Visualisatie van causaliteit en sequentiële actie

Inleiding

Het gebruik van gerichte grafen als visualisatie van wetenschappelijke bewijzen is niet nieuw, daar zijn talloze toepassingen van. Bijvoorbeeld in de biologie, in de anthropologie, de medische wetenschappen en de ongevallen analyse. In verschillende onderzoek domeinen worden gewogen gerichte grafen (weighted directed graphs) gebruikt als analyse methode van datasets, op zoek naar causale verbanden, 'causal discovery' (Runge,2019).

Een voorstel om 'causal discovery' te koppelen aan een ontologie, vind je in "Reasoning about Causal Relationships: Inferences on Causal Networks". Het probleem van die automatische koppeling is dat ze dikwijls dubbelzinnnig is (Rotman, Heisty, 2013). Dat probleem kan hier vermeden worden omdat die koppeling van feitelijke data aan conclusies niet wordt toevertrouwt aan een algoritme met stochastische variabelen, maar zich baseert op een logisch bewijsbaar schema gemaakt door mensen die de materie kennen, onderzoekers, docenten en andere experten, die hun keuzes kunnen verantwoorden op basis van wetenschappelijke consensus.

Triplets voor Causaliteit & Sequentiële Actie

EDAG staat voor Elucidative Directed Analytic Graphs, in het Nederlands vertaald: Verhelderende Gerichte Analytische Grafen.

De algemene vorm van zo'n triplet is: meetbare toestand -> proces -> meetbare toestand. Bij complexe processen kan het de vorm aannemen van: meetbare toestand -> proces -> proces -> proces -> meetbare toestand.

De metingen moeten relevant zijn en als wetenschappelijk geaccepteerde maat kunnen dienen voor de causale relatie of de relatie tussen de onmiddelijk opeenvolgende sequentiële acties. De oorsprong van de metingen en de opslag van de meetgegevens moeten openbaar en transparant toegankelijk zijn voor iedereen.

Wat nieuw is in dit concept is het gebruik van SVG dat toelaat om
(1) beeld en tekst te integreren
(2) beelden in beeld te integreren, wat complexe beteknisvolle schema's toelaat.
(3) Je kan het beeld in het SVG beeld er ook terug uithalen, opslaan, uitvergroten enz.
(4) Vanuit elke node en elke pijl kan een Uniform Resource Locator (URL) verwijzen naar een verklarende tekst.
(5) Op die manier maak je van je SVG een gestructureerde database van teksten.
(6) In de verklarende tekst kan ook een SVG ingebed worden waardoor je een gelaagd uitleg systeem kan creëren.
(7) Dit laatste biedt de mogelijkheid om een probleem interdisciplinair te benaderen.

De onderdelen van een gerichte graaf zijn minimaal twee nodes, verbonden met een gerichte pijl. De eenvoudigste toepassing is het verbinden van twee objecten, feiten, toestanden (de nodes) met een causaal proces (de pijl). Dit noemen we een causaal triplet.

Elke node bestaat uit minimaal twee delen: (1) in de objecthoofding de naam van een object, feit, toestand of van een proces en (2) De formulering van de voorwaard(en) die aan de basis liggen van het voorkomen van dit specifiek feit, deze toestand of dat proces. Deze voorwaarden moeten altijd het resultaat zijn van metingen of van observatie of van beide.

Modale logica van het EDAG concept

De causale verbanden die in het concept weergegeven worden, vertrekken van bewezen wetenschappelijke kennis. De grafen op zich zijn echter geen bewijs maar een tool om bewijzen voor te stellen. Het voorstel is enkel te gebruiken voor discrete processen. De overgang van de ene toestand naar de andere moet empirisch virifieerbaar zijn.

Voor de weergave van alle onderdelen van de graaf worden prolog expressies gebruikt.

De volgorde binnen een proces wordt weegegeven met ordinale natuurlijke getallen. Het getal van het gevolg object moet altijd groter zijn dan het getal van oorspronkelijk object (voor de oorzaak effect had).

Voor de expressies van de voorwaarden worden dezelfde getallen gebruikt als verwijzing naar de respectievelijke objecten. Voor processen is de tweede term een lijst van getallen die verwijst naar de begin- en einstatus van dat proces. Zie voorbeeld hier onder.

In de nodes van de grafen vind je de definities van begintoestand en eindtoestand, bij de pijlen de definitie van het proces. Onder de definities van de begintoestand en eindtoestand zijn de voorwaarden opgelijst om tot die toestand te komen. Hier wordt het principe van de “conditio sine qua non” gebruikt.

De aangegeven voorwaarden bij een gegeven feit of toestand moeten altijd tezelfdertijd waar zijn. Ze zijn dus verbonden door de logische “EN”. In de node van de graaf staan ze onder elkaar in een tabel.

Er worden naast de predicaten om de condities te formuleren ook structureel zeven predicaten gebruikt voor standaard functies: proc/2 voor processen, exor/2 voor de exclusieve disjunctie van processen stat/2 voor objecten, img/2 voor bitmap beelden, url/2 voor URL's naar externe verklarende tekst met referenties, label/1 voor het label van de graaf plus de tijdschaal en ltext/2 om verklarende platte tekst te genereren zoals in onderstaand voorbeeld.

ltext("The loss of Arctic sea ice has been dramatic, with a decline of about 60 per cent since 1900, most of which has happened since 1980.",2016).

De mogelijkheden van verklarende tekst met ltext/2 zijn beperkt. Het wetenschappelijk ondersteund bewijs met referenties kan echter wel via de URL's in de graaf worden geraadpleegd.

Om eenduidigheid te garanderen wordt de productie van de EDAG grafen gekoppeld aan een logisch bewijs in Prolog door unificatie. Dat Prolog bewijs kan op zijn beurt dienen als raadpleegbare semantische database (Wielemaker,2005). De sDAG parser in Java controlleert extra op tautologie. Prolog is gebaseerd op Horn clauses en backtracking, depth-first search.

Aandachtspunten

(1) In tegestelling tot in de formele logica is er in de modale logica een extra afhankelijke relatie tussen oorzaak en gevolg, de ‘conterfactual dependence’ . Als y contrafactueel afhankelijk is van x en z contrafactueel afhankelijk is van y, maar z niet ook contrafactueel afhankelijk is van x, is er geen transitiviteit. In dat geval spreken we van sequentiële actie.

Transitiviteit in Formele Logica
whenever (x → y) and (y → z) then also (x → z)
Geen transitiviteit in causaliteit van Modale Logica
whenever (x □→ y) and (y □→ z) then not automaticely (x □→ z)

Sequentiële actie wordt niet voorgesteld met een gerichte volle lijn maar met een gerichte gepunte lijn om het verschil met causaliteit weer te geven.

(2) In een node een SVG beeld inlassen kan, maar als in die SVG ook een beeld zit ziet de browser het niet meer zitten. Naast dat technisch probleem is er ook een epistemologisch argument om dat niet te doen. Tussen verschillende wetenschappelijke disciplines is er altijd een weerbarstige zone waar regels en terminologie niet verenigbaar zijn. Terwijl bijvoorbeeld reduntantie als positief wordt gezien in de ecologie, wil men redundantie in de logica en informatietheorie net absoluut vermijden. Idem voor metereologie en klimaatwetenschap, tussen biologie en sociologie, enzovoort. Dit heeft te maken met verschillende abstactienieveaus en verschillende tijdsschalen. Het is ook totaal niet de bedoeling om de disciplines af te schaffen, maar wel over de grenzen van de disciplines samen te werken.

Je kan dus wel in een node linken naar een verklarend tekstbestand (HTML of XML) waarin je toch een EDAG graaf kan inbedden. Het voordeel van die oplossing is dat je duidelijk kan maken wat het verband is tussen de twee logische lagen en/of wat de grenzen zijn voor elke logische laag. Een voorbeeld vind je in de bovenste node van deze graaf.

(3) Verschillende benaderingen hebben ook te maken met tijdschalen van de analyse. Dit geldt niet alleen voor de disciplines maar ook binnen de disciplines zelf. Een goede aanduiding van die tijdschaal is een must.

(4) Grafen leveren het basischema van algoritmen. Ze zijn dus ook een oefening in algoritmisch denken.

Geraadpleegde Bronnen

Alkharashi M. Comparing experiential versus conventional learning on knowledge retention for teaching surgery to medical graduates. Saudi J Ophthalmol. 2020 Dec 28;34(2):107-110. doi: 10.4103/1319-4534.305042. PMID: 33575531; PMCID: PMC7866721 <https://pmc.ncbi.nlm.nih.gov/articles/PMC7866721/>.

Beccuti, Francesco, 2024, Gödel and Turing on mathematical intuition: between Platonism and Embodiment, The Philosophy of Mathematics Education Journal, 42 (Dec. 2024), Università di Cagliari, <https://sites.exeter.ac.uk/pmej/wp-content/uploads/sites/569/2024/12/Beccuti-Godel-and-Turing-on-Mathematical-Intuition-XX.pdf>

Stefano R. Belli, Robert D. Rogers, Jennifer Y.F. Lau, Adult and adolescent social reciprocity: Experimental data from the Trust Game, Journal of Adolescence, Volume 35, Issue 5, 2012, Pages 1341-1349, ISSN 0140-1971, https://doi.org/10.1016/j.adolescence.2012.05.004. (https://www.sciencedirect.com/science/article/pii/S0140197112000814).

Berners-Lee, Tim, James Hendler, and Ora Lassila. The semantic Web. Scientific American, 284(5):34–43, May 2001.

Dahlström, Erik et al, (2011) Scalable Vector Graphics (SVG) 1.1 (Second Edition), W3C Recommendation 16 August 2011, <https://www.w3.org/TR/2011/REC-SVG11-20110816/>

Jawed S, Amin HU, Malik AS, Faye I. Classification of Visual and Non-visual Learners Using Electroencephalographic Alpha and Gamma Activities. Front Behav Neurosci. 2019 May 7;13:86. doi: 10.3389/fnbeh.2019.00086. PMID: 31133829; PMCID: PMC6513874. <https://pmc.ncbi.nlm.nih.gov/articles/PMC6513874/>

Ladkin, Bernard (2018), Causal Analysis of Incidents with Why-Because Analysis using the SERAS® , Software Toolkit, CAUSALIS Ingenieurgesellschaft mbH, 2008, revised 2018-02-14, <https://rvs-bi.de/research/WBA/WBA-NewIntro20180214.pdf>

Levonian, E. Auditory and visual retention in relation to arousal. AVCR 16, 57–62 (1968). https://doi.org/10.1007/BF02768681, <https://link.springer.com/article/10.1007/BF02768681>

Lewis, David, (2004), “Causation as Influence” (expanded version), in Collins, Hall, and Paul 2004, 75–106, <https://www.andrewmbailey.com/dkl/Causation_As_Influence_long.pdf>

Menzies, Peter, (2019), Counterfactual Theories of Causation, 29 October 2019, Stanford Encyclopedia of Pholosophy, <https://plato.stanford.edu/entries/causation-counterfactual/>

Jean Piaget style="font-weight: normal", 1932-1985, Le jugement moral chez l’enfant, ISBN 2 13 039056 0, 6me édition 1985, Presse Universitaire de France, Paris.

Reed, Stephen K. (2012). Cognition : theories and applications. Wadsworth, Cengage Learning, 12 April 2012, ISBN 978-1-133-49228-3. OCLC 1040947645, <https://www.worldcat.org/nl/title/1040947645>

Roark CL, Lescht E, Hampton Wray A, Chandrasekaran B. Auditory and visual category learning in children and adults. Dev Psychol. 2023 May;59(5):963-975. doi: 10.1037/dev0001525. Epub 2023 Mar 2. PMID: 36862449; PMCID: PMC10164074.

Rottman BM, Hastie R. Reasoning about causal relationships: Inferences on causal networks. Psychol Bull. 2014 Jan;140(1):109-39. doi: 10.1037/a0031903. Epub 2013 Apr 1. PMID: 23544658; PMCID: PMC3988659. <https://pmc.ncbi.nlm.nih.gov/articles/PMC3988659/>.

Runge, Jakob, et al. , (2019), Detecting and quantifying causal associations in large non-linear time series datasets. Sci. Adv.5,eaau4996 (2019). DOI: <https://www.science.org/doi/10.1126/sciadv.aau4996>

Quinn C, Taylor JSH, Davis MH. Learning and retrieving holistic and componential visual-verbal associations in reading and object naming. Neuropsychologia. 2017 Apr;98:68-84. doi: 10.1016/j.neuropsychologia.2016.09.025. Epub 2016 Oct 6. PMID: 27720949; PMCID: PMC5407349.

Schürmann, Tim, (WBA) 'Counterfactual Test’, Workgroup RVS, Faculty of Technology, Bielefeld University) <https://rvs-bi.de/research/WBA/IntroWBA-ENG.pdf>

Stepanov, Alexander 1985), Towards a Theory of Causal Implication, Department of Electrical Engineering and Computer Science, Polytechnic University of New York, 1985, <http://stepanovpapers.com/TOWARDS%20A%20THEORY%20OF%20CAUSAL%20IMPLICATION.pdf >

Storbeck J, Clore GL. Affective Arousal as Information: How Affective Arousal Influences Judgments, Learning, and Memory. Soc Personal Psychol Compass. 2008 Sep 1;2(5):1824-1843. doi: 10.1111/j.1751-9004.2008.00138.x. PMID: 25067943; PMCID: PMC4110743. <https://pmc.ncbi.nlm.nih.gov/articles/PMC4110743/>.

van Benthem, Johan, (IEP), Modal Logic: A Contemporary View, University of Amsterdam, Stanford University, and Tsinghua University, The Netherlands, U. S. A., and China, <https://iep.utm.edu/modal-lo/>

Wouter van den Bos, Michiel Westenberg, Eric van Dijk, Eveline A. Crone, Development of trust and reciprocity in adolescence, Cognitive Development, Volume 25, Issue 1, 2010, Pages 90-102, ISSN 0885-2014, https://doi.org/10.1016/j.cogdev.2009.07.004. (https://www.sciencedirect.com/science/article/pii/S0885201409000616).

Wielemaker, J. (2005). An Optimised Semantic Web Query Language Implementation in Prolog. In: Gabbrielli, M., Gupta, G. (eds) Logic Programming. ICLP 2005. Lecture Notes in Computer Science, vol 3668. Springer, Berlin, Heidelberg. <https://doi.org/10.1007/11562931_12>

Zopf R, Giabbiconi CM, Gruber T, Müller MM. Attentional modulation of the human somatosensory evoked potential in a trial-by-trial spatial cueing and sustained spatial attention task measured with high density 128 channels EEG. Brain Res Cogn Brain Res. 2004 Aug;20(3):491-509. doi: 10.1016/j.cogbrainres.2004.02.014. PMID: 15268926. <https://pubmed.ncbi.nlm.nih.gov/15268926/>.

Attribution

Copyright © 2025 Verhoeven. This is an open-access article distributed under the terms of the Creative Commons Attribution License (CC BY).