Определение дедукция: Дедукция – Гуманитарный портал

Содержание

Логические индукция и дедукция как принципы отражения предметной области в корпусе текстов

ЛОГИЧЕСКИЕ ИНДУКЦИЯ И ДЕДУКЦИЯ КАК ПРИНЦИПЫ ОТРАЖЕНИЯ ПРЕДМЕТНОЙ ОБЛАСТИ В КОРПУСЕ ТЕКСТОВ

С.В. Клименко, В.В. Рыков

Развитие систем информационного поиска неизбежно приводит к выводу об ограниченности поисковых алгоритмов, основанных на лексических соответствиях. Эффективным может быть только поиск, тем или иным способом моделирующим предметную область, сформулированную в запросе, и сопоставляющим ему предметную область информационного пространства, в котором происходит поиск. Наиболее быстро растущая область применения различных систем информационного поиска сейчас является Интернет. Интернет содержит моря информации, но получить из него необходимые знания зачастую так же сложно, как и напиться из моря (Клименко, Рыков, 2000).

Известно, что качество поиска резко повышается при условии применения даже простейшего тезауруса, индексирующего запросы пользователей, а также документы, просматриваемые при поиске.

Ситуация резко усложняется при поиске информации в сети Интернет. Здесь разнообразие запросов соперничает с почти безграничным разнообразием информации, содержащейся во всемирной сети. Простейший и довольно эффективный выход казалось бы очевиден. Известно, что современные мощные поисковые системы имеют программы-«роботы», просматривающие содержащиеся в сети документы, и составляющие свои поисковые индексные файлы, отражающие состав и местонахождение этих документов. Эти индексные файлы являются простейшим отражением многообразия информации, в которой происходит поиск. Как уже говорилось, это отражение происходит на лексическом уровне. Как правило, при просмотре происходит отбор ключевых слов из текстов просматриваемых документов. Такой список становится поисковым образом документа (ПОД) для данной информационной поисковой системы (ИПС).

Эффект использования такого рода поисковых алгоритмов зачастую описывается упоминавшейся уже выше метафорой моря. Дело осложняется еще тем, что, как показывает практика, массовый «юзер» всемирной сети в своем запросе использует в среднем два слова (Gauch, 1999).

Говорить о точном представлении предметной области поиска в таких случаях не приходится. Типичным результатом такого рода запросов является длинный список найденных документов, содержащих массу нерелевантных единиц. И в то же время очевидно, что масса необходимой информации теряется.

Разрыв пытаются преодолеть с двух сторон – построением алгоритмов автоматического дополнения и расширения поискового образа запроса (ПОЗ) — так называемое “query expansion”. А также совершенствованием механизмов индексации пространства поиска. И та и другая деятельность не может обойтись без мощной лингвистической поддержки.

Что касается текстов, то давно уже существуют алгоритмы более точного извлечения из них знаний. Например, так называемые концептуальные графы могут быть получены алгоритмически из текстов самых разных функциональных стилей – документальной прозы, информатики, газетных статей и даже некоторых жанров художественной прозы (Новиков, 1984). Эти концептуальные структуры достаточно полно отражают состав понятий, отраженный в тексте.

Такая структура может служить поисковым образом документа. Однако, алгоритм получения таких онтологических структур не является универсальным. Более того, он также требует резкого увеличения времени индексирования отдельного документа по сравнению с простым извлечением из текста информативной лексики. Это затрудняет применение подобных алгоритмов в реальных системах информационного поиска.

Более того, соединение отдельных концептуальных графов в единую структуру, отражающую онтологию данной предметной области, тоже не является тривиальной задачей. Однако, так или иначе, увеличение эффективности информационного поиска идет через сравнение именно семантических структур поискового запроса и просматриваемых при поиске текстов. Видимо, как обычно, требуется найти компромисс между глубиной и полнотой отражения содержания текста и скоростью его обработки. Компромисс также следует найти на пути синтеза созданных понятийных структур отдельных текстов, в единую структуру, отражающую все поисковое информационное поле.

Одним из подобных компромиссов может стать концепция так называемого корпуса текстов. Рассмотрим это понятие подробнее. Первый корпус текстов (так называемый Брауновский корпус) был создан в США в 60-е годы и был предназначен для отражения лингвистических особенностей американской печатной прозы. Этот корпус был занесен на магнитный носитель и содержал пятьсот двухтысячесловных отрывков разных текстов печатной прозы США общим объемом около миллиона слов. Возможно неожиданно для самих его создателей, Брауновский корпус а) стал своеобразным стандартом для создания других подобных корпусов; б) послужил импульсом для создания новой науки – корпусной лингвистики; в) область применения корпуса текстов и методов корпусной лингвистики оказалась намного шире и разнообразнее, чем ожидали его создатели (Рыков, 1996).

Корпус текстов как своеобразное словесное единство является одним из ключевых понятий так называемой корпусной лингвистики. Для того, чтобы описать методологию применения корпуса текстов для оптимизации решения поисковых задач, существенно необходимо уточнить само понятие «корпус текстов». Прежде всего, здесь присутствует обычная полисемия. Корпус текстов Пушкина или корпус текстов газеты «Известия» за 2000 год имеют общие черты, но те существенные свойства корпуса, которые нам требуются для решения поставленных задач, здесь не присутствуют.

Для этого уточним определяемое понятие, определив его как термин «компьютерный корпус текстов» (ККТ) и разберем, какими являются его существенные свойства. Это тем более необходимо, что это понятие, как часто употребляемое всуе, является довольно многозначным и аморфным. Результат нашего рассуждения, а по сути и само определение выглядит как матрица дистрибутивного различения, часто применяемая в лингвистике.

Для этого сравним с определяемым понятием уже упоминавшиеся понятия корпус текстов Пушкина (КП), корпус текстов газеты «Известия» (КИ) и разберем, какие признаки их объединяют и различают. Для более точного определения признаков, которые нам потребуются для дальнейшего изложения, присоединим к анализируемым терминам корпус пословиц, расположенный на машинном носителе (КПС).

Прежде всего, объединяющим их признаком является логическое единство замысла (ЛЗ). Другим признаком является конечный размер (КР), справедливым для всех трех близких понятий. Первым признаком, отличающим компьютерный корпус текстов, от двух первых понятий является обязательное расположение его на машинном носителе (МН). Но КПС также может быть расположен на машинном носителе. Такую же картину дистрибутивного различения дает признак, который отражает факт стандартного представления или разметки словесного материала в корпусе для удобства его программной обработки (СТ).

Теперь мы переходим к тем признакам, которые присущи только ККТ и определяют некоторую его уникальную способность служить инструментом для решения многих задач в области информатики. Существенно важными для нас могут быть два признака, которые в корпусной лингвистике называются samplingи representativeness – отбор и представительность. Действительно, первый из этих признаков – способ отбора текстов в корпус (СО) – может быть применен только к двум последним понятиям – ККТ и КПС.

Мы не можем по своему усмотрению отбирать тексты для корпуса текстов Пушкина или газеты «Известия». Но мы можем отобрать тексты для ККТ и корпуса пословиц (КПС).

Наконец, последним и самым важным свойством является представительность (РП). Оно определяет – какую внекорпусную реальность отражает корпус (или желает отразить его составитель). Строго говоря, все остальные корпусные сущности, которые мы хотим различить, этим свойством не обладают. Действительно, тексты, входящие в корпус текстов Пушкина, газету Известия и даже специально отобранные для машинного корпуса пословиц, строго говоря, отражают только самих себя. Вернее, они отражают, соответственно, мир образов, понятий, лингвистические и прочие особенности текстов Пушкина, газеты «Известия» или русских пословиц. Для того, чтобы выразить эту мысль яснее, можно привести один показательный пример. Частота встречаемости редкого слова “berserk” в двух популярных английских газетах различалась почти на порядок. Понятно, что трудно говорить о представленности какой-либо предметной области или достаточно обширного подмножества языка (например, устной или печатной речи).

Если воспользоваться аналогиями объектно-ориентированного программирования, то корпус текстов будет абстрактным классом, а ККТ – его конкретным подклассом с доопределенными нам нужными свойствами.

	КП	КИ	ККТ	КПС
ЛЗ	+	+	+	+
КР	+	+	+	+
МН	—	+	+	+
СТ	—	+	+	+
СО	—	—	+	+
РП	—	—	+	—

Матрица дистрибутивного различения для определения термина «Компьютерный корпус текстов».

Существенно важным для дальнейшего изложения является свойство репрезентативности или представительности ККТ. Это его свойство отражать лежащую вне его реальность, изначально заложенное при его создании широко используется для различных приложений. Здесь мы опишем направления использования этого свойства для оптимизации поиска информации – прежде всего неподготовленными пользователями в сети Интернет.

Для решения этой задачи на помощь приходит другой принцип корпусной лингвистики — опора на эталонный корпус текстов, адекватно отражающий данный тип коммуникации. Такой корпус помогает решить лингвистические трудности, исходя не из идеализированных представлений и моделей, а реального речевого материала, уже употреблявшегося в данном типе коммуникации.

Этот подход для решения задачи перехода от лексического способа формулировки запроса к понятийному поиску был реализован и описан уже несколько лет назад (Gauch, 1999). Реализовывается этот подход у авторов по следующему алгоритму. Сам процесс они называют расширением запроса (expanding query). Запрос расширяется и становится «концептуальным» (conceptual), используя обращения к оперативному корпусу необходимой лексики (online database) и так называемым специализированным «матрицам подобия» (similarity matrix). Таким способом устраняется бессмысленное лексическое сравнение (word matching) при поиске и осуществляется переход к концептуальному поиску (conceptual retrieval).

Здесь же авторы делают важное замечание. Как уже говорилось, для автоматизированного перехода от слов к понятиям служат матрицы подобия. Они расширяют исходную лексику пользовательского запроса до понятийного. В принципе, если такой переход лексически однороден, то достаточно одной матрицы подобия. Приходится же выбирать одну из нескольких. Другими словами, одно и то же слово будет по-разному расширяться и формироваться понятийный ПОЗ. В зависимости от того, в какой понятийной или специализированной области происходит поиск.

На понятийную область может указать снова эталонный корпус текстов, отражающий лексику соответствующей понятийной области и соответствующим образом организованный. . Если обратиться к приведенному выше примеру о лексическом поиске по заголовку этой статьи, то специализированная матрица подобия должна сформировать такой ПОЗ, релевантными которому были бы только ПОДы документов с лингвистической информацией (по корпусной лингвистике).

Мы приходим к выводу, что автоматический переход в ИПС от лексической формы запроса к понятийному (дескрипторному) ПОЗ возможен. Он требует в качестве предварительной основы создания корпуса текстов, содержащего реальный речевой материал, использовавшимся в такого рода информационных запросах. То есть в речевой модели, основанного на реально происходивших актах коммуникации. Алгоритмическое и программное моделирование такого подхода, который декларируется как корпусная лингвистика, показывает, что такой канал принципиально неоднороден. Это явление обусловлено гетерогенностью коммуникативной среды Интернет (Клименко, Крохин, 1997).

Выходом из этого противоречия может быть более строгое определение понятийных границ области поиска. То есть разбиение коммуникативной среды на однородные (гомогенные) среды с последующим моделированием каждой из них в отдельности. Методология такого построения, безусловно должна основываться на логических принципах. В данном случае плодотворными, адекватными поставленной задаче и взаимно дополняющими друг друга оказываются принципы логической индукции и дедукции.

Дедуктивный подход к построению ККТ может быть описан следующим образом. Двигаясь от общего описания внекорпусной реальности, которую мы хотим отразить, мы конструируем это описание, пользуясь методом логической дедукции. Например, какой набор жанров печатной прозы или какой состав функциональных стилей должен быть отражен в ККТ. Эта процедура может быть названа определением корпуса на метауровне (Holmes, 1996). В принципе, при достаточно четком и формальном описании требуемого разнообразия текстов, на этом можно было бы и остановиться. При этом было бы отделено логическое описание требуемого ККТ и его физическое представление. Сами тексты могут находиться в локальной сети или даже в Интернете. В таком случае мы будем иметь так называемый виртуальный корпус текстов.

При необходимости локализовать ККТ в компактный набор файлов, мы производим отбор текстов из общего доступного нам архива, двигаясь от общих требований, выраженных в формальном описании к конкретным текстам. Примером реализации такого подхода может служить так называемая фреймовая модель (Holmes, 1996). Все необходимые характеристики текстов отражены в слотах их фреймов. При необходимости скомпоновать нужный ККТ, задается необходимый набор критериев и процесс компиляции происходит программным путем. Этот алгоритм может быть легко обобщен для всего разнообразия текстов, расположенных в Интернете.

В некотором смысле движение от противного может быть представлено при индуктивном подходе. В этом случае на начальном этапе мы имеем некоторый ограниченный эталонный набор (ядро) текстов, который пусть неполно и ограниченно отражает некоторую лингвистическую или когнитивную реальность. Следующим шагом будет разработка логической индуктивной процедуры, имитирующей биологический рост или самоорганизацию живого организма.. Эффективность реализации такого подхода была продемонстрирована на базе самообучающихся нейросетей — так называемых сетей Кохонена (Kohonen, 1990). Обученная на ограниченном, специально отобранном наборе текстов нейросеть продолжает индуктивный поиск в доступной ей информационной среде новых текстов. Такой индуктивный алгоритм конструирования ККТ позволяет также программно сформировать достаточно репрезентативный ККТ, адекватный поставленным информационным задачам.

Как уже говорилось выше, оба подхода имеют свои преимущества и недостатки. Оптимальной методологией может быть непротиворечивая их комбинация.

Баранов А.Н. Автоматизация лингвистических исследований: корпус текстов как лингвистическая проблема // Русистика сегодня. — Москва, 1998. — N.1-2. — C.179-191.
Кавасаки Г. Выложиться в Web // Computerworld Россия. — М., 2000. — N.1. — C. 14-15.
Клименко С.В., Крохин И.В. и др. Электронные документы корпоративных сетях. — М., 1999. — 272 с.
Клименко С.В., Рыков В.В. Корпус текстов как принцип самоорганизации предметной области. – Диалог-2000. – Москва-Протвино, 2000.
Клименко С.В., Рыков В.В. Диалоговое извлечение знаний из корпуса текстов // Диалог-99. — Москва-Таруса, 1999.
Маурер Г. Управление знаниями на основе Web-технологий // Computer Weekly. — 1988. — N.34-36. — C. 34-37.
Новиков А.И., Нестерова Е.Н. Реферативный перевод. – М., 1984.
Рыков В.В. Корпусная лингвистика (научно-аналитический обзор) // РЖ: Социальные и гуманитарные науки: Зарубежная литература. -М.:ИНИОН, 1996. — N.4 — С.43-51.
Рыков В.В. Прагматически ориентированный корпус текстов // Тверской лингвистический меридиан. Теоретический сборник. Ред. Сусов И.П. — Тверь, 1999. — Вып. 3. — С. 89-96.
Рыков В.В. Прагматически ориентированный корпус текстов // Диалог-99. — Москва-Таруса, 1999.
Рубашкин В.Ш. Представление и анализ смысла в интеллектуальных информационных системах. — М.::Наука, 1989.
Черный А.И. Заметки об информатике и дескрипторах // Азгальдов Э.Г. и др. Дескрипторный словарь по информатике. — М.: ВИНИТИ., 1991. — С.3-13.
Gauch S. et al. A Corpus Analysis Approach for Automatic Query Expansion and its Extension to Multiple Databases // ACM Transactions on Information Systems. – 1999. – Vol. 17. – N. 3. – P. 250-269.
Holmes-Higgin P., Ahmad H. Assembling and Viewing a Corpus of Texts: Self-organisation, Logical Deduction and Spreading Activation as Metaphors // Euralex’96 Proceedings. – Stokholm, 1996. – P.109-120.
Kilgariff A. Comparing Corpora // International Journal of Corpus Linguistics. — Philadelphia: John Benjamins, 1999. — Vol. 4(2).www.itri.bton.ac.uk/~Adam.Kilgariff/ijcl.ps.pz
Kohonen T. Self Organisation and Asociative memory. – London : Springer, 1990.
Mooers C. N. «Mooers» law, or why some retrieval systems are used and other are not // American Documentation. — 1960. — Vol.11, N.3.
Mooers C.N. Descriptors // Encyclopedia of library and information science / A.Kent and H. Lancour, eds. — Vol.7. — New York, 1972.- Vol.7. — P. 31-45.

Глава XXI. Роль дедукций – Учебник логики, Г. Челпанов

Георгий Челпанов

Учебник логики

Глава XX. Методы индуктивного исследованияГлава XXII. О гипотезе

Скачать

Дедуктивный метод исследования может употребляться в науках в двух случаях. Во-первых, он употребляется как средство объяснения закона, уже открытого индуктивно, именно когда найденный закон можно свести к одному или нескольким законам более общего характера, которые поэтому можно назвать высшими законами. Во-вторых, дедуктивный метод употребляется как средство открытия законов, которые невозможно открыть индуктивно, но которые возможно дедуктивно вывести из законов, уже известных.

Но что значит в этом случае термин объяснение, что значит объяснить закон? В этом случае понятие объяснения употребляется в том же самом смысле, в каком оно употребляется, когда дело идёт об объяснении факта. Мы считаем известный факт объяснённым в том случае, если его можно вывести из какого-нибудь общего закона. Например, человек умер вследствие введения какого-то вещества в желудок. Мы спрашиваем, почему произошла смерть; как объясняется данный факт (т.е. смерть человека)? Данный факт будет объяснён, если, констатируя, что вещество, введённое в желудок, имеет все признаки мышьяка, мы можем вывести этот факт из общего положения «мышьяк есть яд». Процесс дедукции, применяемый нами в данном случае, вполне очевиден.

Подобно тому как факты могут быть объясняемы дедуктивно, так могут быть объясняемы и законы. Мы отмечаем следующее различие между законами. Поскольку закон, найденный индуктивно, не может посредством дедукции выводиться из какого-либо другого более общего или высшего закона, он называется эмпирическим законом. (Это, как мы видели, есть индукция через простое перечисление.) Например, из многочисленных наблюдений над влиянием хинина на организм был сделан индуктивный вывод, что «хинин излечивает лихорадку»; это есть индуктивный закон, но в то же время это есть эмпирический закон, потому что не объясняется, почему хинин излечивает лихорадку. Если мы дадим ответ на последний вопрос, то мы объясним эмпирический закон; тогда эмпирический закон перестанет быть эмпирическим и сделается производным. Объяснение эмпирического закона состоит в сведении его на более общий закон. Таких объяснений эмпирических законов в науках о природе Милль различает три вида.

Первый вид. Мы иногда открываем законы какого-нибудь явления при помощи индукции и затем приходим к убеждению, что этот закон выводится из других законов. Так, например, Кеплер открыл закон, что «планеты движутся по эллипсу», но объяснить, отчего это так, он не был в состоянии. Ньютон показал, что этот закон может быть объяснён двумя более общими законами, именно законом центробежной силы, стремящейся двигать планету по касательной к её орбите, и законом тяготения, которое стремится бросить планету на Солнце². Легко видеть, что оба эти закона имеют более общий характер, чем закон движения планет.

Второй вид. Мы часто открываем причинную связь между явлениями A и D; нам кажется, что A и D связаны друг с другом непосредственно. Между тем впоследствии мы убеждаемся в том, что между указанными двумя членами есть промежуточный член или несколько таковых. Например, между A и C, на которые мы смотрели как на причину и действие, есть промежуточный член B, так что отношение между A и C оказывается не одним законом причинности, а цепью таких законов, в которой A есть причина B и только B есть причина C. Например, прикосновение сахара к языку вызывает ощущение сладкого вкуса. Поэтому можно сказать, что сахар есть причина ощущения сладкого вкуса. Но между прикосновением сахара к языку и возникновением сладкого вкуса есть целый ряд звеньев. Сахар поглощается слизистой оболочкой языка и приходит в соприкосновение с волокнами вкусовых нервов; из этого возникает химический процесс в нерве, который, распространяясь по нерву в форме молекулярного движения, доходит до головного мозга, результатом возбуждения которого является то состояние, которое называется ощущением сладкого вкуса. Таким образом, между прикосновением сахара к языку и ощущением сладкого вкуса происходит целый ряд процессов. Общие положения, которые служат для выражения этих промежуточных процессов, и служат для объяснения закона причинной связи между A и C.

Может казаться, что этот второй вид объяснения не содержит в себе никакой дедукции, никакого подведения под другой, более общий закон. На самом же деле такое подведение действительно существует, потому что законы промежуточных процессов оказываются более общими, чем первоначальное положение. В самом деле, если мы говорим, что сахар поглощается слизистой оболочкой языка, то потому, что мы здесь предполагаем общее положение, что слизистые оболочки вообще обладают способностью поглощать различные вещества. Далее, гели мы говорим, что во вкусовом нерве происходит химический процесс, который распространяется по нерву в форме молекулярного движения, то мы этот процесс рассматриваем как частный случай молекулярного движения в случае возникновения химического процесса. Наконец, когда мы говорим, что возбуждение мозга вызывает ощущение сладкого вкуса, то это есть частный случай более общего процесса, когда возбуждение мозга вызывает те или иные психические процессы.

Третий вид. Наконец, третий вид объяснения законов состоит в соединении нескольких законов в один закон, объединяющий их. Этот вид объяснения представляет простой процесс обобщения. Например, мы называем известный процесс горением. Но если мы между горением и покрытием железа ржавчиной усматриваем нечто общее, именно: что горение и покрытие ржавчиной представляют собой процессы соединения с кислородом, то мы подводим их под высшее понятие, их объединяющее, именно «окисление». Это более общее понятие и служит объяснением для менее общих понятий.

Значение объяснения законов. Таким образом, рассмотрев три вида объяснения законов, мы видим, что объяснение какого-нибудь закона заключается в сведении его к законам более общим. Это объяснение законов, или превращение эмпирических законов в производные, имеет громадное научное значение.

Наука делает каждый раз шаг вперёд, когда эмпирический закон делается производным посредством дедукций, потому что объяснение эмпирического закона точно определяет сферу приложения его. Эмпирические законы не должны быть прилагаемы за пределами времени, места и вообще обстоятельств, при которых они найдены, т. е. если мы нашли какой-нибудь закон при тех или иных обстоятельствах времени и места, то мы не имеем права утверждать, что он будет действителен и при других обстоятельствах времени и места, потому что мы вообще не знаем, в каких пределах он может быть приложим. Если же эмпирический закон сделается производным, то он тогда точно указывает, в каких пределах он может быть приложим. Чтобы показать, как важно превращение эмпирических законов в производные, возьмём пример.

Эмпирическим путём было найдено, что вода в насосе не может подняться выше 33 футов. Это был факт, но факт необъяснённый. Вследствие этого нельзя было сказать, так ли это происходит на других планетах, так ли это происходит на высоких горах и т.п. Но вот закон из эмпирического сделался производным, потому что было найдено, что поднятие воды в насосе обусловливается давлением атмосферы. Эмпирический закон был объяснён. Как только это произошло, тотчас можно было определить точные границы приложимости этого эмпирического закона. Мы теперь знаем, где этот закон не будет иметь применения. Мы знаем, что на вершинах высоких гор высота поднятия воды в насосе должна быть ниже 33 футов, что другие жидкости, как, например, ртуть, серная кислота и т.п., не поднимутся до этой высоты. Ни одно из этих ограничений не могло бы быть получено эмпирическим путём. Превращение эмпирического закона в производный дало тотчас же все эти ограничения.

Дедуктивное открытие законов. Дедуктивное открытие законов бывает тогда, когда действие одной причины смешивается с действием другой (например, на какое-либо тело действуют две силы под углом; требуется определить путь, который совершит данное тело). В этом случае необходимо бывает определить, какое может получаться действие от комбинации данных причин.

Первый момент – это нахождение простейших законов отдельных причин при помощи индукции. Именно при помощи индукции определяются законы отдельных причин, которые, входя в соединение друг с другом, производят известное действие.

Второй момент составляет силлогизация, т.е. выведение из уже известных законов отдельных причин того сочетания их действий, какое нужно для того, чтобы создать исследуемое сложное явление. Дедукция в собственном смысле состоит в определении по законам отдельных причин, каково будет действие, производимое сочетанием этих причин.

Третью часть составляет проверка вычисления, или вывода, посредством сравнения результатов вычисления с наблюдением над изучаемым сложным явлением. Это есть сопоставление действия предсказанного и действия данного.

Имея эти данные, мы пользуемся уже дедуктивным методом для решения нашей задачи. При помощи силлогизации мы определяем, как должно быть велико сопротивление для данного случая (для этого нам необходимо общее положение и данный частный случай). Путём силлогизации мы определяем, какова была бы линия полёта, если бы действовала только одна упругость газов. Приняв в соображение эти и другие данные, мы определяем линию полёта.

Из изложенного в этой главе легко видеть, что именно соединение дедукции с индукцией даёт возможность открыть законы сложных явлений. «Дедуктивному методу, характеризованному указанным способом, с его тремя составными частями: индукцией, рассуждением и проверкой, – говорит Милль, – человеческий ум обязан своими наиболее блестящими победами в исследовании природы. Мы обязаны ему всеми теориями, подводящими обширные и сложные явления под несколько простых законов, которые никогда не могли бы быть открыты прямо».

В каких двух случаях употребляется дедуктивный метод? В чём заключается дедуктивное объяснение законов? Какое различие между законами эмпирическими и производными? Какие существуют три вида дедуктивного объяснения законов? Какое имеет значение сведение эмпирического закона к производному? В чём заключается дедуктивное открытие законов природы?

Что движение планеты, например Луны, находится под влиянием двух сил, можно пояснить при помощи чертежа 30, «где E представляет Землю, а MB – орбиту Луны. Предположим, что Луна находится в M. Если бы притяжение Земли перестало действовать на неё, то Луна продолжала бы двигаться по той же прямой линии, по которой она двигалась в тот самый момент, как притяжение перестало действовать на неё, и она пошла бы по направлению к N и в течение секунды дошла бы, положим, до M. Но мы находим, что вследствие притяжения Земли Луна на самом деле находится в B, и это показывает, что притяжение Земли притянуло Луну от M до B» (Локайер, Уроки элементарной астрономии).

Если вы получаете налоговый вычет , это означает, что вы можете уменьшить сумму вашего дохода, который подлежит налогообложению. Если что-то продается со скидкой, вы можете получить процент вычета от первоначальной цены. Вычет означает изъятие или изъятие суммы.

Если вы поклонник Шерлока Холмса, вы уже знаете, что процесс логической дедукции помогает раскрывать преступления — вы забираете известную информацию в вывести ответ на то, что вы не делаете. В фигурном катании за каждую ошибку на льду снимается балл — судьи снимают баллы.

com может направить вас или ваш класс на путь систематического улучшения словарного запаса. Начать
дедуктивное существительное — определение, изображения, произношение и примечания к использованию0009
сущ. перейти к другим результатам
[неисчисляемый, исчисляемый] процесс использования имеющейся у вас информации для понимания конкретной ситуации или поиска ответа на проблему
Он пришел к решению с помощью простого процесса дедукции.
Если мои выводы верны, я могу сказать вам, кто был убийцей.
Мы можем исследовать кости динозавров и делать выводы о том, как они жили.
сравнить индукцию (3) см. также вывести
Дополнительные примеры
Она пришла к этому выводу с помощью логического вывода.
детектив с отличными дедуктивными способностями
Мы можем сделать некоторые выводы об истории руин.
Темы Математика и измеренияb2
Оксфордский словарь словосочетаний прилагательное
блестящий
logical
reasonable
…
verb + deduction
make
preposition
by deduction
deduction about
phrases
powers of deduction
a process of deduction
See полная запись
[неисчислимый, исчисляемый] процесс вычитания суммы чего-либо, особенно денег, из общей суммы; сумма, которую забрали
Дивиденды будут выплачены без вычета налога.
вычет из чего-либо вычеты из вашей зарплаты по налогам и пенсионным отчислениям
Компания автоматически делает налоговые вычеты из вашей зарплаты.
Дополнительные примеры
вычеты на транспортные расходы
ежемесячные вычеты на медицинское страхование
Вы должны требовать вычета при подаче налоговой декларации.
Оксфордский словарь словосочетанийприлагательное
monthly
weekly
tax
…
verb + deduction
make
itemize
claim
…
preposition
deduction for
deduction from
See full запись
Word Originlate Среднеанглийский: от латинского deductio (n-), от глагола deducere, от de- «вниз» + ducere «вести».
No related posts.