Quelle est la différence entre explication et prédiction ?

Selon la perspective de la loi de couverture, elles partagent la même structure logique, pourtant l'explication semble asymétrique : la hauteur d'un mât explique la longueur de son ombre, mais pas l'inverse, même si l'un peut être prédit à partir de l'autre. Rendre compte de cette asymétrie est un problème central qui motive les approches causales.

Les statistiques seules peuvent-elles tout expliquer ?

Les modèles probabilistes, tels que l'approche inductivo-statistique de Hempel et l'approche de la pertinence statistique de Salmon, soutiennent que la citation des bonnes relations de pertinence probabiliste peut expliquer, bien que les critiques contestent si les événements de faible probabilité sont ainsi expliqués.

Explication scientifique

L'explication scientifique étudie ce qui constitue, pour la science, l'explication d'un phénomène plutôt que sa simple description ou prédiction, et quels modèles rendent le mieux compte de cette distinction.

Trouver un sujet avec PaperMindBientôtFind papers & topics

Tools & resources

Télécharger les diapositives

Learn & explore

VidéoBientôt

Definition

Une explication scientifique est une démarche qui montre pourquoi ou comment un phénomène se produit en le reliant à des lois, des causes, des mécanismes, des régularités statistiques ou un cadre théorique unificateur, d'une manière qui confère une compréhension allant au-delà de la simple description précise.

Scope

Ce domaine couvre les principales approches philosophiques de l'explication dans les sciences naturelles et sociales : la tradition de la loi de couverture, les approches causales et mécanistes, l'explication statistique et probabiliste, et les approches unificationnistes. Il aborde la relation entre explication et prédiction, le rôle des lois, l'asymétrie de l'explication, et les dimensions pragmatiques et contextuelles des questions de type « pourquoi ».

Sub-topics

Core questions

Qu'est-ce qui distingue une explication d'une simple description ou d'une prédiction réussie ?
Les explications doivent-elles nécessairement citer des lois de la nature, des causes ou des mécanismes ?
Pourquoi l'explication semble-t-elle asymétrique alors que la prédiction est symétrique ?
Peut-il y avoir des explications véritablement statistiques d'événements singuliers ?
Le pouvoir explicatif est-il une question d'unification, d'information causale ou de pertinence pragmatique ?

Key concepts

explanandum et explanans
loi de couverture
asymétrie explicative
pertinence causale
unification explicative
pragmatique de l'explication

Key theories

Modèle de la loi de couverture (déductif-nomologique): Hempel et Oppenheim soutiennent qu'expliquer un événement consiste à le subsumer sous des lois générales, en dérivant un énoncé de l'explanandum à partir de lois et de conditions initiales.
Approche causale-mécaniste: Salmon avance que l'explication consiste à mettre en évidence les processus et interactions causales qui produisent le phénomène, en le situant au sein de la structure causale du monde.
Approche causale interventionniste: Woodward analyse l'explication en termes de relations qui resteraient stables sous des interventions hypothétiques, répondant aux questions de type « que se serait-il passé si les choses avaient été différentes ».
Approche unificationniste: Kitcher soutient que l'explication fait progresser la compréhension en réduisant le nombre de schémas argumentatifs indépendants nécessaires pour dériver les phénomènes de la nature.

History

L'étude systématique de l'explication débute avec le modèle déductif-nomologique de Hempel et Oppenheim en 1948, qui a dominé la philosophie des sciences du milieu du siècle. Des contre-exemples concernant l'asymétrie et l'irrélevance explicatives ont suscité l'émergence d'approches causales dans les années 1970-80 (Salmon), d'approches pragmatiques (van Fraassen 1980), d'approches unificationnistes (Kitcher 1989), et d'approches de modélisation causale interventionnistes (Woodward 2003).

Debates

Les lois sont-elles nécessaires à l'explication ?: Les théoriciens de la loi de couverture exigent la subsomption sous des lois, tandis que les théoriciens causaux et mécanistes soutiennent que l'information causale locale peut expliquer sans invoquer de lois sans exception.
L'explication est-elle objective ou pragmatique ?: van Fraassen considère l'explication comme une réponse contextuelle à une question de type « pourquoi », s'opposant aux approches qui considèrent les relations explicatives comme des caractéristiques pleinement objectives du monde.

Key figures

Carl Hempel
Paul Oppenheim
Wesley Salmon
James Woodward
Philip Kitcher
Bas van Fraassen

Seminal works

hempeloppenheim1948
hempel1965
salmon1984
kitcher1989

Frequently asked questions

Quelle est la différence entre explication et prédiction ?: Selon la perspective de la loi de couverture, elles partagent la même structure logique, pourtant l'explication semble asymétrique : la hauteur d'un mât explique la longueur de son ombre, mais pas l'inverse, même si l'un peut être prédit à partir de l'autre. Rendre compte de cette asymétrie est un problème central qui motive les approches causales.
Les statistiques seules peuvent-elles tout expliquer ?: Les modèles probabilistes, tels que l'approche inductivo-statistique de Hempel et l'approche de la pertinence statistique de Salmon, soutiennent que la citation des bonnes relations de pertinence probabiliste peut expliquer, bien que les critiques contestent si les événements de faible probabilité sont ainsi expliqués.