Apps
EN — EnglishLogin

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

Ausgewogenes Nichts

Auch bekannt als: Beide-Seiten-ismus Falsche Balance Äquidistanz als Strategie
Discourse Mechanics 💨 Leerlauf-Rhetorik ID: balanced_nothing

Definition

Ein rhetorisches Muster, bei dem ein Sprecher akribisch alle Perspektiven eines Themas anerkennt — 'einerseits... andererseits...' — und sich dann auf nichts festlegt. Der Anschein von Ausgewogenheit und Fairness wird zum Ersatz für ein Urteil. Der Sprecher wirkt nachdenklich und über den Dingen stehend, hat aber tatsächlich nichts Substanzielles gesagt.

Beispiele

"Beide Seiten haben überzeugende Argumente. Wir brauchen mehr Dialog, bevor wir voreilige Schlüsse ziehen."

"Obwohl es berechtigte Bedenken gibt, müssen wir auch die erzielten Fortschritte anerkennen."

"Die Wahrheit liegt, wie immer, irgendwo in der Mitte."

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.

∃x∃a∃b(Statement(x) ∧ Acknowledges(x,a) ∧ Acknowledges(x,b) ∧ Opposing(a,b) ∧ ¬∃p(Position(p) ∧ Commits(x,p)))
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

    Erkennt die Aussage mehrere Seiten oder Perspektiven an?

    Typ: binary
  2. 2

    Führt das Abwägen dazu, dass keine klare Position oder Empfehlung bezogen wird?

    Typ: binary
  3. 3

    Wird die Ausgewogenheit als Schutzschild gegen Kritik verwendet statt als echte Analyse?

    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