दोषपूर्ण सामान्यीकरण

From Vigyanwiki
Revision as of 12:32, 21 June 2023 by alpha>Jyotimehta (TEXT)

एक दोषपूर्ण सामान्यीकरण एक अनाकारिक तर्कदोष है जिसमें किसी घटना के एक या कुछ उदाहरणों के आधार पर किसी घटना के सभी या कई उदाहरणों के बारे में निष्कर्ष निकाला जाता है। यह गणित में उदाहरण द्वारा प्रमाण के समान है। [1] यह निष्कर्ष पर पहुंचने का एक उदाहरण है। [2] उदाहरण के लिए, कोई व्यक्ति केवल एक या कुछ लोगों के बारे में जो जानता है, उसके आधार पर सभी लोगों या समूह के सभी सदस्यों के बारे में सामान्यीकरण कर सकता है:

  • यदि कोई किसी दिए गए देश X के किसी असभ्य व्यक्ति से मिलता है, तो उसे संदेह हो सकता है कि देश X के अधिकांश लोग असभ्य हैं।
  • यदि कोई केवल सफेद हंस देखता है, तो उसे संदेह हो सकता है कि सभी हंस सफेद हैं।

अधिक सटीक दार्शनिक भाषा में व्यक्त किया गया, दोषपूर्ण आगमन का भ्रम एक परिणाम है जो शक्तिहीन परिसर के आधार पर बनाया गया है, या जो पर्याप्त या निष्पक्ष साक्ष्य द्वारा उचित नहीं है। [3] प्रासंगिकता की भ्रांतियों के विपरीत, दोषपूर्ण प्रेरण की भ्रांतियों में, परिसर निष्कर्षों से संबंधित हैं, फिर भी केवल शक्तिहीन रूप से निष्कर्षों को पुष्ट करते हैं, इसलिए एक दोषपूर्ण सामान्यीकरण उत्पन्न होता है। इस आगमनात्मक गिरावट का सार एक निहित मार्जिन या त्रुटि के अंतर्गत अपर्याप्त-बड़े प्रतिरूप के आधार पर एक तर्क की अधिकता पर आधारित है। [2]


तर्क

एक दोषपूर्ण सामान्यीकरण प्रायः निम्नलिखित प्रारूप का अनुसरण करता है:

प्रतिरूप के अनुपात Q में विशेषता A है।
इसलिए, जनसंख्या के अनुपात Q में विशेषता A है।

इस तरह का एक सामान्यीकरण प्रतिरूप (सांख्यिकी) (प्रायः अप्रतिनिधि या पक्षपाती) के बारे में एक आधार से जनसंख्या के बारे में एक निष्कर्ष पर आगे बढ़ता है। [3]

दोषपूर्ण सामान्यीकरण भी सोचने का एक तरीका है जो एक व्यक्ति या एक समूह के अनुभव लेता है, और गलत तरीके से इसे दूसरे तक विस्तारित होता है।

आगमनात्मक भ्रांति

  • अविचारी सामान्यीकरण केवल एक या बहुत कम उदाहरणों की जांच करने या किसी एक मामले का अध्ययन करने और वस्तुओं या घटनाओं के पूरे वर्ग का प्रतिनिधि होने का सामान्यीकरण करने की भ्रांति है।
  • विपरीत, मिद्ध आगमन, एक आगमनात्मक तर्क के तार्किक निष्कर्ष को नकारने की भ्रांति है, एक प्रभाव को सिर्फ एक संयोग के रूप में खारिज करना जब इसकी बहुत संभावना नहीं है।
  • भारी अपवाद जल्दबाजी के सामान्यीकरण से संबंधित है लेकिन दूसरे छोर से काम करता है। यह एक सामान्यीकरण है जो सटीक है, लेकिन योग्यता पर प्रचिह्न करता है जो पर्याप्त स्तिथियों को समाप्त करता है (अपवाद के रूप में); जो बचता है वह मूल कथन की तुलना में बहुत कम प्रभावशाली होता है जिसके कारण कोई अनुमान लगा सकता है।
  • पक्षपाती प्रतिरूप एक भ्रम है जहां ऐसे प्रतिरूपों का उपयोग करके निष्कर्ष निकाला जाता है जो अप्रतिनिधि या पक्षपाती हैं। [4]
  • भ्रामक जीवंतता एक प्रकार की शीघ्रता में सामान्यीकरण है जो इंद्रियों को आकर्षित करती है।
  • सांख्यिकीय विशेष दलील तब होती है जब परिणामों के एक हिस्से से डेटा को पुनर्वर्गीकृत या पुनः परिमाणित करने के तरीकों की तलाश करके प्रासंगिक आंकड़ों की व्याख्या की जाती है, लेकिन अन्य श्रेणियों के लिए समान जांच लागू नहीं की जाती है। [5]
  • इसे रचना के भ्रम की एक विशेष स्तिथि माना जा सकता है, जहां चर्चा के अंतर्गत आइटम एक समूह है, और भ्रम वह है जो विषय के हिस्से के ज्ञान से प्राप्त किया जा सकता है।

अविचारित सामान्यीकरण

अविचारित सामान्यीकरण दोषपूर्ण सामान्यीकरण की एक अनौपचारिक गिरावट है, जिसमें अपर्याप्त साक्ष्य के आधार पर आगमनात्मक तर्क सामान्यीकरण तक पहुंचना सम्मिलित है।[3] अनिवार्य रूप से सभी चर या पर्याप्त प्रमाणों पर विचार किए बिना जल्दबाजी में निष्कर्ष निकालता है। आँकड़ों में, इसमें एक छोटे प्रतिरूप (सांख्यिकी) से एक सांख्यिकीय सर्वेक्षण के संबंध में व्यापक निष्कर्ष सम्मिलित हो सकते हैं जो पूरी आबादी का पर्याप्त रूप से प्रतिनिधित्व करने में विफल रहता है। [1][6][7] इसके विपरीत भ्रम को आलसी प्रेरण कहा जाता है, जिसमें आगमनात्मक तर्क के उचित निष्कर्ष को नकारना सम्मिलित है (उदाहरण के लिए यह सिर्फ एक संयोग था)।

उदाहरण

अविचारित सामान्यीकरण सामान्यतः पतिरूप का अनुसरण करता है:

  1. X, A के लिए सत्य है।
  2. X, B के लिए सत्य है।
  3. इसलिए, X, C, D, E, आदि के लिए सत्य है।

उदाहरण के लिए, यदि कोई व्यक्ति पहली बार किसी शहर से पारित होता है और 10 लोगों को देखता है, तो वे ग़लती से यह निष्कर्ष निकाल सकते हैं कि कस्बे में कोई वयस्क निवासी नहीं है।

वैकल्पिक रूप से, एक व्यक्ति एक संख्या रेखा को देख सकता है, और देख सकता है कि संख्या 1 एक वर्ग संख्या है; 3 एक अभाज्य संख्या है, 5 एक अभाज्य संख्या है, और 7 एक अभाज्य संख्या है; 9 एक वर्ग संख्या है; 11 एक अभाज्य संख्या है, और 13 एक अभाज्य संख्या है। इन अवलोकनों से, व्यक्ति यह दावा कर सकता है कि सभी विषम संख्याएँ या तो अभाज्य हैं या वर्ग, जबकि वास्तव में, 15 एक ऐसा उदाहरण है जो दावे का खंडन करता है।

वैकल्पिक नाम

भ्रम को इस रूप में भी जाना जाता है:

  • ब्लैक स्वान भ्रम
  • अवैध सामान्यीकरण
  • अपर्याप्त प्रतिरूप का भ्रम
  • विशेष से सामान्यीकरण
  • किसी नतीजे पर पहुंचना
  • ब्लैंकेट वर्णन
  • जल्दबाजी में प्रेरण
  • छोटी संख्या का नियम
  • अप्रतिनिधि प्रतिरूप
  • योग्य

एक उदाहरण से किए गए सामान्यीकरण का जिक्र करते समय, एकाकी तथ्य का भ्रम,[8] या उदाहरण के द्वारा प्रमाण की भ्रांति का उपयोग किया जा सकता है।[9]

जब परिणाम को पक्षपात करने के लिए साक्ष्य को जानबूझकर बाहर रखा जाता है, तो बहिष्करण की गिरावट - चयन पूर्वाग्रह का एक रूप - सम्मिलित होना कहा जाता है। [10]


यह भी देखें

संदर्भ

  1. 1.0 1.1 "जल्दबाजी में सामान्यीकरण". logicallyfallacious.com. Retrieved 2019-12-05.
  2. 2.0 2.1 Dowden, Bradley. "जल्दबाजी में सामान्यीकरण". Internet Encyclopedia of Philosophy. Retrieved 2019-12-05.
  3. 3.0 3.1 3.2 Nordquist, Richard. "Logical Fallacies: Examples of Hasty Generalizations". ThoughtCo (in English). Retrieved 2019-12-05.
  4. Dowden, Bradley. "Fallacies — Unrepresentative Sample". Internet Encyclopedia of Philosophy. Retrieved 2019-12-05.
  5. Fischer, D. H. (1970), Historians' Fallacies: Toward A Logic of Historical Thought, Harper torchbooks (first ed.), New York: HarperCollins, pp. 110–113, ISBN 978-0-06-131545-9, OCLC 185446787
  6. "Fallacy: Hasty Generalization (Nizkor Project)". Archived from the original on 2008-12-17. Retrieved 2008-10-01.
  7. "हेत्वाभास". www.ditext.com. Retrieved 2019-12-05.
  8. Fischer, David Hackett (1970). Historians' Fallacies: Toward a Logic of Historical Thought. HarperCollins. pp. 109–110. ISBN 978-0-06-131545-9.
  9. Marchant, Jamie. "तार्किक भ्रम". Archived from the original on 2012-06-30. Retrieved 2011-04-26.
  10. "अप्रतिनिधि नमूना". Archived from the original on 2008-04-15. Retrieved 2008-09-01.