Différences entre versions de « Généralisation abusive »
De Didaquest
Aller à la navigationAller à la recherche (Page créée avec « {{Widget:Fiche-Conceptions-Haut}} = {{Widget:Conception : Clarification - Explicitation}} = <!-- ************************* Début ***************************************... ») |
|||
| (2 versions intermédiaires par le même utilisateur non affichées) | |||
| Ligne 1 : | Ligne 1 : | ||
| − | + | * Faire des conclusions hâtives | |
| + | * Tirer des conclusions à partir d'une approche très restreinte (nombre observations réduites) | ||
| + | * Avoir un avis sur des questions sans avoir toutes les informations nécessaires | ||
| + | * Faire trop vite appel à un [[Raisonnement causale linaire simple]] | ||
| + | * Utiliser un concept à la place d'autres concepts très voisin: Par exemple cela peut se produire lorsqu'il y a une primauté de l'origine d'un concept sur les autres. Et par conséquence l'introduction de cette notion dans le langue courant à renforcé cette généralisation abusive. (Voir exemple [[Blockchain - Hashgraph - Sidechain - Tangle]] | ||
| − | = {{ | + | = Eléments explicatifs = |
| − | + | {{@}} | |
| − | + | * Pendant longtemps, les scientifiques n'arrivaient pas totalement à expliquer l'origine de ces conclusions hâtives, des études récentes pourraient peut-être répondre ces interrogations. L'imagerie cérébrale a montré que nous tirons des conclusions, ou présumons connaître une situation précisément lorsque ce n'est pas le cas et que l'on est confronté à un certain degré d'incertitude. | |
| − | |||
| − | |||
| − | |||
| − | |||
| − | + | : Ce phénomène, surnommé "[[apprentissage ponctuel]]" ("one-shot learning" dans le texte), signifie que l'on se passerait du procédé d'[[apprentissage graduel]], qui nous permet de parvenir de façon logique à une connaissance, pour nous reposer sur une vision biaisée. | |
| − | |||
| − | + | : Différents tests et IRM réalisés par les scientifiques du California Institute of Technology (Caltech), une université privée à Pasadena, auraient permis de montrer que plus une relation causale était marquée par l'incertitude et plus les humains seraient rapides à tirer des conclusions. | |
| − | |||
| − | |||
| − | |||
| + | : Sang Wan Lee, un chercheur en post-doctorat en neurosciences à Caltech et auteur principal de l'article publié par la revue Plos Biology, énonce ainsi : | ||
| − | + | "Beaucoup supposaient que la nouveauté d'un stimulus était le facteur principal expliquant l'apprentissage ponctuel, mais notre modèle computationnel a permis de montrer que l'incertitude causale était plus importante. | |
| − | |||
| − | |||
| − | |||
| + | Si vous n'êtes pas sûr, ou que vous manquez de preuves quant à l'influence d'une cause sur un évènement, vous serez plus prompt à les associer." | ||
| − | + | [[Category: Fiche didactique: Explicitations]] | |
| − | + | [[Category: Raisonnement]] | |
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | : | ||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
| − | |||
Version actuelle datée du 13 janvier 2022 à 09:25
- Faire des conclusions hâtives
- Tirer des conclusions à partir d'une approche très restreinte (nombre observations réduites)
- Avoir un avis sur des questions sans avoir toutes les informations nécessaires
- Faire trop vite appel à un Raisonnement causale linaire simple
- Utiliser un concept à la place d'autres concepts très voisin: Par exemple cela peut se produire lorsqu'il y a une primauté de l'origine d'un concept sur les autres. Et par conséquence l'introduction de cette notion dans le langue courant à renforcé cette généralisation abusive. (Voir exemple Blockchain - Hashgraph - Sidechain - Tangle
Eléments explicatifs
- Pendant longtemps, les scientifiques n'arrivaient pas totalement à expliquer l'origine de ces conclusions hâtives, des études récentes pourraient peut-être répondre ces interrogations. L'imagerie cérébrale a montré que nous tirons des conclusions, ou présumons connaître une situation précisément lorsque ce n'est pas le cas et que l'on est confronté à un certain degré d'incertitude.
- Ce phénomène, surnommé "apprentissage ponctuel" ("one-shot learning" dans le texte), signifie que l'on se passerait du procédé d'apprentissage graduel, qui nous permet de parvenir de façon logique à une connaissance, pour nous reposer sur une vision biaisée.
- Différents tests et IRM réalisés par les scientifiques du California Institute of Technology (Caltech), une université privée à Pasadena, auraient permis de montrer que plus une relation causale était marquée par l'incertitude et plus les humains seraient rapides à tirer des conclusions.
- Sang Wan Lee, un chercheur en post-doctorat en neurosciences à Caltech et auteur principal de l'article publié par la revue Plos Biology, énonce ainsi :
"Beaucoup supposaient que la nouveauté d'un stimulus était le facteur principal expliquant l'apprentissage ponctuel, mais notre modèle computationnel a permis de montrer que l'incertitude causale était plus importante.
Si vous n'êtes pas sûr, ou que vous manquez de preuves quant à l'influence d'une cause sur un évènement, vous serez plus prompt à les associer."
