Generalização apressada
Dois garçons grosseiros em uma visita a uma cidade de um milhão de habitantes dizem algo sobre dois garçons, não sobre a cidade.
De poucos casos para todos os casos
Uma generalização é uma afirmação sobre um grupo inteiro: todos, a maioria ou o que costuma acontecer. Fazemos isso o tempo todo, e precisamos fazer, pois ninguém pode verificar todos os casos. Uma generalização apressada tira essa conclusão de poucos casos ou de casos que não são típicos do grupo. “Comprei dois celulares dessa marca e ambos quebraram em menos de um ano, então a marca fabrica celulares ruins” pode até estar certo, mas dois aparelhos entre milhões vendidos não bastam para mostrar isso.
Duas coisas dão errado, muitas vezes juntas. A primeira é o tamanho: uma amostra pequena pode facilmente ficar desequilibrada por acaso. Ao lançar uma moeda honesta quatro vezes, obter três ou quatro caras não é nada incomum. A segunda é a seleção: até uma amostra grande engana se foi reunida de um jeito que favorece uma resposta. Avaliações escritas por pessoas irritadas a ponto de publicar, ou uma pesquisa com alunos de uma academia sobre a frequência com que as pessoas se exercitam, dizem algo sobre esses grupos, não sobre todo mundo.
Como identificar
- Conte os casos. Uma história, por mais marcante que seja, é um caso.
- Pergunte como os casos foram escolhidos. Quem foi consultado e quem ficou de fora?
- Observe o alcance da afirmação. “Alguns” precisa de um exemplo; “todos” ou “a maioria” exige muito mais.
- Procure uma comparação. “Cinco pessoas passaram mal depois de comer lá” diz pouco sem saber quantas comeram lá.
A publicidade usa o mesmo recurso ao contrário. Um anúncio fictício diz em letras grandes “9 em cada 10 clientes nos recomendam!” e em letras pequenas “com base em 10 clientes entrevistados no evento de inauguração”. Dez pessoas escolhidas em uma festa organizada pela empresa formam uma amostra pequena e selecionada. Estereótipos sobre grupos de pessoas também são generalizações apressadas: poucos encontros, muitas vezes lembrados por serem incomuns, se transformam em uma afirmação sobre milhões.
A solução não é parar de generalizar, mas ajustar a força da afirmação às evidências. “Os dois celulares que comprei quebraram, então vou ler avaliações antes de comprar outro” é razoável. “Em uma pesquisa com 2000 adultos escolhidos aleatoriamente, 63% disseram...” informa tanto um tamanho quanto um método que você pode avaliar.
Histórias marcantes pesam mais na memória do que números. O relato de um amigo sobre uma noite ruim num hotel pode pesar mais que um resumo de milhares de estadias, porque a história tem rosto, lugar e emoção. A lógica não diz que a história é falsa. Diz que ela é um caso, e um único caso pode mostrar que algo é possível, mas não com que frequência acontece.
Quantos casos? Como foram escolhidos?
- “Meus dois primos que estudaram no exterior conseguiram bons empregos, então estudar fora garante um bom emprego.”
- Generalização apressada
- Ladeira escorregadia
- Apelo à autoridade
- “Uma amostra aleatória de 1500 eleitores foi consultada; 48% apoiavam o plano, com margem de erro de cerca de 3 pontos.”
- Generalização apressada
- Apelo à autoridade
- Sem falácia
- Uma cafeteria pergunta aos próprios seguidores no Instagram se as pessoas da cidade gostam de seu café. Qual é o principal problema?
- a amostra é selecionada, não aleatória
- a amostra é grande demais
- não há problema
- Um anúncio fictício: “9 em cada 10 nos recomendam”, com base em 10 pessoas. Qual é a porcentagem?
- 5 pessoas passaram mal depois de comer em uma barraca que atendeu 2000 pessoas naquele dia. Qual é a porcentagem?
- “Alguns cães têm medo de trovão.” De quantos exemplos você precisa para mostrar isso?
- um
- a maioria dos cães
- todos os cães
- Qual conclusão combina com “Os dois ônibus que peguei hoje atrasaram”?
- Os ônibus desta cidade sempre atrasam.
- Devo sair um pouco mais cedo amanhã, por precaução.
- Os ônibus estão piorando em toda parte.
- Segundo a Stanford Encyclopedia, que livro de 1662 acrescentou a indução falha à lista de falácias?
- a Lógica de Port-Royal
- os Primeiros analíticos
- Introdução à lógica
- “Todos os cisnes que vi neste parque são brancos, então todos os cisnes do mundo são brancos.”
- Generalização apressada
- Falso dilema
- Raciocínio circular
- O exemplo do almanaque de Mill trata de agricultores que
- continuavam confiando em previsões que frequentemente erravam
- confiavam pouco demais nos especialistas
- usavam uma amostra grande demais
- Uma generalização apressada tira uma conclusão ampla de poucos casos ou de casos pouco representativos.
- Confira o número de casos e como foram escolhidos.
- Ajuste a força da afirmação às evidências.
Fontes deste curso (14)
- Stanford Encyclopedia of Philosophy, Hans Hansen, "Fallacies" (plato.stanford.edu/entries/fallacies/): straw man as a variation of ignoratio elenchi
- abusive, circumstantial and tu quoque ad hominem
- slippery slope form and the heap and beard puzzles
- ad verecundiam and celebrity endorsements
- begging the question (petitio principii) with Whately's free-speech example
- Aristotle's thirteen sophistical refutations
- Port-Royal Logic (Arnauld and Nicole, 1662) with imperfect enumeration and faulty induction
- Locke, Essay Concerning Human Understanding (1690) on ad verecundiam, ad ignorantiam, ad hominem
- Bentham (1824) on fallacies of authority
- Mill's almanac example
- Copi, Introduction to Logic (1961)
- eighteen informal fallacies
- Hamblin (1970)
- forall x: Calgary (, forallx.openlogicproject.org) for validity and counterexamples. Every advertisement, headline and dialogue in this course is made up for teaching.
Data de verificação: 2026-10-17