009. Dedukcja, indukcja i abdukcja – trzy sposoby rozumowania badawczego

W badaniu naukowym nie wystarczy zebrać dane i obliczyć wynik. Trzeba jeszcze uzasadnić, w jaki sposób przechodzimy od założeń do pytań, od obserwacji do hipotez oraz od wyników do wniosków. Temu służą różne formy rozumowania. Trzy szczególnie ważne to dedukcja, indukcja i abdukcja. Nie są one konkurencyjnymi „technikami statystycznymi”, lecz sposobami porządkowania myślenia badacza. W praktyce często występują razem: abdukcja pomaga zaproponować wyjaśnienie, dedukcja pozwala wyprowadzić przewidywania, a indukcja służy ocenie, na ile dane wspierają szerszy wniosek.

1. Czym jest rozumowanie w nauce?

Rozumowanie to uporządkowane przechodzenie od przesłanek do wniosku. Przesłankami mogą być między innymi twierdzenia teoretyczne, wcześniejsze wyniki badań, obserwacje, pomiary lub informacje o konkretnym przypadku. Wniosek jest natomiast zdaniem, które badacz uznaje za uzasadnione na podstawie tych przesłanek.

Warto odróżnić prawdę wniosku od poprawności schematu wnioskowania. Poprawny schemat nie gwarantuje prawdziwości konkluzji, jeśli przesłanki są fałszywe, niepełne albo błędnie zastosowane. Z drugiej strony prawdziwy wniosek może zostać uzyskany przypadkowo, bez dobrego uzasadnienia. Metodologia badań ocenia więc nie tylko to, co stwierdzono, lecz także jak do tego stwierdzenia doszło.

Charles Sanders Peirce opisywał dedukcję, indukcję i hipotezę — zbliżoną do współczesnego pojęcia abdukcji — jako odmienne funkcje procesu badawczego (Peirce, 1878). Współczesne ujęcia podkreślają, że wnioskowanie naukowe ma charakter iteracyjny: hipotezy są formułowane, rozwijane, konfrontowane z obserwacjami i modyfikowane w świetle nowych danych.

2. Dedukcja: od reguły ogólnej do szczegółowego przewidywania

Dedukcja polega na wyprowadzeniu wniosku szczegółowego z przesłanek ogólnych i dotyczących konkretnego przypadku. Jeżeli przesłanki są prawdziwe, a schemat rozumowania jest logicznie poprawny, wniosek wynika koniecznie.

Klasyczny schemat można zapisać następująco:

Reguła: Wszystkie osoby spełniające warunek A mają cechę B.
Przypadek: Osoba X spełnia warunek A.
Wniosek: Osoba X ma cechę B.

W zapisie symbolicznym:

A ⇒ B; A; zatem B

Symbol A ⇒ B oznacza, że z warunku A wynika warunek B. Drugie A odnosi się do konkretnego przypadku, a B jest wyprowadzonym wnioskiem.

Przykład dedukcji w medycynie

Załóżmy, że w określonym protokole klinicznym przyjęto regułę: „u pacjentów z rozpoznanym ciężkim niedocukrzeniem i zachowanym dostępem dożylnym należy niezwłocznie wdrożyć postępowanie zgodne z algorytmem leczenia hipoglikemii”. Ratownik stwierdza, że pacjent spełnia kryteria ciężkiego niedocukrzenia i ma dostęp dożylny. Na tej podstawie dedukuje, jakie działanie wynika z protokołu.

Dedukcja nie oznacza tutaj, że protokół jest zawsze właściwy dla każdego pacjenta. Oznacza jedynie, że jeśli przesłanki są spełnione, to określone zalecenie wynika z przyjętej reguły. Prawidłowa praktyka wymaga jeszcze oceny jakości protokołu, aktualności wytycznych i wyjątków klinicznych.

Rola dedukcji w badaniu

W badaniu empirycznym dedukcja jest szczególnie ważna przy przechodzeniu od teorii do hipotez i przewidywań. Z modelu teoretycznego można wyprowadzić oczekiwanie, że określona zmienna będzie różnić się między grupami albo że wzrost jednej zmiennej będzie wiązał się ze zmianą innej. Następnie przewidywanie można operacjonalizować i poddać testowi.

Dedukcja jest więc bliska etapowi konceptualizacji i planowania badania. Nie dostarcza jednak sama przez się nowych obserwacji. Pokazuje, co powinno być widoczne w danych, jeśli założona teoria lub hipoteza jest trafna.

3. Indukcja: od wielu obserwacji do uogólnienia

Indukcja polega na przechodzeniu od przypadków szczegółowych do twierdzenia bardziej ogólnego. Badacz obserwuje określone zjawisko w wielu przypadkach, rozpoznaje regularność, a następnie formułuje uogólnienie dotyczące szerszej populacji lub klasy zdarzeń.

W przeciwieństwie do dedukcji indukcja nie daje logicznej pewności. Nawet bardzo liczne i zgodne obserwacje nie wykluczają, że kolejny przypadek będzie odmienny. Wniosek indukcyjny jest zatem stopniowalny: może być słabiej lub silniej uzasadniony, zależnie od jakości danych, liczebności próby, reprezentatywności, precyzji pomiaru i zgodności z innymi badaniami.

Przykład indukcji w zdrowiu publicznym

Badacze analizują dane z kilku reprezentatywnych badań ankietowych przeprowadzonych wśród dorosłych mieszkańców różnych regionów. W każdym badaniu osoby deklarujące krótszy sen częściej zgłaszają objawy wyczerpania. Na tej podstawie można sformułować uogólnienie: w badanej populacji krótszy sen wiąże się z częstszym występowaniem objawów wyczerpania.

Nie wolno jednak automatycznie przekształcić takiego wniosku w twierdzenie, że krótszy sen powoduje wyczerpanie. Indukcja może wskazać regularność, ale nie rozstrzyga sama, czy jest ona związkiem przyczynowym. Możliwe są między innymi odwrotna zależność, zmienne zakłócające, błąd pomiaru lub selektywne uczestnictwo w badaniu.

Wnioskowanie indukcyjne jest związane z uogólnianiem wyników z próby na populację. Wymaga ostrożności, ponieważ zakres uzasadnionego wniosku nie może być szerszy niż zakres danych. Badanie jednej kliniki nie uzasadnia bez dodatkowych przesłanek twierdzeń o wszystkich pacjentach w kraju.

Indukcja a statystyka

Statystyka inferencyjna dostarcza formalnych narzędzi do oceny niepewności uogólnień. Przedział ufności, błąd standardowy, estymacja i modele statystyczne pomagają opisać, jak bardzo wynik z próby może różnić się od wartości w populacji. Nie eliminują jednak problemów projektu badania. Statystyka nie naprawi próby niereprezentatywnej, nieprawidłowo zdefiniowanej zmiennej ani systematycznego błędu selekcji.

Warto też pamiętać, że wartość p nie jest prawdopodobieństwem prawdziwości hipotezy zerowej. Jest miarą zgodności danych z określonym modelem i założeniem zerowym, przy przyjęciu warunków danego testu. O sile argumentu przemawiającego za uogólnieniem decydują również wielkość efektu, precyzja oszacowania, jakość projektu i znaczenie praktyczne.

4. Abdukcja: poszukiwanie najlepszego wyjaśnienia

Abdukcja to rozumowanie, w którym na podstawie obserwowanego rezultatu proponuje się hipotezę, która mogłaby ten rezultat wyjaśnić. Często opisuje się ją jako wnioskowanie „do najlepszego wyjaśnienia”. Nie jest to dowód, że hipoteza jest prawdziwa. Jest to racjonalny sposób generowania kandydatów do dalszego sprawdzenia.

Można ją przedstawić schematycznie:

Zaobserwowano zjawisko B.
Gdyby zachodziło A, zjawisko B byłoby oczekiwane lub zrozumiałe.
Zatem A jest hipotezą wartą rozważenia.

W zapisie:

B; A ⇒ B; zatem prawdopodobnie A

W tym schemacie B jest obserwacją, A — proponowanym wyjaśnieniem, a zapis „prawdopodobnie” przypomina, że wniosek ma charakter hipotetyczny, a nie konieczny.

Abdukcja w diagnostyce

Pacjent zgłasza duszność, ból w klatce piersiowej i przyspieszoną czynność serca. Klinicysta rozważa kilka hipotez: zatorowość płucną, zapalenie płuc, zaostrzenie astmy, niedokrwistość lub zaburzenie lękowe. Zatorowość płucna może wyjaśniać zestaw objawów, ale sama obserwacja nie potwierdza rozpoznania. Jest punktem wyjścia do zebrania dodatkowego wywiadu, badania fizykalnego i dobrania odpowiednich testów.

W diagnostyce abdukcja musi być połączona z oceną prawdopodobieństwa, ryzyka i kosztu błędu. Hipoteza może być atrakcyjna wyjaśniająco, ale mało prawdopodobna przed testem. Inna może być mniej efektowna, lecz częstsza i praktycznie ważniejsza. Dlatego generowanie hipotez powinno być oddzielone od ich weryfikacji (Stanley i Nyrup, 2020).

5. Jak trzy sposoby rozumowania współpracują?

W realnym badaniu kolejność nie zawsze jest identyczna, ale użyteczny model wygląda tak:

1. Abdukcja: badacz zauważa problem lub zaskakującą obserwację i proponuje możliwe wyjaśnienie.
2. Dedukcja: z hipotezy wyprowadza przewidywania, które można zaobserwować, zmierzyć lub porównać.
3. Indukcja: analizuje dane i ocenia, czy wyniki wspierają uogólnienie oraz jak szeroki może być jego zakres.
4. Nowa abdukcja: niezgodne lub niepełne wyniki prowadzą do modyfikacji modelu albo zaproponowania alternatywnej hipotezy.

Przykładowo, w badaniu pielęgniarskim obserwuje się, że po wypisie część pacjentów nie stosuje się do zaleceń dotyczących leków. Abdukcja podpowiada, że przyczyną może być nie tylko brak motywacji, lecz także niezrozumiała instrukcja, koszty leczenia lub przeciążenie opiekuna. Dedukcja prowadzi do przewidywania, że pacjenci otrzymujący instrukcję w prostym języku i z metodą teach-back będą częściej poprawnie odtwarzać zalecenia. Indukcja polega następnie na ocenie wyników w próbie i ostrożnym rozważeniu, czy obserwowany wzorzec można uogólnić.

6. Przykład praktyczny: analiza przypadku

Załóżmy, że oddział ratunkowy odnotował wzrost liczby pacjentów powracających w ciągu 72 godzin od wypisu.

Krok 1. Obserwacja i abdukcja

Sam wzrost powrotów jest rezultatem wymagającym wyjaśnienia. Możliwe hipotezy obejmują: niewystarczające instrukcje wypisowe, trudności w dostępie do lekarza podstawowej opieki zdrowotnej, większą ciężkość przypadków, zmianę kryteriów przyjęcia albo niedostateczne leczenie objawowe.

Krok 2. Dedukcja przewidywań

Jeżeli głównym problemem są instrukcje wypisowe, to pacjenci z dokumentacją zawierającą niejasne lub niekompletne zalecenia powinni częściej wracać. Jeżeli natomiast zasadniczą rolę odgrywa ciężkość stanu, powroty powinny być częstsze przede wszystkim w grupach o większym ryzyku klinicznym, niezależnie od formy instrukcji.

Krok 3. Indukcyjna ocena danych

Badacz analizuje dokumentację, charakterystyki pacjentów i przyczyny powrotu. Uwzględnia potencjalne zmienne zakłócające, na przykład wiek, choroby współistniejące, rodzaj rozpoznania i dostęp do opieki po wypisie. Wyniki mogą wspierać jedną hipotezę bardziej niż inną, ale zwykle nie zamykają całkowicie procesu wyjaśniania.

Krok 4. Weryfikacja i komunikacja

Jeśli planowana jest interwencja, trzeba jasno określić jej elementy, grupę odniesienia, wynik główny i sposób analizy. Sposób raportowania powinien odpowiadać projektowi badania; pomocne są odpowiednie wytyczne EQUATOR Network, ponieważ zwiększają przejrzystość opisu metod i wyników. Wnioski należy formułować zgodnie z projektem: badanie obserwacyjne może wskazywać na związek, lecz nie powinno bez dodatkowego uzasadnienia używać języka przyczynowego.

7. Najczęstsze błędy

• Traktowanie abdukcji jak dowodu. Hipoteza, która dobrze wyjaśnia obserwację, nadal wymaga sprawdzenia.
• Mylenie indukcji z pewnością. Zgodność wielu obserwacji nie wyklucza wyjątków ani błędów systematycznych.
• Uznawanie dedukcji za gwarancję prawdziwości teorii. Dedukcja pokazuje, co wynika z przesłanek; nie potwierdza sama jakości tych przesłanek.
• Przeskok od związku do przyczynowości. Regularność obserwowana w danych nie jest automatycznie efektem przyczynowym.
• Pomijanie alternatywnych wyjaśnień. Jedna hipoteza może być zgodna z danymi, ale nie musi być jedyną ani najlepszą.
• Wybieranie wyjaśnienia po obejrzeniu wszystkich wyników bez kontroli błędu. Post hoc można niemal zawsze znaleźć interesującą interpretację; dlatego hipotezy i analizy należy planować przejrzyście.
• Rozszerzanie wniosku poza populację badania. Zakres generalizacji powinien wynikać z doboru próby, projektu i jakości pomiaru.

8. Co warto zapamiętać?

• Dedukcja prowadzi od reguły lub teorii do przewidywania dotyczącego konkretnego przypadku.
• Indukcja prowadzi od obserwowanych przypadków do uogólnienia, ale nie daje logicznej pewności.
• Abdukcja prowadzi od obserwacji do hipotezy, która może być najlepszym dostępnym wyjaśnieniem.
• W badaniu naukowym trzy sposoby rozumowania zwykle się uzupełniają, zamiast występować w izolacji.
• Statystyka pomaga ocenić niepewność i wzorce w danych, lecz nie zastępuje poprawnego projektu ani logicznej interpretacji.
• Siła wniosku zależy nie tylko od jego atrakcyjności, ale także od jakości przesłanek, pomiaru, projektu, analizy i zakresu uogólnienia.

Rozróżnienie dedukcji, indukcji i abdukcji jest praktycznym narzędziem krytycznej lektury artykułów oraz planowania własnych badań. W kolejnych lekcjach publicznego szkolenia na statystyk.edu.pl warto obserwować, w którym miejscu procesu badawczego pojawia się określony typ rozumowania i jakie założenia musi spełniać, aby wniosek był metodologicznie uzasadniony.

\n

Źródła i dalsza lektura

\n

1. Peirce, Charles Sanders (1878). Deduction, Induction, and Hypothesis. Popular Science Monthly, 13, 470–482. Pełny opis źródła.
2. Stanley, Donald E.; Nyrup, Rune (2020). Strategies in Abduction: Generating and Selecting Diagnostic Hypotheses. The Journal of Medicine and Philosophy: A Forum for Bioethics and Philosophy of Medicine, 45(2), 159–178. DOI: 10.1093/jmp/jhz041.
3. de-Sousa, Marcos Roberto; Aguiar, Túlio Roberto Xavier de (2022). Deduction, Induction and the Art of Clinical Reasoning in Medical Education: Systematic Review and Bayesian Proposal. Arquivos Brasileiros de Cardiologia, 119(5 suppl 1), 27–34. DOI: 10.36660/abc.20220405.
4. Stanford Encyclopedia of Philosophy (2023). Abduction. Stanford Encyclopedia of Philosophy. Metaphysics Research Lab, Stanford University. Źródło.

\n