条件句设计



日常条件句一定是符合自然规律的,从常识中可以判断/推论可能性的。

不能和基本常识相违背,e.g“如果今天下雨,那么学校举办运动会”

尽量使用前人研究使用过的句子。

请根据句子完成相应的概率判断,概率从0%到100%,概率越高表明这种情况越有可能存在。

  • if p then q : 如果今天是晴天,那么学校举办运动会。

1.“今天是晴天”的概率为?;p

2.”学校举办运动会“的概率为?;q

3.”今天不是晴天“的概率为?;not-p

4.”学校不举办运动会“的概率为?;not-q

5.“在今天是晴天的情况下,学校举办运动会”的概率? q given p

6.“如果今天是晴天,那么学校举办运动会。”的概率? if p then q

7.“今天是晴天和学校举办运动会”的概率?p and q

8.“今天不是晴天和学校举办运动会”的概率?not-p and q

9.“今天是晴天和学校不举办运动会”的概率?p and not-q

  1. “今天不是晴天和学校不举办运动会”的概率?not-p and not-q
  • if not-p then q: 如果今天不是晴天,那么学校会举办运动会。

  • if p then not-q: 如果今天是晴天,那么学校不会举办运动会。

  • if not-p then not-q: 如果今天不是晴天,那么学校不会举办运动会。

先不纳入:it is not the case that if p then q: 不是说“如果今天是晴天,那么学校会举办运动会”;“如果今天是晴天,那么学校会举办运动会”这种情况不成立;

  1. 前件和后件之间推理关系存在4种情况

图2

参考

Cummins, D. D. (1995). Naive theories and causal deduction. Memory & Cognition, 23(5), 646–658. https://doi.org/10.3758/BF03197265

  1. Niels Skovgaard-Olsen

提供一个情境

图3

图4

参考 参考

Skovgaard-Olsen, N., Stephan, S., & Waldmann, M. R. (2021). Conditionals and the hierarchy of causal queries. Journal of experimental psychology. General, 150(12), 2472–2505. https://doi.org/10.1037/xge0001062

  1. 情境是否会导致系统性差异
  • Collins等人(2020)认为,推理心理学和语用学之间的严格区分不仅可能是不可能的,而且(即使可能)可能会掩盖对解释充分性的重要限制。在自然情境中,推理者不知道所有前提,必须从背景中学习一些前提。“即使在最简单的条件推理中,我们的推理也不依赖于纯粹的逻辑原理,而是依赖于背景知识和会话原理的结合。”

Collins, P. J., Krzyżanowska, K., Hartmann, S., Wheeler, G., & Hahn, U. (2020). Conditionals and testimony. Cognitive Psychology, 122, 101329. https://doi.org/10.1016/j.cogpsych.2020.101329

  • 单调性和非单调性:

一个成功的逻辑论证不能被任何可能添加到前提的附加信息推翻。学习新信息的时候会怀疑前提,但不会怀疑随之而来的结论。经典逻辑的这种特性被称为单调性,这意味着添加前提永远不会推翻现有的结论。

真实世界中通常是非单调的:如果获得了额外的信息,几乎任何结论都可以被推翻。这种额外信息提供了不确定性。日常推理的非单调性对于将逻辑方法应用于建模思维来说是有问题的。非单调推理在逻辑上无效,因此不属于标准逻辑方法的范围,超出了演绎逻辑的范围。

Oaksford, M., & Chater, N. (2009). Précis of Bayesian Rationality: The Probabilistic Approach to Human Reasoning. Behavioral and Brain Sciences, 32(01), 69–84. https://doi.org/10.1017/S0140525X09000284

  • 外延和内涵:外延是指所有真实事物的合集,内涵是所有可能事物的合集,情境一定程度上限制了事物的范围?

  • 反事实的语境ERP研究:语境的透明度对反事实句的加工有影响。

  • 量子概率理论(QPT):

量子概率论(QPT),为量子力学中的事件分配概率的规则,没有物理学,是一个概率推理的框架,替代CPT。一些研究人员一直在探索QPT在认知建模中的价值,部分原因是QPT概率推理中固有的情境性。如果在某些情况下,概率推理会显示出情境性,那么QPT可能是提供相应认知模型的合适框架。比如合取谬误。

  • 和频率信息的条件句保持一致?
  1. 量子认知研究中使用的句子

顺序效应,合取谬误。

Quantum probability theory offers a set of principles for inference, which align well with intuition about psychological processes in certain cases: cases when it appears that inference is contextual, the mental state changes as a result of previous judgments, or there is interference between different possibilities.

  • Linda problem:提供情境

Linda problem

  • QQ等量

QQ= P(Ayes &then Bno) +P (Ano &then Byes)− P (Byes &then Ano )+P (Bno &then Ayes) =0.

比较AB问题顺序和BA问题顺序,回答“是-是”的人的比例变化,会被回答“否-否”的人的比例变化所抵消。换句话说,它们的差额应该等于0。同样的,两种问题顺序下,回答“是-否”的人的比例变化,会被回答“否-是”的人的比例变化所抵消;它们的差额也应该是0。

  • Niels 情境

情境

原实验只有12个情境。

  • Linda 问题

“Linda今年31岁,独身,为人坦率睿智,当她还是学生的时候,曾深度关注过社会公正以及社会偏见的问题,并且组织过一个反核宣传”。

A项Linda是位小学教师;

B项Linda在书店工作,并参加了瑜伽班;

C项Linda是位女权运动者(F);

D项Linda是位拥有精神病学背景的社会工作者;

E项Linda是位银行出纳(T);

F项Linda是女权选举同盟的成员;

G项Linda是位银行出纳和女权运动者(T&F)

合取谬误:选G的人最多。但如果G成立,那C和E应该成立,G是C和E同时发生的概率,应该小于C和E的概率。通过直接比较,人们总会认为两个事件(在此即为银行出纳和女权主义者)的联合出现比只出现其中一件事(银行出纳)的可能性要大,此时就出现了合取谬误。

Marin Dujmović, Pavle Valerjev & Igor Bajšanski (2020). The role of representativeness in reasoning and metacognitive processes: an in-depth analysis of the Linda problem. Thinking & Reasoning, 1354-6783. https://doi.org/10.1080/13546783.2020.1746692

操纵代表性。

Linda

Balazs Aczel, Aba Szollosi & Bence Bago (2015). Lax monitoring versus logical intuition: The determinants of confidence in conjunction fallacy. Thinking & Reasoning. http://dx.doi.org/10.1080/13546783.2015.1062801

低可能性和高可能性的合取,创造条件句。

Linda2

  • 量子认知中合取谬误的研究、Linda问题的研究

Boyer-Kassem, T., Duchêne, S., & Guerci, E. (2016). Quantum-like models cannot account for the conjunction fallacy. Theory and Decision, 81(4), 479–510. doi:10.1007/s11238-016-9549-9 

使用Tversky and Kahneman (1983)的合取谬误问题:linda bill Mr.F,以及K., a Russian woman (Tentori et al. 2013)。

M-A范式:M是描述文本,事件A和文本正相关,事件B和文本负相关

A-B范式:事件A和事件B正相关,但都和文本不相关。

M-(AB):文本M和AB的合取正相关,但不分别和A、B相关。

Busemeyer, J. R., Wang, J., Pothos, E. M. & Trueblood, J. S. (2015). The conjunction fallacy, confirmation, and quantum theory: comment on Tentori, Crupi, & Russo. Journal of Experimental Psychology: General, 144(1), 236-243.. https://doi.org/10.1037/xge0000035

提出:“量子概率模型需要2个事件是不兼容的。”

  • 析取谬误的研究:两阶段博弈、囚徒困境

  • 相关理论 * Linda问题 举例

“Linda今年31岁,独身,为人坦率睿智,当她还是学生的时候,曾深度关注过社会公正以及社会偏见的问题,并且组织过一个反核宣传”。

IR:如果linda是女权运动者,那么她是银行出纳员。

PR:如果linda是女权运动者,那么她是女权选举同盟的成员。

NR:如果linda是女权运动者,那么她会做一个家庭主妇。

linda问题和Niels的情景设计的区别在于,linda问题的判断是否成立需要从描述中获取信息,后者不提供描述文本也成立。那么linda问题中前件、后件必需和文本相关吗?无论正相关/负相关?

参考Wang2019,只提供p and q, not-p and not-q 的卡片?还是应该纳入 not-p and q, p and not-q, 即“箱子里一共有200张卡片,90张是红色方形的卡片,10张是蓝色圆形的卡片,10张红色圆形的卡片,90张蓝色方形的卡片”,P(红色)= 1/2, P(蓝色) = 1/2, P(方) = 9/10, P(圆) = 1/10。

P(q|p)-P(q|not-p) > 0 ; = 0 ; < 0.

  • if p then q :“如果我拿到的是红色卡片,那么卡片是方形的”

1.“拿到的是红色卡片”的概率? 50%

2.“卡片是方形的”的概率?90%

3.“拿到的不是红色卡片”的概率? 50%

4.“卡片不是方形的”的概率? 10%

5.“在拿到的是红色卡片的情况下,卡片是方形的”的概率?45%?

6.“如果我拿到的是红色卡片,那么卡片是方形的”的概率?

  1. “拿到的是红色卡片和卡片是方形的”的概率?
  2. “拿到的不是红色卡片和卡片是方形的”的概率?
  3. “拿到的是红色卡片和卡片不是方形的”的概率?
  4. “拿到的不是红色卡片和卡片不是方形的”的概率?
  • if not-p then q: “如果我拿到的不是红色卡片,那么卡片是方形的”

  • if p then not-q: “如果我拿到的是红色卡片,那么卡片不是方形的”

  • if not-p then not-q:“如果我拿到的不是红色卡片,那么卡片不是方形的”

先不纳入:it is not the case that if p then q: “如果我拿到的是红色卡片,那么卡片是方形的”这种情况不成立。

图1

Wang(2019)的频率信息:60% vs 90%, 90 p&q,10 p¬-q, 50 not-p&q, 50 not-p¬-q; 60 p&q, 40 p¬-q, 50 not-p&q, 50 not-p¬-q

频率信息

0810问题:频率信息中既存在P(p)= P(not-p)的情况,又存在不相同的情况。Wang(2019)的信息始终P(p)= P(not-p)。

已解决:频率,正相关和负相关各保留一种情况,差距大一些。P(p)是否等于P(not-p),P(q)是否等于P(not-q)。 2* 2 * 3

0817新问题:

  1. item,除了卡片外,改变p\q的描述。

  2. 能不能有 0的情况? 如果可以,应该描述出来“0个蓝色方形”

  3. 不相关: 四种情况的合取概率都一致, 200个卡片,50 50 50 50

  4. P(p) 不等于P(not-p)的情况,算出来的数不是整数,Wang2019只用了等于的情况是不是也是考虑了计算问题。

  5. 一个被试要完成一个条件句的所有概率判断?p not-p q not-q 合取 条件概率 条件句概率

从Wang(2019)的实验延伸出的想法:

  1. 给定假前件的情况下的研究,句子提供的是 “not-p & q” 和“not-p & not-q”, 不能排除not-q对 if p then q可信度的影响。实验结果中P(q|p)始终一致的情况下,“not-p & q” 比“not-p & not-q”的可信度评分要高。