reasoning

逻辑学概念区别解析：Induction和Deduction

Induction和Deduction，或者说InductiveReasoning和DeductiveReasoning，是逻辑学上的两个重要概念，也是在学

术写作中经常⽤到的论证⽅法。⼤家即使不知道它们具体的概念定义，在⽇常⽣活中也经常会碰到相关的例⼦，譬如我

们都熟悉的⼤侦探福尔摩斯，断案时就往往依赖逻辑学上的推导。

不过，⼤家是否知道福尔摩斯使⽤的不是常说的DeductiveReasoning，⽽是InductiveReasoning？那么这两者到底有

什么区别？各⾃的使⽤条件是什么？⽆论是对于批判性阅读还是写作，搞清楚这些具体概念都是很重要的。

在介绍⼆者区别之前，我们先假定存在这⼏个条件：

•⼀个⼤的集合/群体B，它可以是符合某个条件的⼀群⼈，⼀类事物。

•⼀个⼩的特例/样本A，它可以是某⼀个或者某⼩部分具体的⼈或者事物。

•样本A是⾪属于⼤群B的。

•同时，还存在着⼀个结果/结论C。

这些假设对于两者都是⼀致的，它们的关键区别在于，如何从A和B，推导出C。我们可以通过下⾯的图⽚来详细讲述。

在DeductiveReasoning中，我们的推导过程是：

1.⼤群B可以推导出结论C（同时，样本A属于⼤群B）

2.所以从样本A也可以推导出结论C。

DeductiveReasoning符合我们世界⾥的许多⾃然规律，所以它的成⽴是⽐较容易的，不需要太多的条件，往往只要上

述的各个假定都成⽴就⾏了。譬如，亚裔⼈（⼤群B）都是黄⽪肤⿊眼睛的（结论C），我（样本A）是亚裔⼈（A属于

B），所以我是黄⽪肤⿊眼睛的。

DeductiveReasoning出错的场合，是当以上的某个假定不成⽴的时候，譬如，美国⼈都是⾦发碧眼的，我是美国⼈，

所以我也是⾦发碧眼的。这个“美国⼈都是⾦发碧眼的”的假定是不成⽴的，因为美国是个多种族国家，所以整个推导过

程也就不成⽴了。

另外需要注意的⼀点就是，在实际写作应⽤中，由B到C的推导往往是⼤家都公认的事实，所以常常会忽略不说。譬

另外需要注意的⼀点就是，在实际写作应⽤中，由B到C的推导往往是⼤家都公认的事实，所以常常会忽略不说。譬

如：如果你（样本A）赢了这次的半决赛，你就可以进⼊总决赛（结论C）。

这⾥的推导就省略了⼀步：凡是赢了半决赛的选⼿（⼤群B），都可以进⼊总决赛（结论C）。这⼀步推导是⼤家都公

认的，没有疑问的，所以往往就省略掉了。⽆论怎样，请⼤家记住DeductiveReasoning是“由⼤到⼩”的推导。

在我们⽇常⽣活中，和学术写作中，甚⾄科研学习中，⽐较容易犯错的是InductiveReasoning。与Deductive

Reasoning相反，它的推导过程是：

1.样本A可以推导出结论C（同时，样本A属于⼤群B）

2.所以从⼤群B也可以推导出结论C。

显⽽易见，InductiveReasoning过程中很容易犯的⼀个错误，就是“以偏概全”的错误，因为InductiveReasoning是“由⼩

到⼤”的推导。譬如，我认识的⼏位⼥司机（样本A）开车技术都很⼀般（结论C），这⼏位⼥司机是全国所有⼥司机

（⼤群B）的⼀部分，所以⼥司机（⼤群B）都是马路杀⼿（结论C）。

这就是很典型的所谓“stereotype”错误。那么什么场合下InductiveReasoning才是合理的可接受的呢？它必须符合下⾯3

个条件：

•样本A必须有充分性，数量上要达到⼀定的⽔平，这个数量⽔平要视情况⽽定。

•样本A必须有代表性，能代表⼤群B中其他的单位。

•样本A必须有相关性，是跟⼤群B相关的，也就是说A必须是属于B中的⼀部分。

以这三个条件来看⼥司机的例⼦，它就不符合第⼀个和第⼆个条件：我认识的⼏位⼥司机数量太少了，远不能跟全国⼥

司机这个⼤群的数量相⽐。

⽽且，全国⼥司机中有不同的年龄，⽣理条件，健康状况，教育背景，交通环境，等等因素，我认识的⼏位⼥司机很明

显不具有代表性，不能全⾯的代表全国各类不同的⼥司机。不过，这个例⼦倒是符合第三个条件，我认识的⼥司机不是

外国司机，她们是全国⼥司机中的⼀部分。

我们在中级写作课上也给出了⼀个正确的InductiveReasoning例⼦：品尝⼀⼩勺汤，我就能知道整锅汤的味道。我们从

上⾯3个条件来分析⼀下：第⼀，在这个场合之下，⼀滴可能还不够，但⼀勺的分量已经⾜够让我尝出味道了，我不需

要把半锅汤都喝完才达到⾜够的样本数量。第⼆，这⼀勺汤具有代表性，能代表整锅汤的味道，因为整锅汤⽔是均匀分

要把半锅汤都喝完才达到⾜够的样本数量。第⼆，这⼀勺汤具有代表性，能代表整锅汤的味道，因为整锅汤⽔是均匀分

布的，⽆论是锅底还是锅⾯上的汤，味道都是⼀样的。第三，这⼀勺汤也是相关的，它是从这⼀锅⾥盛出来的，⽽不是

其他不相关的锅。所以，在讲到InductiveReasoning的时候，充分性，代表性，相关性，3个条件都必须满⾜，这才是

⼀个合理的InductiveReasoning。

InductiveReasoning⽆论在实际⽣活中，还是学术科研和写作中，都有着⼴泛的应⽤，譬如各⼤做市场调查，抽样调查

的公司，其实就是牵涉到⽅⽅⾯⾯的复杂InductiveReasoning。

⽽在我们学术研究和写作中，⽤某些具体实验数据或者调查结果作为证据，来证明⼀个具有普遍适⽤性的观点，这也是

不同程度的InductiveReasoning。更多学术写作技巧⽂章阅读：

所以希望⼤家通过掌握它的基本定义，在InductiveReasoning时严谨认真，避免逻辑上的漏洞。