🧪 Diese Plattform befindet sich in der Beta-Phase. Funktionen können sich ändern und es können Fehler auftreten. Danke für dein Feedback!
Bibliografie und Datensatzverzeichnis
Dieses Referenzhandbuch bietet einen formalisierten Katalog der theoretischen Rahmenwerke, kognitiven Heuristiken, computationalen Architekturen und Datensätze, die vom Taxonomy Explorer genutzt werden. Konzipiert für Informationsarchitekten und computationale Forscher, betont dieses Werk logische Strenge und bibliografische Präzision.
Entwickelt von Frans H. van Eemeren und Rob Grootendorst an der Universität Amsterdam konzeptualisiert die Pragma-Dialektik Argumentation als Sprechsituation, die auf die Lösung eines Meinungsunterschieds abzielt. Das Rahmenwerk definiert zehn präskriptive Regeln für kritisches Engagement; Verstöße gegen diese Regeln stellen logische Fehlschlüsse dar.
Parteien dürfen einander nicht daran hindern, Standpunkte vorzubringen oder anzuzweifeln.
Fehlschluss: Ad Hominem (persönlicher Angriff) oder Strohmann (Verzerrung der gegnerischen Position).
Wer einen Standpunkt vertritt, ist verpflichtet, ihn auf Anfrage zu verteidigen.
Fehlschluss: Umgehung der Beweislast (fehlende Belege) oder Verschiebung der Beweislast.
Angriffe auf einen Standpunkt müssen sich auf den tatsächlich vorgebrachten Standpunkt beziehen.
Fehlschluss: Strohmann (Angriff auf eine verzerrte Version der Behauptung).
Standpunkte dürfen nur mit Argumenten verteidigt werden, die sich spezifisch auf diesen Standpunkt beziehen.
Fehlschluss: Ignoratio Elenchi (irrelevante Schlussfolgerung oder sachfremde Belege).
Parteien dürfen etwas nicht fälschlich als unausgesprochene Prämisse darstellen oder eine implizit gelassene Prämisse leugnen.
Fehlschluss: Leugnung einer impliziten Prämisse oder falsche Tarnung einer unpopulären Idee.
Keine Partei darf eine Prämisse fälschlich als akzeptierten Ausgangspunkt darstellen oder einen akzeptierten Ausgangspunkt leugnen.
Fehlschluss: Falsche Darstellung/Leugnung eines Ausgangspunkts (Argumentation auf Basis nicht vereinbarter Prämissen).
Eine Verteidigung ist nur schlüssig, wenn sie ein geeignetes, korrekt angewandtes Argumentationsschema verwendet.
Fehlschluss: Fehlerhafte Analogie oder Argumentum Ad Populum.
Schlussfolgerungen müssen logisch gültig sein oder durch Explizitmachen impliziter Prämissen gültig gemacht werden können.
Fehlschluss: Secundum Quid (voreilige Verallgemeinerung) oder Verwechslung von Ursache und Wirkung.
Eine gescheiterte Verteidigung muss den Protagonisten dazu führen, seinen Standpunkt zurückzuziehen; eine erfolgreiche Verteidigung muss den Antagonisten dazu führen, seinen Zweifel zurückzuziehen.
Fehlschluss: Weigerung, ein unsolides Argument zurückzuziehen.
Formulierungen müssen klar und eindeutig sein; Parteien müssen Formulierungen so genau wie möglich interpretieren.
Fehlschluss: Absichtliche Mehrdeutigkeit oder Äquivokation.
Die Forschung von Iqbal et al. (2023) untersucht die automatisierte Analyse rhetorischer Kategorien in studentischer Prosa. Um kognitive Niveaus (Wissen, Verständnis, Anwendung) effektiver als rein strukturelle Modelle zu messen, integrierten die Autoren Blooms Taxonomie als funktionalen Ersatz für die traditionelle Rhetorische Strukturtheorie (RST).
Stipulative Definitionen sind synthetisch und selbst generiert (häufig in der Mathematik), während analytische Definitionen erklärend sind und aus vorbestehendem Sprachgebrauch abgeleitet werden.
Definiert als „Eigentümlichkeit", bezieht sich dies auf die Gesamtheit persönlicher Eigenheiten oder die strukturellen/verhaltensbezogenen Merkmale, die für ein Individuum oder eine Gruppe spezifisch sind.
Formuliert von Donald Hebb (1949) postuliert dieses Prinzip der neuronalen Plastizität, dass die synaptische Stärke zwischen zwei Neuronen zunimmt, wenn beide gleichzeitig aktiv sind („Neuronen, die gemeinsam feuern, vernetzen sich").
Die Tendenz, sich zu stark auf die erste erhaltene Information zu stützen (Focalismus).
Vergleich von Forschungsstudien, die identische Methoden oder Datenquellen verwenden.
Die Tendenz, die eigene Überzeugung bei neuen Belegen unzureichend zu revidieren.
Einschränkung der Wahrnehmung eines Objekts auf seine traditionelle oder vorgesehene Funktion.
Übermäßiges Vertrauen auf ein vertrautes Werkzeug oder eine Methode unabhängig von deren Eignung („Maslows Hammer").
Die Tendenz, bedeutungsvolle Verbindungen zwischen unzusammenhängenden Phänomenen wahrzunehmen.
Überschätzung der Bedeutung kleiner Muster oder „Serien" in Zufallsdaten.
Fälschliche Wahrnehmung eines Zusammenhangs zwischen zwei nicht verwandten Ereignissen.
Wahrnehmung bedeutsamer Reize (Gesichter, Botschaften) in vagen oder zufälligen Daten, wie Wolken oder Audioaufnahmen.
Die Tendenz, die Wahrscheinlichkeit von Ereignissen zu überschätzen, basierend auf der Leichtigkeit, mit der Beispiele in den Sinn kommen.
Verwendung menschlicher Analogien zur Erklärung weniger vertrauter biologischer Phänomene.
Zuschreibung menschenähnlicher Eigenschaften, Emotionen oder Absichten an nichtmenschliche Entitäten oder Objekte.
Die Illusion, dass ein kürzlich bemerktes Element plötzlich häufiger auftritt (Frequenzillusion).
Fokussierung auf emotional auffällige oder hervorstechende Elemente bei gleichzeitigem Ignorieren unscheinbarer, aber relevanter Daten.
Fehler, die entstehen, wenn eine statistische Stichprobe nicht zufällig gewählt wird und daher nicht repräsentativ für die Grundgesamtheit ist.
Sich selbst als weniger voreingenommen wahrnehmen als andere oder mehr Verzerrungen bei anderen als bei sich selbst erkennen.
Die Tendenz, dass unqualifizierte Personen ihre Fähigkeiten überschätzen und Experten ihre unterschätzen.
Überschätzung des Grades, in dem der eigene mentale Zustand anderen bekannt ist.
Übertriebenes Vertrauen in die Genauigkeit der eigenen Antworten, oft unverhältnismäßig zur tatsächlichen Leistung.
Überbetonung persönlichkeitsbasierter Erklärungen für das Verhalten anderer bei gleichzeitiger Unterbewertung situativer Faktoren.
Ein einzelnes positives oder negatives Merkmal beeinflusst die Gesamtwahrnehmung des Charakters einer Person.
Bevorzugte Behandlung von Personen, die als Mitglieder der eigenen Gruppe wahrgenommen werden.
Rationalisierung von Ungerechtigkeiten als vom Opfer verdient, um den Glauben aufrechtzuerhalten, dass die Welt grundsätzlich gerecht ist.
Präferenz für sofortige Auszahlungen gegenüber späteren, größeren Belohnungen, was zu zeitinkonsistenten Entscheidungen führt.
Die psychologische Tendenz, bei der der Nachteil des Verlusts eines Objekts als größer empfunden wird als der Nutzen seines Erwerbs.
Rechtfertigung erhöhter Investitionen in eine Entscheidung basierend auf kumulierten früheren Investitionen (Eskalation des Engagements).
Aufwandsrechtfertigung ist die Tendenz, einem Ergebnis größeren Wert beizumessen, basierend auf dem erforderlichen Aufwand. Eine Unterform davon ist der IKEA-Effekt, bei dem Verbraucher Produkten, die sie teilweise selbst zusammengebaut haben, einen unverhältnismäßig hohen Wert beimessen, unabhängig von der Qualität.
Das Natural Language to First-Order Logic (NL2FOL) Framework ist eine neurosymbolische Pipeline, die unstrukturierten Text in fünf Stufen in formale symbolische Logik übersetzt:
Die logische Gültigkeit wird mit dem CVC4 Satisfiability Modulo Theory (SMT) Solver verifiziert. Die Übersetzung wird durch Algorithmus 1 gesteuert, der die Autoformalisierung erleichtert:
Die FOL-Formel wird in Token aufgeteilt; Prädikate und Argumente werden rekursiv identifiziert.
Die Formel wird von Infix- in Präfixnotation konvertiert.
Variablen und Prädikaten werden Sorten zugewiesen, um Typkompatibilität sicherzustellen (UnifySort).
Der SMT-Compiler formatiert die Formel in SMT-LIB-Syntax. Der Solver prüft die Negation; ist sie erfüllbar, identifiziert ein Gegenmodell einen logischen Fehlschluss.
Die neurosymbolische Pipeline zeigt überlegene Generalisierung gegenüber End-to-End-LLM-Klassifikation bei Challenge-Sets.
| Datensatz | NL2FOL (GPT-4o) F1 | End-to-End LLM F1 |
|---|---|---|
| LOGIC | 78% | 96% |
| LOGIC-CLIMATE | 80% | 58% |
Hinweis: Der hohe F1-Score für End-to-End-LLMs auf dem LOGIC-Datensatz deutet auf mögliches Training-Leakage hin, da der Datensatz aus öffentlichen Webquellen zusammengestellt ist.
Der primäre Fehler tritt im Background Knowledge Retriever auf, wo impliziter Kontext übersehen oder falsch hinzugefügt wird.
Schwierigkeiten bei der Identifizierung gleichzeitiger Beziehungen, bei denen mehrere Eigenschaften eine dritte implizieren.
Falsche Übersetzungen oder Fehler im Claim and Implication Parser, z.B. wenn nicht erkannt wird, dass ein Satz keine Behauptung enthält.
Enthält 2.449 Beispiele gängiger logischer Fehlschlüsse in 13 Kategorien, darunter Ad Hominem, falsche Kausalität, falsches Dilemma, fehlerhafte Verallgemeinerung und Ad Populum. Das LOGIC-CLIMATE-Challenge-Set (1.079 Beispiele) testet die Out-of-Domain-Generalisierung anhand von Klimanachrichten-Metadaten.
Stellt „gültige" (nicht-fehlschlüssige) Benchmarks bereit. Der Explorer nutzt die Entailment-Klasse (ca. 170.000 Paare). Gültige Benchmarks werden durch Kombination von Prämisse und Hypothese mit Übergängen konstruiert (z.B. „Prämisse. Folglich, Hypothese").
Ein spezialisierter Datensatz bestehend aus Nachrichtenkommentaren mit gängigen logischen Fehlschlüssen, der als primäre Quelle für das Training des Taxonomy Explorers im informellen Diskurs dient.
Berechnet automatisch verschiedene Lesbarkeitsformeln, einschließlich Flesch-Kincaid und CAREC.
Analysiert Texte mit großen benutzerdefinierten Wörterbüchern, unterstützt N-Gramme und Wildcards.
Umfasst 700+ Indizes für lexikalische Komplexität und Quell-zu-Zusammenfassungs-Textüberlappung.
Liefert Häufigkeitszähler für strukturelle und mechanische Fehler (Grammatik, Rechtschreibung, Zeichensetzung).
Bietet 254 Indizes für Sentimentanalyse mit Filtern für Wortarten und Negation.
Ein einfaches Werkzeug für grundlegende Wort-/Satzzählungen, TTR und benutzerdefinierte Wörterbuchanalyse.
Berechnet 150 Indizes für lokale und globale Kohäsion, einschließlich Type-Token-Verhältnisse.
Annotiert lexikalische Merkmale im Zusammenhang mit Dekodierung, einschließlich Phonem- und Silbenzählungen.
Berechnet Indizes für lexikalische Diversität unter Verwendung von Lemmaformen und POS-Disambiguierung.
Misst 400+ Indizes lexikalischer Komplexität für einzelne Wörter und N-Gramme.
Analysiert syntaktische Komplexität mit Fokus auf Satz- und Phrasenkomplexität.
Misst morphologische Vielfalt und Komplexität basierend auf der MorphoLex-Datenbank.