Caractéristiques de raisonnement inductif, types et exemples

Il Raisonnement inductif C'est un type de pensée qui essaie de créer des théories généralisées à partir d'observations spécifiques. Contrairement au raisonnement déductif, il est basé sur des données spécifiques pour tirer des conclusions qui peuvent être applicables à d'autres situations similaires.

Pour réaliser un bon raisonnement inductif, il est nécessaire de réaliser un grand nombre d'observations, de trouver un modèle entre eux et de pouvoir faire une généralisation à partir des données collectées. Plus tard, cette généralisation peut être utilisée pour créer une explication ou une théorie.

Source: Pexels.com

Le raisonnement inductif est utilisé à la fois en science et dans la vie quotidienne. Bien que leurs conclusions ne soient pas aussi infaillibles que celles obtenues à partir d'autres processus logiques, tels que le raisonnement déductif, il peut servir de base de tous les types de théories, de prédictions ou d'explications des comportements.

Lorsqu'un processus de raisonnement inductif est effectué, il est dit que la conclusion parvenue est plus ou moins susceptible d'être infaillible. Cependant, lors de l'application de ce type de pensée, plusieurs types de biais peuvent survenir, ce qui renvoie les arguments non valides.

[TOC]

Caractéristiques

Va du béton au général

La principale caractéristique du raisonnement inductif est que lorsque vous l'utilisez, il commence par une série de données spécifiques qui sont utilisées pour essayer de créer des théories générales sur un phénomène particulier. La méthode de base pour effectuer une induction est d'observer une série de cas spécifiques et de rechercher ce qu'ils ont en commun.

Par exemple, un éthologiste qui étudie une nouvelle espèce d'AVe se rend compte que tous les spécimens qu'il a trouvés ont des plumes noires. Pour cette raison, il conclut que tout autre animal de cette espèce qui trouve à l'avenir aura également le plumage de cette couleur.

En raison de son fonctionnement, le raisonnement inductif est également connu sous le nom de "logique de bas en haut". Cela s'oppose à la façon dont la déduction fonctionne, où elle commence à partir d'une théorie générale qui est utilisée pour tirer des conclusions sur une situation spécifique.

De par leur nature, les sciences sociales ont tendance à utiliser beaucoup plus de raisonnement inductif que la déduction. Ainsi, une grande partie des théories des disciplines telles que la psychologie ou la psychologie ont été créées en observant un grand nombre d'individus et en généralisant leurs caractéristiques à l'ensemble de la population.

Ses conclusions sont probables, pas infaillibles

Lorsque nous faisons un raisonnement déductif, si les locaux sont vrais et que l'argument est bien construit, les conclusions seront toujours vraies. Cependant, dans le raisonnement inductif, cela ne se produit pas. Même lorsque la logique est bien utilisée, le résultat d'un argument ne sera jamais infaillible, mais il est possible qu'il soit faux.

Cela se produit parce que, lorsque vous travaillez avec un raisonnement inductif, nous parlons toujours de probabilités. Dans l'exemple des oiseaux noirs que nous avons mis auparavant, il serait seulement nécessaire d'apparaître un animal d'une autre couleur pour démonter l'argument selon lequel tous les spécimens de cette espèce ont la même teinte.

Cependant, tous les types de raisonnement inductif ne sont pas tout aussi fiables. Plus l'échantillon est grand dans lequel nous regardons et plus il y a de représentant de la population générale (c'est-à-dire, plus il semble que nous voulons étudier), moins il sera probable qu'il y aura un certain type d'erreur.

Peut vous servir: Margaret Mahler: biographie, théorie et œuvres

Par exemple, lors de la réalisation d'une enquête sur l'intention de vote, ce sera beaucoup plus fiable si on vous le demande 10.000 personnes choisies au hasard, si l'enquête est menée dans une classe universitaire pour un groupe de 50 étudiants.

 Des erreurs peuvent se produire lorsqu'elles sont appliquées

Nous avons déjà vu que les conclusions extraites par raisonnement inductif ne sont pas infaillibles, mais simplement probables. Cela se produit même lorsque le processus logique a été effectué correctement. Cependant, comme pour d'autres types de raisonnement, il est possible de faire des erreurs lors de la réalisation d'une induction.

L'erreur la plus courante qui se produit lors de l'utilisation du raisonnement inductif est d'être basée sur des exemples qui ne sont pas vraiment représentatifs de la condition qui est étudiée. Par exemple, de nombreux critiques de la psychologie en tant que science soulignent que plusieurs fois des expériences sont menées avec des étudiants universitaires, et non avec des courants.

Une autre des erreurs les plus courantes consiste à fonder nos conclusions sur un très petit nombre de cas, avec lesquels les données que nous laissons sont incomplètes. Pour parvenir à des conclusions vraiment fiables grâce à un raisonnement inductif, il est nécessaire d'avoir une quantité possible de données que possible.

Enfin, même lorsque nous avons suffisamment de données et que l'échantillon est représentatif de la population générale, nos conclusions peuvent être erronées en raison de biais de pensée. Dans le raisonnement inductif, certains des plus courants sont le biais de confirmation, la disponibilité et l'erreur du joueur.

Gars

Le mécanisme de base reste toujours dans un processus de raisonnement inductif. Cependant, il existe plusieurs façons de parvenir à une conclusion générale sur une population d'une série de données particulières. Ensuite, nous verrons le plus courant.

Généralisation

Le moyen le plus simple de raisonnement inductif est celui qui est basé sur l'observation d'un petit échantillon pour extraire une conclusion sur une population plus large.

La formule serait la suivante: si une proportion de l'échantillon a une caractéristique X, alors la même proportion de la population générale l'aura.

La généralisation de base se produit généralement dans des environnements informels. En fait, il est souvent produit à un niveau inconscient. Par exemple, un élève d'une école observe que sur ses 30 camarades de classe, seulement 5 ont des parents distincts. Voyant cela, je pourrais faire une généralisation et penser que seul un petit nombre d'adultes sont séparés.

Cependant, il existe d'autres modes de généralisation plus fiables et scientifiques. Le premier est la généralisation statistique. L'opération est similaire à celle de la base, mais les données sont systématiquement collectées dans une population plus grande, et les résultats sont analysés à l'aide de techniques mathématiques.

Imaginez qu'une enquête téléphonique est menée à 5.000 personnes sur leur affiliation politique. À partir de cet échantillon, 70% s'identifient comme "gauche". En supposant que l'échantillon est représentatif de la population générale, on peut en déduire que 70% des habitants de ce pays seront également considérés.

Syllogisme statistique

Un syllogisme statistique est une forme de raisonnement inductif qui commence d'une généralisation pour tirer une conclusion sur un phénomène spécifique. Lorsque cette méthode est utilisée, la probabilité de résultat est étudiée et appliquée à un cas individuel.

Peut vous servir: des célébrités souffrant de trouble bipolaire

Par exemple, dans un pays où 80% des mariages se retrouvent dans le divorce, nous pouvons dire qu'il est très probable qu'un couple qui vient de se marier finit par se séparer.

Cependant, contrairement à ce qui se passe avec les syllogismes dans la logique déductive, ce résultat n'est pas infaillible (il y aurait 20% de chances que le mariage fonctionne).

En utilisant des syllogismes statistiques, deux problèmes différents peuvent survenir. D'une part, il est très facile d'ignorer le pourcentage de cas dans lesquels la conclusion à laquelle nous sommes parvenus n'est pas remplie; Et d'un autre côté, il est également habituel de penser que, comme il y a des exceptions à la règle, elle ne peut pas être généralisée.

Induction simple

L'induction simple est une combinaison de généralisation et de syllogisme statistique. Il consiste à extraire une conclusion sur un individu à partir d'une prémisse qui affecte un groupe auquel il appartient. La formule est la suivante:

Nous savons qu'un pourcentage X d'un groupe a un attribut spécifique. Pour chaque individu appartenant à ce groupe, la probabilité que cet attribut soit également présent est x. Par exemple, si 50% des composants d'un groupe sont introvertis, chaque individu a 50% de chances de présenter cette fonctionnalité.

Raisonnement par analogie

Une autre des formes les plus courantes de raisonnement inductif est celle qui compare deux groupes ou individus différents pour essayer de prédire quelles sont leurs similitudes et leurs différences. La prémisse est la suivante: Si deux individus partagent une série de caractéristiques, ils seront également similaires dans d'autres dans d'autres.

Le raisonnement par analogie est très courant à la fois dans les disciplines formelles et les sciences et la philosophie, comme dans notre quotidien. Cependant, leurs conclusions ne sont pas toujours correctes, il est donc généralement considéré qu'il n'est utile que comme méthode de réflexion auxiliaire.

Par exemple, imaginez que nous observons deux individus et découvrons que les deux sont introvertis, lisent les amants et avons un tempérament similaire. Si nous observions plus tard que l'un d'eux s'intéresse à la musique classique, le raisonnement d'analogie nous dirait que le second sera probablement aussi.

Inférence causale

Lorsque nous observons que deux phénomènes se produisent toujours en même temps, notre première impulsion est de penser que l'un d'eux est la cause de l'autre. Ce type de raisonnement inductif est appelé inférence causale.

Ce type de raisonnement a le problème que deux phénomènes qui se produisent en même temps peuvent être causés par un tiers que nous ne connaissons pas, appelé "variable étrange". Par conséquent, bien que l'inférence causale soit très courante, elle ne fournit pas de preuve suffisante pour être considérée comme valide dans des domaines tels que la science.

Un exemple classique d'inférence causale erronée est celle de la relation entre la consommation de crèmes et le nombre de décès causés par la noyade en mer. Les deux phénomènes ont tendance à se produire dans une plus grande mesure à certains moments de l'année; Donc, si nous utilisons l'inférence causale, nous pourrions conclure que l'un d'eux provoque l'autre.

Cependant, l'explication logique est qu'il existe une troisième variable qui provoque les deux premiers. Dans ce cas, ce serait l'augmentation des températures pendant les mois d'été, ce qui amène les gens à prendre plus de glace et à se baigner plus souvent dans la mer, augmentant ainsi les décès après la noyade.

Peut vous servir: auto-confidentialité

Différences avec le raisonnement déductif

Point de départ

La première différence fondamentale entre le raisonnement déductif et inductif est le point à partir duquel il est basé sur les deux. Le raisonnement déductif est connu sous le nom de "logique de haut en bas", car il commence par une théorie générale et une conclusion est extraite sur un cas spécifique.

Au contraire, nous avons déjà vu que le raisonnement inductif est également appelé "logique de bas en haut". En effet.

Arguments

Dans la logique, un argument est un raisonnement composé de prémisses et une conclusion. Dans la logique déductive, les arguments peuvent être valides (s'ils sont bien construits) ou non valides (si les locaux n'ont aucune relation entre eux ou si la conclusion est mal extraite). D'un autre côté, ils peuvent également être vrais (si les locaux sont vrais) ou faux.

Cela ne fonctionne pas de la même manière dans le raisonnement inductif. Dans ce type de logique, les arguments peuvent être forts (si la probabilité de quelque chose qui se passe est élevée) ou faible. En même temps, de forts arguments peuvent être convaincants (si les locaux sur lesquels ils sont basés sont vrais) ou non convaincants.

Validité des conclusions

La dernière différence entre ces deux types de raisonnement a à voir avec la validité des conclusions. Dans la logique déductive, si les locaux sont vrais et que l'argument est bien construit, la conclusion sera vraie dans absolument tous les cas.

D'un autre côté, dans un raisonnement inductif, même si l'argument est fort et que les locaux sont vrais, les conclusions ne seront pas toujours vraies. Par conséquent, on parle d'arguments convaincants, et non de certains arguments.

Exemples

Ci-dessous, nous verrons d'autres exemples de raisonnement inductif que nous pouvons réaliser de nos jours:

- Chaque fois que Juan mange des arachides, il tousse et se sent malade. Juan doit être allergique aux arachides.

- Un enseignant observe que lorsqu'il utilise une présentation PowerPoint dans une classe, ses élèves montrent plus d'intérêt. L'enseignant conclut que l'utilisation de PowerPoint l'aidera à augmenter la motivation de ses élèves.

- Un avocat étudie comment des cas similaires à celui du passé ont été résolus et trouve une stratégie qui a toujours donné de bons résultats. Pour cette raison, il conclut que s'il l'utilise, le cas échéant, il sera également en mesure d'atteindre son objectif.

Les références

1. «Deductive vs. Inductif »dans: diffen. Récupéré sur: 20 mars 2019 de DiffFen: DiffFen.com.
2. "Raisonnement déductif vs. Raisonnement inductif »dans: Science en direct. Récupéré sur: 20 mars 2019 de Live Science: LiveScience.com.
3. "Définition du raisonnement inductif et exemple" dans: les carrières d'équilibre. Récupéré sur: 20 mars 2019 de l'équilibre CARRIÈRES: TheBalanceCareers.com.
4. "Exemple de raisonnement inductif" à: votre dictionnaire. Récupéré sur: 20 mars 2019 par votre dictionnaire: Exemple.Ton dictionnaire.com.
5. "Raisonnement inductif" dans: Wikipedia. Récupéré sur: 20 mars 2019 de Wikipedia: en.Wikipédia.org.