7. Le modèle S-R Q: “ Pourquoi Jean, atteint d’une infection aux streptocoques, a-t il été vite guéri?” Q I : “ Pourquoi X, qui appartient à la classe de référence A, a-t-il aussi la proprieté B?” X = Jean A = classe des personnes atteintes d’une infection aux streptocoques B = guérison rapide R: “ Parce que X a même la proprieté C, et C est pertinent à B étant donné A” Structure des questiones et des réponses
8. Le modèle S-R X A quelle est P(B/A)? A est-elle homogène? A n’est pas homogène A C 1 comparaison des probabilités A C 2 P(B/A C 1 ) P(B/A C 2 ) À quelle sous classe X appartient-il? X A C 1 A C 1 est-elle homogène? A C 1 n’est pas homogène A C 1 D 1 comparaison des probabilités A C 1 D 2 P(B/A C 1 D 1 ) P(B/A C 1 D 2 ) à quelle sous classe X appartient-il? X appartient à A C 1 D 2 donc R : “ Parce que X appartient à la sous classe A C 1 D 2 Structure d’explication
9.
10. L’approche érotétique Comment évaluer R: nous évaluons “Parce que A” en tant que telle si K implique que A est faux, nous rèfusons “Parce que A”, si non nous considérons la probabilité que K confère à A nous évaluons “Parce que A” par rapport à P k A rend-elle plus probable P K par rapport aux autres membres de X? nous évaluons “Parce que A” par rapport aux autres réponses possibles - A est-elle plus probable que d’autres réponses? - A favorise-t-elle P K plus que d’autres réponses? - y-a-t-il d’autres réponses qui rendent A non pertinent à P K ?
11. Le principe de cause commune PCC expliquer les corrélations observées frequemment ensemble en postulant une cause commune qui les a produites BIFURCATION CONJONCTIVE C A B A,B,C événements P(A), P(B), P(A B) P(A B) = P(A) x P(B) P(A B) > P(A) x P(B) P(A B) < P(A) x P(B) P(B) P(B/A) P(A) P(A/B) définition d’indépendence statistique définitions de dépendence statistique définitions de relevance statistique entre A e B
12. Le principe de cause commune P(B/A) > P(B) relevance statistique positive entre A et B et (la relation est symétrique) P(A/B) > P(A) P(A B) > P(A) x P(B) dépendance statistique entre A et B P(A B/C) = P(A/C) x P(B/C) conditions d’une cause commune C et qui soit statistiquement relevant pour A et P(A/C) > P(A), P(B/C) > P(B) B à la fois, mais qui rend A et B mutuellement indépendents ! Salmon : cette relevance statistique doit être expliquée en termes des processus causals qui mènent de C à A et de C à B
13. Le principe de cause commune 1. ASPECT COMPARATIF Sober reformule PCC : deux caractéristiques principales quand une explication CC est-elle effectivement préférable à une explication CS? C est-elle une cause commune de A et B mais non de D? 2 . ASPECT RELATIF Comment comparer les différentes explications? Au moyen d’une inférence bayesienne qui tient compte des probabilités a priori et des vraisemblances
14. Le principe de cause commune Comment comparer les explications: P(I/E) = P(E/I) x P(I) / P(E) Théorème de Bayes 1. P(CC/E) = P(E/CC) x P(CC) / P(E) 2. P(CS/E) = P(E/CS) x P(CS) / P(E) 3. P(CC/E) > P(CS/E) ssi P(E/CC) x P(CC) > P(E/CS) x P(CS) CC et CS ont la même probabilité a priori choisir sur la base des vraisemblances CC et CS ont la même vraisemblance choisir sur la base des probabilités a priori
15. La valeur épistémologique des modèles Suppositions: modèles d’explication = structures formelles susceptibles d’interpretation les modèles d’explication utilisent des notions causales le but de ces modèles d’explication est de fournir une connaissance explicative Thèse: le modèle statistique adopté reflète les opinions que nous avons sur la valeur épistémologique de l’explication
16. La valeur épistémologique des modèles Utilisation privilegé des explications Expliquer un événement: quelle est sa cause? Justifier le statut ontologique de certaines entités théoriques Dans quelle mesure un modèle est-il applicable? Problème de la conformité des modèles à la réalité PCC et la détermination du nombre d’Avogadro
17. La valeur épistémologique des modèles CONCEPTION ONTIQUE (Salmon et Sober) l’explication d’un événement identifie sa cause, elle montre quel est le processus causale la connaissance explicative tire au clair le mécanisme causal de la nature CONCEPTION ÉROTÉTIQUE (van Fraassen) l’explication d’un événement est une réponse à une question le problème de l’explication se résoudre entièrement dans le cadre d’une conception pragmatique. Il n’y a aucune différence entre les connaissances explicatives et descriptives
18. La valeur épistémologique des modèles Conception ontique Salmon : le modèle S-R met en évidence les relations causales réellement existantes PCC, selon le schéma de l’inférence à la meilleure explication, nous permet de justifier nos croyances à propos de l’existence des entités inobservables Sober : PCC est un principe méthodologique; les principes de parsimonie et de simplicité guident la pratique scientifique Conception érotétique Van Fraassen: comprendre un événement signifie le situer d’une façon appropriée à l’intérieur du réseau causal, mais ce réseau n’a aucune valeur ontologique. nos connaissences s’arrêtent au niveau des modèles et de leur conformité empirique
19. Conclusion Salmon et van Fraassen Où se situe le “parce que”? Salmon: parmi les différents explananda de la partition-explanandum Van Fraassen: parmi les différentes arguments de la classe-antithèse Comment identifie-t-on le bon facteur causal? Le bon facteur causal est celui qui est pertinent Qu’est-ce que “ pertinent ” ? Salmon la pertinence causale van Fraassen la pertinence contextuelle
20. Conclusion Nous pouvons connaitre ce qui est pertinent Salmon: nous pouvons connaître les relations qui font partie du mécanisme causal du monde Van Fraassen: nous pouvons connaître les relations qui font partie de la structure formelle du modèle Nul modèle d’explication n’atteint à son objectif parce que la méthode du raisonnement est fallacieuse
21. Agenda Reprendre la problématique à partir d’une question d’ordre gnoséologique. Développer une forme de réalisme modéré sur les entités qui ensuite soutiennent le réalisme causal. Une analyse du sens commun, peut-elle nous aider ? réalisme naïf ? épistémologie naïve ? raisonnement contrefactuel ? Est-il possible de suivre les mêmes traces pour le discours scientifique ?