествует.
  3. По этой причине Ана будет неверной.
  1. Когда я поехала в Париж, я подумала, что это красиво.
  2. Завтра я еду в париж.
  3. Это будет красиво смотреться.
  1. Мой брат вложился в акции и выиграл много денег.
  2. Сегодня я собираюсь инвестировать в акции.
  3. В результате я заработаю много денег.
  1. Когда я иду в этот ресторан, самое большее.
  2. Завтра мы идем в этот ресторан.
  3. Я буду много кушать.

Дедуктивный метод

В этом процессе рассуждение начинается с одного или нескольких утверждений, чтобы прийти к заключению. Вывод связывает помещение с выводами; Если все предпосылки верны, условия ясны и правила вычета используются, заключение должно быть верным.

При выводе мы начнем с общего аргумента или гипотезы и рассмотрим возможности прийти к конкретному и логическому выводу. Научный метод использует дедукцию для проверки гипотез и теорий.

Примером дедуктивного аргумента является следующее:

  • Все люди смертны.
  • Человек х это человек.

Следовательно, индивид х смертелен. 

-Закон отрешенности

Сделано одно утверждение и предложена гипотеза (P). Вывод (Q) выводится из этого аргумента и его гипотезы:

  • P → Q (условное утверждение)
  • П (выдвигается гипотеза)
  • Q (вывод выводится)

По этой причине можно сказать, что:

  • Если угол удовлетворяет 90 ° < A < 180 °, entonces A es un ángulo obtuso.
  • А = 120 °

А тупой угол.

Примеры закона отрешенности

  • Если моему брату 19 лет, а моей сестре 21 год, и я старше, чем мой брат, и моложе, чем моя сестра, то мне 20 лет..
  • Если в моей семье пять человек и 3 из них женщины, то двое из них мужчины.
  • Если мне нужно купить 100 шоколадных и ванильных тортов, а у меня уже есть 60 шоколадных, то мне нужно 40 ванильных.
  • Если сумма всех углов треугольника равна 180 °, и у меня есть два угла 30 каждый, то третий угол будет 120 °.

-Закон силлогизма

В этом законе устанавливаются два условных аргумента и вывод формируется путем сочетания гипотезы одного аргумента с заключением другого. Например:

  • Если Педро болен, он не ходит в школу.
  • Если Педро не пойдет в школу, задание будет потеряно.

Так что, если Педро заболел, задание будет потеряно.

Примеры силлогизмов

  1. Все женщины красивые.
  2. Клава это женщина.
  3. Клава красивая.
  1. Некоторые млекопитающие плавают.
  2. Я боюсь животных, которые плавают.
  3. Я боюсь некоторых млекопитающих.
  1. Мне нравится все, что есть в шоколаде.
  2. Торт имеет шоколад.
  3. Мне нравится торт.
  1. Ни один человек не может летать.
  2. Хайме – это человек.
  3. Хайме не может летать.
  1. Все собаки умеют лаять.
  2. Лукас это собака.
  3. Лукас умеет лаять.
  1. Каждое воскресенье я засыпаю.
  2. Сегодня воскресенье.
  3. Сегодня я сонный.
  1. Электромобили стоят дорого.
  2. Renault выпустил электромобиль на рынок.
  3. Автомобиль Renault стоит дорого.
  1. Все планеты имеют ядро.
  2. Сатурн это планета.
  3. Сатурн имеет ядро.
  1. В каждом перуанском городе жарко.
  2. Лима это город в Перу.
  3. В Лиме жарко.

-Закон встречного взаимности

Этот закон гласит, что в условном случае, если заключение неверно, гипотеза также должна быть ложной. Примером этого закона будет:

  • Если идет дождь, то в небе нет облаков.
  • В небе нет облаков, значит идет дождь.

Примеры закона о противодействии

  1. Если она смеется, ей грустно.
  2. Она грустит, то она смеется
  1. Если идет дождь, игра отменяется
  2. Матч был отменен, поэтому не идет дождь
  1. Самое большее, когда я в стрессе.
  2. Я не в стрессе, поэтому я не ем много.

Различия между обоими методами

Основным отличием двух методов является подход к исследованию. В то время как дедуктивный метод ориентирован на проверку теорий, индуктивный метод более ориентирован на создание новых теорий, которые возникают из данных или информации.

Как правило, индуктивный метод связан с качественной информацией, поскольку он обычно подвержен субъективности, он более открыт, он индуктивен, он более ориентирован на процесс, он сравнителен, а описание носит повествовательный характер..

С другой стороны, дедуктивный метод обычно связан с количественными методами исследования, такими как дедукция, объективность, численная оценка и статистическая интерференция. Это также обычно больше ориентировано на результат.

Дедуктивный метод обычно начинается с гипотезы, в то время как индуктивный метод обычно использует вопросы исследования, чтобы окружить или сосредоточиться на области исследования.

Для дедуктивных методов акцент обычно делается на причинности, в то время как в его аналоге идея состоит в том, чтобы сосредоточиться на исследовании новых явлений или открытии новых перспектив уже исследованных явлений..

Наиболее важным моментом при рассмотрении вопроса об использовании индуктивного или дедуктивного метода является изучение общей цели исследования..

Затем следует рассмотреть наиболее подходящие методы для проверки определенной гипотезы, для изучения новой или возникающей идеи в рамках дисциплины или для ответа на конкретные вопросы исследования..

Проекты могут иметь несколько подходов и перспектив; используемый метод является определяющим фактором угла исследования.

ссылки

  1. Дедукция и индукция (2006) Основы. Получено с socialresearchmethods.net.
  2. Дедуктивный рассуждение против Индуктивное мышление (2015) Культура. Получено с livescience.com.
  3. Индуктивный и дедуктивный подходы к исследованиям (2013) Восстановлено на deborahgabriel.com.
  4. Индуктивный подход (индуктивное рассуждение) Получено с research-methology.net.
  5. Дедуктивный подход (Дедуктивное рассуждение) Получено с research-methology.net.
  6. Дедуктивные рассуждения Получено с Wikipedia.org.
  7. Индуктивное мышление. Получено с Wikipedia.org.

Источник: https://ru.thpanorama.com/articles/cultura-general/mtodo-inductivo-y-deductivo-caractersticas-y-diferencias-ejemplos.html

Book for ucheba
Добавить комментарий