Apps
EN — EnglishLogin

🧪 Diese Plattform befindet sich in der Beta-Phase. Funktionen können sich ändern und es können Fehler auftreten. Danke für dein Feedback!

Analogieargument (Argument from Analogy)

Auch bekannt als: Analogieschluss fallbasiertes Schließen Analogical Argument Case-Based Reasoning
Discourse Mechanics ID: argument_from_analogy

Definition

Ein grundlegendes Argumentationsschema, das eine Schlussfolgerung von einem bekannten Fall auf einen unbekannten Fall überträgt, basierend auf relevanten Ähnlichkeiten zwischen beiden. Das Schema ist anfechtbar: Es kann herausgefordert werden, indem relevante Unterschiede (Disanalogien) zwischen den Fällen identifiziert werden.

Beispiele

Das Verbot von DDT war effektiv beim Schutz von Vogelpopulationen (bekannter Fall). Daher sollte das Verbot dieses ähnlichen Pestizids ebenfalls Vogelpopulationen schützen (übertragene Schlussfolgerung).

Helm-Tragepflicht für Motorradfahrer hat nachweislich Todesfälle reduziert (bekannter Fall). Daher sollte eine ähnliche Helmpflicht für Fahrradfahrer ebenfalls die Zahl tödlicher Kopfverletzungen senken (übertragene Schlussfolgerung).

Strengere Alkohol-Werbebeschränkungen haben in Norwegen den Konsum bei Jugendlichen messbar gesenkt (bekannter Fall). Deshalb sollte eine vergleichbare Regulierung von Junk-Food-Werbung auch den Übergewichtsanteil bei Kindern in Deutschland verringern (übertragene Schlussfolgerung).

Formales Logikmuster
FOL-Muster
Die prädikatenlogische Formel, die die logische Struktur dieses Argumentationsmusters darstellt.
FOL (First-Order Logic, Prädikatenlogik) verwendet Quantoren (∀ = für alle, ∃ = es existiert), Verknüpfungen (∧ = und, ∨ = oder, ⇒ = impliziert, ¬ = nicht) und Prädikate, um die Form eines Argumentationsmusters zu erfassen.

Similar(A,B,R) ∧ P(A) ⇒ P(B)
Formale Verifizierung:
Formale Verifizierung
Prüft mithilfe eines automatischen Theorembeweisers, ob ein Argumentationsmuster logisch gültig oder ungültig ist.
Die formale Verifizierung nutzt einen SMT-Solver (Z3), um die logische Struktur eines Arguments mathematisch zu prüfen. Jedes Muster wird in Prädikatenlogik übersetzt und getestet: Können die Prämissen wahr sein, während die Schlussfolgerung falsch ist? Wenn ja: formal ungültig. Wenn nein: formal gültig. Viele reale Muster sind als nicht formal entscheidbar markiert — das heißt nicht, dass sie falsch sind.
Nicht formal entscheidbar

Prüfschritte
Prüfschritte
Binäre Ja/Nein-Fragen, die eine KI beantworten muss, um ein Argumentationsmuster in einem Text zu erkennen.
Jeder der 452 Aspekte hat Prüfschritte — einfache Ja/Nein-Fragen, die systematisch erkennen sollen, ob ein Muster in einem Text vorkommt. Für Ad Hominem: "Greift das Argument eine Person statt ihre Behauptung an?" Für falsche Dichotomie: "Werden nur zwei Optionen präsentiert, obwohl mehr existieren?"

Binäre (Ja/Nein) Fragen, die ein LLM beantworten muss, um diesen Aspekt zu identifizieren:

  1. 1

    Wird ein Vergleich zwischen zwei Fällen gezogen?

    Typ: binary
  2. 2

    Sind die zwei Fälle in relevanten Punkten ähnlich?

    Typ: binary
  3. 3

    Wird eine Eigenschaft oder Schlussfolgerung basierend auf der Ähnlichkeit vom bekannten auf den unbekannten Fall übertragen?

    Typ: binary
  4. 4

    Werden die kritischen Fragen zu Disanalogien (Unterschieden) adressiert?

    Typ: binary
Vertiefung
Der aufklappbare Detailbereich auf jeder Aspekt-Seite mit Beispielen, Psychologie und Gegenstrategien.
Der Vertiefungsbereich bietet ausführliche Informationen zu jedem Aspekt: ein Praxisbeispiel, eine Erklärung warum es funktioniert, Tipps wie man entgegnet, alternative Bezeichnungen und Links zu verwandten Aspekten.

Hierarchischer Kontext