Логика и аргументация

Учебное пособие для вузов

Раздел: Учебники

Эти требования, которым должны удовлетворять данные, кажутся весьма простыми и обычными, особенно в свете того, что раньше говорилось о точности и ясности употребляемых понятий, суждений и умозаключений, а также использовании индукции и статистики для оценки данных.

1. Подтверждающие данные должны быть репрезентативными. Это значит, что случаи или примеры должны быть выбраны так, чтобы они верно отражали структуру области аргументации. Часто говорят, что выбор должен быть непредвзятым и не создавать преимуществ для одних случаев в ущерб другим. Особое значение это требование приобретает для статистических данных. Чтобы аргументирование рассуждать о всем "статистическом коллективе" или генеральной совокупности элементов (массовых случайных событий, популяций организмов, молекул и т.п.), необходимо выделить из нее такой образец, или сделать выборку, которая бы непредвзято (или репрезентативно) отражала структуру всей генеральной совокупности. Поскольку именно по выборке судят о всей совокупности, то требование репрезентативности является решающим критерием для оценки статистических данных, подтверждающих основанную на них аргументацию.

2. Конкретные случаи и статистические данные должны быть взяты из наиболее надежных источников. Это требование очевидно, так как аргументация, основанная на них, например, обобщение, если и будет признано аудиторией, может оказаться явно ненадежной вследствие предвзятости статистических данных, взятых из не заслуживающих доверия источников.

3. Данных должно быть достаточно как по числу, так и по подробностям, которые их характеризуют. Как уже отмечалось ранее, индуктивное или статистическое обобщение будет более правдоподобным и заслуживающим доверия, чем больше будет найдено подтверждающих его случаев. Даже с увеличением простого числа сходных случаев, логическая вероятность обобщения возрастает, но если эти случаи будут заметно отличаться друг от друга, то вероятность и доверие к обобщению станет значительно сильнее. А с доверием необходимо считаться, когда приходится убеждать с помощью своей аргументации аудиторию.

4. Отрицательные данные должны быть объяснены. Наличие отрицательных данных часто рассматривается как свидетельство того, что они не подбирались предвзято. Но их обнаружение требует объяснения либо путем более тщательного анализа, который покажет, что эти данные не имеют отношения к обобщению, или же в противном случае приходится уточнять само обобщение.

5. При анализе и оценке данных должен быть учтен опыт и ценностные ориентиры аудитории. Это требование направлено на то, чтобы добиться согласия с аудиторией по поводу приводимых данных для аргументации. Если многие из них известны аудитории, то не следует умножать число примеров и заниматься скучным повторением доводов. Лучшая тактика в этом случае состоит в том, чтобы разбирать случаи, значительно отличающиеся от известных и потому представляющие для нее больший интерес. Убеждение, как мы покажем ниже, зависит также от тех ценностных ориентиров, на которые аудитория явно и неявно опирается при обсуждении аргументов. Поэтому любые доводы и данные, идущие в разрез с научными, социальными, этическими и тому подобными ценностными установками, будут восприняты ею отрицательно. В связи с этим необходимо, хотя бы вкратце, остановиться на роли ценностных суждений и ориентации в процессе аргументации.