논리적 오류 가이드

인신공격의 오류 (Ad Hominem)

이 오류는 논증 자체를 다루기보다 논증을 제시하는 사람을 공격합니다. 여러 변형이 있습니다: 모욕적(사람을 모욕), 정황적(상황으로부터의 편향을 암시), 피장파장(위선을 비난). 논증의 타당성은 누가 제시하는지와 무관합니다.

예시: 존의 기후변화 논증을 신뢰할 수 없다—그는 심지어 과학자도 아니다. (존이 과학자인지 여부는 그의 논증이 타당한지를 결정하지 않는다; 우리는 논증의 증거와 논리를 평가해야 한다.)

허수아비 공격의 오류

이 오류는 반대자의 입장을 왜곡하여 공격하기 쉽게 만듭니다. 실제 논증을 왜곡, 과장, 또는 지나치게 단순화함으로써 논증자는 '허수아비'—무너뜨리기 쉬운 약화된 버전—를 만들어 실제 입장을 다루지 않습니다.

예시: 존스 상원의원은 군사비 지출을 줄여야 한다고 말한다. 분명히 그녀는 우리 국가를 외국 위협으로부터 무방비 상태로 만들고 싶어 한다. (상원의원의 입장은 비판하기 쉬운 극단으로 과장되었다.)

논점 회피의 오류

논점 회피는 원래 쟁점으로부터 주의를 돌리기 위해 무관한 주제를 도입합니다. 논증자는 흥미롭거나 감정적으로 충전될 수 있지만 실제 논쟁점을 다루지 않는 것으로 초점을 옮깁니다. 이 전술은 종종 어려운 질문을 회피하는 데 사용됩니다.

예시: 일자리가 필요한 실업자가 많은데 발전소의 오염을 걱정해서는 안 된다. (실업은 중요하지만, 오염의 환경적 영향에 대한 질문과는 무관하다.)

권위에의 호소 (Argumentum ad Verecundiam)

이 오류는 주장을 뒷받침하기 위해 권위를 부적절하게 원용합니다. 전문가 증언은 합법적인 뒷받침을 제공할 수 있지만, 이 오류는 권위자가 관련 전문성이 부족하거나, 해당 분야에 합의가 없거나, 권위자가 맥락에서 벗어나 인용되거나, 주제가 증언보다 추론을 요구할 때 발생합니다. 모든 권위에의 호소가 오류는 아닙니다—부적절한 것만 그렇습니다.

예시: 이 다이어트는 효과적임이 틀림없다—내가 좋아하는 배우가 사용한다. (배우의 추천은 영양학의 전문성이나 효과의 증거를 구성하지 않는다.)

감정에의 호소 (Argumentum ad Passiones)

이 오류는 타당한 추론을 사용하는 대신 감정(두려움, 연민, 자부심, 증오)을 조작합니다. 구체적 변형으로는 두려움에의 호소(argumentum ad metum), 연민에의 호소(argumentum ad misericordiam), 아첨에의 호소가 있습니다. 감정은 인간 경험의 일부이지만, 논리적 평가를 대체해서는 안 됩니다.

예시: 이 법을 지지하지 않는다면, 상처받은 것이 당신의 아이라면 어떤 기분일지 상상해 보라. (감정적 호소는 법이 효과적이거나 정당한지를 다루지 않는다.)

무지에의 호소 (Argumentum ad Ignorantiam)

이 오류는 주장이 거짓임이 증명되지 않았기 때문에(또는 그 반대) 참이라고 논증합니다. 증거의 부재는 부재의 증거가 아닙니다. 이 오류는 입증 책임을 부적절하게 전가하여, 주장자가 긍정적 증거를 제공하기보다 반대자가 주장을 반증하도록 요구합니다.

예시: 외계인이 존재하지 않는다는 것을 아무도 증명하지 못했으므로, 그들은 존재해야 한다. (반증의 부재가 존재의 증명을 구성하지는 않는다.)

피장파장의 오류 (Tu Quoque)

이 오류는 논증자의 행동이 자신의 입장과 일치하지 않는다고 지적함으로써 논증을 기각합니다. 위선은 누군가의 신뢰성을 훼손할 수 있지만, 그들의 논증의 논리적 가치를 무효화하지는 않습니다. 주장의 진리는 그것을 주장하는 사람이 자신의 조언을 따르는지 여부와 무관합니다.

예시: 당신은 내가 담배를 끊어야 한다고 말하지만, 당신도 담배를 피우니 당신의 논증은 틀렸다. (흡연의 건강 위험은 논증자가 담배를 피우는지 여부와 관계없이 타당하다.)

기원의 오류

이 오류는 현재의 가치나 증거가 아닌 기원에 근거하여 무언가를 참 또는 거짓으로 판단합니다. 아이디어의 출처는 그것의 진리 가치를 결정하지 않습니다. 논증은 어디서 왔는지와 관계없이 자체적 가치로 평가되어야 합니다.

예시: 그 이론은 신용을 잃은 연구자로부터 나왔으므로, 거짓임에 틀림없다. (연구자가 신용을 잃었더라도, 이론은 자체적 증거와 논리로 평가되어야 한다.)

논점 선취의 오류 (Petitio Principii)

이 오류는 논증의 결론이 전제 중 하나에 가정될 때 발생하며, 순환논증을 만듭니다. 논증은 독립적인 정당화를 제공하기보다 결론을 지지하기 위해 결론을 사용하면서 원을 그립니다. 이것은 종종 전제와 결론에 다른 표현을 사용함으로써 위장됩니다.

예시: 성경은 하나님의 말씀이다. 왜냐하면 하나님이 성경에서 그렇게 말씀하시기 때문이다. (이것은 성경이 권위적임을 증명하기 위해 성경이 권위적이라고 가정한다.)

거짓 딜레마 (양자택일의 오류)

이 오류는 더 많은 대안이 존재할 때 단 두 가지 선택지만을 제시하여 극단 사이의 선택을 강요합니다. 흑백 사고라고도 불리며, 이 오류는 중간 지점, 점진적 옵션, 또는 다양한 요인을 무시함으로써 복잡한 상황을 지나치게 단순화합니다. 현실은 종종 이진 선택이 배제하는 뉘앙스를 포함합니다.

예시: 당신은 우리 편이거나 적이다. (이것은 중립적 입장, 부분적 동의, 또는 대안적 관점을 무시한다.)

미끄러운 경사면의 오류

이 오류는 첫 단계가 필연적으로 바람직하지 않은 결과로 이어지는 사건의 연쇄로 이어질 것이라고 논증하지만, 이 연쇄의 필연성에 대한 적절한 정당화를 제공하지 않습니다. 모든 미끄러운 경사면 논증이 오류는 아닙니다—각 단계가 실제로 다음 단계로 이어질 것이라는 증거가 부족한 것만 그렇습니다.

예시: 학생들이 한 과제를 다시 할 수 있게 허용하면, 곧 모든 과제를 다시 하고 싶어할 것이고, 그다음에는 모든 마감일을 없애라고 요구할 것이며, 결국 전체 채점 시스템이 붕괴될 것이다. (이 연쇄 반응은 증거 없이 주장된다.)

성급한 일반화의 오류

이 오류는 불충분하거나, 대표성이 없거나, 편향된 증거로부터 일반적 결론을 도출합니다. 표본 크기는 통계적 추론에서 중요하며, 표본 추출 방법도 마찬가지입니다. 모집단에 대한 결론은 그 모집단의 다양성을 대표하는 적절한 데이터를 필요로 합니다.

예시: 나는 그 도시 출신의 무례한 사람 두 명을 만났으므로, 그 도시의 모든 사람이 무례함에 틀림없다. (두 사람은 전체 도시 인구의 대표적 표본을 구성하지 않는다.)

합성의 오류

이 오류는 부분에 대해 참인 것이 전체에 대해서도 참이어야 한다고 가정합니다. 때로는 타당하지만(집합적 속성), 이 추론은 확대되지 않는 속성에 대해서는 실패합니다. 합성의 오류는 개별 요소의 속성이 그들이 구성하는 시스템에 잘못 귀속될 때 발생합니다.

예시: 팀의 모든 선수가 우수하므로, 팀은 우수해야 한다. (개인의 기술이 팀 조정과 전략을 보장하지는 않는다.)

분할의 오류

이것은 합성의 역: 전체에 대해 참인 것이 부분에 대해서도 참이어야 한다고 가정합니다. 일부 속성은 하향 분배되지만, 많은 것들은 그렇지 않습니다. 이 오류는 집합적 속성이 개별 구성원에게 잘못 귀속될 때 발생합니다.

예시: 회사는 수익성이 있으므로, 모든 부서가 수익성이 있어야 한다. (일부 부서는 손실을 보는 동안 다른 부서가 흑자를 생성할 수 있다.)

복합 질문의 오류 (유도 질문)

이 오류는 질문 내에 부당한 가정을 포함시켜, 어떤 직접적인 대답도 그 가정을 받아들이는 것처럼 보이게 만듭니다. 고전적인 예는 '당신은 아내 때리는 것을 그만두었나요?'입니다—예와 아니오 모두 한때 그랬음을 암시합니다. 복합 질문은 숨겨진 가정을 먼저 다루기 위해 분해되어야 합니다.

예시: 언제 세금 사기를 그만두었나요? (이것은 당신이 사기를 쳤다고 전제하는데, 사실이 아닐 수 있다.)

증거 은폐의 오류 (체리피킹)

이 오류는 유리한 증거만을 선택적으로 제시하면서 반대 증거를 무시하거나 은폐합니다. 공정한 논증은 결론을 약화시킬 수 있는 데이터를 포함하여 모든 관련 증거를 인정합니다. 체리피킹은 맥락을 생략함으로써 오해를 불러일으키는 그림을 만듭니다.

예시: 이 치료법은 효과가 있다—다섯 명의 환자가 호전되었다. (이것은 호전되지 않은 95명의 환자를 무시하여 효과에 대한 잘못된 인상을 만든다.)

중의법의 오류

이 오류는 여러 의미를 가진 단어나 구를 논증 내에서 일관성 없이 사용합니다. 의미 사이를 이동함으로써 논증은 타당해 보이지만 실제로는 네 항의 오류(삼단논법에서)를 범하거나 다른 방식으로 논리적 연결을 깨뜨립니다. 명확한 정의는 중의법을 방지합니다.

예시: 표지판에 '여기 주차하면 벌금(fine)'이라고 했으므로, 여기 주차해도 괜찮다(fine). ('fine'이라는 단어가 '벌금'이라는 의미에서 '괜찮다'는 의미로 이동한다.)

중의 구문의 오류

이 오류는 모호한 단어가 아닌 모호한 문법 구조로부터 발생합니다. 잘못된 문장 구성은 의미를 불명확하게 만들어 다른 결론으로 이어지는 다른 해석을 허용할 수 있습니다. 적절한 구문은 중의 구문을 제거합니다.

예시: 교수는 월요일에 강의를 하겠다고 말했다. (이것은 교수가 월요일에 미래 강의에 대해 말한 것인지, 아니면 강의가 월요일에 있을 것인지를 의미하는가?)

강조의 오류

이 오류는 다른 단어를 강조하거나 선택적 인용을 사용함으로써 진술의 의미를 변경합니다. 특정 단어를 강조하거나, 맥락에서 벗어난 진술을 사용하거나, 선택적으로 인용함으로써 논증자는 자신의 입장을 뒷받침하기 위해 원래 의미를 왜곡합니다.

예시: 리뷰에서 영화가 '절망적'일 때 오락거리로 '좋다'고 했다. (다른 부분을 강조하면 이것이 추천인지가 바뀐다.)

진정한 스코틀랜드인은 없다의 오류

이 오류는 용어를 임의로 재정의하거나 자격을 추가함으로써 보편적 주장을 반례로부터 보호합니다. 광범위한 일반화에 반하는 증거에 직면하면, 논증자는 반례가 계산되지 않는다고 주장함으로써 골대를 옮기며, 따라서 주장을 반증 불가능하고 무의미하게 만듭니다.

예시: 어떤 스코틀랜드인도 죽에 설탕을 넣지 않는다. '하지만 우리 스코틀랜드인 삼촌은 넣는다.' 글쎄, 진정한 스코틀랜드인은 죽에 설탕을 넣지 않는다. (정의가 반례를 배제하도록 수정된다.)

후건 추론의 오류 (Post Hoc Ergo Propter Hoc)

이 라틴어 구절은 '이것 후에, 따라서 이것 때문에'를 의미합니다. 이 오류는 한 사건이 다른 사건에 선행했기 때문에 그것을 야기했음에 틀림없다고 가정합니다. 시간적 계승만으로는 인과관계를 확립하지 못합니다—상관관계는 인과관계를 함의하지 않습니다. 많은 요인이 사건에 영향을 미치며, 시간적 근접성은 우연의 일치일 수 있습니다.

예시: 나는 행운의 셔츠를 입고 시험에 합격했으므로, 셔츠가 내 성공을 야기했다. (시험 성공은 의류가 아니라 공부의 결과일 가능성이 높다.)

상관관계는 인과관계를 함의하지 않는다

두 변수가 상관될 때(함께 변할 때), 그들은 인과적으로 관련될 수 있지만, 상관관계만으로는 인과관계를 증명하지 못합니다. 둘 다를 야기하는 제3의 변수(공통 원인), 역 인과관계가 있을 수 있거나, 상관관계가 우연의 일치일 수 있습니다. 인과관계를 확립하려면 대안적 설명을 배제하는 통제된 실험이나 신중한 분석이 필요합니다.

예시: 아이스크림 판매와 익사 사망은 모두 여름에 증가하지만, 아이스크림이 익사를 야기하지는 않는다—따뜻한 날씨가 둘 다의 공통 원인이다. (상관관계를 인과관계로 혼동하면 터무니없는 결론으로 이어질 수 있다.)

단일 원인의 오류

이 오류는 복잡한 사건이 여러 요인이 기여했을 때 단 하나의 원인만 가진다고 가정합니다. 현실 세계의 현상은 보통 여러 상호작용하는 원인의 결과입니다. 인과관계를 단일 요인으로 지나치게 단순화하면 인과 관계의 복잡성을 무시하고 비효과적인 해결책으로 이어질 수 있습니다.

예시: 경기 침체는 주택 시장 붕괴로 야기되었다. (중요하기는 하지만, 경기 침체는 일반적으로 여러 경제적 요인을 포함한다: 은행 관행, 통화 정책, 소비자 신뢰, 세계 무역 등.)

인과관계의 과도한 단순화

이 오류는 복잡한 인과 관계를 지나치게 단순한 설명으로 축소합니다. 결과에 영향을 미치는 기여 요인, 매개 변수, 피드백 루프, 맥락적 영향을 무시합니다. 단순화는 이해를 돕지만, 과도한 단순화는 현실을 왜곡하고 효과적인 문제 해결을 방해합니다.

예시: 우리가 더 많은 경찰을 고용했기 때문에 범죄가 감소했다. (이것은 범죄율에 영향을 미치는 경제적 요인, 인구통계학적 변화, 사회 프로그램, 형사 사법 개혁, 기타 변수를 무시한다.)

기저율 무시

이 오류는 새로운 정보를 평가할 때 사전 확률(기저율)을 무시합니다. 사건의 확률을 평가할 때, 우리는 특정 증거와 모집단에서 그 사건의 기준선 빈도를 모두 고려해야 합니다. 기저율을 무시하면 특히 의학 진단, 위험 평가, 형사 사법에서 체계적인 판단 오류로 이어집니다.

예시: 99% 정확한 검사가 양성을 보인다. 하지만 그 조건이 인구의 0.1%에만 영향을 미친다면, 낮은 기저율로 인해 대부분의 양성 결과는 위양성이다. (검사의 정확도는 조건이 얼마나 드문지와 함께 고려되어야 한다.)

평균으로의 회귀

극단적 값은 어떤 개입 때문이 아니라 자연 변동으로 인해 평균에 더 가까운 값이 뒤따르는 경향이 있습니다. 이 오류는 자연적 통계 변동을 행동이나 치료의 효과로 착각합니다. 평균으로의 회귀를 이해하면 자연 변동과 일치하는 개입에 인과관계를 잘못 귀속하는 것을 방지합니다.

예시: 학생들의 최악의 시험 점수 후에 동기부여 연설이 주어졌고 점수가 향상되었다. (향상은 연설의 효과보다는 평균으로의 회귀—극단적 성과는 자연스럽게 평균으로 향하는 경향—를 반영할 가능성이 높다.)

체리피킹 (선택적 증거)

이 오류는 불리한 데이터를 무시하면서 유리한 데이터만을 선택적으로 제시합니다. 이것은 증거가 미리 결정된 결론을 뒷받침하도록 선택되는 확증 편향의 한 형태입니다. 정직한 분석은 편리한 데이터 포인트만이 아니라 모든 관련 증거를 고려할 것을 요구합니다. 체리피킹은 오해를 불러일으키는 인상을 만들고 결론을 왜곡합니다.

예시: 기후변화를 주장하기 위해 가장 더운 해만 강조하면서 다른 데이터를 무시하거나, 그것을 부인하기 위해 가장 추운 해만 강조한다. (선택적 예가 아니라 포괄적인 데이터 분석이 필요하다.)

오도하는 생생함

이 오류는 더 신뢰할 수 있는 통계적 증거보다 생생하고 기억에 남는 일화에 불균형한 가중치를 부여합니다. 인간은 구체적이고 감정적인 이야기에 자연스럽게 강하게 반응하지만, 고립된 예는 전체 패턴을 대표하지 않습니다. 일화적 증거는 특히 선택 편향에 취약하며 체계적인 데이터의 대체물이 아닙니다.

예시: 우리 할머니는 매일 담배를 피우고 100세까지 사셨으므로, 흡연이 그렇게 위험할 수는 없다. (단일한 생생한 일화는 흡연의 건강 위험을 보여주는 포괄적인 역학 연구를 능가하지 못한다.)

논증 구조에 질문하기

결론이 전제로부터 논리적으로 따라오는지 검토합니다. 질문: 결론이 반드시 따라오는가? 논리적 간극이 있는가? 논증이 후건 긍정이나 전건 부정 같은 형식적 오류를 범하는가? 논리적 형식이 타당한지 밝히기 위해 논증의 구조를 도표화합니다.

숨겨진 가정 찾기

논증이 의존하는 진술되지 않은 전제를 식별합니다. 질문: 이 결론이 따라오려면 무엇이 참이어야 하는가? 이러한 가정들은 정당화되는가? 논증이 증명하려는 것을 가정함으로써 논점을 선취하는가? 선택지를 인위적으로 제한하는 거짓 딜레마가 있는가? 암묵적 가정을 명시적으로 만드는 것은 그것들이 정당한지를 드러냅니다.

전제의 관련성 확인

전제가 실제로 결론을 뒷받침하는지 평가합니다. 질문: 이 전제는 결론과 관련이 있는가? 실제 쟁점을 다루는가 아니면 주의를 분산시키는가(논점 회피)? 인신공격이나 감정에의 호소가 논리적 뒷받침을 대체하는가? 관련성은 중요합니다—무관한 전제는 아무리 참이라도 결론을 뒷받침하지 않습니다.

증거 품질 평가

제시된 증거의 강도와 신뢰성을 평가합니다. 질문: 일반화를 위한 표본 크기가 적절한가? 증거가 체리피킹되었는가 아니면 포괄적인가? 통계적 주장이 기저율과 함께 적절히 맥락화되었는가? 일화가 불균형한 가중치를 받는가? 증거가 신뢰할 수 있는 전문가 출처에서 나왔는가? 품질 있는 증거는 타당한 결론을 위해 필수적입니다.

대안적 설명 고려

다른 설명이 증거에 맞는지 검토합니다. 질문: 상관관계가 직접 인과관계보다는 공통 원인으로 설명될 수 있는가? 단일 원인보다는 여러 요인이 있는가? 이것이 우연의 일치일 수 있는가(후건 추론)? 평균으로의 회귀가 패턴을 설명하는가? 대안을 고려하면 성급한 인과적 결론을 방지합니다.