Hendelser og årsaker
En hendelse kan kanskje defineres som en endring av tilstander. Vi er helt avhengig av tidsbegrepet for å kunne beskrive hva en hendelse er (endring forutsetter tid), men vi er også avhengig av hendelser for å kunne beskrive tid. Selve opplevelsen av tid er sannsynligvis en grunnleggende kognitiv funksjon, og den hjelper oss med å sortere hendelsene i forhold til hverandre. Grunnleggende er det også at vi tenderer til å sette hendelser i sammenheng med hverandre. Vi kaller det for årsakssammenhenger, eller kausalitet. Ideen om at alle hendelser har en årsak kalles gjerne for determinisme. Sannsynligvis er det også en viktig og grunnleggende kognitiv funksjon, å søke etter sammenhenger og årsaker. Forklaringen er ganske enkelt at det å forstå årsakssammenhenger i neste omgang gir muligheter for bedre atferds-strategi og kontroll.
Refleksjonen her er imidlertid at verden
alltid er mer nyansert enn vi klarer å anskue. En hendelse kan ha mange
samtidige årsaker. Hver av årsakene er selv hendelser som igjen har mer
bakenforliggende årsaker. På denne måten henger hendelsene sammen i kjeder som
i teorien kan strekke seg uendelig bakover og forover i tid. Alt dette høres
kanskje selvfølgelig ut. Men særlig innenfor retorikkens
verden har denne nyanseringen en tendens til å falle ut. Da er en generell refleksjon
angående dette godt å ha i den analytiske verktøykassen. Ofte hører vi utsagn
som at økende kriminalitet skyldes innvandring. Den som går inn og analyserer
vil alltid
finne mange mulige forklaringer på økende kriminalitet, og mange av dem
virker kanskje samtidig, med hver sin styrke. Men forholdet mellom dem er
kanskje ukjent. Om enkle retoriske utsagn får fotfeste kan det føre til at
samfunnet forholder seg irrasjonelt
til fenomenet. Et annet eksempel er sykdom. Vi leter ofte etter enkle
forklaringer som bestemte mattyper, eller andres besvergelser. Går man inn og
analyserer finner man igjen komplekse samspill og mange årsaks-komponenter.
En annen type retorikk handler om slutninger
av sammenheng mellom fenomener. Da jeg var liten forestilte jeg meg at
vinden kom av at trærne svaiet. Etter hvert forstod jeg at det faktisk er
motsatt. Dette er en vanlig type feilslutning. Om man oppdager sammenheng
mellom to typer hendelser så har man minst fire muligheter:
1) Det kan være en tilfeldighet
2) Hendelse A kan forårsake B
3) Hendelse B kan forårsake A
4) Hendelse A og B kan ha en felles årsak
En forsker oppdaget en gang at det var sammenheng mellom mengden inntak av kålrabi og magekreft. Den enkle retoriske journalist kan da finne på å slå opp på førstesiden at kålrabi forårsaker magekreft. Men, som vi ser er dette bare en av flere forklaringsmuligheter. Den egentlige sammenhengen viste seg å være at kålrabi ofte spises sammen med røkt kjøtt, og at det er røkt kjøtt som øker sannsynligheten for magekreft (variant nummer 4).
Hendelser kan også påvirke hverandre gjensidig i et komplekst samspill. Noen ganger finner vi det som kalles for positive og negative tilbakekoblinger. Hendelse A forårsaker B som påvirker C som igjen påvirker A. Om A forsterkes som følge av C har vi en positiv tilbakekobling. Det er det jeg ofte kaller for en selvforsterkende prosess. Om C demper A har vi en negativ tilbakekobling. A snakker vi om er en selvregulerende eller stabiliserende mekanisme. Eksempel: Global oppvarming fører til at permafrosten i Sibir smelter. Når permafrosten smelter frigis det store mengder metan. Når metanen frigis til atmosfæren er den en kraftig drivhusgass. Mer drivhusgass i atmosfæren medfører enda mer global oppvarming, som igjen smelter mer permafrost osv. Dette er en selvforsterkende prosess. Mentale og sosiale mekanismer har veldig ofte slike dynamiske sammenhenger.
Vår evne til å forutsi kjeder av hendelser er begrenset. Mine refleksjoner rundt rasjonelle beslutninger tar dette inn over seg. Derfor er konsekvensene angitt med sannsynligheter. Men enhver direkte konsekvens av mine handlinger vil igjen forårsake nye hendelser. Også her blir det sannsynligheter. Konsekvens A vil skje med en sannsynlighet på X %. Men om A skjer så vil den utløse konsekvens B med en sannsynlighet på Y %. Den totale sannsynligheten for B blir X*Y. Det er jo nesten umulig å kvantifisere slike sannsynligheter, men det skal ikke så mye matematisk kunnskap til for å innse at sannsynlighetene vil falle nok så dramatisk jo lengre ut i kjeden man kommer. Dette kan uttrykkes på den måten at vår evne til å forutsi konsekvenser synker dramatisk jo lengre frem i tid man betrakter. Noe av det samme kan jo gjelde bakover i tid. Min refleksjon om informasjonspålitelighet inneholder noe av de samme resonnementene. Informasjon som sprer seg over mange ledd er jo hendelser, eller hendelseskjeder. Her har jeg gått forholdsvis langt i å utvikle formler som eksemplifiserer hvordan informasjonspåliteligheten svekkes i slike kjeder, men også hvordan den kan forbedres ved å ha parallelle kjeder.