You can edit almost every page by Creating an account. Otherwise, see the FAQ.

תאוריית המודל הסיבתי

מתוך EverybodyWiki Bios & Wiki
קפיצה אל:ניווט, חיפוש

תאוריית המודל הסיבתי (באנגלית: Causal Model Theory) [1] [2] [3] או בקיצור CMT היא תיאוריה פסיכולוגית הגורסת כי האדם מארגן את הידע הסיבתי שיש לו על העולם במודלים מנטליים. מודלים אלה מיצגים את המשתנים המעורבים ואת מבנה היחסים בניהם. המקרה הפשוט ביותר כולל שלושה משתניםː משתנה A משתנה B ומשתנה C. למשל, אם האדם מאמין שהתמכרות למשחקי מחשב (A) גורמת הן לקוצר ראיה (B) והן לבעיות חברתיות (C) הוא יארגן את הידע במודל של סיבה משותפת (same cause model) (המודל הימני באיור). אם הוא מאמין שהקאות (A) יכולות להיגרם הן מאוכל מקולקל (B) והן מווירוס בטן (C) הוא יארגן את המידע במודל של תוצאה משותפת (common effect model) (המודל השמאלי באיור). אם הוא מאמין שדיבר בסלולר בזמן נהיגה (A) גורם לתאונות דרכים (C) כיוון שדעתו של הנהג מוסחת בזמן הנהיגה (B) הוא יארגן את המידע במודל של שרשרת (chain model) (המודל האמצעי באיור̈). הנקודה החשובה היא שהמבנה שלפיו מאורגן הידע הסיבתי קובע את טבע ההיסקים הסיבתיים ואת חוזק הקשרים (המתאמים) הצפויים בין המשתנים[3]. לדוגמא, אם אכן דיבור בסלולר ← הסחת דעת ← תאונות דרכים, אזי הכרחי שיהיה מתאם בין דיבור בסלולרי לבין הסחת דעת, ובין הסחת דעת לבין תאונות דרכים. כמו כן, אבסורד יהיה להסיק שהסחת דעת גורמת לדיבור בסלולר.

סוגי מודלים סיבתיים[עריכה]

המודלים הסיבתיים הבסיסיים מתארים יחסים בין שתיים עד שלושה משתנים. מודל סיבתי יכול בעקרון לכלול יותר משלושה משתנים ואף צרוף של מספר מודלים סיבתיים באותו מבנה מנטלי. המודל יכול להיות מורכב מאוד ולכלול משתנים רבים המבטאים מגוון של יחסים סיבתיים ואפילו מצבים שבו אותו משתנה עשוי להיות במעמד של סיבה ביחסו למשתנים אחדים במודל, במעמד של תוצאה ביחסו למשתנים אחרים, או במעמד של משתנה מתווך, כמתואר במודל השרשרת. מובן שההצגה הגראפית איננה אומרת שכך הידע הסיבתי מופיע בראשו של היחיד, אלא שזו פשוט דרך אינטואיטיבית לבטא מבנים שונים של ידע סיבתי בהם אוחז היחיד.[4]

מודל הסיבה המשותפת (common cause model)[עריכה]

דוגמא לארגון ידע סיבתי במודל הסיבה המשותפת

מודל הסיבה המשותפת (common cause model)[1][2] [3]מתאר אמונה שעל פיה אותה סיבה מביאה לתוצאות שונות. האיור משמאל מביא דוגמא פשוטה של ארגון ידע סיבתי ספציפי במודל של סיבה משותפת, שבה קוצר ראיה ובעיות חברתיות נתפסות על ידי היחיד כתוצאות שונות לאותה סיבה (התמכרות למשחקי מחשב). דוגמא נוספת, מהתנסות אישית, מניסיון של הזולת או מקריאה, היחיד עשוי להאמין כי מכת שמש עלולה לגרום לכמה תוצאות כמו התייבשות, הקאות וסחרחורות.

בתקשורת השיווקית פעמים רבות המשווק "מוכר" לצרכנים מודל של תוצאה משותפת במטרה לשכנע אותו שירכוש את המוצר. בהקשר זה המוצר הוא בעצם הסיבה והתועלות הן התוצאות[5]. למשל, "שמפו אחד" (הסיבה) "ארבע תועלות– גם מנקה, גם מבריק, גם מונע קשקשים וגם מעניק תחושת רכות לשיער (4 תוצאות); "הכול בקרם אחד" – גם מחדש תאי עור, גם מגמיש את העור, וגם מגדיל את חיוניותו; "מנקה הכול"- גם מסיר אבנית וגם ממיס שומנים.

אחד האילוצים שמכתיב מודל הסיבה המשותפת הוא, שיהיה מתאם בין התוצאות השונות. [1] [3] למשל, אם אסבול ממכת שמש, אצפה לחוות את כל הסימפטומים. בדומה לכך, אם אשתמש ב"מנקה הכול", אצפה שיתרחשו שתי התוצאות, הן המסת שומנים והן הסרת אבנית. הבעיה היא, שלעתים הידע הסיבתי שיש לנו אינו מתאים לטיעון זה, כיוון שלא נראה לנו ששתי התוצאות האלה (הסרת אבנית והמסת שומנים) יכולות להתרחש בו-זמנית כתוצאה מאותה סיבה. לפיכך ייתכן שמסרים המועברים במבנה של מודל הסיבה המשותפת, אך על סמך ידע קודם, התועלות (התוצאות) המובטחות אינן נתפסות ככאלה היכולות להתרחש בו- זמנית מאותה הסיבה – לא ישכנעו. במחקר שנעשה בתחום התקשורת השיווקית נבחנה השאלה האם "כל המרבה הרי זה משובח" ("מוצר X מביא לתועלות רבות), או שמא "כל המוסיף גורע"[6]. תוצאות המחקר העלו כי התשובה לשאלה תלויה במודל הסיבתי המנטלי בו מחזיק היחיד. הנחקרים העדיפו תרופה דו-תועלתית — כזו שנותנת מענה לסימפטום שממנו סבלו (למשל הקאות) וסימפטום נוסף אם האמינו שאותה סיבה אחראית לשניהם (למשל בחילות). בשונה מכך, הנחקרים העדיפו תרופה חד-תועלתית — כזו שנותנת מענה רק לסימפטום שממנו סבלו (למשל הקאות) ולא לתרופה הדו תועלתית שהוצעה (נותנת מענה אף לנדודי שינה), אם הם האמינו שסיבות שונות אחראיות לשני הסימפטומים. ניתוח תועלת שנעשה העלה כי היחיד בוחר באורח רציונלי שכן ההעדפה שלו היא תוצר של ניתוח תועלת אינטואיטיבי. כלומר הוא לוקח בחשבון שקולים של רווח (חיסכון שינבע מצפייה שיצטרך בעתיד את התועלת השנייה) שמוצעת והפסד (תופעות לוואי לא רצויות).

מודל התוצאה המשותפת (common effect model)[עריכה]

דוגמא לארגון ידע סיבתי במודל של תוצאה משותפת

מודל התוצאה המשותפת (common effect model)[1] [2] [3] הוא מודל סיבתי בו הידע מאורגן כך שיבטא את האמונה שסיבות שונות עשויות להביא לאותה תוצאה. לדוגמה, באיור שמשמאל המודל מבטא את האמונה כי הקאות (C) יכולות להיגרם הן מאוכל מקולקל (A) והן מווירוס בטן (B). באופן דומה, מידע קודם אנו מאמינים כי להתקפי לב יכולות להיות סיבות שונות, כגון עישון, שומנים בדם, תורשה, יתר לחץ דם. במקרה זה המודל יכלול ארבע סיבות לאותה תוצאה ובהתאם השרטוט שיבטא זאת יכלול ארבע סיבות שחץ מוביל מכל אחד מהם בנפרד, לאותה תוצאה. בדומה לכך, כאבי ראש יכולים לנבוע מסיבות שונות כמו שתייה מועטה, נטייה תורשתית למיגרנות, עישון, סרטן. לעתים קרובות אנו משתמשים במודל זה ביומיום, למשל, כדרך להרגיע. כשחבר מתלונן על כאבי ראש מתמשכים ומודאג שמא הסיבה היא סרטן, אנו יכולים להציע לו שלל סיבות אחרות, מדאיגות פחות. כשהורה מודאג כי בנו טרם חזר הביתה, וחושש שמא אונה לו רע, אנו מציעים מגוון סיבות מרגיעות אפשריות לתוצאה ("הוא בטח מתעכב אצל חבר"...). דוגמאות מתחום השיווק בהסתמך על ידע קודם, אנו יודעים כי לתוצאה – הסרת כתמים קשים בעקבות שימוש בתכשיר כביסה – יכולים לתרום כמה גורמים (סיבות), כגון: סוג חומר הניקוי, ריכוזו, צמיגותו. בדומה לכך, אנו יודעים שלמשקה אנרגיה כמה מאפיינים סיבתיים היכולים לסייע לעוררות (ובכך להצלחה במבחנים): קיום חומרים הידועים כמעוררים כגון קופאין, כמותם או ריכוזם הגבוה, עצם היכולת של משקה לרענן וכד'. האיור משמאל מביא דוגמא פשוטה של ארגון ידע סיבתי ספציפי במודל של תוצאה משותפת.

האילוץ שמודל התוצאה המשותפת מכתיב הוא שהקשרים בין הסיבות השונות יהיו חלשים עד אפסיים. למשל, אם אנו יודעים שהן אכילת דגים והן אכילת תותים הן סיבות אפשריות לאלרגיה, סביר להניח שאם מישהו סובל מאלרגיה לאחר שאכל תותים, הסיכוי שאכל דגים באותו הֶקְשר הוא אפסי.

מחקרים שנעשו תומכים בכך שאנשים רגישים למבנה הסיבתי וממנו מסיקים על חוזק הקשר בין המשתנים שבמודל.

במחקר שנערך[7] (Perales, Catena & Maldonado, 2004) מספק תמיכה אמפירית, אם כי עקיפה, בכיוון זה. החוקרים התעניינו בשאלה, אם יחידים מסוגלים להסיק על קיום מתאם בין שני מאורעות שמעולם לא הוצגו יחדיו, מתוך הפגנת רגישות למבנה הסיבתי של המטלה. לכל הנבדקים ניתן מידע על הקשר בין קיום/אי-קיום מחלה לבין קיום/אי-קיום כל אחד משני רמזים (שני חומרים בדם), אלא שבסיפור המסגרת חלקם נרמזו למבנה של סיבה משותפת (שני הרמזים הוצגו כתוצאות אפשריות של המחלה) וחלקם נרמזו למבנה של תוצאה משותפת (שני הרמזים הוצגו כסיבות אפשריות לקיום המחלה). בשלב ראשון, הנבדקים נתבקשו להעריך לגבי כל רמז בנפרד, את הקשר בין קיומו/אי קיומו לבין קיום/אי קיום המחלה, ובשלב שני – להסיק על הקשר בין שני הרמזים עצמם. כמשוער, בהיותם רגישים לאילוצים שמכתיב המבנה הסיבתי, הנבדקים נטו לתפוס את הקשר בין שני הרמזים כחזק יותר כשהם הוצגו כשתי תוצאות אפשריות של סיבה משותפת מאשר כשהם הוצגו כשתי סיבות אפשריות לתוצאה משותפת.

מודל השרשרת (chain model)[עריכה]

דוגמא לארגון ידע סיבתי במודל שרשרת

מודל השרשרת (chain model), מתאר מצבים שבהם הידע הסיבתי מאורגן כך שהקשר בין הסיבה לתוצאה מביא את המנגנון. האיור משמאל מביא דוגמא פשוטה של ארגון ידע סיבתי ספציפי במודל של שרשרת. למשל, בהסתמך על ידע קודם אנו יכולים להסביר את הקשר בין מוטיבציה להצלחה בלימודים, באמצעות הצעת המשתנה המתווך "מאמץ". התקשורת השיווקית משתמשת גם במודל השרשרת כאמצעי שכנוע. על מנת לחבר טיעון סיבתי לידע קודם, המסר מציע לנו פעמים רבות משתנה מתווך שאנו יודעים מניסיוננו שהוא קשור לתועלת המובטחת. כך, למשל, מוצר להורדה במשקל ינסה לשכנע כי הוא מביא לתועלת המובטחת באמצעות הטעון כי הוא כולל מרכיב הגורם לירידה בתיאבון. על בסיס ידע קודם, ברור לנו שירידה בתיאבון גורמת לירידה במשקל, ולכן, על מנת לשכנע אותנו בנכונות הטיעון, הציעו לנו את הירידה בתיאבון כמנגנון המסביר את הקשר בין צריכת המוצר לירידה במשקל. מחקרים מראים כי הוספת מידע על המנגנון המקשר בין הסיבה לתוצאה מסייעת בשכנוע ( Ahn et al., 1995; Slusher & Anderson, 1996 .( מודל השרשרת הוא מודל המוכר גם כהסבר סיבתי. והוא נחקר רבות בעבר או כחלק מבדיקת השאלה מה חזק יותר או בנפרד.האילוץ של מודל זה לגבי המתאמים בין המשתנים.

חוזק לעומת מבנה[עריכה]

אחת ההבחנות הבסיסיות של תיאוריית המודל הסיבתי היא בין מבנה (Structure) ―המרכיב האיכותי בקשר בין המשתנים לבין חוזק (Strength) ― המרכיב הכמותי בקשרים.[8][9] במבנה הכוונה לשאלות כמו: האם עישון גורם לסרטן? האם משקה אנרגיה עוזר להצלחה במבחני אינטליגנציה? מה התהליך המתרחש בין שתיית המשקה להצלחה במבחן? האם סרטן מושפע מסיבות שונות? מאותה סיבה? בחוזק, הכוונה היא לחלק הכמותי כלומר לחוזק הקשר או המתאם בין המשתנים (באיזו מידה עישון גורם לסרטן? באיזו מידה משקה אנרגיה עוזר להצלחה במבחני אינטליגנציה?).

על פי תאוריית המודל הסיבתי שאלת המבנה בסיסית יותר משאלת החוזק[9][10] כלומר, תיאוריית המודל הסיבתי גורסת כי העיבוד שבסופו נעשה ההיסק הסיבתי מתרחש באורח של "מלמעלה למטה" (Top-Down). כלומר, ראשית יש הנחה על אודות המבנה הסיבתי, והנחות אלה הן שיקבעו כיצד נעבד מידע חדש. במילים אחרות, האופן שבו אומדני המתאם יחושבו ויפורשו תלוי במודל הסיבתי אותו מניח היחיד. [2][3][11] מסתבר כי אף ששאלת המבנה הסיבתי קודמת לשאלת החוזק, מחקרים קודמים בשיפוטי מתאם בלוחות 2 על 2 התמקדו בעיקר במרכיב החוזק, והתעלמו מן המרכיב המבני[3].

רמזים למבנה סיבתי[עריכה]

על פי גישת המודל הסיבתי, על מנת לגזור את המבנה הסיבתי, אנשים משתמשים בכמה רמזים לא-סטטיסטיים כגון סדר התרחשות האירועים בזמן, התערבות (מניפולציות או התערבויות שאנשים עושים ביומיום) וידע קודם. מחקרים מראים כי היחיד, נשען בחוזקה על הרמז של סדר התרחשות האירועים בזמן (קדימות בזמן) על מנת להסיק על המבנה הסיבתי.[12] למשל, במחקר נמצא כי התרחשות מאורע X (נפילת המחשב) לאחר מאורע Y (פתיחת מייל חשוד) מרמזת לאנשים כי המייל החשוד הוא סיבה אפשרית לתוצאה, וזאת פשוט משום שהוא קדם לו בזמן. באופן דומה, התערבות או מניפולציות שאנשים מבצעים בחיי היומיום משמשות אף הן כרמז חזק למבנה סיבתי. [10][3] [13] למשל אם התינוק בוכה לאחר שאימו הרכיבה מובייל חדש מעל מיטתו (סוג של מניפולציה או התערבות ביומיום) הוא פורץ בבכי, היא תסיק שהמובייל גרם לו לפרוץ בבכי.

היסטוריה[עריכה]

החל מסוף המאה העשרים, חל שינוי פרדיגמטי במחקר העוסק בהיסקים הסיבתיים שעושה האדם[1]. במקום להתמקד ב"רמזים לסיבתיות" ואמונות סיבתיות[14][15] והשפעתם על שיפוטים אנושיים וקבלת החלטות[16], קו המחקר החדש מתמקד במודלים המנטליים שיש לאנשים הנוגעים לידע סיבתי. מחקר זה הוביל לניסוח של CMT[17]. ניסוח ה CMT בוסס על מודלים הסתברותיים נורמטיביים להיסק סיבתי, שנוסחו על ידי פילוסופים, מתמטיקאים ותאורטיקנים ממדעי המחשב.[18] מודלים הסתברותיים אלה הם הכללות של רשתות בזייאניות, המערבות היסקים המייצגים מבנה סיבתי, על ידי גרפים כיווניים לא מעגליים.

הניעה מחקרים רבים המתמקדים באופן שבו מבנים סיבתיים שונים (כגון סיבה משותפת, תוצאה משותפת ומספר סוגים של שרשראות סיבתיות) משפיעים על שיפוטים סיבתיים. לדוגמה, de Kwaadsteniet, Hagmayer, Krol, and Witteman (2010) מצאו כי מודלים סיבתיים של פסיכולוגי ילדים קליניים של הגורמים

גרימת בעיות של לקוחות משפיעה על תפיסותיהם לגבי היעילות של התערבויות שונות. מחקרים אחרים עשו זאת

הראה כי המבנה הסיבתי של אירועים משפיע, למשל, על שיפוטים של הסתברות מותנית (Bes, Sloman, Lucas, & Raufaste, 2012), על שיתוף הפעולה הצפוי בין אירועים (Perales, Catena, & Maldonado, 2004), וכיצד אנשים לקבל החלטות (Hagmayer & Sloman, 2009).חפצים) הם גורמים שיחד עם פעולה אנושית והסביבה הנכונה, מספקים יתרונות (Fernbach et al., 2013). לפיכך, סביר להניח שאנשים משתמשים במודלים סיבתיים כדי לייצג ידע סיבתי למוצרים בדיוק כפי שהם מייצגים ידע סיבתי בתחומים הפיזיים, הביולוגיים והפסיכולוגיים (Waldmann, Hagmayer, & Blaisdell, 2006). אנשים מבססים את הייצוג המנטלי הזה על הידע שלהם לגבי הקשרים הסיבתיים בין תכונות המוצר.

הערות שוליים[עריכה]

This article "תאוריית המודל הסיבתי" is from Wikipedia. The list of its authors can be seen in its historical and/or the page Edithistory:תאוריית המודל הסיבתי. Articles copied from Draft Namespace on Wikipedia could be seen on the Draft Namespace of Wikipedia and not main one.

  1. 1.0 1.1 1.2 1.3 1.4 שגיאת לואה ביחידה package.lua בשורה 80: module 'יחידה:PV-options' not found.Benjamin Margolin Rottman, Reid Hastie, Reasoning about causal relationships: Inferences on causal networks., Psychological Bulletin 140, 2014, עמ' 109–139 doi: 10.1037/a0031903
  2. 2.0 2.1 2.2 2.3 שגיאת לואה ביחידה package.lua בשורה 80: module 'יחידה:PV-options' not found.Michael R. Waldmann, York Hagmayer, Aaron P. Blaisdell, Beyond the Information Given: Causal Models in Learning and Reasoning, Current Directions in Psychological Science 15, 2006-12, עמ' 307–311 doi: 10.1111/j.1467-8721.2006.00458.x
  3. 3.0 3.1 3.2 3.3 3.4 3.5 3.6 3.7 שגיאת לואה ביחידה package.lua בשורה 80: module 'יחידה:PV-options' not found.Lagnado, D. A., Waldmann, M. R., Hagmayer, Y., & Sloman, S. A, Causal learning: Psychology, philosophy, andcomputation, New York: Xford, 2007, עמ' 154-172
  4. שגיאת לואה ביחידה package.lua בשורה 80: module 'יחידה:PV-options' not found.Mark Steyvers, Joshua B. Tenenbaum, Eric‐Jan Wagenmakers, Ben Blum, Inferring causal networks from observations and interventions, Cognitive Science 27, 2003-05, עמ' 453–489 doi: 10.1207/s15516709cog2703_6
  5. שגיאת לואה ביחידה package.lua בשורה 80: module 'יחידה:PV-options' not found.Saporta-Sorozon, K. (2018). Global Journal of Management and Business Research.‏, God is in the Details: The Effect of Directional Verbs in Process Explanations on Text Coherence, Global Journal of Management and Business Research , 18(E1), 2008, עמ' 1-13
  6. שגיאת לואה ביחידה package.lua בשורה 80: module 'יחידה:PV-options' not found.Kelly Saporta‐Sorozon, Shai Danziger, Steven Sloman, Causal Models Drive Preference between Drugs that Treat a Focal versus Multiple Symptoms, Journal of Behavioral Decision Making 30, 2017-10, עמ' 794–806 doi: 10.1002/bdm.1999
  7. שגיאת לואה ביחידה package.lua בשורה 80: module 'יחידה:PV-options' not found.José C. Perales, Andrés Catena, Antonio Maldonado, Inferring non-observed correlations from causal scenarios: The role of causal knowledge, Learning and Motivation 35, 2004-05-01, עמ' 115–135 doi: 10.1016/S0023-9690(03)00042-0
  8. שגיאת לואה ביחידה package.lua בשורה 80: module 'יחידה:PV-options' not found.Michael R Waldmann, York Hagmayer, Estimating causal strength: the role of structural knowledge and processing effort, Cognition 82, 2001-11, עמ' 27–58 doi: 10.1016/s0010-0277(01)00141-x
  9. 9.0 9.1 שגיאת לואה ביחידה package.lua בשורה 80: module 'יחידה:PV-options' not found.Thomas L. Griffiths, Joshua B. Tenenbaum, Structure and strength in causal induction☆, Cognitive Psychology 51, 2005-12, עמ' 334–384 doi: 10.1016/j.cogpsych.2005.05.004
  10. 10.0 10.1 שגיאת לואה ביחידה package.lua בשורה 80: module 'יחידה:PV-options' not found.José Perales, Andrés Catena, Human causal induction: A glimpse at the whole picture, European Journal of Cognitive Psychology 18, 2006-03, עמ' 277–320 doi: 10.1080/09541440540000167
  11. שגיאת לואה ביחידה package.lua בשורה 80: module 'יחידה:PV-options' not found.Hagmayer, Y., & Waldmann, M. R. .‏, How temporal assumptions influence causal judgments., Memory & Cognition, 30, 2002, עמ' 1128-1137
  12. שגיאת לואה ביחידה package.lua בשורה 80: module 'יחידה:PV-options' not found.David A. Lagnado, Steven A. Sloman, Time as a guide to cause., Journal of Experimental Psychology: Learning, Memory, and Cognition 32, 2006, עמ' 451–460 doi: 10.1037/0278-7393.32.3.451
  13. שגיאת לואה ביחידה package.lua בשורה 80: module 'יחידה:PV-options' not found.Sloman, S. ‏, Causal models: How people think about the world and its alternatives., Oxford University Press: New York, NY 10003, 2005
  14. שגיאת לואה ביחידה package.lua בשורה 80: module 'יחידה:PV-options' not found.Hillel J. Einhorn, Robin M. Hogarth, Judging probable cause., Psychological Bulletin 99, 1986-01, עמ' 3–19 doi: 10.1037/0033-2909.99.1.3
  15. שגיאת לואה ביחידה package.lua בשורה 80: module 'יחידה:PV-options' not found.Woo-kyoung Ahn, Charles W. Kalish, Douglas L. Medin, Susan A. Gelman, The role of covariation versus mechanism information in causal attribution, Cognition 54, 1995-03-01, עמ' 299–352 doi: 10.1016/0010-0277(94)00640-7
  16. שגיאת לואה ביחידה package.lua בשורה 80: module 'יחידה:PV-options' not found.Patricia W. Cheng, Laura R. Novick, Covariation in natural causal induction., Psychological Review 99, 1992, עמ' 365–382 doi: 10.1037/0033-295X.99.2.365
  17. שגיאת לואה ביחידה package.lua בשורה 80: module 'יחידה:PV-options' not found.Michael R. Waldmann, Knowledge-Based Causal Induction, Elsevier, 1996, עמ' 47–88
  18. שגיאת לואה ביחידה package.lua בשורה 80: module 'יחידה:PV-options' not found.Leland Gerson Neuberg, CAUSALITY: MODELS, REASONING, AND INFERENCE, by Judea Pearl, Cambridge University Press, 2000, Econometric Theory 19, 2003-08, עמ' 675–685 doi: 10.1017/S0266466603004109


Read or create/edit this page in another language[עריכה]