Цитаты из книг автора «Том Чатфилд»

Абдукцию иногда называют «выведением наилучшего объяснения»18. Но в силу чего одно объяснение лучше другого? Как упоминалось в главе 2, хороший пример должен удовлетворять двум условиям: 1) успешно объяснять все, что мы уже знаем; 2) быть максимально простым, не утрачивая при этом объяснительной способности.

1. Начните с возможно более точного описания предмета, требующего изучения. 2. Обоснуйте, почему его изучение важно или представляет интерес. 3. Предложите его возможное объяснение в форме теории или гипотезы. 4. Предложите экспериментальный метод или неэкспериментальный подход с опорой на разнородные свидетельства, пригодные для проверки вашей теории/гипотезы. 5. Проверьте, способна ли ваша теория/гипотеза объяснить (или успешно спрогнозировать) собранные вами свидетельства. Это универсальная модель исследования. 6. Перечислите другие, возможно, более убедительные объяснения ваших свидетельств или результатов. 7. Сообщите об ограничениях своего исследования. 8. Обрисуйте направления возможного исследования для дальнейшей проверки и уточнения своей теории или поиска другой, если ваша собственная окажется неудачной. Объяснения

подтверждающих примеров не доказывает ее истинности. «Черный лебедь» — событие, опровергающее как предыдущий опыт, так и основанные на нем ожидания, вследствие чего его практически невозможно спрогнозировать.

Проблема индукции заключается в том, что, сколь бы вероятным мы ни считали вывод, никакой индуктивный аргумент не может быть в полной мере подтвержден. Можно лишь стремиться к фальсифицированию (опровержению) теории и поиску контрпримеров. Фальсифицирование — важный для индукции процесс исследования, поскольку один-единственный контрпример способен показать ложность индуктивной логической цепочки, тогда как никакое количество

выборке из одного элемента — казусу или курьезу, единичному случаю. Репрезентативная выборка по своим характеристикам близко воспроизводит более обширную группу, из которой выделена, тогда как нерепрезентативная выборка не удовлетворяет этому условию. Индуктивные выводы на основе нерепрезентативной выборки, скорее всего, искажают реальность. Правильная рандомизация выборки является одним из лучших способов избежать ошибок отбора и осуществляется путем выбора элементов случайным образом из всей изучаемой совокупности, чтобы никакой элемент не получил чрезмерной представленности, вводящей исследователя в заблуждение. Поскольку никакая выборка не может быть идеально репрезентативной, важно учитывать предел погрешности (вероятность того, что результаты, полученные в ходе исследования, адекватны результатам по всей совокупности) и погрешность измерения (точность используемой системы измерений).

Вероятность — это степень возможности наступления события или истинности утверждения. Вероятность обычно задается на шкале от 0 до 1, где 0 соответствует практически полной невозможности, а 1 — почти бесспорной возможности. Вероятность 0,5 указывает на равные шансы того, что событие произойдет или не произойдет. Если она превышает 0,5, то событие скорее возможно; если составляет менее 0,5, то оно скорее невозможно. Рациональные ожидания — главный элемент в оценке индуктивного аргумента. При условии истинности предпосылок эта величина показывает, что́ более рационально: считать вывод индуктивного аргумента истинным или ложным. Использование выборок при индуктивном умозаключении обязательно. Выборка состоит из конкретных случаев, исследуемых с целью обобщения. Как правило, чем масштабнее выборка, тем лучше. В научной литературе объем выборки принято обозначать буквой n, причем n = 1 соответствует

достаточные основания считать таковым и вывод (аналог обоснованного дедуктивного аргумента).

когентный индуктивный аргумент имеет верную структуру, но его вывод не обязательно будет принят нами за истину, поскольку мы не уверены в истинности его предпосылок (аналог валидного дедуктивного аргумента); индуктивно сильный аргумент имеет как верную структуру, так и предпосылки, которые мы считаем истинными; это означает, что у нас есть

Применяя индукцию, вы работаете со степенями уверенности, а не с абсолютной убежденностью. Вы ищете причины, по которым вывод скорее верен. Индуктивное мышление иногда также называют развивающим, поскольку его выводы «развивают» предпосылки. При этом: важным навыком является умение ранжировать аргументы в соответствии с мерой их убедительности; сильное индуктивное суждение опирается на прочно укоренившиеся паттерны, подкрепленные непротиворечивыми свидетельствами, а слабое — на неубедительные свидетельства, неочевидные паттерны, отличается непредсказуемостью и является довольно сложным для восприятия.

Подвергая сомнению существующее понятие, я получаю шанс создать новое, более близкое к реальности.