Logic Inquiry Class Notes
Counterfactual Model of casual
Working with theories
How to come up with research questions
- Lyaout a machanism
- competing explanations: are there multiple totential casues for. your. outcome
Koch’s postulates
It is a example of counterfactual
and it has a lot of limitation
problems of assignments
https://blog.csdn.net/a358463121/article/details/114824992
Limits of counterfacutals
calsual explanations
反事实的解释以“如果X没有发生，Y就不会发生”的形式描述了因果情况。例如：“如果我没有喝一口热咖啡，我就不会烫伤我的舌头。”事件Y是我烧伤了舌头；因为X是我喝了一杯热咖啡。反事实思维需要想象一个与观察到的事实相矛盾的假设现实（例如，一个我没有喝热咖啡的世界），因此被称为“反事实”。与其他动物相比，反事实思考的能力使我们人类如此聪明。
在可解释的机器学习中，反事实解释可用于解释单个实例的预测。“事件”是实例的预测结果，“原因”是输入到模型中并“引起”某种预测的实例的特定特征值。以图形的形式显示，输入和预测之间的关系非常简单：特征值导致预测。
https://christophm.github.io/interpretable-ml-book/counterfactual.html
The followcation criteria
- throretical model
- time ordering
- association
- alternatives
Toulmins method of argument
1.主张（claim）
先主张一个值得确立的观点。例如，如果一个人试图让听众相信他是英国公民，则该声明将是“我是英国公民”。
2.根据（事实、证据、数据）（Ground）
把先前主张的论点提出有根据性的事实作为主张的基础。 例如，第一点中介绍的人可以用“我出生在伦敦”来支持他的主张。
3.论证（Warrant）
把先前的根据与主张进行连结。 例如把先前在1中提到的“我是英国公民”及2的“我出生于伦敦”进行连结，通常会需要法律或先例上的根据，并解释1与2之间的关联，例如：“按照英国国法，在英国领地内出生的男人在法律上即成为英国公民”。
4.支持（backing）
有更多的论述来支撑先前论证；当论点本身对读者或听众没有足够的说服力时，就必须引入支持。例如：“我在伦敦接受过律师培训，专门研究公民身份，所以我知道在伦敦出生的人在法律上将是英国公民”。
5.限制（Rebuttal）
提出此论点的限制之处。例如：“有许多使英国公民失去国籍的理由，例如背叛了英国并成为他国的间谍，但我并无任何的前科。”
6.条件限制（Qualifier）
在最后使用坚定的字句并陈述结论，此时尽量不可使用不确定性的字句，例如“大概”“也许”“可能”等词。按照先前的例子，就可以使用“由此可知，我绝对是英国的公民。”作为论点的收尾。
Choosing a fair sample（Sampling Strategies）
Genral Social Survey Design
a good example of custome-made sampling strategy
Measurement
- observed feature
- comparison across diffrences
- systematic examination
Validity - accuracy of a measure
- Response bias and reactivity
- face validity
- Realist concepts vs. nominalist measures
- complext measures