Chemnitz, Techn. Universiẗat, Diss., 2001.

Zugl.: Mannheim, Univ., Diss., 2007

Das Finden einer Erklärung für eine gegebene Menge von Daten oder Evidenzen wird als abduktives Schließen bezeichnet (Josephson & Josephson, 1994). Eine Vielzahl von Aufgaben lässt sich demnach als Abduktion charakterisieren, darunter beispielsweise medizinische Diagnose, die Suche nach Fehlern in technischen Systemen oder auch wissenschaftliches Entdecken (z.B. Charniak & McDermott, 1985). Für viele dieser Aufgaben ist der Umgang mit Anomalien von besonderer Bedeutung. Eine Anomalie ist im einfachsten Falle eine neue Evidenz, die einer bisherigen Erklärung für Daten widerspricht. Vor allem im Bereich des wissenschaftlichen Entdeckens weist eine Vielzahl von Studien darauf hin, wie wichtig das Erkennen und Lösen von Anomalien für erfolgreiches Problemlösen ist (vgl. Kuhn, 1962; Chinn & Brewer, 1998; Alberdi, Sleeman & Korpi, 2000). Die meisten Theorien abduktiven Schließens berücksichtigen die Bedeutung von Anomalien dagegen nur unzureichend (vgl. Klahr & Dunbar, 1988; Thagrad, 1989). Allerdings bietet das Modell von Johnson und Krems (2001, Krems & Johnson, 1995) einen spezifischen Mechanismus zur Anomalieresolution: Im Falle zweier sich widersprechender Evidenzen wird für beide Evidenzen eine Alternativerklärung konstruiert. Anschließend werden diese gegeneinander abgewogen. Indes wurde dieser Mechanismus bislang noch nicht empirisch belegt. Ziel der vorliegenden Arbeit war es einerseits zu klären, ob sich empirische Belege für den postulierten Mechanismus zur Anomalieresolution von Johnson und Krems (2001) finden lassen und andererseits zu prüfen, welche Einflussfaktoren und Strategien die Resolution von Anomalien beeinflussen. Es fand sich, dass abstrakte Ausgangshypothesen die Resolution von Anomalien erleichtern. Widersprach eine Anomalie einer abstrakten Ausgangserklärung, so lösten die Versuchsteilnehmer in Experiment 1 die Aufgaben häufiger, als bei einer konkreten Ausgangshypothese. In Experiment 2 zeigte sich zudem, dass bei einer abstrakten Ausgangshypothese weniger Experimente durchgeführt werden mussten um die Aufgabe korrekt zu lösen, dass häufiger spezifische Hypothesentests durchgeführt wurden und die Aufgaben auch schneller gelöst werden konnten. Unabhängig von der Ausgangshypothese testeten erfolgreiche Versuchsteilnehmer bevorzugt spezifische Hypothesen während hypothesenfreie Experimente dazu dienten, neue Hypothesen zu generieren. Demnach lösten die Probanden die Aufgaben durch Anwendung einer Mischstrategie, indem sie sowohl hypothesengestützt als auch hypothesenfrei nach neuen Daten suchten. Eine Einteilung der Versuchsteilnehmer in Theoretiker und Empiristen (Klahr & Dunbar, 1988) war dagegen nicht möglich. Das Ergebnis wurde in Anlehnung an Befunde von Smith et al. (1991) dahingehend interpretiert, dass eine solche Mischstrategie dabei hilft, die Komplexität der abduktiven Aufgabe zu reduzieren. Nicht bestätigt werden konnte in den Experimenten 2 und 3 die Modellvorhersage von Johnson und Krems (2001), dass die Versuchspersonen zwei Alternativerklärungen für die widersprechenden Evidenzen generieren um diese anschließend gegeneinander abzuwägen. Es wurde von den Probanden nur eine Alternativerklärung generiert, in Abhängigkeit davon, ob die an der Anomalie beteiligten Evidenzen kontextsensitiv oder kontextfrei erklärbar waren. Unter kontextsensitiven Evidenzen versteht man solche Evidenzen, die zu ihrer Erklärung auf andere Evidenzen angewiesen sind. Dagegen können kontextfrei erklärbare Evidenzen unmittelbar und ohne Einbeziehung des Kontextes erklärt werden. War eine kontextsensitive Evidenz an der Anomalie beteiligt, entweder als anomalieauslösende Evidenz oder als widersprochene Evidenz, so wurde immer diese alternativ erklärt. Waren dagegen beide an der Anomalie beteiligten Evidenzen kontextfrei erklärbar, so wurde nur für die anomalieauslösende Evidenz eine Alternativerklärung generiert. Zusammenfassend belegen die Ergebnisse der vorliegenden Arbeit die Bedeutung unterschiedlicher Hypothesentypen bei der Anomalieresolution. Abstrakte Ausgangshypothesen erleichtern nach Anomalieeintritt den Wechsel zu alternativen Hypothesen. Ist an der Anomalie eine kontextsensitive Evidenz beteiligt, wird diese bevorzugt alternativ erklärt. Im anderen Falle wird immer die anomalieauslösende Evidenz alternativ erklärt. Weiterhin zeigen die Ergebnisse, dass im Gegensatz zu dem von Johnson und Krems postulierten Mechanismus, menschliche Problemlöser bei der Anomalieresolution keine Optimierungs-strategie anwenden, sondern minimumsorientiert nach nur einer Alternativ-erklärung suchen und anschließend die Suche abbrechen (vgl. Gigerenzer & Selten, 2000). Dagegen fand sich als bevorzugte Strategie erfolgreicher Problem-löser das Testen spezifischer Hypothesen sowie hypothesenfreie Experimente zur Generierung von neuen Hypothesen.

Abductive reasoning is the process of finding a best explanation for a set of observations. In many abductive problems, like medical diagnosis, scientific discovery, debugging or troubleshooting, an amount of information far beyond the capacity limits of working memory (WM) must be processed. Although WM plays a central role in theories of human cognition, theories of abductive reasoning do not specify WM processes during the generation of explanations. On the basis of a computational model of abductive reasoning and of theories of text comprehension a mechanism is proposed that reduces WM load during abductive reasoning. The computational model views abductive reasoning as the sequential comprehension and integration of observations into a situation model that represents the current best explanation for the observations. The proposed WM mechanism assumes that the situation model is only partly kept in WM, whereas other pieces are stored in long-term memory. These long-term representation part can be reliably accessed through retrieval structures to reinstatiate information in WM during abductive reasoning. It is assumed that unexplained observations are actively maintained in WM until an explanation for them could be generated. Thereafter their representation is lost from WM. But these explained observations can be recalled from long-term memory via their integration into the situation model. This mechanism makes predictions about the availability of the mental representation of explained and unexplained observations. These predictions were tested in four experiments, using different memory tests for observations. In Experiments 1 and 2 a recognition test was used, in Experiment 3 an implicit menory test was used and in Experiment 4 the participants had to perform an unexpected recall after task interruption. The results show that unexplained observations are accessed faster than explained ones during abductive reasoning. This confirms the mechanism's assumption that unexplained observations are kept in WM and explained ones not. But explained observations seem not to be represented in long-term memory. Rather, it seems that observations are rapidly forgotten afer they are explained. Different possible reasons for this pattern of result are discussed.

Die vorliegende Diplomarbeit befasst sich mit dem diagnostischen Schließen bei Widersprüchen. Diagnostisches Schließen wird in Anlehnung an Johnson und Krems (2001) als sequentieller Verstehensprozess aufgefasst, bei dem ein Situationsmodell aufgebaut wird, dass die Problemlösung enthält. Es wurde eine Experimentalaufgabe aus dem Bereich der medizinischen Diagnostik konstruiert, bei der sequentiell Krankheitssymptome präsentiert wurden. Die studentischen Versuchspersonen sollten auf mögliche Ursachen schließen und eine Diagnose stellen. Erfasst wurden die Häufigkeit richtiger Lösungen sowie Ratingwerte einer Plausibilitätseinschätzung über den gesamten Schlussfolgerungsprozess hinweg. Neben widerspruchsfreien Versuchsdurchgängen wurden zwei Arten von Widersprüchen erzeugt. Zum einen Widersprüche, in denen ein Wechsel zwischen verschiedenen Klassen von Hypothesen notwendig ist, und zum anderen Widersprüche, bei denen zwischen Einzelhypothesen der gleichen Hypothesenklasse gewechselt werden soll. Erwartet wurde, dass Widersprüche schwerer zu lösen sein sollten als widerspruchsfreie Durchgänge und dass sich der Prozess des Schließens je nach Widerspruchsart unterschiedlich gestaltet. Im Vergleich der Durchgänge ließen sich die Hypothesen bestätigen. Bezüglich der beiden Widerspruchsarten wurde davon ausgegangen, dass ein Wechsel zwischen Hypothesenklassen schwieriger sein sollte, als wenn Einzelhypothesen innerhalb der gleichen Klasse geändert werden müssen. Dies konnte in der experimentellen Untersuchung nicht bestätigt werden, sondern hat sich eher gegenteilig gezeigt. Mit Hilfe des Verfahrens der Fuzzy Pattern Klassifikation, dass insbesondere die Unsicherheit und Unschärfe von Daten berücksichtigt, wurden die Ratings ausgewertet. Die Modellierung des Schlussfolgerungsprozesses speziell für die Fälle von Widersprüchen verdeutlicht die Ergebnisse.

Univ., Diss.--Lausanne, 2002.

Das Finden einer Erklärung für eine gegebene Menge von Daten oder Evidenzen wird als abduktives Schließen bezeichnet (Josephson & Josephson, 1994). Eine Vielzahl von Aufgaben lässt sich demnach als Abduktion charakterisieren, darunter beispielsweise medizinische Diagnose, die Suche nach Fehlern in technischen Systemen oder auch wissenschaftliches Entdecken (z.B. Charniak & McDermott, 1985). Für viele dieser Aufgaben ist der Umgang mit Anomalien von besonderer Bedeutung. Eine Anomalie ist im einfachsten Falle eine neue Evidenz, die einer bisherigen Erklärung für Daten widerspricht. Vor allem im Bereich des wissenschaftlichen Entdeckens weist eine Vielzahl von Studien darauf hin, wie wichtig das Erkennen und Lösen von Anomalien für erfolgreiches Problemlösen ist (vgl. Kuhn, 1962; Chinn & Brewer, 1998; Alberdi, Sleeman & Korpi, 2000). Die meisten Theorien abduktiven Schließens berücksichtigen die Bedeutung von Anomalien dagegen nur unzureichend (vgl. Klahr & Dunbar, 1988; Thagrad, 1989). Allerdings bietet das Modell von Johnson und Krems (2001, Krems & Johnson, 1995) einen spezifischen Mechanismus zur Anomalieresolution: Im Falle zweier sich widersprechender Evidenzen wird für beide Evidenzen eine Alternativerklärung konstruiert. Anschließend werden diese gegeneinander abgewogen. Indes wurde dieser Mechanismus bislang noch nicht empirisch belegt. Ziel der vorliegenden Arbeit war es einerseits zu klären, ob sich empirische Belege für den postulierten Mechanismus zur Anomalieresolution von Johnson und Krems (2001) finden lassen und andererseits zu prüfen, welche Einflussfaktoren und Strategien die Resolution von Anomalien beeinflussen. Es fand sich, dass abstrakte Ausgangshypothesen die Resolution von Anomalien erleichtern. Widersprach eine Anomalie einer abstrakten Ausgangserklärung, so lösten die Versuchsteilnehmer in Experiment 1 die Aufgaben häufiger, als bei einer konkreten Ausgangshypothese. In Experiment 2 zeigte sich zudem, dass bei einer abstrakten Ausgangshypothese weniger Experimente durchgeführt werden mussten um die Aufgabe korrekt zu lösen, dass häufiger spezifische Hypothesentests durchgeführt wurden und die Aufgaben auch schneller gelöst werden konnten. Unabhängig von der Ausgangshypothese testeten erfolgreiche Versuchsteilnehmer bevorzugt spezifische Hypothesen während hypothesenfreie Experimente dazu dienten, neue Hypothesen zu generieren. Demnach lösten die Probanden die Aufgaben durch Anwendung einer Mischstrategie, indem sie sowohl hypothesengestützt als auch hypothesenfrei nach neuen Daten suchten. Eine Einteilung der Versuchsteilnehmer in Theoretiker und Empiristen (Klahr & Dunbar, 1988) war dagegen nicht möglich. Das Ergebnis wurde in Anlehnung an Befunde von Smith et al. (1991) dahingehend interpretiert, dass eine solche Mischstrategie dabei hilft, die Komplexität der abduktiven Aufgabe zu reduzieren. Nicht bestätigt werden konnte in den Experimenten 2 und 3 die Modellvorhersage von Johnson und Krems (2001), dass die Versuchspersonen zwei Alternativerklärungen für die widersprechenden Evidenzen generieren um diese anschließend gegeneinander abzuwägen. Es wurde von den Probanden nur eine Alternativerklärung generiert, in Abhängigkeit davon, ob die an der Anomalie beteiligten Evidenzen kontextsensitiv oder kontextfrei erklärbar waren. Unter kontextsensitiven Evidenzen versteht man solche Evidenzen, die zu ihrer Erklärung auf andere Evidenzen angewiesen sind. Dagegen können kontextfrei erklärbare Evidenzen unmittelbar und ohne Einbeziehung des Kontextes erklärt werden. War eine kontextsensitive Evidenz an der Anomalie beteiligt, entweder als anomalieauslösende Evidenz oder als widersprochene Evidenz, so wurde immer diese alternativ erklärt. Waren dagegen beide an der Anomalie beteiligten Evidenzen kontextfrei erklärbar, so wurde nur für die anomalieauslösende Evidenz eine Alternativerklärung generiert. Zusammenfassend belegen die Ergebnisse der vorliegenden Arbeit die Bedeutung unterschiedlicher Hypothesentypen bei der Anomalieresolution. Abstrakte Ausgangshypothesen erleichtern nach Anomalieeintritt den Wechsel zu alternativen Hypothesen. Ist an der Anomalie eine kontextsensitive Evidenz beteiligt, wird diese bevorzugt alternativ erklärt. Im anderen Falle wird immer die anomalieauslösende Evidenz alternativ erklärt. Weiterhin zeigen die Ergebnisse, dass im Gegensatz zu dem von Johnson und Krems postulierten Mechanismus, menschliche Problemlöser bei der Anomalieresolution keine Optimierungs-strategie anwenden, sondern minimumsorientiert nach nur einer Alternativ-erklärung suchen und anschließend die Suche abbrechen (vgl. Gigerenzer & Selten, 2000). Dagegen fand sich als bevorzugte Strategie erfolgreicher Problem-löser das Testen spezifischer Hypothesen sowie hypothesenfreie Experimente zur Generierung von neuen Hypothesen.

Die vorliegende Diplomarbeit befasst sich mit dem diagnostischen Schließen bei Widersprüchen. Diagnostisches Schließen wird in Anlehnung an Johnson und Krems (2001) als sequentieller Verstehensprozess aufgefasst, bei dem ein Situationsmodell aufgebaut wird, dass die Problemlösung enthält. Es wurde eine Experimentalaufgabe aus dem Bereich der medizinischen Diagnostik konstruiert, bei der sequentiell Krankheitssymptome präsentiert wurden. Die studentischen Versuchspersonen sollten auf mögliche Ursachen schließen und eine Diagnose stellen. Erfasst wurden die Häufigkeit richtiger Lösungen sowie Ratingwerte einer Plausibilitätseinschätzung über den gesamten Schlussfolgerungsprozess hinweg. Neben widerspruchsfreien Versuchsdurchgängen wurden zwei Arten von Widersprüchen erzeugt. Zum einen Widersprüche, in denen ein Wechsel zwischen verschiedenen Klassen von Hypothesen notwendig ist, und zum anderen Widersprüche, bei denen zwischen Einzelhypothesen der gleichen Hypothesenklasse gewechselt werden soll. Erwartet wurde, dass Widersprüche schwerer zu lösen sein sollten als widerspruchsfreie Durchgänge und dass sich der Prozess des Schließens je nach Widerspruchsart unterschiedlich gestaltet. Im Vergleich der Durchgänge ließen sich die Hypothesen bestätigen. Bezüglich der beiden Widerspruchsarten wurde davon ausgegangen, dass ein Wechsel zwischen Hypothesenklassen schwieriger sein sollte, als wenn Einzelhypothesen innerhalb der gleichen Klasse geändert werden müssen. Dies konnte in der experimentellen Untersuchung nicht bestätigt werden, sondern hat sich eher gegenteilig gezeigt. Mit Hilfe des Verfahrens der Fuzzy Pattern Klassifikation, dass insbesondere die Unsicherheit und Unschärfe von Daten berücksichtigt, wurden die Ratings ausgewertet. Die Modellierung des Schlussfolgerungsprozesses speziell für die Fälle von Widersprüchen verdeutlicht die Ergebnisse.

Abductive reasoning is the process of finding a best explanation for a set of observations. In many abductive problems, like medical diagnosis, scientific discovery, debugging or troubleshooting, an amount of information far beyond the capacity limits of working memory (WM) must be processed. Although WM plays a central role in theories of human cognition, theories of abductive reasoning do not specify WM processes during the generation of explanations. On the basis of a computational model of abductive reasoning and of theories of text comprehension a mechanism is proposed that reduces WM load during abductive reasoning. The computational model views abductive reasoning as the sequential comprehension and integration of observations into a situation model that represents the current best explanation for the observations. The proposed WM mechanism assumes that the situation model is only partly kept in WM, whereas other pieces are stored in long-term memory. These long-term representation part can be reliably accessed through retrieval structures to reinstatiate information in WM during abductive reasoning. It is assumed that unexplained observations are actively maintained in WM until an explanation for them could be generated. Thereafter their representation is lost from WM. But these explained observations can be recalled from long-term memory via their integration into the situation model. This mechanism makes predictions about the availability of the mental representation of explained and unexplained observations. These predictions were tested in four experiments, using different memory tests for observations. In Experiments 1 and 2 a recognition test was used, in Experiment 3 an implicit menory test was used and in Experiment 4 the participants had to perform an unexpected recall after task interruption. The results show that unexplained observations are accessed faster than explained ones during abductive reasoning. This confirms the mechanism's assumption that unexplained observations are kept in WM and explained ones not. But explained observations seem not to be represented in long-term memory. Rather, it seems that observations are rapidly forgotten afer they are explained. Different possible reasons for this pattern of result are discussed.