Wokół argumentów anegdotycznych (myląco nazywanych też „dowodami anegdotycznymi” – sic!) powstało wiele nieporozumień. Z jednej strony uważa się je za bardzo słabe, niegodne wręcz rzetelnej dyskusji. Z drugiej zaś strony nie dość, że nagminnie ich używamy i dajemy się im przekonywać, to jeszcze czasem mogą one być naprawdę mocne – jak choćby ten w nagłówku poniższego felietonu. Zanim jednak przejdziemy do „mocnych” anegdot, należy wpierw zacząć od spraw podstawowych.
Na początku była… indukcja
Rozumowanie typu „istnieje taki x, o cesze C, a zatem wszystkie x mają cechę C” jest oczywiście rozumowaniem indukcyjnym (które zapewne znasz, Czytelniku, pod określeniem „od szczegółu do ogółu”). Indukcję niektórzy przeciwstawiają dedukcji („od ogółu do szczegółu”) – i tu pojawia się już pewne nieporozumienie: bo o rozumowaniu dedukcyjnym mówimy, że jest to inaczej rozumowanie pewne, niezawodne. Co jednak, jeśli rozumowanie indukcyjne jest niezawodne? Czy wówczas rozumowanie indukcyjne staje się dedukcyjne?
Rozważmy taki przykład: podczas podróży w pociągu trafiłem do przedziału z trzema mężczyznami – jest nas więc czterech w przedziale – i przeprowadzam takie rozumowanie: „Ja nie jestem baletnicą, pasażer obok mnie nie jest baletnicą, pasażer naprzeciwko mnie również nie jest baletnicą i pasażer po skosie nie jest baletnicą. Zatem żaden pasażer w naszym przedziale nie jest baletnicą”. Takie rozumowanie jest oczywiście indukcyjne (to tzw. indukcja zupełna, bo wylicza wszystkie elementy z danego zbioru), ale jednocześnie jest niezawodne – a więc dedukcyjne. To pokazuje, że podział rozumowań na dedukcyjne i indukcyjne wcale nie jest rozłączny.
Pomijając przypadki indukcji zupełnej (nazywanej też eliminacyjną), rozumowania indukcyjne polegają na tym, że na podstawie jakiejś próbki wyciągamy wniosek o całości grupy lub populacji (czyli uogólniamy, bądź też generalizujemy). Oto schemat indukcji:
P. W próbce p pochodzącej z grupy G odsetek x przypadków ma cechę C.
W. W grupie G odsetek x przypadków ma cechę C.
Często ten schemat służy jako podstawa do wnioskowania o jakimś nowym przykładzie – wtedy mówimy o tzw. indukcji prostej (bezpośredniej).
P1. W grupie G odsetek x przypadków ma cechę C.
P2. Nowy przypadek n należy do grupy G.
W. Przypadek n ma cechę C z prawdopodobieństwem proporcjonalnym do x.
Takie wnioskowania (indukcyjne uogólniające) korzystają ze zdolności, którą ludzki umysł (i nie tylko ludzki!) wykształcił, a która polega na znajdywania reguł na podstawie skończonej (zwykle niekompletnej i niedokładnej) próbki zdobytej na bazie obserwacji. Na tej samej zasadzie „wnioskuje” pies, który spodziewa się, że skoro „jego człowiek” przyszedł z pracy, to da mu jeść, bo przecież zrobił to x razy (nie zważając na to, że nie zrobił tego y razy po powrocie z pracy).
Uogólnianie poprawne i błędne
Czy generalizacja jest błędem? Ależ skąd! Jeżeli nie uznawalibyśmy argumentów indukcyjnych, to musielibyśmy wyrzucić na śmietnik większość nauk społecznych, jak socjologia, pedagogika czy psychologia społeczna. Musielibyśmy też przestać wierzyć sondażom przedwyborczym, badaniom demograficznym, testom medycznym czy Głównemu Urzędowi Statystycznemu, bo przecież na uogólnianiu polega cała statystyka. Tego jednak nie robimy – metoda statystyczna jest poważną i potrzebną metodą, którą wykorzystuje wiele dziedzin i dyscyplin naukowych. To właśnie ona uczy nas, w jaki sposób przeprowadzić porządną generalizację – a w związku z tym argument indukcyjny (uogólniający) będzie wtedy poprawny, gdy będzie zgodny z metodami statycznymi, tj. gdy będzie uwzględniał średnią, wariancję, odchylenie standardowe, itd.
Nie starczy nam miejsca na omówienie choćby w pigułce pojęć i metod stosowanych w statystyce – spróbujmy jednak rozważyć kilka przykładów wnioskowań uogólniających (czyli niededukcyjnych) zasługujących jednak na zaufanie:
Lek przebadano na ponad 600 chorych na przewlekłe zapalenie płuc i ponad 91% zostało uleczonych, zatem jeśli często chorujesz na zapalenie płuc, to z pewnością Ci on pomoże.
Jeżeli uznamy, że próba była losowa i reprezentatywna, a także że dana osoba rzeczywiście ma przewlekłe zapalenie płuc oraz przyjmiemy, że wniosek brzmi „Lek pomoże tej osobie z prawdopodobieństwem 0,91”, to wówczas uznamy ten wniosek za mocny.
Przy tej okazji może warto wspomnieć o typowych błędach związanych z generalizacją – podstawowe uchybienie polega właśnie na doborze niereprezentatywnej próby badawczej. Aby uogólnienie było uprawnione w próbie badawczej, odsetek obiektów o cesze C powinien odpowiadać odsetkowi obiektów posiadających tę cechę w całej grupie – weźmy przykład:
Z ankiety przeprowadzonej na czterdziestu mieszkańcach województw zachodniopomorskiego i opolskiego wynika jasno, że ponad 60% Polaków jest przeciwnych murowi na granicy z Białorusią.
Na czym polega błąd w poniższym wnioskowaniu? Oczywiście 40-osobowa próbka jest zdecydowanie za mała do uogólniania na ponad 40-milionową grupę. Po drugie, mieszkańcy dwóch województw (z których żadne nie leży we wschodniej Polsce) nie stanowią odpowiednio dobranej próbki badawczej.
Jednym z najlepszych możliwych sposobów dobierania reprezentatywnej próby jest tzw. próba losowa – przedtem jednak należy zadbać o to, by każdy element miał taką samą szansę być wylosowanym. Dobrze obrazuje to np. badanie wyników wyborów przez ankietowanie wyborców opuszczających lokale wyborcze (poll exit) – gdyby ankieterzy przeprowadzili to badanie tylko w centralnej Warszawie, wynik byłby na pewno mocno przesadzony (cecha C byłaby nadreprezentowana w próbce p). Podobnie byłoby gdyby ankieterzy badali tylko lokale w zachodniej Polsce, bądź tylko na wsiach, bądź gdyby pytali tylko seniorów, bądź tylko ludzi, którzy do lokalu przyjechali samochodami etc. Aby zapewnić jak największą losowość należy więc dobrać możliwie najbardziej różnorodną próbę (odpowiadającą proporcjom w grupach społecznych), bo to gwarantuje bardziej wiarygodny wynik.
Szczególnym typem błędu niereprezentatywnej próby jest tzw. fałszywa powszechność – rozważmy przykład:
Francuzi mówią doskonale po angielsku. Byłem tam kilka razy i zawsze dogadywałem się z przewodnikami oraz kelnerami.
Błąd, który tutaj popełniono polega nie tylko na nielicznej i niereprezentatywnej próbie – próba p (Francuzi pracujące w sektorze turystycznym) jest tutaj szczególnego rodzaju, bo stanowi ona niejako podzbiór tych elementów grupy G (Francuzi), którzy mają cechę C (znajomość języka angielskiego), bo warunkiem koniecznym do pracy z turystami (a więc znalezienia się w próbce p) jest właśnie jej posiadanie. Rozważmy ostatni przykład błędnego doboru próby (ang. sampling bias):
W badaniu wzięło udział 500 osób i tylko 0.2% ankietowanych odpowiedziało, że nie lubi wypełniać ankiet, z kolei aż 99.8% uwielbia wypełniać ankiety. Jaki błąd tutaj popełniono? Zostawmy tę przyjemność Czytelnikowi i przejdźmy wreszcie do argumentów anegdotycznych.
„Mnie pomogło …”, „Kolega opowiadał mi …” i inne anegdoty
Argument anegdotyczny jest uogólnieniem szczególnego rodzaju – „próbą badawczą” będzie tutaj doświadczenie mówiącego (lub ewentualnie czyjeś doświadczenie, na które się on powołuje). Najczęściej przedstawienie tej „próbki” nie jest prostym stwierdzeniem „dany obiekt a ma cechę C i cechę D”, ale jest przedstawiane w pewnej szerszej historii, której autor był uczestnikiem (chyba że powołuje się na czyjeś świadectwo). Gdy „wyłuskamy” z tych retorycznych ornamentów takie wnioskowanie otrzymamy schemat:
P. W danym przypadku obiekt a ma cechę C oraz cechę D.
W. Zatem generalnie jeśli coś ma cechę C, to ma cechę D.
Częściej jednak argument anegdotyczny jest stosowany do wnioskowania o jakimś nowym przykładzie z pominięciem uogólnienia (analogicznie do indukcji bezpośredniej):
P1. W danym przypadku objekt a ma cechę C oraz cechę D.
[P2. Inny obiekt b ma cechę C.]
W. Zatem b również ma cechę D.
W drugiej przesłance, zwykle niewypowiedzianej, przyjmujemy, że dany obiekt, o którym chce się orzekać również ma tę cechę, która kwalifikuje go do tej grupy i umożliwia wnioskowanie o nim.
Czy argument anegdotyczny (ang. argument from example) jest zawsze słaby? Zazwyczaj tak, bo oprócz wymagań stawianych wnioskowaniom uogólniającym, które określa statystyka, dochodzi tu jeszcze element pamięci (która potrafi płatać niezłe figle) oraz wybiórczości w selekcji danych (której notorycznie dopuszczają się nasze mózgi żeby nas nie przemęczać). Przykładami tego ostatniego jest choćby ignorowanie kontrprzykładów (błąd taki psychologia poznawcza określa efektem potwierdzenia), bądź wybieranie wisienek. Możemy jednak sformułować (za D. Waltonem, Ch. Reedem i F. Macagno) kryteria oceny argumentów anegdotycznych – jeśli argument przejdzie ten test pozytywnie będziemy mogli go uznać za mocny:
- Czy twierdzenie z przesłanki jest prawdziwe?
- Czy przytoczony przykład potwierdza uogólnienie, którego ma być przypadkiem?
- Czy przykład jest typowy dla całej klasy podobnych przypadków?
- Jak mocna jest ta generalizacja?
- Czy są jakieś specjalne okoliczności, które osłabiają to uogólnienie? (Walton, Reed, Macagno 2008, s. 314)
Pomimo wielu słabości argumentu anegdotyczny może mieć wielką moc perswazyjną – tj. być bardzo skuteczny w przekonywaniu. Przede wszystkim dlatego, że można go wykorzystać w perswazji jako „przygotowanie gruntu” pod właściwy argument: wówczas pełni on rolę tzw. storytelling’u, który najpierw nastawia słuchacza emocjonalnie poruszającą opowieścią – pathos – a następnie dopiero przedstawia właściwy argument – logos (więcej o modelu perswazji Arystotelesa i wykorzystaniu opowieści jako elementu pathosu można posłuchać tutaj).
Podsumowując, argumenty indukcyjne to argumenty, które przez wyliczenie jakichś elementów z danej grupy wnioskują o całości elementów tej grupy (jeśli wyliczenie jest zupełne, wówczas taka indukcja jest dedukcyjna). Argumenty indukcyjne uogólniające/generalizujące mają swoje kryteria poprawności, którymi szczegółowo zajmuje się statystyka. Argumenty anegdotyczne, a więc opierające się zwykle o doświadczenie autora argumentu to szczególnego rodzaju argumenty uogólniające o dość wąskiej próbie badawczej, które oprócz tego, że narażone są na błędy indukcji (mała i nieróżnorodna próba badawcza, fałszywa powszechność, ignorowanie kontrprzykładów, cherry-picking). Zobaczmy teraz jak Czytelnik poradzi sobie z poniższym argumentem anegdotycznym:
Wiele razy słyszałem, że ktoś umarł. Za każdym razem gdy słyszałem, że ktoś umarł, nie byłem to ja. Zatem nic nie wskazuje na to, że mogę umrzeć, więc jestem nieśmiertelny (przykład Marcina Szczuki).
Warto doczytać:
L. Groarke, Ch. Tindale. Good Reasoning Matters! A Constructive Approach to Critical Thinking. Canada, 2013.
J. Pruś, KM #24. Jak (nie) korzystać z danych w argumentacji?
Logika Codzienna #18. Opowiem Wam historię… czyli storytelling w argumentacji
K. Szymanek, K. Wieczorek, Sztuka argumentacji: Rozszerzone ćwiczenia w badaniu argumentów, Warszawa 2020.
D. Walton, Ch. Reed, F. Macagno, Argumentation Schemes, Cambridge 2008.
Źródło mema: sketchplanations.com
Jakub Pruś – adiunkt w Instytucie Filozofii Uniwersytetu Ignatianum w Krakowie. Redaktor czasopisma „Forum Philosophicum” i autor vloga „Logika Codzienna”. Pisze aktualne odcinki Kursu krytycznego myślenia. Zajmuje się teorią argumentacji i logiką pragmatyczną. Miłośnik szachów, zapasów i śpiewania kołysanek.
Prowadzenie portalu filozofuj.eu – finansowanie
Projekt dofinansowany ze środków budżetu państwa, przyznanych przez Ministra Edukacji i Nauki w ramach Programu „Społeczna Odpowiedzialność Nauki”.
Skomentuj