草率概括
Hasty generalization
用太少或不具代表性的例子,推出普遍的結論。
說明
歸納 Induction從有限觀察推向較一般的結論,通常評為強或弱;即使支持很強,也不像有效演繹那樣保證結論必真。看名詞表本來就是從例子推出一般結論,這是很重要的推理方式。草率概括的問題在於:樣本 Sample從想了解的整體中,實際觀察或調查到的那一部分。看名詞表太少,或不是代表性樣本 Representative sample能合理反映研究目標整體的樣本;須評估抽樣方法、涵蓋範圍、無回覆與自我選擇偏差,不能只看人數或表面組成相似。看名詞表,卻推出了涵蓋全體的結論。
也常被稱為「以偏概全」。
生活例子
「我點過兩次那家店的外送都送錯,這家店一定很不可靠。」
兩次經驗很真實,但不足以代表這家店的整體表現。
保育例子
「我在網路上看到兩支獼猴搶遊客食物的影片,所以獼猴都很兇、很危險。」
「我在社團看到三則路殺照片,所以這條路每天都在撞死石虎。」
第一句可能讓人對獼猴產生過度的負面印象,第二句出自關心石虎的一方,同樣把少數案例推到了「每天」。路殺是否嚴重,需要有系統的調查紀錄來判斷。
何時不算謬誤
足夠的樣本量與合適的抽樣方式能增加支持,但仍要檢查涵蓋、未回覆、量測方式與不確定性,不能保證每個歸納結論都可靠。或者把結論限縮在實際觀察的範圍,例如「我看過的那幾隻獼猴會搶食物」,也沒有問題。
善意回應法
「那幾次的經驗確實讓人擔心。有沒有比較有系統的紀錄,可以看出整體的情況?」
參考資料
- Stanford Encyclopedia of Philosophy — Fallacies(另開視窗)
- 對本卡或情境所用謬誤概念的界定;不是案例中的實證資料或政策結論。
- AAPOR — Best Practices for Survey Research(另開視窗)
- 樣本、抽樣方式與涵蓋及未回覆等誤差須一併評估。