תאוריית המודל הסיבתי
![](https://upload.wikimedia.org/wikipedia/commons/thumb/3/39/%D7%A1%D7%95%D7%92%D7%99_%D7%9E%D7%95%D7%93%D7%9C%D7%99%D7%9D_%D7%A1%D7%99%D7%91%D7%AA%D7%99%D7%99%D7%9D.png/300px-%D7%A1%D7%95%D7%92%D7%99_%D7%9E%D7%95%D7%93%D7%9C%D7%99%D7%9D_%D7%A1%D7%99%D7%91%D7%AA%D7%99%D7%99%D7%9D.png)
תאוריית המודל הסיבתי (באנגלית: Causal Model Theory)[1][2][3] או בקיצור CMT היא תיאוריה פסיכולוגית הגורסת כי האדם מארגן את הידע הסיבתי שיש לו על העולם במודלים מנטליים. מודלים אלה מיצגים את המשתנים המעורבים ואת מבנה היחסים בניהם. המקרה הפשוט ביותר כולל שלושה משתניםː משתנה A משתנה B ומשתנה C. למשל, אם האדם מאמין שהתמכרות למשחקי מחשב (A) גורמת הן לקוצר ראיה (B) והן לבעיות חברתיות (C) הוא יארגן את הידע במודל של סיבה משותפת (same cause model) (המודל הימני שבאיור). אם הוא מאמין שהקאות (A) יכולות להיגרם הן מאוכל מקולקל (B) והן מווירוס בטן (C) הוא יארגן את המידע במודל של תוצאה משותפת (common effect model) (המודל השמאלי שבאיור). אם הוא מאמין שדיבר בסלולר בזמן נהיגה (A) גורם לתאונות דרכים (C) כיוון שדעתו של הנהג מוסחת בזמן הנהיגה (B) הוא יארגן את המידע במודל של שרשרת (chain model) (המודל האמצעי שבאיור̈). הנקודה החשובה היא על פי התאוריה כי המבנה שלפיו מאורגן הידע הסיבתי קובע את טבע ההיסקים הסיבתיים ואת חוזק הקשרים (המתאמים) המצופים בין המשתנים[3]. לדוגמה, אם אכן דיבור בסלולר ← הסחת דעת ← תאונות דרכים, אזי הכרחי שיהיה מתאם בין דיבור בסלולרי לבין הסחת דעת, ובין הסחת דעת לבין תאונות דרכים. כמו כן, אבסורד יהיה להסיק שהסחת דעת גורמת לדיבור בסלולר.
סוגי מודלים סיבתיים
המודלים הסיבתיים הבסיסיים מתארים יחסים בין שניים עד שלושה משתנים. מודל סיבתי יכול בעקרון לכלול יותר משלושה משתנים ואף צרוף של מספר מודלים סיבתיים באותו מבנה מנטלי. המודל הסיבתי יכול להיות מורכב מאוד ולכלול משתנים רבים המבטאים מגוון של יחסים סיבתיים ואפילו מצבים שבו אותו משתנה עשוי להיות במעמד של סיבה ביחסו למשתנים אחדים במודל, במעמד של תוצאה ביחסו למשתנים אחרים, או במעמד של משתנה מתווך, כמתואר במודל השרשרת. מובן שההצגה הגרפית איננה אומרת שכך הידע הסיבתי מופיע בראשו של היחיד, אלא שזו פשוט דרך אינטואיטיבית לבטא מבנים שונים של ידע סיבתי בהם אוחז היחיד.[4]
מודל הסיבה המשותפת (common cause model)
![](https://upload.wikimedia.org/wikipedia/commons/thumb/5/5d/%D7%93%D7%95%D7%92%D7%9E%D7%90_%D7%A4%D7%A9%D7%95%D7%98%D7%94_%D7%9C%D7%9E%D7%95%D7%93%D7%9C_%D7%94%D7%A1%D7%99%D7%91%D7%94_%D7%94%D7%9E%D7%A9%D7%95%D7%AA%D7%A4%D7%AA.png/300px-%D7%93%D7%95%D7%92%D7%9E%D7%90_%D7%A4%D7%A9%D7%95%D7%98%D7%94_%D7%9C%D7%9E%D7%95%D7%93%D7%9C_%D7%94%D7%A1%D7%99%D7%91%D7%94_%D7%94%D7%9E%D7%A9%D7%95%D7%AA%D7%A4%D7%AA.png)
מודל הסיבה המשותפת (common cause model)[1][2][3]מתאר אמונה שעל פיה אותה סיבה מביאה לתוצאות שונות. האיור משמאל מביא דוגמה פשוטה של ארגון ידע סיבתי ספציפי במודל של סיבה משותפת, שבה קוצר ראיה ובעיות חברתיות נתפסות על ידי היחיד כתוצאות שונות לאותה סיבה (התמכרות למשחקי מחשב). דוגמה נוספת, מהתנסות אישית, מניסיון של הזולת או מקריאה, היחיד עשוי להאמין כי מכת שמש עלולה לגרום לכמה תוצאות כמו התייבשות, הקאות וסחרחורות.
בתקשורת השיווקית פעמים רבות המשווק "מוכר" לצרכנים מודל של תוצאה משותפת במטרה לשכנע אותו שירכוש את המוצר. בהקשר זה המוצר הוא בעצם הסיבה והתועלות הן התוצאות[5]. למשל, "שמפו אחד" (הסיבה) "ארבע תועלות– גם מנקה, גם מבריק, גם מונע קשקשים וגם מעניק תחושת רכות לשיער (4 תוצאות); "הכול בקרם אחד" – גם מחדש תאי עור, גם מגמיש את העור, וגם מגדיל את חיוניותו; "מנקה הכול"- גם מסיר אבנית וגם ממיס שומנים.
אחד האילוצים שמכתיב מודל הסיבה המשותפת הוא, שיהיה מתאם בין התוצאות השונות.[1][3] למשל, אם היחיד יסבול ממכת שמש, הוא יצפה לחוות את כל הסימפטומים שבמודל המנטלי (התייבשות, הקאות וסחרחורות). בדומה לכך, כשמדובר ב"מנקה הכול", משתמע מהטעון שהצרכן אוחז במודל של סיבה משותפת — מאמין שהן הצטברות אבנית והן הצטברות שומנים נובעים מאותה סיבה. בהתאם, יש בכוחו של אותו מוצר לפתור את שתיהן. הבעיה היא, שהידע הסיבתי שיש ליחיד אינו מתאים למודל הסיבתי שמשתמע מהטעון. לא נראה ליחיד ששתי הבעיות שבמוקד (הצטברות אבנית וקיום שומנים) נובעות מאותה סיבה, אלא מסיבות שונות. מכאן, הוא יסיק שאותו מוצר לא יכול לטפל בשתיהן בו זמנית ולכן לא ישתכנע לרכוש את המוצר. מחקר שבחן שאלה זו— האם "כל המרבה הרי זה משובח" ("מוצר X מביא לתועלות רבות), או שמא "כל המוסיף גורע"[6]— העלה כי התשובה לשאלה תלויה במודל הסיבתי בו מחזיק היחיד. הנחקרים העדיפו תרופה דו-תועלתית — כזו שנותנת מענה לסימפטום שממנו סבלו (למשל הקאות) וסימפטום נוסף אם האמינו שאותה סיבה אחראית לשניהם (למשל להקאות ולבחילות). בשונה מכך, הנחקרים העדיפו תרופה חד-תועלתית — כזו שנותנת מענה רק לסימפטום שממנו סבלו (למשל הקאות) ולא לתרופה הדו תועלתית שהוצעה (נותנת מענה אף לנדודי שינה), אם הם האמינו שסיבות שונות אחראיות לשני הסימפטומים. ניתוח תועלת שנעשה העלה כי היחיד פועל באורח רציונלי שכן ההעדפה שלו היא תוצר של ניתוח תועלת אינטואיטיבי. כלומר הוא לוקח בחשבון גם שקולים של רווח (חיסכון שינבע מצפייה שיצטרך בעתיד את התועלת השנייה) שמוצעת והפסד (תופעות לוואי לא רצויות).
מודל התוצאה המשותפת (common effect model)
![](https://upload.wikimedia.org/wikipedia/commons/thumb/4/43/%D7%93%D7%95%D7%92%D7%9E%D7%90_%D7%A4%D7%A9%D7%95%D7%98%D7%94_%D7%9C%D7%9E%D7%95%D7%93%D7%9C_%D7%94%D7%AA%D7%95%D7%A6%D7%90%D7%94_%D7%94%D7%9E%D7%A9%D7%95%D7%AA%D7%A4%D7%AA.png/300px-%D7%93%D7%95%D7%92%D7%9E%D7%90_%D7%A4%D7%A9%D7%95%D7%98%D7%94_%D7%9C%D7%9E%D7%95%D7%93%D7%9C_%D7%94%D7%AA%D7%95%D7%A6%D7%90%D7%94_%D7%94%D7%9E%D7%A9%D7%95%D7%AA%D7%A4%D7%AA.png)
מודל התוצאה המשותפת (common effect model)[1][2][3] הוא מודל סיבתי בו הידע מאורגן כך שיבטא את האמונה שסיבות שונות עשויות להביא לאותה תוצאה. לדוגמה, באיור שמשמאל המודל מבטא את האמונה כי הקאות (C) יכולות להיגרם הן מאוכל מקולקל (A) והן מווירוס בטן (B). באופן דומה, מידע קודם אנו מאמינים כי להתקפי לב יכולות להיות סיבות שונות, כגון עישון, שומנים בדם, תורשה, יתר לחץ דם. במקרה זה המודל יכלול ארבע סיבות לאותה תוצאה ובהתאם השרטוט שיבטא זאת יכלול ארבע סיבות שחץ מוביל מכל אחד מהם בנפרד, לאותה תוצאה.
לעיתים קרובות אנו משתמשים במודל זה ביומיום, למשל, כדרך להרגיע. למשל, כשהורה מודאג כי בנו טרם חזר הביתה ולא עונה לטלפון, ומכאן מודאג, אנו מציעים מגוון סיבות מרגיעות אפשריות לתוצאהː "הוא בטח מתעכב אצל חבר" "בטח הסוללה לנייד נגמרה" וכדומה...).
האילוץ שמודל התוצאה המשותפת מכתיב הוא שהקשרים בין הסיבות השונות יהיו חלשים עד אפסיים. למשל, אם אנו יודעים שהן אכילת דגים והן אכילת תותים הן סיבות אפשריות לאלרגיה, סביר להניח שאם מישהו סובל מאלרגיה לאחר שאכל תותים, הסיכוי שאכל דגים באותו הֶקְשר הוא אפסי.
מחקרים שנעשו תומכים בכך שאנשים רגישים למבנה הסיבתי וממנו מסיקים על חוזק הקשר בין המשתנים שבמודל. מחקר שנערך[7] מספק תמיכה אמפירית, אם כי עקיפה, בכיוון זה. החוקרים התעניינו בשאלה, אם יחידים מסוגלים להסיק על קיום מתאם בין שני מאורעות שמעולם לא הוצגו יחדיו, מתוך הפגנת רגישות למבנה הסיבתי של המטלה. לכל הנבדקים ניתן מידע על הקשר בין קיום/אי-קיום מחלה לבין קיום/אי-קיום כל אחד משני רמזים (שני חומרים בדם), אלא שבסיפור המסגרת חלקם נרמזו למבנה של סיבה משותפת (שני הרמזים הוצגו כתוצאות אפשריות של המחלה) וחלקם נרמזו למבנה של תוצאה משותפת (שני הרמזים הוצגו כסיבות אפשריות לקיום המחלה). בשלב ראשון, הנבדקים נתבקשו להעריך לגבי כל רמז בנפרד, את הקשר בין קיומו/אי קיומו לבין קיום/אי קיום המחלה, ובשלב שני – להסיק על הקשר בין שני הרמזים עצמם. כמשוער, בהיותם רגישים לאילוצים שמכתיב המבנה הסיבתי, הנבדקים נטו לתפוס את הקשר בין שני הרמזים כחזק יותר כשהם הוצגו כשתי תוצאות אפשריות של סיבה (מחלה) משותפת מאשר כשהם הוצגו כשתי סיבות (מחלות) אפשריות לאותה תוצאה.
מודל השרשרת (chain model)
![](https://upload.wikimedia.org/wikipedia/commons/thumb/b/b9/%D7%93%D7%95%D7%92%D7%9E%D7%90_%D7%A4%D7%A9%D7%95%D7%98%D7%94_%D7%9C%D7%9E%D7%95%D7%93%D7%9C_%D7%94%D7%A9%D7%A8%D7%A9%D7%A8%D7%AA.png/300px-%D7%93%D7%95%D7%92%D7%9E%D7%90_%D7%A4%D7%A9%D7%95%D7%98%D7%94_%D7%9C%D7%9E%D7%95%D7%93%D7%9C_%D7%94%D7%A9%D7%A8%D7%A9%D7%A8%D7%AA.png)
מודל השרשרת (chain model), מתאר מצבים שבהם הידע הסיבתי מאורגן כך שהקשר בין הסיבה לתוצאה מביא את המנגנון או התהליך שדרכו הסיבה גורמת לתוצאה. כל משתנה שמופיע במנגנון נקרא "משתנה" מתווך. למשל, בהסתמך על ידע קודם אנו יכולים להסביר את הקשר בין מוטיבציה להצלחה בלימודים, באמצעות הצעת המשתנה המתווך "מאמץ". האיור משמאל מביא עוד דוגמה פשוטה של ארגון ידע סיבתי ספציפי במודל של שרשרת. באיור ההסבר לכך שדיבור בסלולרי בזמן נהיגה גורם לתאונות דרכים הוא הסחת הדעת של הנהג (המשתנה המתווך).
מחקרים רבים מביאים ראיות לכך שלהסברים יש תפקיד מרכזי בקוגניציה האנושית.[8] התרחשות אירועים מובילה אנשים לחפש הסברים לאירוע.[9] אנשים מגייסים הסברים שיעזרו להם להצדיק ולנמק את טיעוניהם בוויכוח.[10] אנשים מעריכים את ההסתברות לנכונותם של טעונים סיבתיים כגבוהה יותר כשהם נדרשים להסביר אותם.[11] בתהליך של ייחוס סיבתיות אנשים מסתמכים על הבנתם את המנגנון שהוביל מהסיבה לתוצאה.[12] הסברים סיבתיים מעלים את הסיכוי להשתכנע ולקבל טעונים סיבתיים בכלל[11] ובתקשורת השיווקית בפרט.[13][5]
כל ההשפעות החיוביות הללו הן תוצאה של התאמת המנגנון המוצע לידע קודם[5][14]
התקשורת השיווקית משתמשת גם במודל השרשרת כאמצעי שכנוע. על מנת לחבר טיעון סיבתי לידע קודם, המסר מציע לנו פעמים רבות מנגנון שאנו יודעים מניסיוננו שהוא קשור לתועלת המובטחת. כך, למשל, מוצר להורדה במשקל ינסה לשכנע כי הוא מביא לתועלת המובטחת באמצעות הטעון כי הוא כולל מרכיב הגורם לירידה בתיאבון. על בסיס ידע קודם, ברור לנו שירידה בתיאבון גורמת לירידה במשקל, ולכן, על מנת לשכנע אותנו בנכונות הטיעון, הציעו לנו את הירידה בתיאבון כמנגנון המסביר את הקשר בין צריכת המוצר לירידה במשקל.
חוזק לעומת מבנה
אחת ההבחנות הבסיסיות של תאוריית המודל הסיבתי היא בין מבנה (Structure) ―המרכיב האיכותי בקשר בין המשתנים לבין חוזק (Strength) ― המרכיב הכמותי בקשרים.[15][16] במבנה הכוונה לשאלות כמו: האם עישון גורם לסרטן? האם משקה אנרגיה עוזר להצלחה במבחני אינטליגנציה? מה התהליך המתרחש בין שתיית המשקה להצלחה במבחן? האם סרטן מושפע מסיבות שונות? מאותה סיבה? בחוזק, הכוונה היא לחלק הכמותי כלומר לחוזק הקשר או המתאם בין המשתנים (באיזו מידה עישון גורם לסרטן? באיזו מידה משקה אנרגיה עוזר להצלחה במבחני אינטליגנציה?).
על פי תאוריית המודל הסיבתי שאלת המבנה בסיסית יותר משאלת החוזק[16][17] כלומר, תאוריית המודל הסיבתי גורסת כי העיבוד שבסופו נעשה ההיסק הסיבתי מתרחש באורח של "מלמעלה למטה" (Top-Down). כלומר, ראשית יש הנחה על אודות המבנה הסיבתי, והנחות אלה הן שיקבעו כיצד נעבד מידע חדש. במילים אחרות, האופן שבו אומדני המתאם יחושבו ויפורשו תלוי במודל הסיבתי אותו מניח היחיד.[2][3][18] מסתבר כי אף ששאלת המבנה הסיבתי קודמת לשאלת החוזק, מחקרים קודמים בשיפוטי מתאם בלוחות 2 על 2 התמקדו בעיקר במרכיב החוזק, והתעלמו מן המרכיב המבני[3].
רמזים למבנה סיבתי
על פי גישת המודל הסיבתי, על מנת לגזור את המבנה הסיבתי, אנשים משתמשים בכמה רמזים לא-סטטיסטיים כגון סדר התרחשות האירועים בזמן, התערבות (מניפולציות או התערבויות שאנשים עושים ביומיום) וידע קודם. מחקרים מראים כי היחיד, נשען בחוזקה על הרמז של סדר התרחשות האירועים בזמן (קדימות בזמן) על מנת להסיק על המבנה הסיבתי.[19] למשל, במחקר נמצא כי התרחשות מאורע X (נפילת המחשב) לאחר מאורע Y (פתיחת מייל חשוד) מרמזת לאנשים כי המייל החשוד הוא סיבה אפשרית לתוצאה, וזאת פשוט משום שהוא קדם לו בזמן. באופן דומה, התערבות או מניפולציות שאנשים מבצעים בחיי היומיום משמשות אף הן כרמז חזק למבנה סיבתי.[17][3][20] למשל אם התינוק בוכה לאחר שאימו הרכיבה מובייל חדש מעל מיטתו (סוג של מניפולציה או התערבות ביומיום) הוא פורץ בבכי, היא תסיק שהמובייל גרם לו לפרוץ בבכי.
היסטוריה
החל מסוף המאה העשרים, חל שינוי בפרדיגמת המחקר העוסק בהיסקים הסיבתיים שעושה האדם.[1] במקום להתמקד ב"רמזים לסיבתיות" ואמונות סיבתיות[21][22] והשפעתם על שיפוטים אנושיים וקבלת החלטות,[23] קו המחקר החדש מתמקד במודלים המנטליים שיש לאנשים הנוגעים לידע סיבתי. מחקר זה הוביל לניסוח של CMT.[24] ניסוח ה-CMT בוסס על מודלים הסתברותיים נורמטיביים להיסק סיבתי, שנוסחו על ידי פילוסופים, מתמטיקאים ותאורטיקנים ממדעי המחשב.[25] מודלים הסתברותיים אלה הם הכללות של רשתות בזייאניות, (אנ') המערבות היסקים המייצגים מבנה סיבתי, על ידי גרפים כיווניים לא-מעגליים.
CMT הניעה מחקרים רבים שבחנו כיצד מבנים סיבתיים שונים (כגון סיבה משותפת, תוצאה משותפת ומספר סוגים של שרשראות סיבתיות) משפיעים על שיפוטים סיבתיים. לדוגמה במחקר שנעשה בקרב פסיכולוגים קליניים לילדים, נמצא כי המודלים הסיבתיים בהם הם אוחזים באשר לגורמים לבעיות של המטופל, משפיעים על תפיסותיהם לגבי היעילות של התערבויות שונות.[26] מחקרים אחרים הראו כי המבנה הסיבתי של אירועים משפיע על השיפוטים של שאנשים עושים באשר להסתברויות מותנות,[27] באשר למתאם שהם מצפים שיהיה בין אירועים[27][28] ועל ההחלטות המתקבלות.[29]
בדיקת השאלה האם ההיסקים הסיבתיים שאנשים עושים תואם למודל הנורמטיבי של סיבתיות, מעלה כי למעט חריגות ספציפיות (למשל, הפרת עקרון אי-שוויון מרקוב) הם אינם חורגים מהמודל הנורמטיבי.[1]
הערות שוליים
- ^ 1.0 1.1 1.2 1.3 1.4 1.5 Benjamin Margolin Rottman, Reid Hastie, Reasoning about causal relationships: Inferences on causal networks., Psychological Bulletin 140, 2014, עמ' 109–139 doi: 10.1037/a0031903
- ^ 2.0 2.1 2.2 2.3 Michael R. Waldmann, York Hagmayer, Aaron P. Blaisdell, Beyond the Information Given: Causal Models in Learning and Reasoning, Current Directions in Psychological Science 15, 2006-12, עמ' 307–311 doi: 10.1111/j.1467-8721.2006.00458.x
- ^ 3.0 3.1 3.2 3.3 3.4 3.5 3.6 3.7 Lagnado, D. A., Waldmann, M. R., Hagmayer, Y., & Sloman, S. A, Causal learning: Psychology, philosophy, andcomputation, New York: Xford, 2007, עמ' 154-172
- ^ Mark Steyvers, Joshua B. Tenenbaum, Eric‐Jan Wagenmakers, Ben Blum, Inferring causal networks from observations and interventions, Cognitive Science 27, 2003-05, עמ' 453–489 doi: 10.1207/s15516709cog2703_6
- ^ 5.0 5.1 5.2 Saporta-Sorozon, K. (2018). Global Journal of Management and Business Research., God is in the Details: The Effect of Directional Verbs in Process Explanations on Text Coherence, Global Journal of Management and Business Research , 18(E1), 2008, עמ' 1-13
- ^ Kelly Saporta‐Sorozon, Shai Danziger, Steven Sloman, Causal Models Drive Preference between Drugs that Treat a Focal versus Multiple Symptoms, Journal of Behavioral Decision Making 30, 2017-10, עמ' 794–806 doi: 10.1002/bdm.1999
- ^ José C. Perales, Andrés Catena, Antonio Maldonado, Inferring non-observed correlations from causal scenarios: The role of causal knowledge, Learning and Motivation 35, 2004-05-01, עמ' 115–135 doi: 10.1016/S0023-9690(03)00042-0
- ^ Alison Gopnik, Explanation as Orgasm and the Drive for Causal Knowledge: The Function, Evolution, and Phenomenology of the Theory Formation System, 2000-06-22 doi: 10.7551/mitpress/2930.003.0018
- ^ Woo-kyoung Ahn, Charles W. Kalish, Douglas L. Medin, Susan A. Gelman, The role of covariation versus mechanism information in causal attribution, Cognition 54, 1995-03, עמ' 299–352 doi: 10.1016/0010-0277(94)00640-7
- ^ Amnon Glassner, Michael Weinstock, Yair Neuman, Pupils' evaluation and generation of evidence and explanation in argumentation, British Journal of Educational Psychology 75, 2005-03, עמ' 105–118 doi: 10.1348/000709904X22278
- ^ 11.0 11.1 Craig A. Anderson, Mark R. Lepper, Lee Ross, Perseverance of social theories: The role of explanation in the persistence of discredited information., Journal of Personality and Social Psychology 39, 1980-12, עמ' 1037–1049 doi: 10.1037/h0077720
- ^ Clare R. Walsh, Steven A. Sloman, The Meaning of Cause and Prevent: The Role of Causal Mechanism, Mind & Language 26, 2011-02, עמ' 21–52 doi: 10.1111/j.1468-0017.2010.01409.x
- ^ Craig A. Anderson, Mark R. Lepper, Lee Ross, Perseverance of social theories: The role of explanation in the persistence of discredited information., Journal of Personality and Social Psychology 39, 1980-12, עמ' 1037–1049 doi: 10.1037/h0077720
- ^ Keli Saporta, Are Technological Terms Seductive? The Effect of Technological Terms on Persuasion, Business and Management Studies 6, 2020-02-18, עמ' 28–39 doi: 10.11114/bms.v6i1.4723
- ^ Michael R Waldmann, York Hagmayer, Estimating causal strength: the role of structural knowledge and processing effort, Cognition 82, 2001-11, עמ' 27–58 doi: 10.1016/s0010-0277(01)00141-x
- ^ 16.0 16.1 Thomas L. Griffiths, Joshua B. Tenenbaum, Structure and strength in causal induction☆, Cognitive Psychology 51, 2005-12, עמ' 334–384 doi: 10.1016/j.cogpsych.2005.05.004
- ^ 17.0 17.1 José Perales, Andrés Catena, Human causal induction: A glimpse at the whole picture, European Journal of Cognitive Psychology 18, 2006-03, עמ' 277–320 doi: 10.1080/09541440540000167
- ^ Hagmayer, Y., & Waldmann, M. R.., How temporal assumptions influence causal judgments., Memory & Cognition, 30, 2002, עמ' 1128-1137
- ^ David A. Lagnado, Steven A. Sloman, Time as a guide to cause., Journal of Experimental Psychology: Learning, Memory, and Cognition 32, 2006, עמ' 451–460 doi: 10.1037/0278-7393.32.3.451
- ^ Sloman, S., Causal models: How people think about the world and its alternatives., Oxford University Press: New York, NY 10003, 2005
- ^ Hillel J. Einhorn, Robin M. Hogarth, Judging probable cause., Psychological Bulletin 99, 1986-01, עמ' 3–19 doi: 10.1037/0033-2909.99.1.3
- ^ Woo-kyoung Ahn, Charles W. Kalish, Douglas L. Medin, Susan A. Gelman, The role of covariation versus mechanism information in causal attribution, Cognition 54, 1995-03-01, עמ' 299–352 doi: 10.1016/0010-0277(94)00640-7
- ^ Patricia W. Cheng, Laura R. Novick, Covariation in natural causal induction., Psychological Review 99, 1992, עמ' 365–382 doi: 10.1037/0033-295X.99.2.365
- ^ Michael R. Waldmann, Knowledge-Based Causal Induction, Elsevier, 1996, עמ' 47–88
- ^ Leland Gerson Neuberg, CAUSALITY: MODELS, REASONING, AND INFERENCE, by Judea Pearl, Cambridge University Press, 2000, Econometric Theory 19, 2003-08, עמ' 675–685 doi: 10.1017/S0266466603004109
- ^ Leontien de Kwaadsteniet, York Hagmayer, Nicole P. C. M. Krol, Cilia L. M. Witteman, Causal client models in selecting effective interventions: A cognitive mapping study., Psychological Assessment 22, 2010, עמ' 581–592 doi: 10.1037/a0019696
- ^ 27.0 27.1 Bénédicte Bes, Steven Sloman, Christopher G. Lucas, Éric Raufaste, Non‐Bayesian Inference: Causal Structure Trumps Correlation, Cognitive Science 36, 2012-09, עמ' 1178–1203 doi: 10.1111/j.1551-6709.2012.01262.x
- ^ José C. Perales, Andrés Catena, Antonio Maldonado, Inferring non-observed correlations from causal scenarios: The role of causal knowledge, Learning and Motivation 35, 2004-05, עמ' 115–135 doi: 10.1016/s0023-9690(03)00042-0
- ^ York Hagmayer, Steven A. Sloman, Decision makers conceive of their choices as interventions., Journal of Experimental Psychology: General 138, 2009, עמ' 22–38 doi: 10.1037/a0014585
38718887תאוריית המודל הסיבתי