Wahrheitsbegriff - analytisch / synthetisch - a priori / a posteriori

Präsentation zum Thema: "Wahrheitsbegriff - analytisch / synthetisch - a priori / a posteriori"—  Präsentation transkript:

1 Wahrheitsbegriff - analytisch / synthetisch - a priori / a posteriori
Überblick Wiederholung Ergänzungen Wahrheitsbegriff - analytisch / synthetisch - a priori / a posteriori Wissensideal, Gegenstandsverständnis, Aufgabenverständnis Erklärungsmodelle Von wichtigen Inhalten der Vorlesung

2 Wiederholung Prädikatoren [NP]  [NQ] [NQ]  [NP] [NQ]  [NP]
Prädikatorenregel: [NP]  [NQ] und [NQ]  [NP] Inhaltsgleichheit: [NP]  [NQ] [NQ]  [NP] [NQ]  [NP] [NP]  [NQ] [NQ]  [NP] [NQ]  [NP]

3 [NP]  [NQ] und [NQ]  [NP]
Wiederholung Prädikatoren Konträrer Gegensatz: [NP]  [NQ] und [NQ]  [NP] Kontradiktorischer Gegensatz: [NP]  [NQ] und [NQ]  [NP] Polarkonträrer Gegensatz

4 Wahrheitsbegriff - analytisch / synthetisch - a priori / a posteriori
Überblick Wiederholung Ergänzungen Wahrheitsbegriff - analytisch / synthetisch - a priori / a posteriori Wissensideal, Gegenstandsverständnis, Aufgabenverständnis Erklärungsmodelle Von wichtigen Inhalten der Vorlesung

5 Einheitliche Verwendung
Ergänzungen Definition: [NR]  [NP] und [NQ] Definiendum Definiens Von wichtigen Inhalten der Vorlesung Wichtig: Einheitliche Verwendung

6 Wahrheitsbegriff - analytisch / synthetisch - a priori / a posteriori
Überblick Wiederholung Ergänzungen Wahrheitsbegriff - analytisch / synthetisch - a priori / a posteriori Wissensideal, Gegenstandsverständnis, Aufgabenverständnis Erklärungsmodelle Von wichtigen Inhalten der Vorlesung

7 Wahrheitsbegriff Wann ist eine Aussage wahr?
Von wichtigen Inhalten der Vorlesung

8 Wahrheit und Wirklichkeit
wahr ist eine Aussage, wenn sie mit der Wirklichkeit übereinstimmt, oder? ??? Aber was ist Wirklichkeit? Objektiv/subjektiv

9  Orientierung an Lebenspraxis und Funktionalität
Neuer Ansatz: Verpflichtung, die Aussage auf Verlangen verteidigen zu können  Orientierung an Lebenspraxis und Funktionalität Behauptungen sollen uns in die Lage versetzen, Möglichkeiten und Grenzen des eigenen Handelns, deren anderer sich versichert haben, für unser eigenes Handeln in Rechnung zu Stellen (Nützlichkeit).

10 Allerdings muss die Verifikation (Verteidigung) nicht empirisch begründet sein.
 Die Art der Verifikation hängt von der Art der Wahrheit ab, die ich behaupte.

11 Unterscheidung: Allaussagen universell nie beweisbar, nur Bewährung partikuläre Aussagen definitiv beweisbar, nie falsifizierbar

12 Unterscheidung von Leibnitz - Vernunft-/Tatsachenwahrheiten
Unterscheidung von Kant - analytisch/synthetisch - a priori/a posteriori Von wichtigen Inhalten der Vorlesung

13 Leibniz: Vernunft- vs. Tatsachenwahrheiten:
Vernunftwahrheiten: Gegenteil ist unmöglich, ob Aussage wahr/falsch ist muss durch Logik ermittelt werden Tatsachenwahrheiten: Gegenteil ist möglich (Aussage kontingent), ob Aussage wahr/falsch ist muss durch Beobachtung (Empirie) ermittelt werden

14 Kant (aufbauend auf der Unterscheidung von Leibniz): Trennung von Aussagenstruktur und Form der Verteidigung von Aussagen Struktur von Aussagen: analytisch vs. synthetisch Form der Verteidigung von Aussagen: a priori vs. a posteriori

15 Struktur von Aussagen: analytisch vs. synthetisch
Analytisch: analytische Aussagen sind nicht kontingent (sie sind aufgrund von Logik oder Sachlogik immer wahr oder immer falsch) Synthetisch: synthetische Aussagen sind kontingent (dh. aufgrund von Logik und Sachlogik können sie sowohl wahr als auch falsch sein)

16 Form der Verteidigung von Aussagen: a priori vs. a posteriori
A priori: Verteidigung einer Aussage ohne Beobachtung (z.B. durch Anführen von Prädikatorenregeln) A posteriori: Verteidigung einer Aussage mit Beobachtung (empirisch)

17 Überblick über die verschiedenen Wahrheitsbegriffe
Junggesellen sind unverheiratet z.B Modus Ponens Webersches Gesetz Wahrheit analytisch synthetisch sachlogisch Beispiele: Formal logisch: modus ponens Analyt. I.E.S.: Junggesellen sind unverheiratet Synthet. I.E.S.: gerade Zahlen sind durch 2 teilbar empirisch: Webersches Gesetz (formal) logisch analytisch i.E.S. synthetisch i.E.S. empirisch A posteriori A priori

18 Kombination der Unterscheidungen analytisch vs
Kombination der Unterscheidungen analytisch vs. synthetisch und a priori vs. a posteriori Analytisch Synthetisch A priori Unproblematisch Fraglich A posteriori unsinnig unproblematisch Pseudoempirie

19 Vorsicht vor Pseudoempirie!
Gesetzmäßigkeiten strukturell empirisch Vorsicht vor Pseudoempirie! Bsp.: Aussage: „Depressive sind im Durchschnitt trauriger als der Rest der Bevölkerung“  Frage: Wie wurde Depression definiert, klassifiziert? Ist die Aussage empirisch zu überprüfen?

20 Wahrheitsbegriff - analytisch / synthetisch - a priori / a posteriori
Überblick Wiederholung Ergänzungen Wahrheitsbegriff - analytisch / synthetisch - a priori / a posteriori Wissensideal, Gegenstandsverständnis, Aufgabenverständnis Erklärungsmodelle Von wichtigen Inhalten der Vorlesung

21 Wiederholung Aufgabenverständnis: Aufgaben der Wissensbildung; Welche Art von Praxis soll das Wissen ermöglichen? Gegenstandsverständnis: Welche Art von Fragen gelten in Wissenschaft als angemessen? Wissensideal: Welche Art von Antworten werden als zufriedenstellend erachtet?

22 Aristotelisches Wissensideal Galileisches Wissensideal
Wissensideale Aristotelisches Wissensideal Galileisches Wissensideal Ideal der beweisenden Wissenschaft; Vorbild Mathematik; wesentlichen Bestimmungsmerkmale; Klärung der Terminologie Erklärung der fraglichen Phänomene; Vorbild Physik; Relationen zwischen verschiedenen Klassen von Gegenständen (z.B. Ursache – Wirkung) Sachlogische Begründung empirische Begründung

23 Wahrheitsbegriff - analytisch / synthetisch - a priori / a posteriori
Überblick Wiederholung Ergänzungen Wahrheitsbegriff - analytisch / synthetisch - a priori / a posteriori Wissensideal, Gegenstandsverständnis, Aufgabenverständnis Erklärungsmodelle Von wichtigen Inhalten der Vorlesung

24 Das deduktiv-nomologische Erklärungsmodell
Erklärungsmodelle Das deduktiv-nomologische Erklärungsmodell Induktiv-statistisches Erklärungsmodell

25 Das deduktiv-nomologische Erklärungsmodell
Frage nach den Ursachen, als deren Wirkung der zu erklärende Sachverhalt eingetreten ist (vgl. Hempel, 1965) Formal: Schluss von der Gesetzesaussage und den Randbedingungen auf zu erklärenden Sachverhalt (Explanandum) Logische Schlussform: modus ponens

26 Prämissen Argument Konklusion Beispiel: Dein Freund schenkt dir Blumen; Immer wenn dir dein Freund Blumen schenkt, dann hat er dich zuvor betrogen Dein Freund hat dich betrogen

27 Weitere Beispiele Ich arbeite nicht hart; Wenn man hart arbeitet, verdient man viel Geld Ich verdiene nicht viel Geld Nein!!!: kein logisch korrekter Schluss Ich verdiene viel Geld; Wenn man hart arbeitet, verdient man viel Geld Ich arbeite hart Korrekt wäre aber zum Beispiel: Ich verdiene nicht viel Geld. Wenn man hart arbeitet, verdient man viel Geld Ich arbeite nicht hart (modus tollens)

28 Hypothesenförmigkeit empirischer Gesetzesaussagen
Eine empirische Gesetzesaussage kann niemals definitiv bewiesen werden, sie bleibt immer hypothetisch (logische Struktur: universelle empirische Subjunktion) Deshalb: Prüfexperimente  kritische und systematische Falsifikationsversuche (vgl. Popper, 1994) Experiment: Randbedingungen der Gesetzesaussage werden als unabhängige Variable (UV) systematisch variiert und ihre Wirkungen als abhängige Variable (AV) beobachtet bzw. gemessen

29 Stimmen mit Gesetzmäßigkeit überein
Empirische Daten Stimmen mit Gesetzmäßigkeit überein Stimmen mit Gesetzmäßigkeit nicht überein Hypothese hat sich bestätigt oder bewährt Hypothese ist falsifiziert (widerlegt) Es existieren allerdings verschiedene Grade der Bewährung

30 Kein logisch wahrer Schluss
Unterdeterminiertheit der Theorie durch die Empirie

31 Abweichende Ergebnisse bei Prüfexperimenten
Adaption, Modifizierung der Theorie  weitere Prüfexperimente erforderlich Oder: Verweis auf Störvariablen, Spezifizierung der Bedingungen für Geltung der Gesetzesaussage

32 Induktiv-statistisches Modell

33 Beim induktiv-statistischen Erklärungsmodell wird die deterministische Gesetzesaussage durch eine statistische Gesetzesaussage ersetzt Schema

34 Deduktiv-nomologische Erklärung: Frage nach den Ursachen des zu erklärenden Phänomens
Induktiv-statistische Erklärung: Frage nach den Bedingungen, unter welchen mehr oder minder wahrscheinlich mit zu erklärendem Phänomen zu rechnen ist

35 Beispiel: Herr X Herr X hat in seiner Kindheit selbst Gewalt erfahren A(N), ist arbeitslos F(N) und hat Alkoholprobleme C(N); die Wahrscheinlichkeit, dass jemand unter diesen Bedingungen sein Kind schlägt ist hoch z.B.: Es ist damit zu rechnen, dass Herr X sein Kind schlägt G(x)

36 Statistische Inferenz
Frage: Wie kann ich von (beobachtungssprachlich definierten) Häufigkeiten auf (theoriesprachlich definierte) Wahrscheinlichkeiten schließen?  Statistische Hypothesentests

37 Beispiel: Hypothese: Der Anteil der Personen, die ihre Kinder schlagen, unter der Bedingung, dass sie in ihrer Kindheit selbst Gewalt erfahren haben, arbeitslos sind und Alkoholprobleme haben, liegt bei 0,8.

38 Spaltenbedingte Anteile von B(x) unter der Bedingung G(x)
Häufigkeitstabelle: Anzahl der Personen, die ihr Kind schlagen vs. Anzahl der Personen, die ihr Kind nicht schlagen unter der Bedingung G(x); n=100 G(x) ┐G(x) B(x) 70 Interessiert vorerst nicht ┐B(x) 30 Summe 100 Spaltenbedingte Anteile von B(x) unter der Bedingung G(x) G(x) ┐G(x) B(x) 0,7 Interessiert vorerst nicht ┐B(x) 0,3 Summe 1

39 Frage: Weichen die Anteile signifikant von meinen prognostizierten Anteilen ab?

40 Der Anteil der Personen, die ihre Kinder schlagen, unter der Bedingung, dass sie in ihrer Kindheit selbst Gewalt erfahren haben, arbeitslos sind und Alkoholprobleme haben, liegt nicht bei 0,8.