Apps
EN — EnglishLogin

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

Schwache Analogie (Weak Analogy / Formal)

Auch bekannt als: Faulty Analogy False Analogy
Informal Fallacy ID: argument_from_analogy_fallacy

Definition

Ein informeller Fehlschluss, bei dem ein Argument auf einer Analogie zwischen zwei Fällen beruht, die in den relevanten Aspekten nicht hinreichend ähnlich sind. Während Analogien nützlich sein können, werden sie fehlerhaft, wenn die Unähnlichkeiten für die zu ziehende Konklusion die Ähnlichkeiten überwiegen.

Beispiele

Ein Land zu führen ist wie ein Unternehmen zu führen. Deshalb wäre ein erfolgreicher CEO ein großartiger Präsident.

Das Gehirn ist wie ein Computer – also kann man es einfach 'neu starten', wenn jemand psychische Probleme hat. Eine Auszeit sollte genügen.

Impfungen sind wie ein Probetraining für das Immunsystem. Genau wie ein Sportler durch hartes Training Verletzungen riskiert, schadet die Impfung dem Körper mehr als sie nützt.

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) ∧ 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

    Zieht das Argument einen Vergleich zwischen zwei Dingen, um eine Eigenschaft von einem auf das andere zu übertragen?

    Typ: binary
  2. 2

    Sind die beiden verglichenen Dinge in einer Weise unähnlich, die für die Konklusion relevant ist?

    Typ: binary
  3. 3

    Ignoriert das Argument kritische Unterschiede, die die Analogie untergraben würden?

    Typ: binary
  4. 4

    Wird die Konklusion als erwiesen dargestellt, anstatt von der Analogie nur nahegelegt zu werden?

    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.