T4 Aprendizaje Relaciones Contingencia Causalidad PDF

BLOQUE II: Contenidos I. Conocer el medio. Tema 4: Aprendizaje de relaciones de contingencia y causalidad. 1. Tareas de detección de contingencia y causalidad. Las relaciones en el medio son aprendizajes que tiene que ver con la adquisición de información predictiva, a partir del medio. Estas relaci...

BLOQUE II: Contenidos I. Conocer el medio. Tema 4: Aprendizaje de relaciones de contingencia y causalidad. 1. Tareas de detección de contingencia y causalidad. Las relaciones en el medio son aprendizajes que tiene que ver con la adquisición de información predictiva, a partir del medio. Estas relaciones se pueden aprender condicionamiento, mediante contingencia o causalidad. - Condicionamiento: se aprende por asociación la existencia de una contigüidad, es decir, que el EC predice al EI y, finalmente, además de esta información predictiva, el EC acaba por equivaler al EI, se transfiere su valor emocional. El condicionamiento podría considerarse un subgrupo del aprendizaje de contingencia, pero si los E son neutros, no es condicionamiento. Además, el aprendizaje de contingencias es más alto. - Contingencia: se aprende por estimación y cálculo una contingencia estadística, de tal modo que una clave predice un resultado, y la no presencia de dicha clave predice la no existencia de un resultado. Por lo tanto, se trata de una relación informativa clave-resultado, la cual puede venir dada por una relación causal o no. La contigüidad no es tan importante, lo más importante es que se establezca una relación de contingencia estadística. Se distingue del condicionamiento en que la clave no puede ser un EC porque para que un EC lo fuera es necesario que se empareje con un E motivacionalmente potente. - Causalidad: se aprende, mediante un razonamiento y una contrastación de hipótesis, a existencia de una plausibilidad conceptual, es decir, que una causa provoca y explica la aparición de su consecuencia. Por lo tanto, existe una relación intrínseca, unas condiciones de control (manipular uno de los elementos cambiará el otro). 1.1. Tipos de tareas. TAREAS DE DETECCIÓN DE CONTINGENCIA Y CAUSALIDAD. ¿Cómo se estima la causalidad? La contingencia y la causalidad no son lo mismo, pero para que se dé una relación causal, la causa y la consecuencia deben darse con contingencia. Así, podemos seguir los siguientes pasos: 1. Observación de que existe una relación de contingencias. Ejemplo: silla verde y dolor de cabeza. Debemos entender que la contingencia no es lo mismo que la covariación. Es decir, la diferencia entre estes dos es que, si hay covariación, hay contingencia y viceversa. Sin embargo, la covariación sería una Tema 4: Aprendizaje de relaciones de contingencia y causalidad. 1 BLOQUE II: Contenidos I. Conocer el medio. relación simétrica entre dos estímulos o acontecimientos, mientras que la contingencia no tiene por qué serlo. Pongamos un ejemplo: tenemos que queremos establecer una relación de causalidad entre la gripe y la fiebre. La idea sería la siguiente: Gripe No gripe Total Fiebre 20 80 100 No fiebre 5 95 100 Fiebre No fiebre Total En el segundo ejemplo entenderemos que la relación sería si tenemos fiebre (E1), tendremos gripe (E2): Gripe 20 5 100 20/25 = 0.8 y 80/175 = 0.45 No gripe 80 95 100 Así: 0.8 - 0.45 = 0.34 de contingencia entre tener fiebre y tener gripe o no. En el primer ejemplo entenderemos que la relación sería que si tenemos gripe (E1), tendremos fiebre (E2). 0.20 – 0.05 = 0.15 de contingencia entre tener gripe y tener o no fiebre La relación de contingencia no es simétrica, pues no da la misma relación si podemos como E1 la gripe o la fiebre. 2. Establecimiento de una teoría. Ejemplo: estudiar me cansa y me da dolor de cabeza (nueva relación causal) 3. Control: manipulo las variables para comprobar la causalidad, ya que puede deberse a otros factores. Ejemplo: gripe. El aprendizaje causal es el proceso por el que los organismos son capaces de captar las relaciones de dependencia entre acontecimientos de su medio. El aprendizaje causal y el de contingencias no son lo mismo, pero son similares, puesto que tienen una estructura común: una variable de entrada (clave) y una de salida (resultado). Una relación de contingencia viene del contenido, de tal modo que un evento 2 es contingente con un evento 1 si está contenido en este último. Matemáticamente se analiza a partir de una tabla de contingencias. Es preferible denominarlo causa de entrada y de salida en vez de clave y resultado porque si hablamos de resultado, esto nos lleva a creer que se trata de un efecto de la clave y no tuene por qué ser así. De este modo, distinguimos entre tareas de estimación de contingencia predictivas y diagnósticas: - Predictivas: la variable de entrada es la posible causa de la variable de salida. E1 es la posible causa de E2 (E1→E2) ¿Hasta qué punto crees que estudiar fue responsable del dolor de cabeza? - Diagnósticas: la variable de entrada es un síntoma de la variable de salida. E1 es un posible síntoma de E2 (E1←E2) ¿Hasta qué punto crees que el dolor de cabeza indica que tienes gripe? Para saber si la contingencia es predictiva o diagnóstica, podemos llevar a cabo una tarea estímulo- estímulo, cuyo objetivo es predecir (hay un control total, se manipulan los estímulos); o una tarea acción- Tema 4: Aprendizaje de relaciones de contingencia y causalidad. 2 BLOQUE II: Contenidos I. Conocer el medio. resultado, cuyo objetivo es provocar (hay una variable, la acción voluntaria del sujeto, que el investigador no puede controlar). - Juicio de contingencia: indica la fuerza y el sentido de la relación clave/resultado. Si es positiva, se facilita, mientras que, si es negativa, se dificulta. - Juicio de predicción: en cada ensayo, el sujeto ha de predecir la aparición del resultado. Puede llevarnos, de manera indirecta, a estimar un juicio de contingencia. - Juicio de probabilidad: indica la probabilidad de resultado en presencia de la clave y la probabilidad de resultado en ausencia de la misma. La diferencia de ambos da lugar al juicio de contingencia. 2. Modelos explicativos y evidencia experimental. 2.1. Modelos basados en el uso de reglas. ¿Cómo aprendemos contingencias? Calculamos la covariación de algún modo partiendo de una estimación de las probabilidades, del mismo modo que asociamos los elementos y juzgamos su relación a partir del grado de asociación percibido. Todo esto se recoge en una tabla de contingencias. Para ello utilizaremos el cálculo de Delta P: Delta P sería El grado en que E2 es contingente respecto de E1 será igual a la diferencia entre la probabilidad de observar E2 en presencia de E1 y en su ausencia. Introspectivamente uno no tiene la impresión de estar haciendo siempre cálculos matemáticos, pero nuestra conducta suele aplicarse a estos. Generalmente los resultados promedio obtenidos en un experimento de juicios de contingencia rondarán los valores normativos (si los errores que se producen son aleatorios, al hacer el promedio se compensan), pero en ciertas situaciones se observan sesgos sistemáticos (si los errores no se compensan, se dan errores sistemáticos producto de errores presentes en la propia muestra como es sesgo de densidad) que sugieren que el modo en que juzgamos esas relaciones no consiste en aplicar la regla: Tema 4: Aprendizaje de relaciones de contingencia y causalidad. 3 BLOQUE II: Contenidos I. Conocer el medio. Un ejemplo de esto es el sesgo de densidad: para un nivel fijo de contingencia (sobre todo cuando la contingencia es nula), la estimación aumenta en función directa de la probabilidad del resultado, es decir, en situaciones en que no existe una relación de contingencia, pero el resultado se produce muy frecuentemente, se cree que existe una contingencia mayor. MODELOS DE REGLAS ALTERNATIVOS. 1. Delta P ponderada: quizá realizamos un cálculo sesgado. Por ejemplo, fijándonos más en los ensayos en los que la clave está presente (a y b), y especialmente en aquellos en los que ambos elementos (clave y resultado) coinciden. Se utiliza para explicar el sesgo de densidad. Tendríamos que multiplicar las frecuencias por distintos ensayos. A la hora de calcular la delta p en este caso, como queremos destacar aquellos ensayos en los que la clave esta presente, se multiplican los resultados de estes ensayos por un parámetro en función de la importancia de cada ensayo. 2. Delta D (diferencia de diagonales): quizá nos basamos en un cálculo más simple. En lugar de restar probabilidades, comparamos la cantidad de ensayos favorables a una relación directa (a + d) con la cantidad de ensayos favorables a una relación inversa (c + b). EFECTOS DE LA COMPETICIÓN ENTRE CLAVES. Además del sesgo de densidad, también aparecen otros fallos a los modelos de reglas, entre los cuales están los efectos de competición entre claves, que surgen cuando tratamos de inferir contingencias a partir de Tema 4: Aprendizaje de relaciones de contingencia y causalidad. 4 BLOQUE II: Contenidos I. Conocer el medio. claves múltiples. Los modelos estadísticos no cambian porque hay varias claves, y los modelos asociativos predicen efectos de competición entre claves. Uno de estos efectos es el bloqueo (Chapman & Robbins), similar al efecto del mismo nombre en condicionamiento. “Si primero aprendo que la subida de P predice R (por ejemplo., la subida de la bolsa), me costará más aprender que la subida de otro valor B, que ocurre al mismo tiempo, también predice R.” Esto se hace en dos fases: 1. Se empareja el predictor P con el resultado y N con el no resultado 2. Se presenta P junto al predictor B y N junto al predictor B, y se le pregunta al sujeto hasta qué punto B y C son buenos predictores del resultado. ¿Qué clave (B o C) será la que prediga mejor la aparición de R? Con respecto a lo que ocurre con B, ese se presenta en una situación en la que previamente se ha asociado P con la aparición de R. Por lo tanto, esta asociación previa interferirá en la creación de una asociación B – R. Con C ocurre lo contrario. Se presenta en una situación en la que no hay ninguna clave asociada a R (porque N se asocia a su NO aparición), por lo que será más fácil crear una asociación C – R y, por lo tanto, C será mejor predictor que B. Sin embargo, si el aprendizaje se da por reglas, esto no debería ocurrir. Otro efecto de competición entre claves es el de señalización (Shanks): la aparición del resultado en ausencia de la clave (c) reduce menos el juicio de contingencia si esos ensayos se “señalizan” mediante otra clave adicional. Tiene que ver con el impacto de utilizar una segunda clave para marcar una de las casillas de la tabla de contingencias, marcando la clave C con otra clave adicional. En los ensayos C, antes de que aparezca el resultado, aparece la segunda clave. A continuación, tenemos la tarea realizada por Shanks y su resultado: Se pide a los sujetos que estimen la relación entre una acción y un resultado. La contingencia es 0 (50/50), pero en un grupo (S), si el resultado va a presentarse cuando el sujeto no ha realizado la acción, se anuncia mediante un tono. Si los ensayos en los que el triángulo se ilumina en ausencia de la respuesta (tipo c) van precedidos de otra señal (un tono), el impacto de estos ensayos no reduce tanto la evaluación de la contingencia. Tema 4: Aprendizaje de relaciones de contingencia y causalidad. 5 BLOQUE II: Contenidos I. Conocer el medio. De alguna forma, cuando queremos evaluar la relación causal entre una clave y una respuesta, debemos tener en cuenta lo que ocurre Accion No Acción cuando la R está presente y cuando no, tratando de eliminar las causas R 45 45 No R 45 45 90 90 secundarias. En la condición c (con señalización), nos encontramos con una clave secundaria (el tono). En base a lo de antes, como tratamos de asociar la clave 1 (pulsar la tecla) con la R (aparición del triángulo) nos sobra o interfiere la aparición del tono, lo que nos llevará a ni considerar los ensayos en los que aparece como evidencia de una relación causal entre la tecla y el triángulo. Con todos los ensayos tipo c aparece el tono, por lo que eliminaremos todos estos ensayos de la evaluación de la relación. Así, la contingencia tendría un valor positivo: ΔP = (45/90) – (0/90) = 0.5 Sin embargo, la relación objetiva entre pulsar la tecla y la aparición del triángulo sigue siento de O puesto que hay tantos ensayos A – R como A – No R. Esto es una aplicación de por qué se tiene una percepción de relación positiva. DELTA P CONDICIONAL: CONTRASTE PROBABILÍSTICO. (CHENG & NOVICK, 1990) Cheng & Novick afirmaron que la contingencia no se calcula sobre todos los ensayos, sino sobre ensayos comparables (iguales excepto por la aparición o no de la clave). Debemos establecer un conjunto focal: un contexto invariable sobre el cual comparamos la influencia de que la clave esté presente vs. ausente. De este modo surge Delta P condicional, que explica los fenómenos de bloqueo y señalamiento, pero no explica los de validez externa, sesgo de densidad y número de ensayos. 1. Señalización: si se calcula P condicional con el requisito de que el contexto sea invariable hay que eliminar los ensayos con tono, y eso aumentará el valor estimado de la relación (como se observa en el experimento). Tema 4: Aprendizaje de relaciones de contingencia y causalidad. 6 BLOQUE II: Contenidos I. Conocer el medio. 2. Bloqueo: si para cada predictor (B o C), se usa como contexto focal sólo el contexto en el que aparece, la estimación será mucho mayor para C que para B (como se observa en el experimento) 2.1. Modelos asociativos. El modelo de Rescorla Y Wagner (1972) Estos autores afirman que el cambio en la fuerza de la asociación clave – resultado depende de la saliencia de la clave () de la del resultado () y de la diferencia entre la cantidad máxima posible de fuerza asociativa () y la cantidad acumulada por todas las claves presentes (Vx). El cambio de la fuerza asociativa se calcularía de la siguiente manera:  saliencia de la clave.  saliencia del resultado. : cantidad máxima posible de fuerza asociativa Vx: cantidad de fuerza asociativa acumulada por todas las claves presentes en el ensayo actual - E2 No E2 E1 a b a+b No E1 c d c+d - Ensayos a) Aumenta la asociación E1-E2 siempre que los predictores presentes no predigan del todo el resultado (Vx menor que ) - Ensayos b) Disminuye la asociación E1-E2:  valdrá 0, por lo que (−Vx) será más negativa cuanto más predicho esté el resultado. Ensayos c y d) Cuando E1 no está no se aprende sobre él, pero se aprende a predecir E2 a partir del contexto, y eso afectará luego al aprendizaje en sucesivos ensayos a y b.  representaría lo máximo que se puede predecir del resultado. Vx sería el grado en que la ocurrencia el resultado está predicho para todas las señales posibles. Así,  - Vx representaría la sorpresa. Si este valor es pequeño, entonces ΔVcr será pequeño y por tanto no habrá aprendizaje. En el primer ensayo Vx = 0 porque no hay asociación E1 – E2 que no permita predecir el resultado. En los ensayos tipo B, esperamos que  = 0 porque no existe relación E1 – E2. La sorpresa será negativa y el cambio de la fuerza asociativa se reducirá. Los ensayos c y d no afectan a la relación E1 – E2, sino que lo que hacen es asociar contexto – E2, por lo que se provoca una lucha entre estas dos relaciones. Sin embargo, Rescorla y Wagner afirman que la fuerza asociativa entre contexto – E2 es menor que E1 – E2 por el bajo poder predictivo del contexto. Al principio, con la práctica se produce el sesgo de densidad (solo Tema 4: Aprendizaje de relaciones de contingencia y causalidad. 7 BLOQUE II: Contenidos I. Conocer el medio. en los ensayos a), pero cuando entran en juego los ensayos b, ΔVcr disminuye y se va acercando al valor real de contingencia entre E1 – E2. Este modelo explica varias cuestiones: 1. Explica fenómenos de competición entre claves (e.g., bloqueo) porque el cambio en la fuerza asociativa es menor cuando otras claves presentes predicen el resultado. 2. Explica el sesgo de densidad, y el hecho de que tienda a desaparecer con grandes cantidades de práctica (el sesgo de densidad no se mantiene indefinidamente, sino que depende del entrenamiento): se produce al principio del entrenamiento, porque al principio la asociación claveresultado se fortalece más que la asociación clave-contexto. Luego tiende a desaparecer. Si el resultado ocurre muy a menudo, aunque la relación sea neutra, tiende a producirse una ilusión de una relación positiva. En los primeros ensayos se asocia más la clave con el resultado que el contexto con el resultado, pero con mayor cantidad de entrenamiento, el sujeto aprende que lo que predice el resultado es el contexto. 3. Explica otros efectos difíciles de explicar para los modelos de reglas, como la adquisición gradual (curva de aprendizaje), o el efecto del orden de presentación de los ensayos. En los primeros ensayos, el juicio de contingencia va a ser bajo. Luego este va aumentando, produciéndose la curva de aprendizaje. El orden, para los modelos de reglas, no debería afectar. Sin embargo, el modelo asociativo sí se ve afectado por el orden. Si primero presentamos muchos ensayos tipo B, tendería a crearse una asociación negativa. Si van seguidos de ensayos tipo A, se produciría un efecto rebote debido a la sorpresa, dándose una asociación positiva más fuerte. Lo contrario pasaría si cambiamos el orden. El juicio tiende a sesgarse en base a los ensayos presentados más tarde debido al efecto de sorpresa. Además, tiene problemas para explicar cómo se aprende acerca de una clave cuando NO está presente (e.g., bloqueo hacia atrás: Shanks, 1985). - Bloqueo y bloqueo hacia atrás producen resultados similares. - El bloqueo hacia atrás implica que, en la fase 2, se aprende sobre B (reevaluación restrospectiva) a pesar de que no estar presente. Esto NO es compatible con el modelo de Rescorla-Wagner. Pongamos como ejemplo el siguiente caso: En la fase uno de bloqueo Vx sería 1 puesto que P explicaría por completo la presencia de R. Sin embargo, en la fase dos Vx porque no hay sorpresa, pues P ya predice R y B no aporta nada a la explicación de la aparición de R. Por otro lado, en el bloqueo hacia atrás ocurriría lo contrario; en los primeros ensayos Vx sería igual a 0 puesto que alfa en este caso tiene un valor muy bajo (ya que ambas claves se presentan juntas, no hay ninguna clave en concreto que explique específicamente la aparición de R). Sin embargo, en la fase dos el sujeto aprende Tema 4: Aprendizaje de relaciones de contingencia y causalidad. 8 BLOQUE II: Contenidos I. Conocer el medio. que existe una relación entre P y la aparición de R. Sin quererlo, el sujeto aprende que la aparición de B no afecta en la aparición o no de la respuesta. Van Hamme and Wasserman (1994) plantean que, además de asociarse con R, los predictores se asocian entre sí en la primera fase. La no aparición de uno de ellos en la segunda fase se convierte en un estímulo relevante, con una “saliencia” negativa (-α). 2.2. Modelos causales y otros efectos estratégicos. No siempre hay competición entre las claves. El contexto causal puede llevarnos a hacer juicios predictivos o diagnósticos. Waldmann & Holyoak (1992) plantean que más que utilizar modelos asociativos a la hora de juzgar relaciones causales, aplicamos nuestro conocimiento acerca del funcionamiento de la causalidad: las causas compiten entre sí para explicar efectos (¿qué causó realmente el accidente? parece una pregunta razonable) pero los efectos no compiten de igual modo (¿cuál fue el verdadero síntoma de su gripe? no parece una pregunta con sentido). Así, desde el punto de vista de la aplicación de modelos causales, se predice que las causas potenciales competirán como predictores en juicios predictivos, pero los efectos no lo harán de igual modo al ejercer como claves en tareas de diagnóstico: En la fase 1 se asocia perfectamente la clave P con la aparición del E2. En la fase 2 se presenta P junto con otra clave (R) también perfectamente asociado con E2. Al final se pregunta por las claves: hasta qué punto son un posible efecto de la enfermedad o una posible causa de la reacción emocional. La clave redundante (R) resulta bloqueada en la condición predictiva (si P predice el efecto, no aprendo sobre R), pero no en la situación diagnóstica (si P es un buen síntoma, puedo aprender que R también lo es). No obstante... Shanks & López (1996) encuentran competición tanto entre causas como entre efectos con una preparación más compleja, lo que indica que en algunas circunstancias el componente asociativo domina el aprendizaje por encima de la aplicación de esquemas causales. 3. Conclusión: hacia un modelo combinado de aprendizaje de contingencias. Existe evidencia tanto a favor de los modelos asociativos como de modelos de reglas e inferencia causal - A favor de los modelos de aprendizaje asociativo: a. Sesgo de densidad (sobre todo al principio del entrenamiento). Tema 4: Aprendizaje de relaciones de contingencia y causalidad. 9 BLOQUE II: Contenidos I. Conocer el medio. b. - Competición en situaciones predictivas y diagnósticas. A favor de modelos de reglas /inferencia causal: a. Bloqueo hacia atrás. b. Ausencia de competición en ciertas situaciones de diagnóstico. Como se planteaba al inicio del tema, los mecanismos asociativos, de estimación y de razonamiento se relacionan de manera jerárquica para producir los efectos observados. Tema 4: Aprendizaje de relaciones de contingencia y causalidad. 10