Argumentationsfel, även kallat fallasi och bedrägliga argument är argument som ser ut som ett bra argument av en speciell typ, men som i själva verket inte är det.Järvå & Dahlgren (2013, s. 278). Det kan vara irrelevanta argument vid saklig debatt eller felaktighet i ett logiskt resonemang (logiskt felslut). Vid saklig debatt leder argumentationsfel ofta till felaktiga slutsatser. Vissa former av argumentationsfel är retoriskt effektiva och kan nyttjas medvetet för att lura en motståndare. Exempel är ledande frågor, åldersargument utan relevans och misstänkliggöranden.
Att känna igen argumentationsfel kan vara svårt, men det är nyttigt att känna till dem då det underlättar analys av resonemang och debatter. En kunnig retoriker kan påpeka gjorda argumentationsfel för att minska debattmotståndarens trovärdighet.
Aristoteles var den första som systematiskt studerade argumentationsfel.Aristoteles (2000).
Typer av argumentationsfel
Det finns huvudsakligen två typer av argumentationsfel: logiska felslut och fallasier.
Logiska felslut är slutsatser som inte följer från premisserna, vilket innebär att argumenten är ogiltiga. Logiska felslut kan antingen vara formella eller informella. Formella felslut (eller syllogistiska felslut) är oberoende av språket, vilket innebär att man endast behöver veta argumentets struktur för att veta om argumentet är giltigt eller ogiltigt. Formella felslut kan därför uttryckas helt och hållet med symboler, och dessa argument är alltid deduktivt ogiltiga. Informella felslut är beroende av språket, vilket innebär att man förutom argumentets struktur också måste veta något om sammanhanget innan man kan utvärdera om argumentet är bra eller dåligt. Fallasier är "någonting som ser ut som ett bra argument av en speciell typ, men som i själva verket inte är det". Ordet fallasi kommer från det latinska fallere som betyder att luras eller bedra. Fallasier kan därför ses som en bredare kategori som innehåller både formella och informella felslut, liksom argument som inte nödvändigtvis handlar om argumentens logiska slutledning.
Man kan också vända på frågan och i stället fråga vad det är som gör ett argument bra. Det är vanligen att argumentet inte innehåller några fallasier.Järvå & Dahlgren (2013, s. 279).
Logiska felslut
Felslut, falsk slutledning eller logisk fallasi är en slutsats som inte följer logiskt från premisserna.
Felaktig kombination Att två fenomen förekommer var för sig betyder inte med nödvändighet att de förekommer tillsammans.
En del av A har egenskapen X En del av A har egenskapen Y Alltså har en del av A egenskaperna X och Y
Eller: Vissa länder har en kung Vissa länder har en president Alltså har vissa länder en kung och en president
Eller: Ingen katt har två svansar En katt har en svans mer än ingen katt Alltså har en katt tre svansar
Syllogistiska fel En syllogism kan direkt jämföras med en slutledningsregel, det vill säga ett sätt att från två premisser dra en slutsats. Begreppet härstammar från Aristoteles och hans syllogistik räknas som en av det exakta tänkandets största triumfer.
Som en ingrediens i västerländsk utbildning var Aristoteles lära om syllogismerna länge ett sidostycke till Euklides, och i många länder ingick den i gymnasiernas läroplan långt in på 1900-talet. I dag har syllogistiken endast ett historiskt intresse.
Exempel på syllogismer är följande: Premiss: Alla A är B Premiss: Alla B är C Slutsats: Alla A är C
Premiss: Alla A är B Premiss: Några A är C Slutsats: Några B är C
Exempel på syllogistiska fel är då: Premiss: Alla A är B Premiss: Alla B är C Slutsats: Alla C är A (det kan finnas C som inte är B och B som inte är A)
Ett "verkligt" exempel: Alla foliehattar är knäppgökar Alla knäppgökar är konstiga Alla foliehattar är konstiga (rätt) Alla konstiga är foliehattar (fel)
Fel i satslogik
Omvänd implikation Ett mycket vanligt argumentationsfel är att blanda ihop antecedenten och konsekventen i en implikation. Exempel: Om Gud finns kan Gud skapa människor Människor finns Alltså finns Gud
Förväxling av inklusion och exklusion Att tolka ett exklusivt "eller" som inklusivt, eller vice versa. Alltså att göra fel på om något kan vara båda eller enbart det ena av två olika fall.
Newton var matematiker eller fysiker Newton var matematiker Alltså var Newton inte fysiker
Fel med kvantitativ logik Kvantitativ logik är den del av satslogiken som grundar sig på begrepp som "några" och "vissa".
Orsak/tidssamband Post hoc ergo propter hoc (Efter detta, därför till följd av detta), att förväxla ett tidssamband med ett orsakssamband. Exempel: Jag drömmer om flygolyckor Ett flygplan havererar Alltså havererar flygplan för att jag drömmer om dem
eller
Rävsvansextrakt botar förkylning. Jag hade varit genomförkyld i över en vecka, men så åt jag rävsvansextrakt och blev frisk på tre dagar. (Sannolikheten för att personen skulle ha varit förkyld mer än tio dagar i sträck med eller utan rävsvansar är låg.)
Delning och sammansättning (komposition) Att hävda att det som gäller delarna av en helhet också gäller helheten och vice versa.
Exempel: Människor har medvetande En fot är en del av en människa Alltså har en fot medvetande eller Alla som röstat på Miljöpartiet är för deras miljöpolitik
90 % har inte röstat på Miljöpartiet, alltså är 90 % emot Miljöpartiets miljöpolitik eller Jag kan lyfta en hundrakilosvikt Alltså kan jag lyfta hundra enkilosvikter samtidigt eller Vi gör nio kvinnor gravida och föder barnet efter en månad
Statistiska argumentationsfel Statistiska argumentationsfel är argument grundade i felaktiga tolkningar av statistik.
Icke representativt urval Att dra en slutsats eller tes utifrån en selekterad del av en helhet, när det är helheten man bedömer.
Visar sig ofta i form av Anekdotisk bevisföring.
Exempel: Jag känner många gamla människor som röker, alltså kan det inte stämma att rökare dör i förtid!
Icke representativt urval vid jämförelse Man väljer exempelvis ett fördelaktigt, statistiskt avvikande exempel på A och ett ofördelaktigt, statistiskt avvikande exempel på B och låter påskina att dessa exempel är representativa för A och B. Beroende på vilka exempel man väljer kan man ge sken av att A och B antingen ligger längre från varandra, eller är mera likvärdiga, än vad som verkligen är fallet.
Exempel: Byggarbetare har bättre jobb än banktjänstemän. För tänk er bara att sitta ensam i ett litet unket kontor, skyffla papper och göra urtråkiga sifferexerciser hela dagarna medan musklerna förtvinar och ryggen förstörs. Medan en byggarbetare har ett jobb som engagerar kropp och sinnen och befrämjar hälsan. Byggarbetaren slipper stänga in sig i nåt litet rum utan kan vara utomhus i solen och vara social med trevliga kollegor runt omkring sig.
Confounding (Orsakssamband / Kausalitet) Confounding innebär ett felaktigt antagande att en statistisk korrelation mellan A och B visar att A orsakar B eller B orsakar A. Det kan finnas en dold faktor C som förorsakar både A och B. Detta kallas även för cum hoc ergo propter hoc, latin för "med detta, därför på grund av detta".
Exempel: Åtta av tio som äter läkemedel är sjuka. Därför blir man sjuk av att äta läkemedel.Många som äter sallad är tjocka! Sallad skapar alltså fetma! Många som har gulfärgade fingrar drabbas av lungcancer. Alltså orsakar gula fingrar lungcancer.
I det första exemplet ovan kan det lika gärna vara så att man äter läkemedel eftersom man är sjuk, men det kan också vara så att det finns en tredje variabel som orsakar båda sakerna, som i det tredje exemplet.
Åklagarens argumentationsfel En kombination av osannolika händelser har inträffat, alltså är det inte troligt att det endast är slumpen som ligger bakom.
Exempel: X har tilldelat sig själv royal straight flush i ruter på given i ett pokerparti. Sannolikheten för det är 1/2 598 960. Alltså fuskar X med en sannolikhet större än 99,99996 %.
Sannolikheten för fusk är nog stor, men med tanke på hur många pokerpartier som spelas måste detta inträffa någon gång utan fusk. Chansen för fusk är altså inte 99,99996 %. Att det var färgen ruter, eller vilken annan vinnande hand som helst, saknar betydelse för sannolikheten för fusk. Genom att välja ut sannolikheten för just denna enstaka händelse i argumentationen höjs "fuskprocenten" ytterligare, men sannolikheten för fusk vore nog lika stor oavsett färg eller vinnande hand.
Felaktig användning av produktregeln
Produktregeln för sannolikheter säger att den totala sannolikheten för att en serie oberoende slumpvisa händelser ska inträffa är produkten av sannolikheten för dessa händelser ska inträffa var för sig.
Exempel:
Ett mord begicks i Stockholm den 3 maj 1999. Mördaren var en man i blå jacka, gröna byxor, skägg och mustasch, han bar svart portfölj och försvann i en vit bil.
Inge Fager har skägg och mustasch. Han var i Stockholm på tjänsteresa 3 maj 1999 (han är bara där en dag per år) iklädd blå jacka (som han använder ungefär varannan dag), gröna byxor (som han har i medeltal en dag av fem) och bar sin svarta portfölj (vilken han bara har då han är på tjänsteresa, ca en dag per månad). Inge Fagers bil är vit (ungefär var tionde bil är vit). Bara ca en av tio män har mustasch och en av tjugo har skägg.
Sannolikheterna för detta sammanträffande är:
Inge i Stockholm: P = 1/365 = 0,00274 Inge har blå jacka: P = 0,5 Inge har gröna byxor: P = 0,2 Inge har skägg: P = 0,05 Inge har mustasch: P = 0,1 Inge har portfölj: P = 1/30 = 0,033 Inge har vit bil: P = 0,1
Total sannolikhet 1/219 000 000
Stockholm har drygt en miljon invånare, hälften av dessa män. Produkten av sannolikheterna är en på 219 miljoner. Alltså är Inge skyldig med en sannolikhet på 99,99 %.
Felet är här att man fokuserat på sannolikheten för att Inge skulle befinna sig i Stockholm morddagen och ha denna kombination av kläder och övriga attribut istället för att räkna ut hur många av männen i Stockholm förutom Inge som kan tänkas stämma på signalementet.
Vidare är sannolikheterna inte oberoende, "i Stockholm på tjänsteresa" och "har portfölj" är beroende eftersom Inge bara har portföljen på tjänsteresa. Likaså har många som har skägg även mustasch.
Donnellys HIV-testparadox
Antag att det finns ett HIV-test som visar rätt 99 % av utfallen (99% sensitivitet och 99% specificitet).
En slumpvis utvald person testas med detta HIV-test. Testet visar positivt. Alltså har personen HIV med sannolikheten 99 %.
Felet är att man inte tar med sannoliketen för att ha HIV. Har exempelvis 0,1% av en befolkning HIV kommer ca 91% av alla positiva tester vara falsk positiva. Chansen för att någon som testats positivt för HIV faktiskt har det är ca 9%, trots testets höga tillförlitlighet. + Testresultat Positiv Negativ rowspan="2" Positiv Sant positiv (0,099%) Falskt positiv (0,999%) Negativ Falskt negativ (0,001%) Sant negativ (98,901%)
Statistisk skalning Exempel:Sverige består till 90 % av naturområdenAlltså består större delen av Göteborgstrakten av naturområdenellerDet här landet har hög BNP per personAlltså har alla landets invånare hög inkomstellerPersonen före mig i kön till incheckningen på hotellet var en turist från MoçambiqueOmöjligt, de är jättefattiga och har inte råd att åka till Sverige Försummande av undantag Exempel:Nästan alla fåglar kan flyga.Pingviner är fåglar.Alltså kan pingviner flyga.ellerForskning har visat att kvinnor har starkare immunförsvar än män.A är kvinna och B är man.Alltså har A starkare immunförsvar än B.Ett sorts undantag är när en princip inte gäller för större antal. Exempel:Det går alltid in en till i bussen eller En asylsökande till kan vi alltid ta emotOm detta gäller utan undantag, kan man genom matematisk induktion bevisa att det går in oändligt många i bussen eller det finns plats för oändligt många asylsökande. Eftersom det finns gränser, innebär det att påståendena inte gäller alltid.
Avledning, irrelevanta argument