[論文レビュー] Abductive, Causal, and Counterfactual Conditionals Under Incomplete Probabilistic Knowledge

Niki Pfeifer, Leena Tulkki|arXiv (Cornell University)|Mar 9, 2017

Bayesian Modeling and Causal Inference被引用数 5

ひとこと要約

本研究は、不完全な確率的知識のもとで、人々が帰納的・因果的・反事後的条件文をどのように推論するかを、確率的真理値表タスクを用いて調査した。結果として、条件的イベント解釈（conditional event interpretation）が応答を支配しており、作業記憶を軽減するヒューリスティクスとして、新たな「中間的」戦略（上界および下界）が出現した。これは、不確実性推論における整合性に基づく確率論的論理が、合理的な枠組みであることを支持する。

ABSTRACT

We study abductive, causal, and non-causal conditionals in indicative and counterfactual formulations using probabilistic truth table tasks under incomplete probabilistic knowledge (N = 80). We frame the task as a probability-logical inference problem. The most frequently observed response type across all conditions was a class of conditional event interpretations of conditionals; it was followed by conjunction interpretations. An interesting minority of participants neglected some of the relevant imprecision involved in the premises when inferring lower or upper probability bounds on the target conditional/counterfactual ("halfway responses"). We discuss the results in the light of coherence-based probability logic and the new paradigm psychology of reasoning.

研究の動機と目的

• 不完全な確率的知識のもとで、人々が帰納的・因果的・反事後的条件文をどのように解釈するかを調査すること。
• 因果的または帰納的関係などの推論的関係が、非因果的条件文と比較して推論パターンに顕著な影響を与えるかどうかを評価すること。
• 整合性に基づく確率論的論理が、不確実性下での推論のための合理的な枠組みとして果たす役割を評価すること。
• 特に「中間的」応答戦略（下界・上界・両方）を特定し、それらの認知的含意を解明すること。

提案手法

• 80名の参加者を対象に、仮言と結果の4つの真理値表ケースに不確実（区間）確率を割り当てた確率的真理値表タスクを実施した。
• 前提が結合確率（例：p(A∧C)、p(A∧¬C)など）の境界を割り当てる確率論的論理的推論問題として、推論を形式化した。結論は、条件文の信頼度として定義された。
• 条件的イベント解釈（p(C|A) = p(A∧C)/p(A)）を核心的な確率伝播ルールとし、物質的含意、結合、双方向含意解釈と対比した。
• 非因果的対象（C1）、因果的対象（C2）、帰納的対象（C3）、反事後的対象（C4）の4条件を設定し、推論的複雑さの違いを考慮した。
• 95%信頼区間の比較に有意性検定（ANOVAにホルム＝ボンフェローニ補正を適用）を用い、条件間の差を同定した。
• 応答を、条件的イベント、結合、物質的含意、および「中間的」応答（下界、上界、両方）に分類し、頻度と認知的含意を分析した。

実験結果

リサーチクエスチョン

• RQ1 不完全な確率的情報が与えられた際、人々は帰納的・因果的・反事後的条件文をどのように推論するか？
• RQ2 因果的または帰納的関係が、非因果的条件文と比較して応答パターンに顕著な影響を及ぼすか？
• RQ3 「中間的」応答戦略（条件付き確率の下界または上界のみを推定）が、認知的ヒューリスティクスとしてどれほど顕在化するか？
• RQ4 反事後的および帰納的推論タスクでは、認知的負荷や概念的難易度の増加により、信頼度評価が有意に低下するか？
• RQ5 整合性に基づく確率論的論理は、不完全な確率的知識のもとで人間の推論をモデル化するための合理的な枠組みとして機能できるか？

主な発見

• 条件的イベント解釈（p(C|A)）が、すべての条件下で最も頻度の高い応答タイプであり、不確実性下での推論において支配的であることを示した。
• 「中間的」応答戦略（p(C|A)の下界または上界のみを推定）は、11.6%（下界）および12.8%（上界）の応答で観察され、作業記憶を軽減するヒューリスティクスである可能性を示した。
• 「中間的上界」応答戦略が「中間的下界」戦略よりも一般的であったため、保守的な確率推定へのバイアスが存在する可能性が示唆された。
• 条件C4（反事後的）では信頼度評価が有意に低く、これは結果から原因への推論の認知的困難さと、事実的文と反事後的文の不整合性に起因するとされた。
• 期待とは異なり、因果的／帰納的条件文と非因果的条件文との間で応答パターンの有意差は認められず、推論関係が推論パターンを変えるという推論主義仮説に反する結果となった。
• 本研究の結果は、整合性に基づく確率論的論理が、不完全な確率的知識のもとでも、多様な条件文タイプにわたり、人間の推論をモデル化するための合理的な枠組みであることを支持する。