Khi AI đặt câu hỏi thay chúng ta: sự cùn đi thầm lặng của năng lực tự vấn

Mỗi lần gõ vào ô tìm kiếm, màn hình lập tức trổ ra một danh sách: "Có phải bạn muốn hỏi...", "Mọi người cũng hỏi...", "Tiếp theo bạn có thể hỏi...". Mỗi lần mở cửa sổ chat với AI, hệ thống gợi ngay ba câu hỏi tiếp theo để "đào sâu hơn". Sự tiện lợi ấy tưởng như vô hại — nhưng đằng sau đó là một quá trình thay thế thầm lặng: AI đang dần đảm nhận phần công việc mà trước đây thuộc về trí tuệ con người, phần gốc rễ nhất của tư duy — khả năng tự mình đặt ra câu hỏi.

Bài viết này không tranh luận rằng AI xấu hay tốt. Nó đặt ra một câu hỏi cụ thể hơn: khi một hệ thống liên tục gợi ý hướng tư duy cho chúng ta, năng lực tự vấn — khả năng tự mình nhận ra điều mình chưa biết, tự mình định hình câu hỏi phù hợp — có bị sói mòn không?

Đặt câu hỏi là gì và vì sao nó quan trọng?

Trong triết học và giáo dục, đặt câu hỏi không chỉ là bước khởi đầu của việc học — nó chính là việc học. Câu hỏi tốt đòi hỏi người hỏi phải nhận ra ranh giới giữa cái đã biết và cái chưa biết, phải cảm nhận được sự mâu thuẫn hoặc thiếu hụt trong hiểu biết của mình, rồi định nghĩa nó đủ rõ để diễn đạt thành lời.

Đây chính là siêu nhận thức — metacognition — quá trình tự theo dõi và điều chỉnh tư duy của chính mình. Goyal (2025) tổng kết từ hơn 40 nghiên cứu rằng AI đang tác động trực tiếp đến siêu nhận thức theo hai chiều đối lập: một mặt, AI có thể hỗ trợ người học phản ánh sâu hơn nếu được thiết kế đúng; mặt khác, khi AI thay thế hoàn toàn quá trình đặt câu hỏi, cơ chế siêu nhận thức không còn được kích hoạt (Goyal, 2025).

Vấn đề nằm ở chỗ: các mô hình gợi ý câu hỏi của AI hiện nay — từ autocomplete tìm kiếm, "People Also Ask" của Google, đến suggested follow-ups trong ChatGPT — không được thiết kế để kích thích người dùng suy nghĩ. Chúng được thiết kế để giữ người dùng ở lại màn hình lâu hơn, để cung cấp câu trả lời nhanh hơn. Tính hiệu quả đó đến với cái giá không được ghi trên nhãn.

Cognitive offloading: khi não bộ chuyển giao tư duy cho máy

Tâm lý học nhận thức đã lâu ghi nhận hiện tượng cognitive offloading — chuyển giao tải nhận thức sang công cụ bên ngoài. Ghi chú, lịch, máy tính bỏ túi đều là những dạng offloading quen thuộc. Chúng giúp não người tập trung vào phán đoán bậc cao hơn thay vì ghi nhớ con số hay lịch ngày.

Song Turner (2022) lập luận rằng với neuromedia — các phương tiện kỹ thuật số tích hợp sâu vào quá trình nhận thức — ranh giới giữa hỗ trợ và thay thế trở nên mờ đi đáng kể. Ông gọi đây là mối đe dọa với intellectual perseverance — sự kiên trì trí tuệ, khả năng duy trì nỗ lực tư duy khi gặp khó khăn. Khi một hệ thống liên tục đề xuất bước tiếp theo, não người học cách chờ đợi gợi ý thay vì tự tạo ra nó (Turner, 2022).

Chirayath và cộng sự (2025) đi xa hơn: họ chỉ ra rằng AI không chỉ offload các tác vụ nhận thức cụ thể mà còn thay đổi kiến trúc tâm thần của cách người ta đối phó với sự không chắc chắn. Khi gặp điều chưa hiểu, phản xạ tự nhiên — vốn là "tôi cần tự suy nghĩ về điều này" — dần được thay bằng "AI sẽ giải thích cho tôi". Đây là sự chuyển dịch từ tư duy chủ động sang tư duy thụ động (Chirayath et al., 2025).

Hypernudging: không phải thao túng, nhưng không phải trung lập

Faraoni (2023) đưa ra khái niệm hypernudging để mô tả cách AI gợi ý hành vi ở tốc độ và quy mô mà không thể so sánh với bất kỳ cơ chế xã hội nào trước đây. Không giống nudging truyền thống (đặt tùy chọn khỏe mạnh lên đầu thực đơn, chẳng hạn), hypernudging diễn ra cá nhân hóa và liên tục, thích nghi theo từng hành vi người dùng theo thời gian thực.

Trong bối cảnh đặt câu hỏi, hypernudging hoạt động như sau: AI quan sát người dùng hay hỏi về chủ đề gì, rồi gợi ý những câu hỏi "phù hợp" — về mặt kỹ thuật là phù hợp với hành vi lịch sử, không nhất thiết phù hợp với nhu cầu trí tuệ thực sự. Kết quả là người dùng bị dẫn dắt theo một vòng tròn quen thuộc, hiếm khi bị đẩy ra khỏi vùng thoải mái nhận thức.

Faraoni nhấn mạnh rằng đây không phải thao túng theo nghĩa cổ điển (không ai dối trá hay ép buộc), nhưng cũng không phải trung lập: "AI gợi ý bứt phá khỏi sự tự quyết nhận thức mà không cần người dùng nhận ra" (Faraoni, 2023). Người dùng nghĩ mình đang tự do khám phá, nhưng thực ra đang đi theo con đường đã được thiết kế trước.

Mills và Søtra (2022) gọi AI trong vai trò này là autonomous choice architect — kiến trúc sư lựa chọn tự hành. Điểm đáng lo ngại là kiến trúc sư này không phải con người, không thể hỏi, không thể giải thích, và hoạt động theo mục tiêu không nhất thiết trùng với sự phát triển trí tuệ của người dùng (Mills & Søtra, 2022).

Giàn giáo nhận thức: khi gợi ý AI thực sự có ích

Trước khi tiếp tục với phần phân tích phê phán, cần nhìn nhận thẳng thắn: có một ngữ cảnh quan trọng mà các gợi ý câu hỏi của AI không chỉ vô hại mà còn thực sự có giá trị — đó là khi người dùng là người mới bắt đầu học một lĩnh vực hoàn toàn xa lạ.

Lý thuyết vùng phát triển gần (Zone of Proximal Development) của Vygotsky chỉ ra một nghịch lý nền tảng trong học tập: bạn không thể đặt câu hỏi tốt về điều bạn hoàn toàn không biết. Người mới học lượng tử không biết đủ để hỏi "điều gì phân biệt diễn giải Copenhagen với diễn giải nhiều thế giới?" — họ chưa có từ vựng, chưa có khung khái niệm để cảm nhận điểm mù. Trong trường hợp này, một gợi ý câu hỏi từ AI đóng vai trò như giàn giáo nhận thức (cognitive scaffolding): nó cung cấp cấu trúc tạm thời để người học leo lên trước khi tự mình đứng vững.

Yan và cộng sự (2025) chứng minh điều này trong bối cảnh cụ thể: sinh viên sử dụng AI với scaffolding có cấu trúc hiểu dữ liệu học tập phức tạp tốt hơn đáng kể so với nhóm học không có hỗ trợ — đặc biệt trong giai đoạn đầu tiếp cận khái niệm mới (Yan et al., 2025). Walter (2024) bổ sung rằng AI literacy chân thực không phải là từ chối công cụ, mà là biết dùng đúng loại hỗ trợ đúng lúc (Walter, 2024).

Vậy thì phân biệt thế nào? Giàn giáo nhận thức có một thuộc tính thiết yếu: nó được thiết kế để bị tháo dỡ. Đứa trẻ học đi xe đạp cần bánh phụ — nhưng bánh phụ mãi mãi không phải mục tiêu. Người học lượng tử cần gợi ý câu hỏi đầu tiên — nhưng đến một thời điểm, họ phải tự đặt câu hỏi không cần gợi ý nữa.

[Phân tích của tác giả] Vấn đề thực sự của các mô hình gợi ý câu hỏi AI hiện nay là chúng không tự tháo dỡ. Hệ thống không biết bạn đang ở giai đoạn nào trong hành trình nhận thức, không phân biệt được bạn là người mới tiếp cận hay chuyên gia cần bị thách thức. Nó gợi ý cho tất cả mọi người, ở mọi thời điểm, với cùng một logic: giữ người dùng tiếp tục tương tác. Người mới bắt đầu hưởng lợi từ điều đó — nhưng chỉ tạm thời và chỉ nếu họ nhận ra đây là giai đoạn chuyển tiếp. Người đã qua giai đoạn novice mà vẫn tiếp tục nhận gợi ý như thể cần thiết thì đó không còn là giàn giáo — đó là nạng đã gắn cố định vào chân.

Bản thể của bạn ở đâu trong hội thoại với AI?

[Phân tích của tác giả] Hãy thử dừng lại và quan sát chính mình trong một cuộc hội thoại điển hình với trợ lý AI. Bạn gõ một câu hỏi — có thể là về một khái niệm bạn chưa rõ, một quyết định bạn đang cân nhắc, một vấn đề bạn muốn hiểu sâu hơn. AI trả lời. Câu trả lời có thể đúng, có thể không — nhưng nó có vẻ đầy đủ, mạch lạc, tự tin. Và rồi, ngay bên dưới, xuất hiện: "Bạn có thể đào sâu hơn với các câu hỏi sau..." hoặc "Tiếp theo, hãy khám phá..."

Câu hỏi đặt ra ở đây không phải là những gợi ý đó có hữu ích không. Câu hỏi là: trong chuỗi trao đổi vừa rồi, bạn thực sự đang làm gì?

Trong một cuộc đối thoại trí tuệ thực sự — dù là với sách, với thầy, hay với chính mình — câu hỏi tiếp theo sinh ra từ sự căng thẳng bên trong: bạn cảm thấy cái gì đó chưa khớp, một điểm mờ chưa tan, một mâu thuẫn chưa giải được. Sự bất an đó chính là tín hiệu định hướng — nó cho bạn biết phải hỏi gì tiếp theo. Đó là khoảnh khắc bản thể bạn xuất hiện như một chủ thể của quá trình tìm hiểu.

Nhưng khi AI cung cấp sẵn câu hỏi tiếp theo, cái tín hiệu bên trong đó không cần được lắng nghe nữa. Bạn không cần ngồi với sự chưa-biết, không cần cảm nhận điểm mà hiểu biết của mình bắt đầu lung lay. Bạn chỉ cần chọn một trong ba gợi ý — và hội thoại tiếp tục, trơn tru, không gián đoạn.

Nhìn lại toàn bộ chuỗi đó: AI đặt câu hỏi đầu tiên không — đúng, bạn đặt. Nhưng từ câu hỏi thứ hai trở đi, ai đang dẫn dắt? AI trả lời, rồi AI gợi ý câu hỏi tiếp, rồi bạn chọn, rồi AI trả lời, rồi AI lại gợi ý... Bạn dần trở thành người xác nhận lộ trình mà hệ thống vạch ra — không còn là người tạo ra lộ trình đó từ sự thôi thúc nhận thức của chính mình. Bản thể của bạn trong cuộc hội thoại này, nếu thành thật mà nói, đang nhạt dần từ câu thứ hai.

Đây không phải phép ẩn dụ. Laitinen và Sahlgren (2021) mô tả chính xác cơ chế này khi phân tích tác động của AI lên tự chủ nhận thức: vấn đề không nằm ở thông tin sai, mà ở chỗ ai là người định hình khung nhìn — ai quyết định điều gì đáng hỏi, điều gì được coi là bước đi tự nhiên tiếp theo trong hành trình tư duy. Khi AI nắm vai trò đó, người dùng không mất thông tin — họ mất vị trí chủ thể.

Tư duy phản biện: mô hình nào đang bị bỏ qua?

Khi nói đến tư duy phản biện, phân loại Bloom vẫn là khuôn khổ được trích dẫn nhiều nhất trong giáo dục. Gonsalves (2024) phân tích tác động của AI sinh tạo lên từng tầng của Bloom và kết luận: AI thực hiện tốt các bậc thấp (ghi nhớ, hiểu, áp dụng), song các bậc cao — phân tích, đánh giá, sáng tạo — là nơi nguy cơ phụ thuộc lớn nhất. Khi AI tóm tắt, phân loại, và đề xuất luận điểm, người học không còn phải tự mình thực hành những thao tác đó (Gonsalves, 2024).

Fan và cộng sự (2024) đặt tên cho cơ chế này là metacognitive laziness — lười biếng siêu nhận thức. Nghiên cứu của họ cho thấy người học dùng AI tạo sinh có xu hướng bỏ qua việc tự giám sát quá trình học của mình, không kiểm tra xem mình có thực sự hiểu hay không — vì AI đã cung cấp câu trả lời trông có vẻ hoàn chỉnh. Hệ quả là động lực học tập sâu giảm, dù điểm số ngắn hạn không nhất thiết tụt (Fan et al., 2024).

Jose và cộng sự (2025) gọi đây là cognitive paradox of AI: cùng một công cụ có thể vừa tăng cường vừa xói mòn năng lực nhận thức, tùy thuộc vào cách nó được dùng. Nhưng họ cũng chỉ ra một điểm tinh tế: người dùng hiếm khi nhận ra mình đang ở trạng thái xói mòn, vì trải nghiệm vẫn cảm thấy trơn tru và hiệu quả (Jose et al., 2025).

Tự phản: năng lực đặc biệt dễ mất

Nếu tư duy phản biện là khả năng đánh giá lập luận của người khác, thì tự phản — self-reflection — là khả năng đánh giá quá trình tư duy của chính mình. Đây là năng lực nền tảng cho học tập suốt đời, cho việc nhận ra điểm mù, cho sự phát triển chuyên môn và nhân cách.

Laitinen và Sahlgren (2021) phân tích mối quan hệ giữa AI và tự chủ nhận thức (epistemic autonomy): khi một hệ thống AI nhất quán đề xuất cách nhìn, cách phân loại, cách đặt câu hỏi, người dùng dần nhận ra thực tại qua lăng kính của hệ thống đó mà không hay biết. Đây không phải vấn đề thông tin sai — AI có thể cung cấp thông tin hoàn toàn chính xác — mà là vấn đề về ai định hình khung nhìn (Laitinen & Sahlgren, 2021).

Markauskaite và cộng sự (2022) lập luận rằng năng lực cần thiết nhất trong thế giới có AI không phải là biết dùng AI — mà là biết khi nào không nên dùng AI, biết nhận ra những câu hỏi mà chỉ bản thân mới có thể tự đặt. Họ gọi đây là human-AI entwinement đòi hỏi mức độ tự nhận thức rất cao từ phía người học (Markauskaite et al., 2022).

Klenk (2024) bổ sung chiều cạnh thiết kế: các hệ thống AI sinh tạo hiện nay không trung lập về mặt nhận thức — chúng thiết kế cách người dùng suy nghĩ thông qua giao diện, thông qua thứ tự gợi ý, thông qua phong cách phản hồi. Thiếu nhận thức về điều này, người dùng không thể tự phản một cách thực sự (Klenk, 2024).

Não bạn bị thối rồi đấy

Năm 2024, Oxford Dictionaries chọn brain rot — "não thối" — làm từ của năm. Không phải vì nó học thuật. Mà vì nó chính xác theo cách mà khoa học thần kinh vẫn chưa có thuật ngữ nào gọn hơn để diễn đạt với người thường: khả năng nhận thức không dùng thì mất.

[Phân tích của tác giả] Não người hoạt động theo nguyên tắc neuroplasticity — dây thần kinh kết nối với nhau qua luyện tập và mất dần khi không được dùng. Khả năng đặt câu hỏi, nhận ra sự thiếu hụt trong hiểu biết của mình, chịu đựng sự mơ hồ đủ lâu để tự hình thành một câu hỏi rõ ràng — tất cả những thao tác đó là kỹ năng nhận thức. Và như mọi kỹ năng, chúng teo lại nếu không được luyện.

Điều nguy hiểm không phải là bạn cảm thấy mình kém đi. Điều nguy hiểm là bạn không cảm thấy gì cả — vì môi trường đã lấp đầy chỗ trống đó rất khéo. AI gợi ý câu hỏi, bạn chọn, hội thoại tiếp tục trơn tru. Không có khoảng lặng, không có bất tiện, không có tín hiệu nào báo rằng cái gì đó đang không được sử dụng.

Fan và cộng sự (2024) mô tả chính xác vòng lặp này: khi người học không còn phải tự giám sát quá trình nhận thức của mình — không cần kiểm tra "tôi có thực sự hiểu không?", không cần cảm nhận "điều gì tôi chưa nắm?" — thói quen lười biếng siêu nhận thức không dừng ở một lần dùng AI. Nó trở thành trạng thái mặc định. Não học cách chờ gợi ý thay vì tự tạo ra câu hỏi (Fan et al., 2024). Turner (2022) gọi đây là sự suy thoái của intellectual perseverance — không phải năng lực trí tuệ tổng thể, mà là khả năng duy trì nỗ lực tư duy khi chưa có câu trả lời ngay lập tức (Turner, 2022).

Hãy thử một thí nghiệm nhỏ: lần tới khi bạn muốn hỏi AI điều gì đó, đừng gõ ngay. Ngồi lại hai phút. Cố tự đặt câu hỏi rõ ràng mà không cần nhìn vào màn hình. Nếu bạn thấy khó — cảm giác mơ hồ không chịu kết tinh thành lời, không biết bắt đầu từ đâu — đó không phải vì chủ đề quá khó. Đó là tín hiệu rằng cái cơ chế đáng lẽ phải làm việc đó đang ở trạng thái không-dùng-đủ-lâu để bắt đầu mờ đi.

"Não thối" là cụm từ internet, nhưng nó nắm bắt được điều mà học thuật hay nói vòng vo: cognitive atrophy from disuse — teo cơ nhận thức vì lười dùng. Điểm khác biệt duy nhất giữa hôm nay và trước đây: lần đầu tiên trong lịch sử, con người có một hệ thống bên ngoài sẵn sàng thực hiện ngay lập tức phần tư duy bạn chưa kịp làm — và làm điều đó một cách duyên dáng đến mức bạn không nhận ra mình đã bỏ qua bước đó.

Không phải là thảm họa, nhưng là vấn đề thực

Cần tránh hai thái cực: thổi phồng thành khủng hoảng toàn diện, hoặc gạt bỏ như chuyện nhỏ. Điều thực sự đang xảy ra là tinh tế hơn cả hai.

[Phân tích của tác giả] Có một đặc điểm đáng chú ý ở các mô hình gợi ý câu hỏi: chúng có xu hướng gợi ra những câu hỏi khả thi — những câu AI biết trả lời tốt — hơn là những câu hỏi cần thiết. Câu hỏi khả thi thường hỏi "là gì", "bao nhiêu", "như thế nào". Câu hỏi cần thiết thường hỏi "vì sao điều này xảy ra với tôi", "tôi đang bỏ sót giả định nào", "điều gì mâu thuẫn với điều tôi vừa đọc". Không có thuật toán nào gợi được loại câu hỏi thứ hai — vì nó đòi hỏi biết người hỏi đang ở đâu trong hành trình tư duy của mình.

Điều đáng lo không phải AI trả lời sai — mà là người dùng dần mất thói quen nhận ra những câu hỏi loại hai, loại câu hỏi chỉ sinh ra từ sự bất an nhận thức mà không có gợi ý từ bên ngoài.

Làm gì với nhận thức này?

Câu trả lời không phải là dùng AI ít hơn. Câu trả lời nằm ở ý thức sử dụng: trước khi đọc gợi ý câu hỏi từ AI, hãy dành 30 giây tự hỏi — "điều gì tôi chưa hiểu?", "điều gì đang mâu thuẫn với điều tôi đã biết?". Sau khi nhận phản hồi từ AI, hãy hỏi — "câu hỏi nào tôi không thấy trong danh sách gợi ý mà lẽ ra tôi nên hỏi?".

Nasr và cộng sự (2025) cho thấy sự khác biệt rõ rệt giữa hai nhóm: nhóm dùng AI thụ động (theo gợi ý của AI) và nhóm dùng AI chủ động (đặt câu hỏi trước, rồi dùng AI để kiểm tra). Nhóm thứ hai duy trì tốt hơn năng lực tư duy bậc cao, kể cả trong điều kiện cùng tiếp cận với cùng một hệ thống AI (Nasr et al., 2025).

Hirvonen và cộng sự (2023) chỉ ra rằng người dùng có information literacy cao hơn — hiểu được cơ chế hoạt động của hệ thống thông tin — ít bị dẫn dắt bởi gợi ý AI hơn. Điều này đặt ra trách nhiệm cho các chương trình giáo dục: không chỉ dạy dùng AI, mà dạy hiểu AI hoạt động theo nguyên lý nào và vì mục đích gì (Hirvonen et al., 2023).

Năng lực tự vấn không tự nhiên mà có. Nó được rèn từ những lần chịu ngồi với sự không biết, không vội tìm câu trả lời. Khi AI lấy đi những khoảnh khắc bất tiện đó, nó cũng lấy đi điều kiện cần thiết để năng lực ấy phát triển. Nhận ra điều này không phải chống AI — đó chính là cách dùng AI như một người có trí tuệ tự chủ.

---

Tài liệu tham khảo

Walter, Y. (2024). Embracing the future of Artificial Intelligence in the classroom: the relevance of AI literacy, prompt engineering, and critical thinking in modern education. International Journal of Educational Technology in Higher Education, 21, 43. https://doi.org/10.1186/s41239-024-00448-3

Yan, L., Martinez-Maldonado, R., & Jin, Y. (2025). The effects of generative AI agents and scaffolding on enhancing students' comprehension of visual learning analytics. Computers & Education, 232, 105322. https://doi.org/10.1016/j.compedu.2025.105322

Chirayath, G., Premamalini, K., & Joseph, J. (2025). Cognitive offloading or cognitive overload? How AI alters the mental architecture of coping. Frontiers in Psychology, 16. https://doi.org/10.3389/fpsyg.2025.1699320

Fan, Y., Tang, L., Le, H., & Shen, K. (2024). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 55(5), 1–20. https://doi.org/10.1111/bjet.13544

Faraoni, S. (2023). Persuasive Technology and computational manipulation: hypernudging out of mental self-determination. Frontiers in Artificial Intelligence, 6. https://doi.org/10.3389/frai.2023.1216340

Gonsalves, C. (2024). Generative AI's impact on critical thinking: Revisiting Bloom's Taxonomy. Journal of Educational Technology Systems, 53(2), 1–15. https://doi.org/10.1177/02734753241305980

Goyal, A. (2025). AI as a cognitive partner: A systematic review of the influence of AI on metacognition and self-reflection in critical thinking. International Journal of Innovative Science and Research Technology, 10(3). https://doi.org/10.38124/ijisrt/25mar1427

Hirvonen, N., Jylhä, V., & Lao, Y. (2023). Artificial intelligence in the information ecosystem: Affordances for everyday information seeking. Journal of the American Society for Information Science and Technology, 74(9), 1063–1077. https://doi.org/10.1002/asi.24860

Jose, B., Cherian, J., Verghis, A. M., & Varghise, S. M. (2025). The cognitive paradox of AI in education: between enhancement and erosion. Frontiers in Psychology, 16. https://doi.org/10.3389/fpsyg.2025.1550621

Klenk, M. (2024). Ethics of generative AI and manipulation: a design-oriented research agenda. Ethics and Information Technology, 26(1). https://doi.org/10.1007/s10676-024-09745-x

Laitinen, A., & Sahlgren, O. (2021). AI systems and respect for human autonomy. Frontiers in Artificial Intelligence, 4. https://doi.org/10.3389/frai.2021.705164

Markauskaite, L., Marrone, R., Poquet, O., & Knight, S. (2022). Rethinking the entwinement between artificial intelligence and human learning: What capabilities do learners need for a world with AI? Computers and Education: Artificial Intelligence, 3, 100056. https://doi.org/10.1016/j.caeai.2022.100056

Mills, S., & Søtra, H. S. (2022). The autonomous choice architect. AI & Society, 38(2), 567–579. https://doi.org/10.1007/s00146-022-01486-z

Nasr, N. R., Tu, C.-H., Werner, J., & Bauer, T. (2025). Exploring the impact of generative AI ChatGPT on critical thinking in higher education: Passive AI-directed use or human–AI supported collaboration? Education Sciences, 15(9), 1198. https://doi.org/10.3390/educsci15091198

Turner, C. (2022). Neuromedia, cognitive offloading, and intellectual perseverance. Synthese, 200(3), 1–22. https://doi.org/10.1007/s11229-022-03472-w