Problemlösungsprozess

Im vorigen Kapitel haben wir das gesehen Mechanismen, die wir bei der Entscheidungsfindung einsetzenetwas sehr damit verbunden, wie wir ein Problem darstellen. In der kognitiven Psychologie ist ein Problem eine Situation, in der es keinen unmittelbaren und standardisierten Weg gibt, ein Ziel zu erreichen, eine Tatsache, die durch die Angst, die sie auslöst, und emotionale Aspekte unseres Unbewussten noch komplizierter wird.

Struktur eines Problems

Angesichts eines Problems initiiert unser Geist einen Identifizierungsprozess, stellt ihn dar, oft mit einem Bild und sucht dann nach einer Aktionslinie, die seine Lösung ermöglicht (Ich visualisiere das Problem und sehe, wie es zu lösen ist).

Diese Art und Weise des vernünftigen und vernünftigen Handelns macht logisch Sinn. Wir werden sehen, dass es nicht immer der Mensch ist, der manchmal nach Abkürzungen, Heuristiken, weniger zuverlässig, aber mit weniger Energie- und Ressourcenaufwand sucht.

Ein Problem kann in drei Teile gegliedert werden:

1. Zielzustand oder Ziel
2. Anfangszustand oder Startzustand.
3. Operationen, die zur Auflösung angewendet werden können.

Ein Beispiel für ein Problem, das dieser klassischen Struktur folgt, ist in der Turm von Hanoi, wenn es einen objektiven Zustand der Lösung des Problems gibt, eine Ausgangssituation und eine Reihe von Operationen, um vom Anfangszustand in den Endzustand zu gelangen.

Arten von Problemen

Zu den Problemen, bei denen der Ausgangszustand und die Endziele klar sind, heißen sie "gut definierte Probleme", Der Turm von Hanoi oder Schach sind Beispiele für diesen Typ. Wenn dies nicht geschieht, heißen sie "schlecht definierte Probleme"Und in diesen Fällen ist es wichtig, die Einschränkungen, die Einschränkungen der Lösung oder die uns zur Verfügung stehenden Mittel zu finden.

Einige schlecht definierte Probleme sind durch eine spontane Lösung gekennzeichnet, wir finden die Lösung als "Licht, das sie manifestiert", wir sehen sie klar. Dieses Phänomen wird als "Einsicht" bezeichnet, was sich auch auf das visuelle System bezieht. Wir können uns nur visuell vorstellen, was Sinn macht, dass es möglich ist, mentale Repräsentationen in Bezug auf die Informationen, die wir im Langzeitgedächtnis behalten.

Strategien zur Lösung von Problemen

Obwohl es unterschiedliche Strategien gibt, um Probleme zu lösen, gibt es eine Reihe von Schritten, die allen gemeinsam sind. Die grundlegenden Schritte sind im folgenden Flussdiagramm dargestellt.

Zuerst müssen wir eine Darstellung des Problems bilden und dann eine Lösung planen und überprüfen. Wenn die vorgeschlagene Lösung fehlschlägt, müssen wir das Problem erneut aus einer anderen Perspektive darstellen und nach einer Lösung suchen, die es löst. Wenn die Lösung erfolgreich ist, wird sie ausgeführt und das Problem ist abgeschlossen.

Falls keine Lösung gefunden wird, stellt sich die Frage, wie oft wir das Problem überdenken müssen, nach neuen Repräsentationen und neuen Lösungen suchen müssen. Es gibt keine klare Antwort, aber die meisten Forscher stimmen darin überein, die Auflösungsstrategie zu ändern, indem wir einige der Pfade verwenden, die wir als nächstes aufzeigen. 

Der Problemraum

Derzeit wird die "Problemraumtheorie" als die am meisten geschätzte Strategie zur Problemlösung eingesetzt (Newell und Simon, 1972). Es geht darum, sich jeden Schritt der Problemstruktur anzusehen, was wir "Problemraum" nennen es ist die Menge von Zuständen oder möglichen Alternativen, mit denen die Person konfrontiert ist, die das Problem lösen muss. In der wissenschaftlichen Forschung, wo die Probleme im Allgemeinen komplex sind, arbeiten wir gleichzeitig in mehreren Räumen, dem Raum der Hypothesen, um Theorien zu formulieren, einem Experimentierraum und einem Datenraum, um die Ergebnisse zu interpretieren.

Algorithmen

In den meisten Fällen Vor einer bestimmten Art von Problemen wird nach einer sicheren Lösung gesuchtWir versuchen, einer Reihe standardisierter Schritte, einer Formel und dem, was wir als Algorithmus kennen, zu folgen, was früher oder später immer zur richtigen Antwort führt. Die Regeln zum Lösen einer Quadratwurzel sind ein Beispiel für einen Algorithmus.

Algorithmen sind sehr effektiv, erfordern jedoch viel Zeit und Ressourcen, sowohl Betriebsspeicher als auch Langzeit. Daher hat sich gezeigt, dass die meisten Menschen keine Algorithmen verwenden, sondern schnellere, aber weniger sichere Ansätze bevorzugen Heuristiken, die als "Abkürzungen" zur Lösung von Problemen betrachtet werden können, neigen dazu, sich auf die Lösung des Problems zu konzentrieren, das sich "auf das Ziel" bewegt, oder durch einen zufälligen Suchtyp-Versuchsfehler.

Heruistik

In den Heuristik-basierten Strategien wird üblicherweise das verwendet, was als "Mittelwert-Analyse" bezeichnet wird Das Problem ist in Teile aufgeteilt, und es wird versucht, die einzelnen Teile separat zu lösen, zu verstehen, dass die teilweise Auflösung mehr machbar ist als der Versuch, das Problem insgesamt zu lösen.

Bei der Lösung von Problemen wird der BetriebsspeicherDiese Tatsache wird durch die Aktivierung dorsolateraler präfrontaler Bereiche sowie klinische Erfahrungen mit Patienten mit Läsionen in dieser Region bestätigt, die nicht in der Lage sind, Situationen wie den Turm von Hanoi zu lösen.

Interessant war den Forschern, ob es Unterschiede in der Strukturierung und Lösung von Problemen gab, bei denen Experten- und Anfängerfächer miteinander verglichen wurden. Der Hauptunterschied war die Anordnung von Wissen, oberflächlicher bei den Anfängern und tiefer und mit abstrakteren Strukturen bei den Experten (Chi, 1981). Ein weiterer interessanter Unterschied war die Richtung bei der Suche nach dem Problemraum. Experten neigen dazu, vom anfänglichen Zustand bis zum objektiven Auflösungszustand nach vorne zu schauen, zum Beispiel geht ein sachkundiger Arzt von den Symptomen zur Diagnose, während Anfänger eine Rückwärtssuche durchführen, zuerst die Diagnose stellen und sich dann vorwärts bewegen auf die Symptome, die es bestätigen.

Analoges Denken

Dies ist eine der am häufigsten verwendeten Strategien zur Lösung von Problemen. Wir fangen nicht wie bei dem vorherigen Fall von vorne an, es geht darum, über ein Problem mit ähnlichen Eigenschaften nachzudenken, das zuvor gelöst wurde, und die Lösung wird verwendet oder an das aktuelle Problem angepasst. Ein klassisches Beispiel für analoges Denken ist dasjenige, das das Sonnensystem verwendet, um die Struktur des Atoms zu erklären, oder den Fall des Antivirus-Designs, das wir in Computern verwenden, wo Erfahrungen mit antiviralen Impfstoffen bei Tieren und Menschen verwendet werden.

Das analoge Denken erlaubt die Identifizierung und Übertragung von Strukturinformationen eines bekannten Systems, biologischer Viren, die im Langzeitspeicher gespeichert sind, an ein neues System, Computerviren, die sich im Arbeitsspeicher befinden, wo Informationen verarbeitet werden Hypothese und es wird bewertet, ob die Analogie nützlich ist, um das Problem zu lösen. In dieser Art von Argumentation werden wieder visuelle mentale Repräsentationen verwendet, die für die Arbeit mit diesen Modellen bei Lernaufgaben sowohl für Kinder als auch für Erwachsene wichtig sind, beispielsweise um eine Phobie zu überwinden, oder bei Athleten, die korrigieren müssen bestimmte fehler in den bewegungen.

Theorien des analogen Denkens

Um die analoge Begründung zu erklären, wurden zwei Theorien vorgeschlagen:

• Theorie der Kartographie der Struktur, TCE (Falkenhainer 1989).
• Lerntheorie und Deduktion mit Schemata und Analogien, ADEA (Hummel 1997).

Theorie der Strukturkartographie

Das TCE-Modell besteht aus zwei Stufen, wobei im ersten Schritt im Langzeitgedächtnis nach möglichen Quellen gesucht wird, die die oberflächlichen Eigenschaften aufweisen, die im Ziel erscheinen, und in der zweiten Stufe wird beurteilt, wie gut die Übereinstimmung zwischen dem ist Er hat sich in der ersten Etappe und dem Ziel erholt.

Lerntheorie und Deduktion mit Schemata und Analogien

Das ADEA-Modell verwendet einen anderen Berechnungsmechanismus, der neuronalen Netzwerken ähnelt. Das Ziel wird durch die Aktivierung der Merkmale der Quelle dargestellt: Der Computervirus aktiviert beispielsweise die Merkmale einer Fehlfunktion, ist schädlich und repliziert. Diese gleichzeitige Aktivierung einer Reihe ähnlicher Merkmale im Langzeitgedächtnis führt dazu, dass eine analoge Quelle wie das Influenzavirus wiederhergestellt wird.

Grenzen des analogen Denkens

Eine der noch zu klärenden Fragen war die Frage, ob analoges Denken nur ein Produkt der Aufmerksamkeit und des Gedächtnisses sein könnte oder etwas anderes.

Mittels Neuroimaging konnte gezeigt werden, dass bei Aufgaben, bei denen die Belastung des operativen Gedächtnisses erhöht wurde, der parietale Kortex und der dorsolaterale präfrontale Kortex wie erwartet aktiviert wurden. Die Situation änderte sich jedoch, wenn die strukturelle Komplexität konstant blieb des operativen Gedächtnisses wurde in diesem Fall ausschließlich der linke vordere präfrontale Kortex aktiviert.

Aus diesen Daten wird abgeleitet, dass die analoge Argumentation eine kognitive Kapazität darstellt, die die Aktivität des Nervengewebes stärker rekrutiert als die Aufmerksamkeit und das operative Gedächtnis.

Induktives Denken

Wir können es als Denkprozess definieren, der unser Wissen über bestimmte, bekannte Umstände verwendet, um auf unbekannte Umstände zu schließen.

Die Haupteigenschaft dieser Art von Argumentation ist, dass Sie nicht alle Fälle kennen können, die auch vorhanden sind. Wir fügen neues Wissen hinzu, das zwar möglich ist, aber möglicherweise falsch ist. Induktives Denken kann allgemein oder spezifisch sein.

Allgemeines oder allgemeines induktives Denken

Die globale oder allgemeine Einführung es versucht, von bekannten Umständen zu allen möglichen Umständen zu verallgemeinern. Burner in 1956 war eine der am häufigsten untersuchten generellen Induktionen und machte sich große Sorgen über die Art und Weise, wie wir die Hypothese in das Problem einführen. Eine Hypothese ist eine Idee oder ein Vorschlag, den wir durch Sammeln von Beweisen, die sie unterstützen oder widerlegen, bewerten oder überprüfen können. Dies scheint einfach und offensichtlich zu sein, es ist nicht immer so.

Fragen des Typs können gestellt werden, wie kann ein Subjekt, das eine Regel durch allgemeine Einführung abgeleitet hat, herausfinden, ob diese Regel falsch ist?

Ein klassisches Beispiel ist das von Peter Watson vorgeschlagene: Vor dem Dreiklang von Zahlen: 2, 4, 6 weisen die meisten Befragten darauf hin, dass es sich um drei Zahlen handelt, nämlich um gerade Zahlen mit Inkrementen von zwei Einheiten und wann Ihnen wird gesagt, dass es nicht korrekt ist. Sie suchen nach neuen Regeln, z. B. einer beliebigen Anzahl mit einer Erhöhung von zwei Einheiten, und geben als Beispiele 1-3-5 an. Vor der neuen Erfolgsverweigerung werden sie mit immer weniger Sinn Regeln erreichen. sie entfernen sich immer mehr von der richtigen Antwort, der einfachsten und logischsten, in diesem Fall "Zahlen mit zunehmendem Umfang".

In diesem Beispiel der allgemeinen Einführung der Triade sehen wir, dass eine allgemeine Einleitung aus einer Reihe von besonderen Fällen erfolgen muss, aber die Versuchspersonen fallen normalerweise in das, was wir nennen. "Fehler der Bestätigungsvoreingenommenheit", Was den vorherigen Informationen, die wir haben, Gewicht gibt, zu bereits bestehenden Überzeugungen. Es wird eine scheinbar gültige Lösung gefunden, und es wird nicht bestätigt, ob es andere bessere Lösungen gibt, und wenn ihnen mitgeteilt wird, dass sie nicht korrekt ist, wird es viel schwieriger, den Fehler in der Regel zu finden und festzustellen, dass die von ihnen vorgeschlagene Regel falsch war.

Spezifisches induktives Denken

Die spezifische Induktion Wir können es mit der Tatsache darstellen, dass, vorausgesetzt, dass ein Mitglied einer Kategorie ein bestimmtes Merkmal hat, auch jedes andere Mitglied dieser Kategorie dies haben muss. Das hat eine trampEs liegt auf der Hand, dass das betreffende Merkmal nicht für alle Mitglieder der Kategorie gleich ist. Obwohl dies wahr ist, erlaubt uns die spezifische Einführung, nützliche Schlussfolgerungen über ein neues oder unbekanntes Mitglied dieser Kategorie zu ziehen.

Induktives Denken erlaubt uns, unser Wissen auf den neuesten Stand zu bringen. Es muss nicht von Fall zu Fall gesucht werden, wenn dieses bestimmte Merkmal für alle Mitglieder der Kategorie zutrifft. In dem Maße, in dem wir ein Objekt in einer bestimmten Kategorie kategorisieren, weisen wir die Merkmale dieser Kategorie zu.

Neurophysiologische Grundlagen des induktiven Denkens

Bei der Suche nach dem neuronalen Netzwerk, das die induktive Begründung erklären könnte, wurde beobachtet, dass die Frontallappen eine grundlegende Rolle spielen. Wenn sich im linken dorsolateralen präfrontalen Kortex eine Läsion befand, konnten die Patienten keine Briefe oder andere Gegenstände anordnen, obwohl die Regel sehr einfach war Wisconsin-Test (Monchi, 2001).

In Studien mit Neuroimaging wurde beobachtet, dass neben der Aktivierung der Frontalbereiche auch die linke Hemisphäre aktiviert wurde, insbesondere die medialen und parahippocampalen Zeitbereiche, was darauf hindeutet, dass Langzeitgedächtnis in diese Denkweise eingreift. Die Einführung erfordert, dass Informationen, die für das Langzeitgedächtnis relevant sind, aktiv wiederhergestellt werden und dass Informationen im Arbeitsspeicher gehalten werden. Diese Prozesse erfordern Ressourcen, die durch die Stirn- und Temporallappen vermittelt werden.

Einführung und Lernen

Ein wichtiges Thema war die Erfahrung, die Tatsache, dass sich der zugrunde liegende kognitive Prozess mit der Erfahrung ändern kann. Neuroimaging-Studien zeigen, dass, wenn ein Subjekt aufgefordert wird, eine Objektklassifizierungsaufgabe durchzuführen, die Frontal- und Parietalbereiche der rechten Hemisphäre stimuliert werden. Mit fortschreitendem Lernprozess begann sich jedoch die Aktivität in der rechten Hemisphäre zu registrieren. die Regionen der linken Hemisphäre, insbesondere im linken Parietallappen und im linken dorsolateralen präfrontalen Kortex. Dies legt nahe, dass in der ersten Phase der Klassifizierungsaufgabe diese im Wesentlichen durch die Verarbeitung der visuellen Modelle des Stimulus durchgeführt werden, während im Verlauf des Lernens eine abstrakte Regel, die den Klassifizierungsprozess verbessert, das Lernen zu beschleunigen beginnt.

Fungelsang und Dunbar (2005) untersuchten mit funktioneller Magnetresonanz die Mechanismen, durch die wir die Daten integrieren, wenn wir bestimmte Hypothesen testen. Sie fanden heraus, dass bei der Untersuchung der interessierenden Daten auf eine plausible Hypothese bevorzugt aktivierte Bereiche des Caudatkerns und die Para-Hippocampus-Umrundung aktiviert wurden. Umgekehrt wurden bei der Untersuchung von Daten, die sich auf eine unplausible Hypothese bezogen, die Bereiche des vorderen cingulären Cortex, des Precunus und des linken präfrontalen Cortex selektiv aktiviert.

Bei plausiblen Hypothesen sind aktivierte neuronale Regionen diejenigen, die in das Lernen eingreifen, Langzeitgedächtnis und der Prozess der Integration von Informationen. Mit diesen Daten können wir schließen, dass sich der Lernprozess der Integration neuer Informationen verbessert, wenn er mit einer glaubwürdigen Hypothese übereinstimmt. In ähnlicher Weise war der bei unplausiblen Hypothesen aktivierte vordere cinguläre Cortex maßgeblich an der Erkennung von Fehlern und Konfliktsituationen beteiligt.

Diese Autoren weisen darauf hin, dass das menschliche Gehirn während des induktiven Denkens Regionen in Bezug auf das Lernen rekrutiert, wenn es Daten bewertet, die mit bereits vorhandenen Hypothesen kohärent sind, während es andere Regionen in Bezug auf die Fehlererkennung rekrutiert, wenn nicht kohärente Daten ausgewertet werden. mit den Hypothesen. Diese Unterscheidung ist wichtig, wenn zum Beispiel Lehrpläne in der Kindheit betrachtet werden.

Ableitendes Denken

In dieser Art von Argumentation gehen wir von oben nach unten vor, wir gehen von Voraussetzungen aus, die wir für wahr halten, und daher kann die Schlussfolgerung nicht falsch sein (anders als beim induktiven Denken). Diese Art von Argumentation ist diejenige, die am besten rationales Denken vertritt. Der mentale Prozess ist eng mit Syllogismen verbunden, einem Argument, das aus zwei Aussagen und einer Schlussfolgerung besteht. Die Schlussfolgerung kann sowohl wahr als auch falsch sein, aber wenn sie den Gesetzen der deduktiven Logik folgt, wird sie immer eine gültige Schlussfolgerung sein.

Die Syllogismen

Die Syllogismen können kategorial oder bedingt sein.

Die kategorialen haben die Form:

• Prämisse 1: Alle A sind B
• Prämisse 2: C ist ein A
• Schlussfolgerung: C ist B

Die Beziehung zwischen den Begriffen eines kategorialen Syllogismus kann durch vier Arten von Aussagen beschrieben werden:

1. Universelle Bestätigung: Alle A sind B
2. Universelle Ablehnung: Nein A ist B
3. Besondere Bestätigung: Einige A ist B
4. Bestimmte Ablehnung: Einige A ist nicht B

In dem Beispiel für den Kauf eines Autos könnten wir den Syllogismus folgendermaßen schreiben:

1. Prämisse 1: Alle Porches sind zuverlässig
2. Prämisse 2: Der Boxster ist eine Veranda
3. Fazit: Der Boxster ist zuverlässig

Bedingte Syllogismen

Bei bedingten Syllogismen geben sie die Situation wieder: Die Tatsache, dass ein Ereignis eintritt, kann durch das Auftreten eines anderen bedingt sein. Wie in den kategorialen bestehen die bedingten Syllogismen aus zwei Prämissen und der Schlussfolgerung.

Die erste Voraussetzung ist immer vom Typ "wenn P dann Q", wobei P eine vorausgehende Bedingung und Q eine Folgebedingung ist.

Die zweite Prämisse kann eine der folgenden vier Formen haben: Bestätigung des Vorgängers: P ist wahr, Negation des Vorgängers: P ist nicht wahr, Bestätigung der Konsequenz: Q ist wahr und Negation der Konsequenz: Q ist nicht wahr.

In diesem Fall wäre das Beispiel für den Kauf des Autos:

1. Prämisse 1: Wenn das Auto ein Vordach ist, ist es zuverlässig
2. Prämisse 2: Der Boxster ist eine Veranda
3. Fazit: Der Boxster ist zuverlässig

In der P1 ist "Porche" der Vorläufer und "ist zuverlässig" die Konsequenz. In der P2 bestätigt der Vorgänger im Beispiel, dass die Schlussfolgerung "ist zuverlässig" logisch folgt.

Fehler beim deduktiven Denken

Obwohl das deduktive Denken sehr zuverlässig ist, können wir Fehler machen, im Allgemeinen, weil wir es schlecht erheben, aber es ist schwer zu verstehen, warum wir glauben, dass dies die wahrhafteste Art des Denkens ist. Grundsätzlich gibt es zwei Arten von Fehlern: Formfehler (Fehler der strukturellen Form oder des Formats der Beziehung zwischen der Prämisse und der Schlussfolgerung) und Fehler des Inhalts (wenn der Inhalt des Syllogismus zu einflussreich ist).

Formfehler

Bei den Formfehlern ist eine Art von Fehlern, die wir häufig nennen, "Wirkung der Umwelt", In dem eine Schlussfolgerung als gültig akzeptiert wird, wenn sie denselben Quantifizierer (einige, alle oder nicht) enthält, der in den Räumlichkeiten erscheint. Diese Situation führt zu einer allgemeinen Stimmung oder "Umgebung", daher der Name führt dazu, dass wir eine Schlussfolgerung falsch akzeptieren.

Bei der Schlussfolgerung "alle A sind C" werden notwendigerweise die folgenden Voraussetzungen befolgt, "alle A sind B" und "alle B sind C". Wenn wir den Quantifizierer "all" in "none" ändern, haben wir: "kein A ist B", kein B ist C und die Schlussfolgerung: kein A ist C. Diese andere Form scheint gleichermaßen gültig zu sein wie die erste, aber wir werden das sehen es ist

Wenn wir echte Beispiele nehmen, wäre der Syllogismus mit "none":

1. Prämisse 1: Kein Mensch ist ein Auto
2. Prämisse 2: Kein Auto ist ein Arzt
3. Schlussfolgerung: Kein Mensch ist Arzt

Es ist offensichtlich, dass die Schlussfolgerung gültig ist, aber in der realen Welt falsch ist.

Matching Bias

Innerhalb der Formfehler haben wir auch das, was als "Spiel Bias", Sehr häufig in der bedingten Begründung und in der eine Schlussfolgerung als gültig akzeptiert wird, wenn sie die syntaktische Struktur der Prämissen oder einige der Bedingungen davon enthält. 
Sowohl der Einfluss der Umgebung als auch die Paarungstendenz weisen auf die starke Auswirkung der syntaktischen Struktur hin. In beiden Fällen sind wir stark von den Quantifizierern beeinflusst, die in den Räumlichkeiten verwendet werden. Es scheint, dass dies daran liegt, dass bestimmte Objekte in kategorialen und bedingten Anweisungen, wie formale Quantifizierer, unsere Aufmerksamkeit stark erregen würden. Wir erwarten immer, dass die Informationen, die wir erhalten, angemessen sind, und wir erwarten daher, dass der Quantifizierer kritisch ist. Daher ist es angesichts der Bevorzugung wichtig, die Worte des Quantifizierers in den Räumlichkeiten zu beachten und diese als gültig zu betrachten, wenn derselbe Quantifizierer im System erscheint Schlussfolgerungen werden sie auch als gültig akzeptiert.

Inhaltsfehler

Zusammen mit den Fehlern der Form sind die Fehler des Inhalts, die wir oft machen, wenn wir uns auf die Sicherheit oder Falschheit der einzelnen Aussagen des Syllogismus konzentrieren und die logische Verbindung zwischen den Affirmationen ignorieren. Wir sehen es in Studien, die falsche Syllogismen darstellen, deren Schlussfolgerungen zeitweise bestimmte Aussagen enthielten. (Markovits 1989). Wir neigen dazu, eine Schlussfolgerung logisch zu akzeptieren, wenn die Prämissen und die Schlussfolgerung wahre Aussagen sind. 
Neben diesen Fehlern finden wir auch diejenigen, die begangen werden, wenn wir unsere Überzeugungen würdigen. Die Tendenz, eher eine "glaubwürdige" Schlussfolgerung zu akzeptieren als die "unglaubliche", ist eine sehr häufige Tatsache im Alltag und ist stark in unseren kulturellen Überzeugungen verwurzelt.

Schließlich scheint es zunehmend akzeptiert zu sein, dass viele der Fehler, die beim deduktiven Denken gemacht werden, auf Einschränkungen des Arbeitsgedächtnisses zurückzuführen sind.

Studien über Theorien des deduktiven Denkens lassen zu, dass es einen natürlichen Prozess der mentalen Analyse gibt, der die Gültigkeit der Prämissen und Schlussfolgerungen, die aus diesem Substrat hervorgehen, einschätzt Die Kapazität des operativen Gedächtnisses verwendet nicht immer die Regeln der Logik, und wir gehen zu den Heuristiken, Abkürzungen, die Energie und Ressourcen einsparen, die aber leicht zu Fehlern führen, wie wir sie zum Beispiel bei der Beschreibung von Umweltfehlern gesehen haben , das der Paarungsorientierung und der Überzeugungen. Am Ende wählen wir aus, was uns glaubwürdiger erscheint.

Neurophysiologische Aspekte des deduktiven Denkens

Studien mit Neuroimaging während des deduktiven Denkprozesses zeigten zunächst widersprüchliche Ergebnisse. Es wurde angenommen, dass Bereiche, die sich auf eine sprachliche Basis beziehen, aktiviert werden würden, aber es wurde beobachtet, dass auch Bereiche in Verbindung mit räumlichen Modellen aktiviert wurden. Die Schlussfolgerung ist, dass bei deduktivem Denken mit bekanntem Material neuronale Ressourcen der linken Hemisphäre verwendet werden, die sich auf Sprachmodelle beziehen, während bei komplexerem Material visuospatiale Konstruktionsmodelle erforderlich sind. und die Regionen der rechten Hemisphäre werden aktiviert.

Die Implikation sprachlicher Grundlagen in deduktivem Denken, bei der Erzeugung von Fehlern, ist wohlbekannt und wird von verschiedenen Autoren hervorgehoben, insbesondere von Chomsky in seiner transformativen Grammatik, wenn er sich mit mehrdeutigen Phrasen und ihrer Fähigkeit, Interpretationsfehler zu erzeugen, beschäftigt. Ich glaube, dass das Thema so wichtig ist, um einen monographischen Artikel zu erstellen. Ich hoffe, dieses Versprechen später zu erfüllen.

Entscheidungsfindung und das visuelle System

Wir haben schon gesehen wie Vision-Modelle, die von oben nach unten gehenWie die von den Gestaltforschern vorgeschlagenen hätten sie eine gewisse Ähnlichkeit mit den deduktiven Modellen.

Die Informationen, die wir im Langzeitgedächtnis speichern, das durch Erfahrung erzeugte Konstrukt, die mentale Repräsentation der von uns gehaltenen Objekte, üben die Funktion eines "Leitfadens" für die neuen Informationen aus, die zu jedem Zeitpunkt eingehen.

Das interne Repräsentationsmodell hilft, die Objekte zu identifizieren, die vor uns erscheinen. Die Filterung von Daten, Kanten, Colores und Formen, setzt eine große Information voraus, die zur Identifizierung der Objekte integriert werden muss, und in diesem Konstituierungsprozess, der Kategorisierung, kennzeichnen die internen Repräsentationen die Gruppierungsregeln, um "von den Objekten abzuleiten".

Dieser Mechanismus der Sicht von oben nach unten ist von grundlegender Bedeutung, da er viel weniger Energie benötigt und die Identifizierung von Objekten viel schneller und fast automatisch ermöglicht. Wir sehen die Wichtigkeit in Beispielen des täglichen Lebens wie beim Vorschlagen eines überholenden Autos, wir identifizieren die in beiden Richtungen zirkulierenden Fahrzeuge, wir berechnen die Flugbahnen, die Entfernungen und die Zeit, die wir fast unmittelbar vorwärts bewegen müssen. was es bedeutet, an effizienz und sicherheit zu gewinnen.

Sobald wir die mentalen Mechanismen gesehen haben, die wir bei der Entscheidungsfindung und bei der Problemlösung einsetzen, sind wir bereits in der Lage, das Problem anzugehen mentale Prozesse, die zum Handeln führenVor allem mit Hilfe des visuellen Systems, das wir im nächsten Kapitel entwickeln werden.