Se você não leu os posts anteriores da série, faça agora.

 

Falácia no estilo “early adopter”

Early adopters são usuários que rapidamente adotam novas tecnologias, baseado no impulso inicial de pessoas inovadoras (leia post explicativo aqui).

Dentro da comunidade de TI, os early adopters são pessoas de grande destaque e capacidade de influência. Por adotarem antecipadamente uma tecnologia (ferramenta, plataforma, arquitetura, linguagens de programação etc), os EA têm um curto espaço de tempo para sedimentar conceitos. Exatamente aí reside o problema, pois a falácia pode nascer de um raciocínio indutivo, de uma generalização precipitada ou ainda de uma amostra limitada.

O raciocínio indutivo consiste em inferir das propriedades de uma amostra para as propriedades de um elemento não pertencente à amostra ou para as propriedades da população como um todo. Todo  raciocínio indutivo depende da semelhança entre a amostra e a população. Quanto maior for a semelhança entre a amostra e a população como um todo, maior confiabilidade terá a inferência indutiva. Por outro lado, se a amostra tiver diferenças relevantes face à população, então a inferência indutiva não será confiável.

Não foram raras as vezes que li em blogs técnicos falácias oriundas de generalização precipitada. Frases de efeito como: "ORMs farão desenvolvedores nunca mais se preocuparem com queries!", "SOA morreu!", "Bancos de dados relacional são malignos!" – entre outras – são falácias resultantes de generalização precipitada.

Seek & Destroy

Para matar esse tipo de falácia, basta expor os dados em falta e mostrar que eles mudam a conclusão do argumento indutivo. Outra maneira seria identificar as dimensões da amostra e a população em questão e depois mostrar que a amostra é insuficiente.