연역적 / 귀납적 탐구 방법

[ParkYK]

연역적 탐구 방법과 귀납적 탐구 방법

   과학의 탐구가 이루어지는 과정은 그 연구 주제에 따라 매우 다양하다. 

   과학적 탐구 방법은 크게 연역적 탐구 방법과 귀납적 탐구 방법으로 나누어 진다.

1) 연역적 탐구 방법(두괄식)

   어떤 문제를 인식하여 가설을 설정한 후 가설이 맞는가를 가정 하에서 예상되는 관찰 결과를 실험을 통해 확인하고 검증하는 탐구 방법.
   [관찰→문제인식→가설설정→탐구 설계 및 수행→자료해석→결론 도출→법칙화, 일반화]

(1) 문제의 인식 : 어떠한 자연 현상이 기존의 과학 지식으로 설명되지 않을 때 그 현상을 관찰하여 여러 사실을 수집하고 문제점을 발견하는 과정
(2) 가설의 설정 : 인식한 문제에 대하여 과학적으로 검증이 가능한 잠정적인 해답을 내놓는 과정
(3)탐구 설계 : 설정된 가설의 타당성 여부를 증명하기 위한 실험의 계획 및 준비 과정
(탐구를 설계할 때는 변인이 제대로 통제되도록 면밀한 계획이 필요하다)

*변인(변하게 하는 요인) : 어떤 상황이나 실험 결과에 영향을 미치는 요인으로 독립 변인(조작 변인, 통제 변인)과 종속 변인으로 나눈다
  - 조작 변인 : 실험에서 의도적으로 변화시키는 요인
  - 통제 변인 : 실험 과정에서 일정하게 유지시키는 요인
  - 종속 변인 : 독립 변인에 따라 변하는 실험 결과

(4) 자료 해석 : 실험에서 관찰하거나 측정한 자료를 해석하기 쉽게 표나 그래프로 변환시키는 활동
(5) 결론 도출 : 자료를 해석하여 얻은 결과로부터 객관적이고 타당한 결론을 이끌어 내어 일반화하는 과정이다.

    결과가 가설과 일치하지 않을 경우는 가설을 수정하여 다시 결론을 이끌어 내도록 해야 한다
(6)일반화 : 주어진 결론의 경향성, 규칙성을 보다 넓은 범위로 확장하는 과정

2) 귀납식 탐구 방법(미괄식/가설 설정 X)
   가설 설정의 단계가 없으며 많은 자료 수집을 통하여 일반적인 원리나 법칙으로 결론을 도출해 내는 탐구 방법이다

[자연현상 → 관찰 주제의 설정 → 관찰 방법과 절차의 고안 → 관찰 수행 → 관찰 결과의 해석 및 결론 도출]

*귀납적 방법이 쓰이는 분야*
지질학이나 천문학의 경우에는 실험 과정을 통하여 이론을 검증하고 수정하기가 어렵다 . 그러므로 이러한 분야의 탐구에는 주로 귀납적 방법이 사용된다


1. 귀납법 (돌아갈 귀歸, 들일 납納 : the inductive method)그리스 철학자 아리스토텔레스가 처음 발견하여 영국의 철학자 베이컨에 의해 완성.
  귀납법은 많은 사실들을 관찰하여 보편적인 결론을 도출해 내는 방법

  귀납법은 사례나 근거들을 제시하고, 하고 싶은 말은 한다(미괄식).

  귀납법은 경험적이다. 구체적 자료와 경험적 통계를 바탕으로 현실에 근거한 결론을 도출

  귀납법은 진리일 가능성이 높을 뿐이지 확실한 진리가 되는 못한다. 그러나 필연적인 지식이 아니라고 해서 귀납법의 가치가 떨어지는 것은 아니다. 여러 경험을 통하여 얻어진 과학적 지식들은 귀납법에 의해 얻어진 지식으로, 진리일 가능성이 높은 경험적 지식이다. 하지만 부분적인 관찰 사실로부터 얻은 결론을 일반적인 진리로 여기는 것은 논리적으로 오류가 있을 수 있다. 왜냐하면 모든 사례를 완전히 조사, 관찰한 것이 아닐 수 있기 때문이다.

예시)

소크라테스는 죽었다.  공자도 죽었다.  석가도 죽었다. 이들은 사람이다.  그러므로 모든 사람은 죽는다.

'리차드 파인만'이  발견하는 즐거움에서 말한 바와 같이 귀납법은 일종의 게임의 규칙을 모르는 상태에서 게임을 지켜봐가며 규칙을 하나하나 발견해 나가는 것과 같다.

2. 연역법 (펼 연演 , 풀 역繹 : the deductive method)
  연역법은 과학보다는 철학에서 어떤 추상적 진리를 발견할 때 많이 사용

  연역법이란 대전제로부터 소전제를 매개로 하여 대전제의 개념 속에 포함되어 있는 결론을 논리적으로 이끌어내는 방법

  연역법에 의해서 얻어진 결론은 대전제의 일부이기 때문에 새로운 지식이라고 할 수 없음

  연역법은 하고 싶은 말을 먼저하고(두괄식), 사례나 근거는 나중에 제시

  연역법은 보통 이론 중심적이다. 먼저 가설을 세우고 그 것을 순전히 말의 논리로 증명
 
연역법은 새로운 진리를 찾는 모험적인 사고 방식보다는 이미 발견한 흔한 사실로부터 좀 더 발전된 진리를 발견하는데 유용하다. 좀더 포괄적이고 추상적 개념으로, 논리의 유추와 사실 유무에 따라 퍼즐처럼 논리적으로 진행해나가며 진리를 발견해나가는 것이라 할 수 있다.

예시)

1. 모든 사람은 죽는다 – 대전제 ,     

   소크라테스는 사람이다 – 소전제,     

   그러므로 소크라테스는 죽는다 – 결론

 
2. 사과는 빨간색이나 푸른색이다.          

   빨간색이나 푸른색이 아닌 사과는 없다

   그러므로 지금 내 앞에 숨겨져 있는 사과는 빨간색이나 푸른색이다.

 
‘소크라테스는 죽는다’는 결론은 ‘모든 사람은 죽는다’라는 대전제에서 끌어낸 결론이므로 대전제의 일부일 뿐이지, 새로운 지식은 될 수 없다. 더구나 연역법은 대전제로부터 결론을 도출하기 때문에 대전제가 잘못된 지식일 경우 얻어지는 결론도 잘못된 것일 수밖에 없다.

원글 : http://blog.daum.net/swim-love/15816170

컴퓨터를 통해 입력자료에 대한 결과를 얻어내는데 있어 연역적 관점과 귀납적 관점 이 두 가지 관점으로 볼 수 있다.

 먼저 연역적 접근은 함수 관계식을 정의해 놓고 여기에 X값이 들어오면 함수관계식에 맞는 Y값을 산출하는 것이다. (연역법 : 이미 증명된 하나 또는 둘 이상의 명제를 전제로 하여 새로운 명제를 결론으로 이끌어내는 것을 연역법이라 함)

​ 두 번째 귀납적 접근은 함수관계식을 미리 정해 놓지 않고 X라는 데이터들이 들어가서 나오는 Y 값들을 이용하여 역으로 함수식을 도출하는 것이다. (귀납법 : 개별적인 특수한 사실이나 원리로부터 그러한 사례들이 포함되는 좀 더 확장된 일반적 명제를 이끌어내는 것을 귀납법이라 함)

간단한 예를 들어보자.

    X = 2가 들어갈 때 : a* X(2) + b = 8

    X = 3이 들어갈 때 : a* X(3) + b = 11

- 연역적 방법으로 접근하면 Y=3X+2라는 수식을 이미 정의해 놓고 X를 넣어 Y의 값을 알아내는 구조로 기존 모형식을 통한 접근이라고 생각하면 쉽다

​- 귀납적 접근은 이렇게 X와 Y의 값들을 반복적으로 넣어 a = 3, b = 2라는 함수의 계수를 연립하여 찾을 수 있고(여기서 a와 b는 정해지지 않은 계수라고 하여 미정계수라고 함) 계수를 찾게 되면 함수관계식을 만들 수 있게 된다. 이렇게 함수 관계식을 파악하게 되면 우리는 Y 값을 모르는 새로운 X 값이 들어오게 되더라도 기존에 있는 귀납적으로 알게 된 함수 관계식을 바탕으로 해당 Y 값을 알 수 있게 된다.

즉, 기계학습을 한다는 말은 위의 두 번째 방식과 같은 데이터를 반복적으로 대입하여 함수를 만드는 방식인 귀납적 접근법과 유사하며, 다양한 X(Training Data)들을 이용하여 함수의 미정계수(Hyper-parameter)들을 찾고 이렇게 미정계수가 정해지면 함수(결정평면 or Hyperplane)를 정의할 수 있다. 이렇게 함수가 만들어지면 우리가 새로운 X(Test Data)가 주어졌을 때 그에 맞는 Y 값을 예측할 수 있는 것이다.