Antigravity Agent
2a2a1ad3b1
- 10_Wiki/Topics/Thinking & Reasoning/ 다수 신규 토픽 추가 (3C, 4P, 5 Whys, 7S, 80/20 법칙, 인과관계, 디자인 씽킹 변형 등) - Premium/Logic Tree/ 11개 파일 → Thinking & Reasoning 으로 흡수 - Premium/Thinking & Reasoning/ 동기화 갱신 - memory/long_term.json + .DS_Store 자동 갱신 Co-Authored-By: Claude Opus 4.7 <noreply@anthropic.com>
64 lines
4.2 KiB
Markdown
64 lines
4.2 KiB
Markdown
---
|
|
id: 연역법
|
|
title: "연역법"
|
|
category: "10_Wiki/Topics"
|
|
status: "draft"
|
|
verification_status: "conceptual"
|
|
canonical_id: ""
|
|
aliases: []
|
|
duplicate_of: ""
|
|
source_trust_level: "B"
|
|
confidence_score: 0.85
|
|
created_at: 2026-05-24
|
|
updated_at: 2026-05-24
|
|
review_reason: ""
|
|
merge_history: []
|
|
tags: ["research", "mutually exclusive collectively exhaustive 원칙"]
|
|
raw_sources: ["NotebookLM Synthesis"]
|
|
applied_in: []
|
|
github_commit: ""
|
|
---
|
|
|
|
# [[연역법]]
|
|
|
|
## 🎯 한 줄 통찰 (One-line insight)
|
|
보편적으로 검증된 일반론을 전제로 삼아 구체적인 사실에 대한 필연적 결론을 100% 확신으로 도출하는 논증 체계 [1-4]
|
|
|
|
## 🧠 핵심 개념 (Core concepts)
|
|
- **일반론 (General Theory):** 누구도 부정할 수 없도록 보편적으로 검증된 원리나 법칙으로, 연역적 추론의 출발점이 되는 대전제이다 [1, 3].
|
|
- **논리적 인과관계:** "~하기 때문에 ~한 결론에 이를 수 있다"는 형식으로 근거와 주장을 연결하는 흐름이다 [1, 3].
|
|
- **100% 보장성:** 전제가 되는 일반론이 참일 경우, 거기서 도출되는 주장의 진위 여부는 논리적으로 100% 보장된다 [2, 4].
|
|
- **전문적 식견:** 연역법을 사용하기 위해 근거로 제시할 적절한 일반론을 추출하려면 해당 분야의 높은 수준의 지식이 필요하다 [1, 3].
|
|
|
|
## 🧩 추출된 패턴 (Extracted patterns)
|
|
- **3단 논법 패턴:** 보편적 원리(대전제) → 구체적인 개별 사실(소전제) → 필연적 결론의 구조를 따른다 [1, 3, 5, 6].
|
|
- **검증 도구 활용 패턴:** MECE(미시) 기법과 로직 트리를 통해 정보를 분석한 뒤, 이를 논리적으로 전달하기 위해 연역법을 활용하여 설득력을 강화한다 [7, 8].
|
|
- **설득 구조 패턴:** 보고 시 보편적 원리에서 시작하여 하위 단계로 내려감으로써 의사결정권자에게 논리적 빈틈이 없음을 증명한다 [1, 3].
|
|
|
|
## 📖 세부 내용 (Details)
|
|
- **정의 및 기본 원리:**
|
|
연역법(演繹法)은 '논함이 이치에 맞다'는 논리의 본질을 구현하는 방식으로, 보편적 원리를 사용하여 주장을 펼친다 [1, 3]. 이는 세상의 일반적인 도리나 흐름, 특히 인과관계를 축으로 한 논증 방식이다 [1, 3, 7, 8].
|
|
|
|
- **추론 방식의 특징:**
|
|
- **논증의 예시:** "사람은 죽는다(일반론) / 나는 사람이다(사실) / 그러므로 나는 죽는다(필연적 결론)"와 같은 형식을 취하며, 전제와 사실이 일치하면 결론을 의심할 여지가 없다 [1, 3].
|
|
- **전문성 요구:** 보편적인 일반론을 정확히 추출하여 대전제로 삼기 위해서는 전문가적인 식견이 반드시 뒷받침되어야 한다 [1, 3].
|
|
|
|
- **귀납법과의 비교:**
|
|
- **방향성:** 연역법은 일반론에서 구체적 사실로 나아가는 반면, 귀납법은 구체적 데이터에서 일반적인 경향성(가설)을 찾아낸다 [2, 4-6].
|
|
- **확실성:** 귀납법은 주장의 가능성을 100% 보장할 수 없으나, 연역법은 전제가 참이라는 조건하에 결과가 100% 확실하다는 강점을 가진다 [2, 4].
|
|
|
|
## ⚖️ 모순 및 업데이트 (Contradictions & updates)
|
|
- **논리적 한계:** 연역법은 결론의 확실성을 보장하지만, 대전제가 되는 일반론 자체를 추출하는 것이 어렵거나 일반론이 잘못되었을 경우 전체 논증이 붕괴될 위험이 있다 [1-4].
|
|
- **보완적 관계:** 소스 데이터에 따르면 효과적인 분석을 위해서는 연역법과 귀납법을 상황에 맞게 혼용하며, 특히 데이터가 풍부한 경우 귀납적 추론을 통해 가설을 세운 뒤 연역적 논리로 검증하는 과정이 필요함을 시사한다 [2, 4].
|
|
|
|
## 🛠️ 적용 사례 (Applied in summary)
|
|
현재 발견된 실제 적용 사례가 없습니다.
|
|
|
|
## ✅ 검증 상태 및 신뢰도
|
|
- **상태:** draft
|
|
- **검증 단계:** conceptual (실제 적용 사례 발견 시 applied/validated로 승격 가능)
|
|
- **출처 신뢰도:** B (Official Documentation / Primary Source via NotebookLM)
|
|
- **중복 검사 결과:** 신규 생성 (New discovery)
|
|
|
|
## 📝 변경 이력 (Change history)
|
|
- 2026-05-24: Initial draft generated via Datacollector_MAC P-Reinforce engine. |