[논문 리뷰] Cognitive Constructivism and the Epistemic Significance of Sharp Statistical Hypotheses in Natural Sciences

Julio Michael Stern|arXiv (Cornell University)|2010. 06. 28.

Decision-Making and Behavioral Economics참고 문헌 11인용 수 6

한 줄 요약

이 논문은 자연과학에서 날카운 통계적 가설의 인지적 구성주의 프레임워크를 제안하여 그 지식론적 중요성을 정당화한다. 정밀한 가설을 평가하기 위해 전체 베이지안 유의성 검정(FBST)을 사용하며, 자가생성 시스템 이론, 자기참조, 객관적 추론을 통합하여, 수학적으로 단일한 값이지만 인지적 및 과학적 진화 과정에서 지식론적 무게를 지닌 날카운 가설이 어떻게 가능해지는지를 보여준다.

ABSTRACT

This book presents our case in defense of a constructivist epistemological framework and the use of compatible statistical theory and inference tools. The basic metaphor of decision theory is the maximization of a gambler's expected fortune, according to his own subjective utility, prior beliefs an learned experiences. This metaphor has proven to be very useful, leading the development of Bayesian statistics since its XX-th century revival, rooted on the work of de Finetti, Savage and others. The basic metaphor presented in this text, as a foundation for cognitive constructivism, is that of an eigen-solution, and the verification of its objective epistemic status. The FBST - Full Bayesian Significance Test - is the cornerstone of a set of statistical tolls conceived to assess the epistemic value of such eigen-solutions, according to their four essential attributes, namely, sharpness, stability, separability and composability. We believe that this alternative perspective, complementary to the one ofered by decision theory, can provide powerful insights and make pertinent contributions in the context of scientific research.

연구 동기 및 목표

• 자연과학에서 날카운 통계적 가설의 지식론적 정당성을 위한 철학적 기반을 확립하는 것.
• 인지적 구성주의를 베이지안 통계, 특히 전체 베이지안 유의성 검정(FBST)과 통합하는 것.
• 정밀한, 확률이 0인 가설이 어떻게 과학적으로 의미 있는지를 설명하는 역설을 해결하는 것.
• 언어, 은유, 자기참조가 과학적 인지와 가설 형성에서 수행하는 역할을 탐색하는 것.
• 객관적 추론과 랜덤화가 복잡한 확률 모델에서 지식론적 안정성을 어떻게 보장하는지 보여주는 것.

제안 방법

• 과학 지식을 자기조직화되고 자가생성적인 믿음과 추론의 체계로 모델링하기 위해 인지적 구성주의를 적용한다.
• 전체 베이지안 유의성 검정(FBST)을 사용하여 e-value(베이지안 p-value 유사값)를 통해 날카운 가설을 평가한다.
• 안정적이고 자기참조적인 과학적 추론의 구조를 모델링하기 위해 고유값 해법과 기능적 분화를 활용한다.
• 모델 구성 요소를 분리하고 혼란 요인을 통제하기 위해 탈결합 원칙을 도입한다.
• 복잡한 가설 공간과 모델 진화를 탐색하기 위해 시뮬레이티드 어닐링과 유전적 프로그래밍을 활용한다.
• C.S. 페어스의 실용주의와 상징학을 적용하여 언어, 은유, 과학적 통찰이 이론 형성과 연결되는 방식을 설명한다.

실험 결과

연구 질문

• RQ1 확률이 특정 매개변수 값에 대해 0인 날카운 통계적 가설이 과학에서 어떻게 지식론적으로 중요한가?
• RQ2 자기참조와 언어는 과학적 가설의 형성과 검증에서 어떤 역할을 하는가?
• RQ3 인지적 구성주의는 과학 지식을 자기조직화된 체계로 보는 일관된 프레임워크를 어떻게 제공하는가?
• RQ4 랜덤화와 탈결합과 같은 객관적 추론 방법은 불확실성 하에서 과학적 추론을 어떻게 안정화하는가?
• RQ5 은유와 구성적 존재론은 과학 이론과 모델의 발전을 어떻게 형성하는가?

주요 결과

• FBST는 재매개변수화에 대해 불변인 e-value를 통해 가설에 대한 증거를 측정함으로써 날카운 가설을 평가하는 일관된 베이지안 방법을 제공한다.
• 날카운 가설은 확률 질량 덕분이 아니라 자가생성적이고 자기참조적인 과학적 사고 체계에서의 역할 덕분에 지식론적 중요성을 지닌다.
• 자기참조 역설은 의미가 구조적 일관성과 기능적 분화에서 유래하는 인지적 프레임워크에 가설을 통합함으로써 해결된다.
• 탈결합과 랜덤화를 통해 객관적 추론이 달성되며, 이는 혼란 요인을 통제하고 모델 평가를 안정화시킨다.
• 은유와 언어는 순수한修辞 수단이 아니라 지식론적으로 功能적 역할을 하며, 복잡한 체계에서 통찰과 이론 구축을 가능하게 한다.
• 인지적 구성주의와 베이지안 통계의 통합은 이론이 발견되는 것이 아니라 지식론적 순환을 통해 구성된다는 역동적이고 진화하는 과학 지식의 시각을 지지한다.