写作指导

论文中举例论证的几个要求

时间：2023-05-03 21:14 所属分类：写作指导 点击次数：

　　在论文写作中为了论证自己的观点，往往会适当的进行举例论证，有时可能只举一个例子，有时为了增强论点的说服力，会举多个例子来证明，有时为了验证论证中的例子，或者为了寻找好的例子，我们可能还需要做些调查。总之，在举例论证中要考虑例子的说服力，以可靠性为前提，以达到论证效果。

　　安东尼·韦斯顿在《论证是一门学问——如何让你的观点有说服力》一书中，给出了5点针对举例论证的要求，从这5点要求出发，论文观点便能更具说服力。

　　一、不要只举一个例子

　　有时，我们会出于举例证明的目的而只举一个例子。但对于论证而言，单一的例子几乎毫无帮助。比如，仅凭某个异常不幸的亿万富翁便想证明所有有钱人普遍都不幸福，显然不具说服力。因此，我们需要不止一个例子。以下面这个简单的论证为例：

　　“错误”的例子：

　　炸薯条不健康(高脂)。因此，所有快餐都不健康。

　　“正确”的例子：

　　炸薯条不健康(高脂)。奶昔不健康(高脂、高糖)。炸鸡和吉士汉堡包不健康(高脂)。因此，所有快餐都不健康。

　　这个“正确”的说法可能还是没有说服力，但可以说，它显然远比那个“错误”的说法耐人咀嚼。

　　在对少数几个事物进行概括时，最有说服力的论证应该考虑到所有，或者至少大多数个体。例如，对你的兄弟姐妹进行概括时，应该把他们一个一个地全部考虑进去。

　　对更多的事物进行概括时则需要提取样本。我们当然无法列举出历史上所有早婚的女性。然而，我们在论证时必须用某些女性作为其余女性的样本。需要多少样本部分取决于它们的代表性如何。它还取决于这些被概括的事物的规模。通常，规模越大，需要的例子就越多。比如，证明你的城市里尽是名人，要比证明你的朋友都是名人需要更多的证据。后者取决于你有多少个朋友，有时甚至两三个例子可能就足以证明你的朋友都很了不起。但是，要想证明前者，则需要拿出很多的例子才能证明你的城市里尽是名人。

　　二、使用有代表性的例子

　　即便是大量的例子也仍可能无法正确地代表被概括的事物。比如，大量列举某地的女性特征对证明所有女性有何种特征而言没有什么意义，因为这个地区不一定能代表其他女性。这个论证还需要考虑不同时期、不同地域的女性。

　　这里还有一个经典的案例，是1936年由《文摘》杂志进行的一次民意调查，目的是预测罗斯福与兰登总统大选之争的结果。像今天一样，他们从电话簿和机动车登记簿中抽取调查对象。接受调查的人不在少数：他们统计了两百多万张“选票”。民调预测，兰登将以较大优势胜出。然而，结果是罗斯福轻松获胜。事后人们很容易就找到了出错的原因。1936年，总人口中只有少数人拥有电话和汽车。这种取样过于倾向富裕的选民和城市选民，这些人中支持兰登的更多一些。而其他人群覆盖率较小。可见，样本的代表性会决定研究结果的正确与否。

　　但一个样本可能具备多大的代表性这个问题常常没有固定的答案，需要我们尽可能综合考虑所有情况，寻找一个最准确的横断面。比如，如果想知道学生对所在的大学中的某些科目有何看法，就不能只询问你的学生，或者只对你在课堂上所听到的进行概括。个人“样本”不大可能准确反映整个学生群体。同样，如果想知道其他国家的人怎样看待美国，就不能只问那些外国游客，因为他们是主动选择来这里的。仔细研究各种境外媒体应该会更具代表性。

　　三、事件发生的概率或许至关重要

　　展示事件发生的概率，对论证的说服力具有关键作用。概率越高，越能证明事情可信。比如，为了证明我是一流的射手，仅仅向人展示我射中了一次靶心是不够的。需要更多的数据支撑，比如，十次、百次射击中有多少次是中了靶心，与其他十人、百人比，排名如何。事件发生的概率会起关键性作用，偶然性的事件无法说明事实。

　　因此，要评估那些使用生动例子的论证是否可信，我们需要知道，比方说，我们需要知道“概率”。这也是代表性的问题。

　　四、慎重对待统计数字

　　有些人看到论证中使用了数字——任何数字，然后仅从这一点就断定它是一个好的论证。统计数字似乎能给人一种权威和确切的感觉。然而，实际上，像其他任何类型的证据一样，我们也需要对数字进行批判性的思考。

　　曾经有一段时期，人们指责有些盛产体育人才的大学剥削学生运动员，这些学生一旦失去了竞赛资格，就被迫退学。如今，大学生运动员的毕业率提高了。目前，在很多学校中，50%以上的学生运动员都能毕业。

　　50%确实是让人印象深刻的数字，但这个乍一看很有说服力的数字，实际上并没有它看起来那么有用。

　　首先，尽管“很多”学校50%以上的学生运动员都能毕业，但看起来还有一些学校做不到这一点——因此，最初引起人们关注的那些最具剥削性的学校并不包含在这个数字中。

　　这个论证确实给出了毕业率。但我们有必要知道“50%以上”的毕业率与同一所学校中全体学生的毕业率相比是什么状况。如果前者过低，那么学生运动员可能仍然受到了欺骗。

　　最重要的是，这个论证没有给出任何理由让人相信，因为它根本没有与此前的毕业率进行比较。结论认为，“大学生运动员毕业率的确在上升”，目前的毕业率“提高了”，但在不知道此前的毕业率的情况下，不可能证明这一点。

　　另一个使用统计数字时容易犯的错误是过于精确：

　　这所学校每年要浪费412067个纸杯和塑料杯。是时候改用非一次性水杯了!

　　杜绝浪费是提倡的，并且校园浪费现象确实较为严重。但没有人知道具体浪费了多少只水杯——这个数字也极不可能年年相同。这里，精确的外表反而夸大了证据的权威性。

　　五、考虑使用反例证

　　反例证是与你的概括相矛盾的例证。及时、有效地利用反例证，可能会使论证更加严谨。

　　再次思考下面这个论证：

　　炸薯条不健康(高脂)。奶昔不健康(高脂、高糖)。炸鸡和吉士汉堡包不健康(高脂)。因此，所有快餐都不健康。

　　这则在前面提到的所谓的“正确”的论证，提供了多个看起来有代表性的例子。然而，一旦不再去想更多的例子，而是开始思考反例证的时候，我们会发现，这则论证以偏概全了。例如，赛百味三明治也是“快餐”，但其主要成分是蔬菜和面包，肉和奶酪是额外添加的，没有任何东西是油炸的。因此，并非所有快餐都不健康。

　　如果为自己的例证找到了反例证，那么就需要对前面的概括进行调整。比如，上面这个论证或许可以把结论改为“很多快餐都不健康”。反例证的使用会促使我们更加深入地思考，打开了更多的思路。

　　除了评估自己的论证之外，评估他人的论证时，也要思考反例证。问一问，他们的结论是否需要修改和限定，或者是否需要更加细致、更加复杂地重新思考。同样的规则既适用于别人的论证，也适用于自己的论证。唯一的区别在于，自己的论证有机会亲自纠正自己以偏概全的地方。