Intencjonalność a motywacja i niemoralność

Raport z badania

Adam Wierzbicki

wrzesień 2016

Wstęp

Moje badanie miało na celu zbadanie dwóch hipotez, które mogłyby pomóc w wyjaśnieniu tzw. Problemu Butlera. Chciałem porównać wpływ dwóch czynników na przypisywanie intencjonalności działań, których skuteczność zależy od procesów losowych. Wzmiankowane czynniki to motywacja sprawcy oraz ocena moralna czynu. Użyłem w tym celu zmodyfikowanych wersji oryginalnego scenariusza Butlera oraz scenariusza Melego i Sverdlika z kostką i zapalnikiem bomby podłączonym do kamery. Intencjonalność zdecydowałem się zoperacjonalizować za pomocą przysłówka ,,celowo”.

Hipotezy

Hipoteza 1: Ludzie chętniej przypisują intencjonalność działaniom podejmowanym ze względu na silniejszą motywację.

Hipoteza 2: Siła motywacji ma większy wpływ na przypisanie intencjonalności niż ocena moralna czynu.

Scenariusze

Scenariusz 1

Niegodziwy czyn + słaba motywacja

Kowalski i Nowak znajdują się w dwóch różnych budynkach. W budynku, w którym znajduje się Nowak, jest podłożona bomba. Kowalski może zdetonować bombę wyłącznie przez pokazanie obrazu zawierającego sześć kropek do kamery skierowanej na jego biurko i podłączonej do zapalnika bomby. Kowalski postanawia z nudów zabić Nowaka. Nie jest jednak w stanie podejść do biurka, gdyż ma związane nogi. Bierze do ręki trzymaną w kieszeni zwyczajną 6-ścienną kostkę do gry i rzuca nią na biurko, licząc na to, że wypadnie szóstka. Udaje mu się wyrzucić szóstkę a tym samym zdetonować bombę i zabić Nowaka.

Scenariusz 2

Niegodziwy czyn + silna motywacja

Kowalski i Nowak znajdują się w dwóch różnych budynkach. W budynku, w którym znajduje się Nowak, jest podłożona bomba. Kowalski może zdetonować bombę wyłącznie przez pokazanie obrazu zawierającego sześć kropek do kamery skierowanej na biurko i podłączonej do zapalnika bomby. Kowalski postanawia zabić Nowaka, ponieważ odziedziczy po nim bardzo duży spadek, który pozwoli mu sfinansować swoje wielkie marzenie o podróży dookoła świata. Nie jest jednak w stanie podejść do biurka, gdyż ma związane nogi. Bierze do ręki trzymaną w kieszeni zwyczajną 6-ścienną kostkę do gry i rzuca nią na biurko, licząc na to, że wypadnie szóstka. Udaje mu się wyrzucić szóstkę a tym samym zdetonować bombę i zabić Nowaka.

Scenariusz 3

Moralnie neutralny czyn + słaba motywacja

Kowalski gra z nudów w kości z kolegami. Aby wygrać grę, musi wyrzucić szóstkę. Kowalski bierze do ręki kostkę i rzuca nią, licząc na to, że wypadnie szóstka. Udaje mu się wyrzucić szóstkę i tym samym wygrać grę.

Scenariusz 4

Moralnie neutralny czyn + silna motywacja

Kowalski gra w kasynie w kości o bardzo wysoką stawkę. Wygrana pozwoli mu sfinansować swoje wielkie marzenie o podróży dookoła świata. Aby wygrać grę, musi wyrzucić szóstkę. Kowalski bierze do ręki kostkę i rzuca nią, licząc na to, że wypadnie szóstka. Udaje mu się wyrzucić szóstkę i tym samym wygrać grę.

Pytania

Pytanie 1: Czy zgadzasz się z poniższym stwierdzeniem?

Kowalski celowo wyrzucił szóstkę.

Odpowiedzi: ,,Tak”, ,,Nie”.

Pytanie 2: Czy Kowalski postąpił niemoralnie?

Odpowiedzi: ,,Zdecydowanie nie” (-2), ,,Raczej nie” (-1), ,,Trudno powiedzieć” (0), ,,Raczej tak” (+1), ,,Zdecydowanie tak” (+2).

Pytanie 3: Czy Kowalski miał silną motywację, żeby wyrzucić szóstkę?

Odpowiedzi: ,,Zdecydowanie nie” (-2), ,,Raczej nie” (-1), ,,Trudno powiedzieć” (0), ,,Raczej tak” (+1), ,,Zdecydowanie tak” (+2).

Procedura

Badanie zostało przeprowadzone na platformie KogniLab: http://kognilab.pl/lime/index.php/828827. Uczestnicy byli losowo przydzielani do jednej z czterech grup. Każda grupa otrzymywała inny scenariusz. Pytanie 1 znajdowało się pod tekstem scenariusza, na pierwszej stronie ankiety. Druga strona zawierała powtórzony tekst oraz pytania 2 i 3. Na ostatniej stronie znajdowały się dodatkowe pytania dotyczące cech społeczno-demograficznych respondentów: płci, wieku oraz wykształcenia. Podczas wypełniania ankiety nie było możliwości powrotu do wcześniejszej strony.

Interpretacja

Weryfikacja założeń scenariuszy

$ \textrm{niemoralność}(X)$ = średnia odpowiedzi na pytanie 2 w scenariuszu $ X $

$ \textrm{motywacja}(X)$ = średnia odpowiedzi na pytanie 3 w scenariuszu $ X $

Założenie 1: $ \textrm{niemoralność}(S1) \approx \textrm{niemoralność}(S2) $

Założenie 2: $ \textrm{niemoralność}(S3) \approx \textrm{niemoralność}(S4) $

Założenie 3: $ \textrm{niemoralność}(S1) \gg \textrm{niemoralność}(S4) $

Założenie 4: $ \textrm{motywacja}(S2) \gg \textrm{motywacja}(S1) $

Założenie 5: $ \textrm{motywacja}(S4) \gg \textrm{motywacja}(S3) $

Założenie 6: $ \textrm{motywacja}(S4) \gg \textrm{motywacja}(S1) $

Weryfikacja hipotez

$ \textrm{intencjonalność}(X)$ = odsetek odpowiedzi,,Tak” na pyt. 1 w scenariuszu $ X $

Hipoteza 1: $ \textrm{intencjonalność}(S1) \ll \textrm{intencjonalność}(S2) \wedge \textrm{intencjonalność}(S3) \ll \textrm{intencjonalność}(S4)$

Hipoteza 2: $ \textrm{intencjonalność}(S1) \ll \textrm{intencjonalność}(S4) $

Wyniki

Podsumowanie wyników:

Scenariusz Intencjonalność Niemoralność Motywacja
1 0.52 1.74 0.04
2 0.41 1.55 1.32
3 0.14 -1.76 1.19
3 0.26 -1.53 1.37
In [11]:
library(ggplot2)
library(plyr)
library(reshape2)

responses = read.csv("wyniki.2016.09.09.csv")

convert_levels = function (x) {
  if (x == "") {
    return(NA)
  }
  return(strtoi(substr(x,2,2)) - 3)
}

S1 = responses[responses$LOSUJV == 1 & ! is.na(responses$S1),c(1,2,6,7)]
S2 = responses[responses$LOSUJV == 2 & ! is.na(responses$S2),c(1,3,8,9)]
S3 = responses[responses$LOSUJV == 3 & ! is.na(responses$S3),c(1,4,10,11)]
S4 = responses[responses$LOSUJV == 4 & ! is.na(responses$S4),c(1,5,12,13)]
colnames(S1) = c("Scenariusz", "Intencjonalność", "Niemoralność", "Motywacja")
colnames(S2) = c("Scenariusz", "Intencjonalność", "Niemoralność", "Motywacja")
colnames(S3) = c("Scenariusz", "Intencjonalność", "Niemoralność", "Motywacja")
colnames(S4) = c("Scenariusz", "Intencjonalność", "Niemoralność", "Motywacja")
samp_sizes = sapply(list(S1,S2,S3,S4), nrow)

proc_responses = rbind(S1,S2,S3,S4)
proc_responses[,2] = proc_responses[,2] == 1
proc_responses[,3] = sapply(proc_responses[,3], convert_levels)
proc_responses[,4] = sapply(proc_responses[,4], convert_levels)

intenc = data.frame(table(proc_responses[,1:2]))
intenc$Freq = intenc$Freq / samp_sizes[intenc$Scenariusz]
intenc$Intencjonalność = revalue(intenc$Intencjonalność, c("TRUE"="Tak", "FALSE"="Nie"))
intenc$Intencjonalność = relevel(intenc$Intencjonalność, "Tak")

ggplot(intenc, aes(factor(Scenariusz), Freq, fill = Intencjonalność)) + 
  geom_bar(stat="identity", position = "dodge") + 
  scale_fill_brewer(palette = "Set2") +
  xlab("Scenariusz") +
  ylab("Odsetek odpowiedzi") +
  guides(fill=guide_legend(title=NULL)) +
  ggtitle(expression(paste("Czy zgadzasz się ze stwierdzeniem: ,,Kowalski "
                           , italic(celowo)," wyrzucił szóstkę''?"))) +
  geom_bar(stat="identity", aes(y=Freq, ymin=0, ymax=Freq), position="dodge") +
  geom_text(aes(x= Scenariusz, y = Freq + 0.1, ymax=Freq + 0.1, hjust=0.5, vjust=1,
                label = round(Freq, digits = 2)), position = position_dodge(width=1), size=3) +
  theme(plot.title=element_text(size=11, margin = margin(b=30))) +
  theme(axis.title.y=element_text(angle=90, margin = margin(r=20))) +
  theme(axis.title.x=element_text(margin = margin(t=10))) +
  theme(plot.margin=unit(c(1,1,0.3,1),"cm"))
In [19]:
options(repr.plot.width=10, repr.plot.height=5)

niemor = aggregate(proc_responses[,c(1,3,4)], list(proc_responses$Scenariusz), mean, na.rm = TRUE)
niemor = melt(niemor[,2:4], id.vars = c("Scenariusz"))

ggplot(niemor, aes(factor(Scenariusz), value, fill=variable)) + 
  geom_bar(stat="identity", position = "dodge") + 
  scale_fill_brewer(palette = "Accent",
                    labels = c("Czy Kowalski postąpił niemoralnie?",
                               "Czy Kowalski miał silną motywację, żeby wyrzucić szóstkę?")) +
  xlab("Scenariusz") +
  ylab("Średnia odpowiedzi") +
  guides(fill=guide_legend(title=NULL)) +
  geom_bar(stat="identity", aes(y=value, ymin=0, ymax=value), position="dodge") +
  geom_text(aes(x= Scenariusz, y = sign(value) * (abs(value) + 0.1),
                ymax = sign(value) * (abs(value) + 0.1), hjust=0.5,
                vjust=ifelse(sign(value)>0, 0, 1),
                label = round(value, digits = 2)), position = position_dodge(width=1), size=3) +
  theme(axis.title.y=element_text(angle=90, margin = margin(r=20), family="Calibri")) +
  theme(axis.title.x=element_text(margin = margin(t=10))) +
  theme(legend.position=c(0.35,1.25))+
  theme(plot.margin=unit(c(2.7,1,0.3,1),"cm")) +
  theme(legend.direction = "vertical") +
  theme(legend.text = element_text(size=11)) +
  theme(legend.key.size = unit(0.8, "cm")) +
  ylim(-2,2)

podsum = aggregate(proc_responses[,c(1,3,4)], list(proc_responses$Scenariusz), mean, na.rm = TRUE)
podsum = merge(intenc[intenc$Intencjonalność == "Tak",c(1,3)], podsum[,2:4])
colnames(podsum)[colnames(podsum) == "Freq"] = "Intencjonalność"
podsum[,2:4] = sapply(podsum[,2:4], round, digits = 2)

W badaniu wzięło udział 141 respondentów. Ich średni wiek wynosił 25 lat.

Wnioski

Powyższe wyniki wskazują wyraźnie, że obydwie zaproponowane hipotezy są fałszywe. Hipotezę 1 falsyfikuje porównanie intencjonalności w scenariuszach 1 i 2. W scenariuszu pierwszym, pomimo zdecydowanie słabszej motywacji sprawcy, odsetek odpowiedzi ,,Tak” na pytanie 1 był większy niż w drugim. Natomiast hipotezę 2 obala porównanie wyników scenariuszy 1 i 4. Respondenci dwukrotnie częściej przypisywali intencjonalność wyrzuceniu szóstki w pierwszym scenariuszu, w którym motywacja sprawcy była słaba, zaś czyn zdecydowanie niemoralny.

Na osobną wzmiankę zasługuje zaskakująco wysoka średnia odpowiedzi na pytanie 3 (o motywację) w scenariuszu 3. Moje intuicje okazały się tutaj rozbieżne z opinią respondentów. Być może dla wielu osób sama chęć wygrania gry, nawet bez stawki pieniężnej, jest silnie motywująca. Poza tym jednym wyjątkiem, odpowiedzi na wszystkie pytania pomocnicze pokrywały się ze spodziewanymi. Tym samym należy uznać, że scenariusze były raczej poprawnie skonstruowane.

Dodatek I: Wiek badanych:

In [13]:
ages = data.frame(age = (2016 - responses$Y[responses$Y > 1900 & responses$Y < 2016 & !is.na(responses$Y)]))
qplot(age, data=ages, geom="histogram", binwidth=1, fill=..count..)

Bibliografia

Butler, Ronald J. (1978). „Report on Analysis “Problem” No. 16”. W: Analysis 38.3, s. 113–114.

Mele, Alfred i Steven Sverdlik (1996). „Intention, Intentional Action, and Moral Responsibility”. W: Philosophical Studies 82.3, s. 265–287.