Teorías del condicionamiento clásico y aprendizaje causal

4.1. Condicionamiento clásico y aprendizaje causal • Cálculo de la contingencia incondicional (∆ ∆P) Matriz de contingencia Resultado No Resultado

Clave

La clave y el resultado se presentan juntos

a

No Clave

Teorías del condicionamiento clásico y aprendizaje causal

4.1. Condicionamiento clásico y aprendizaje causal • Cálculo de la contingencia incondicional (∆ ∆P) Matriz de contingencia Resultado No Resultado

Clave

a

b

La clave se presenta y el resultado no se presenta

No Clave

Teorías del condicionamiento clásico y aprendizaje causal

4.1. Condicionamiento clásico y aprendizaje causal • Cálculo de la contingencia incondicional (∆ ∆P) Matriz de contingencia Resultado No Resultado

Clave

a

No Clave

c

b

No se presenta la clave, pero sí el resultado

1

Teorías del condicionamiento clásico y aprendizaje causal

4.1. Condicionamiento clásico y aprendizaje causal • Cálculo de la contingencia incondicional (∆ ∆P) Matriz de contingencia Resultado No Resultado

Clave

a

b

No Clave

c

d

No se presenta ni la clave ni el resultado

Teorías del condicionamiento clásico y aprendizaje causal

4.1. Condicionamiento clásico y aprendizaje causal • Cálculo de la contingencia incondicional (∆ ∆P) Matriz de contingencia Resultado No Resultado

Clave

a

b

No Clave

c

d

∆P = P (R/C) - P(R/noC)

=

a / (a+b) - c / (c+d)

Teorías del condicionamiento clásico y aprendizaje causal

4.1. Condicionamiento clásico y aprendizaje causal • Cálculo de la contingencia incondicional (∆ ∆P)

Tuvo malestar

No tuvo malestar

Comió gusanos

15

5

No comió gusanos

4

16

En 4 ocasiones NO comió gusanos y SÍ tuvo malestar

En 15 ocasiones comió gusanos y tuvo malestar

En 5 ocasiones comió gusanos y NO tuvo malestar

En 16 ocasiones NO comió gusanos y NO tuvo malestar

2

Teorías del condicionamiento clásico y aprendizaje causal

4.1. Condicionamiento clásico y aprendizaje causal • Cálculo de la contingencia incondicional (∆ ∆P)

Tuvo malestar

No tuvo malestar

Comió gusanos

15

5

No comió gusanos

4

16

∆P =

a

c

(a+b)

(c+d)

Teorías del condicionamiento clásico y aprendizaje causal

4.1. Condicionamiento clásico y aprendizaje causal • Cálculo de la contingencia incondicional (∆ ∆P)

Tuvo malestar

No tuvo malestar

Comió gusanos

15

5

No comió gusanos

4

16

∆P =

15

c

( 15 + b )

(c+d)

Teorías del condicionamiento clásico y aprendizaje causal

4.1. Condicionamiento clásico y aprendizaje causal • Cálculo de la contingencia incondicional (∆ ∆P)

Tuvo malestar

No tuvo malestar

Comió gusanos

15

5

No comió gusanos

4

16

∆P =

15

c

( 15 + 5 )

(c+d)

3

Teorías del condicionamiento clásico y aprendizaje causal

4.1. Condicionamiento clásico y aprendizaje causal • Cálculo de la contingencia incondicional (∆ ∆P)

Tuvo malestar

No tuvo malestar

Comió gusanos

15

5

No comió gusanos

4

16

∆P =

15

4

( 15 + 5 )

(4+d)

Teorías del condicionamiento clásico y aprendizaje causal

4.1. Condicionamiento clásico y aprendizaje causal • Cálculo de la contingencia incondicional (∆ ∆P)

Tuvo malestar

No tuvo malestar

Comió gusanos

15

5

No comió gusanos

4

16

∆P =

15

4

( 15 + 5 )

( 4 + 16 )

Teorías del condicionamiento clásico y aprendizaje causal

4.1. Condicionamiento clásico y aprendizaje causal • Cálculo de la contingencia incondicional (∆ ∆P)

Tuvo malestar

No tuvo malestar

Comió gusanos

15

5

No comió gusanos

4

16

15 ∆P = ( 15 + 5 )

4 ( 4 + 16 )

Los gusanos predicen moderadamente la aparición del malestar

= 0’75 - 0’20 = 0’55

4

Teorías del condicionamiento clásico y aprendizaje causal

4.1. Condicionamiento clásico y aprendizaje causal • Paralelismo entre el condicionamiento animal y el aprendizaje humano (Dickison y Shanks, 1987) • Bloqueo (Chapman, 1991) • Bloqueo hacia atrás (Miller y Matute, 1996) • Inhibición condicionada (Chapman y Robbins, 1999) • Sesgo de densidad (Jenkins, 1983; Kremer, 1971)

David Shanks

Teorías del condicionamiento clásico y aprendizaje causal

4.2. Modelos asociativos del aprendizaje • El modelo de Rescorla y Wagner (1972)

Robert Rescorla


El aprendizaje sólo ocurre cuando las consecuencias de un estímulo no son previsibles, sólo si hay sorpresa se produce aprendizaje.
La fuerza asociativa máxima está limitada por la suma del valor asociativo de todos los estímulos presentes en la situación.

Allan Wagner


La inhibición condicionada y la adquisición condicionada son fenómenos opuestos.
La asociabilidad de un estímulo es fija a lo largo de los ensayos. No cambia con la experiencia.

Teorías del condicionamiento clásico y aprendizaje causal

4.2. Modelos asociativos del aprendizaje • El modelo de Rescorla y Wagner (1972)

∆ V nA = αAβ (λ − V n−1T), V nA = V n-1A +[αAβ (λ − V n−1T)]

(1) (2)

∆V nA = Incremento en la fuerza asociativa del EC (A). αA = Parámetro libre que depende de la intensidad del EC (A). β = Parámetro libre que depende de la intensidad del EI. λ = Parámetro libre que determina la asíntota de aprendizaje. V n−−1T = Fuerza asociativa en el ensayo previo de todos los estímulos presentes.

5

Teorías del condicionamiento clásico y aprendizaje causal

4.2. Modelos asociativos del aprendizaje

Asunciones αA = 0.5 αB = 0.3 β = 0.5 λ+ = 1 λ− = 0

• El modelo de Rescorla y Wagner (1972)

Adquisición A+ Ensayo 1

Ensayo 2

∆ V 1A = .5 ∗ .5 (1 − 0) = .25 V1A = 0 +.25 = .25 ∆ V 2A = .5 ∗ .5 (1 − .25) = .19 V2A = .25 +.19 = .44

El aprendizaje se interrumpe cuando V1A = λ = 1

Teorías del condicionamiento clásico y aprendizaje causal

4.2. Modelos asociativos del aprendizaje Los incrementos son cada vez más pequeños

• El modelo de Rescorla y Wagner (1972)

Adquisición A+ Ensayo 1

Ensayo 2

Asunciones αA = 0.5 αB = 0.3 β = 0.5 λ+ = 1 λ− = 0

∆ V 1A = .5 ∗ .5 (1 − 0) = .25 V1A = 0 +.25 = .25 ∆ V 2A = .5 ∗ .5 (1 − .25) = .19 V2A = .25 +.19 = .44

El aprendizaje se interrumpe cuando V1A = λ = 1

Teorías del condicionamiento clásico y aprendizaje causal

4.2. Modelos asociativos del aprendizaje • El modelo de Rescorla y Wagner (1972)

La fuerza asociativa es cada vez mayor

Adquisición A+ Ensayo 1

Ensayo 2

Asunciones αA = 0.5 αB = 0.3 β = 0.5 λ+ = 1 λ− = 0

∆ V 1A = .5 ∗ .5 (1 − 0) = .25 V1A = 0 +.25 = .25 ∆ V 2A = .5 ∗ .5 (1 − .25) = .19 V2A = .25 +.19 = .44

El aprendizaje se interrumpe cuando V1A = λ = 1

6

Teorías del condicionamiento clásico y aprendizaje causal

4.2. Modelos asociativos del aprendizaje

Asunciones αA = 0.5 αB = 0.3 β = 0.5 λ+ = 1 λ− = 0

• El modelo de Rescorla y Wagner (1972)

Bloqueo Gusanos

malestar |

Gusanos+Chapulines

malestar

Asumiendo que durante la primera fase Vngusanos = λ = 1 ∆ V 1gusanos = .5 ∗ .5 (1 − 1 + 0) = 0

Fuerza asociativa de los chapulines tras la primera fase

∆ V 1chapulines = .3 ∗ .5 (1 − 1 + 0) = 0 Fuerza asociativa de los gusanos tras la primera fase

Teorías del condicionamiento clásico y aprendizaje causal

4.2. Modelos asociativos del aprendizaje

Asunciones αA = 0.5 αB = 0.3 β = 0.5 λ+ = 1 λ− = 0

• El modelo de Rescorla y Wagner (1972)

Bloqueo Gusanos

malestar |

Gusanos+Chapulines

malestar

Asumiendo que durante la primera fase Vngusanos = λ = 1 ∆ V 1gusanos = .5 ∗ .5 (1 − 1 + 0) = 0 ∆ V 1chapulines = .3 ∗ .5 (1 − 1 + 0) = 0

Aprendizaje durante la segunda fase

Teorías del condicionamiento clásico y aprendizaje causal

4.2. Modelos asociativos del aprendizaje

Asunciones αA = 0.5 αB = 0.3 β = 0.5 λ+ = 1 λ− = 0

• El modelo de Rescorla y Wagner (1972)

Inhibición condicionada Gusanos

Malestar,

Gusanos+Tequila

No malestar

Para resolver el problema se tiene que cumplir que…

V gusanos = λmalestar = 1 V gusanos+tequila = λNo malestar = 0

7

Teorías del condicionamiento clásico y aprendizaje causal

4.2. Modelos asociativos del aprendizaje • El modelo de Rescorla y Wagner (1972)

Inhibición condicionada Gusanos

Malestar,

Gusanos+Tequila

No malestar

Sabemos que…

V gusanos = 1 V gusanos + Vtequila = 0

Teorías del condicionamiento clásico y aprendizaje causal

4.2. Modelos asociativos del aprendizaje • El modelo de Rescorla y Wagner (1972)

Inhibición condicionada Gusanos

Malestar,

Gusanos+Tequila

No malestar

Luego…

V gusanos = 1 1 + Vtequila = 0

Teorías del condicionamiento clásico y aprendizaje causal

4.2. Modelos asociativos del aprendizaje • Teorías del cambio en la asociabilidad del estímulo

Teoría de Mackintosh (1975) La asociabilidad de una clave cambia como consecuencia de la experiencia. La asociabilidad de la clave aumenta cuando es buena predictora de un resultado, y disminuye cuando es igual o peor predictora del resultado que otras claves presentes. Se presta mucha atención a los estímulos que son buenos predictores de sus consecuencias.

Nick Mackintosh

8

Teorías del condicionamiento clásico y aprendizaje causal

4.2. Modelos asociativos del aprendizaje • Teorías del cambio en la asociabilidad del estímulo

Teoría de Pearce y Hall (1980) La asociabilidad de una clave cambia como consecuencia de la experiencia. La asociabilidad de la clave disminuye cuando es buena predictora de un resultado, y aumenta

John Pearce

cuando su resultado es incierto . Se presta poca atención a los

estímulos

que

son

buenos

predictores

de

sus

consecuencias.

Geoffrey Hall

Teorías del condicionamiento clásico y aprendizaje causal

4.2. Modelos asociativos del aprendizaje • Teoría configuracional de Pearce (1987)

• El sujeto aprende acerca de los estímulos como un todo

John Pearce

(aprende acerca configuraciones estimulares). • La fuerza asociativa neta de un estímulo es igual a la suma de

la

fuerza

asociativa

propia

(ganada

por

sus

emparejamientos directos con la consecuencia) y la fuerza asociativa generalizada (recibida por su parecido con otros estímulos que hayan sido asociados con la misma clave).

Teorías del condicionamiento clásico y aprendizaje causal

4.2. Modelos asociativos del aprendizaje • Teoría configuracional de Pearce (1987)

• La respuesta que de un sujeto ante un estímulo cualquiera dependerá de su parecido con los estímulos asociados con la consecuencia.

• Una clave sólo puede generalizar la fuerza asociativa propia. • El aprendizaje se interrumpe cuando la fuerza asociativa neta (la suma de la fuerza asociativa propia y la generalizada) alcanza la asíntota.

9

Teorías del condicionamiento clásico y aprendizaje causal

4.2. Modelos asociativos del aprendizaje • Teoría configuracional de Pearce (1987) • La respuesta que de un sujeto ante un estímulo cualquiera dependerá de su parecido con los estímulos asociados con la consecuencia.

• Una clave sólo puede generalizar la fuerza asociativa propia. • El aprendizaje se interrumpe cuando la fuerza asociativa neta (la suma de la fuerza asociativa propia y la generalizada) alcanza la asíntota.

• Aplicación de la teoría de Pearce a la explicación del bloqueo.

Teorías del condicionamiento clásico y aprendizaje causal

4.2. Modelos asociativos del aprendizaje • Comentario final • El problema del bloqueo hacia atrás.

• Modelos de asociativos acerca de estímulos ausentes.

Teorías del condicionamiento clásico y aprendizaje causal

4.3. Modelos estadísticos o de reglas Resultado No Resultado

• Reglas categóricas • Regla de la casilla a

Clave

a

b

No Clave

c

d

10

Teorías del condicionamiento clásico y aprendizaje causal

4.3. Modelos estadísticos o de reglas Resultado No Resultado

• Reglas categóricas • Regla de la casilla a

Clave

a

b

No Clave

c

d

• Regla de a - b

Teorías del condicionamiento clásico y aprendizaje causal

4.3. Modelos estadísticos o de reglas Resultado No Resultado

• Reglas categóricas • Regla de la casilla a

Clave

a

b

No Clave

c

d

• Regla de a - b • Regla de a - c

Teorías del condicionamiento clásico y aprendizaje causal

4.3. Modelos estadísticos o de reglas Resultado No Resultado

• Reglas categóricas • Regla de la casilla a

Clave

a

b

No Clave

c

d

• Regla de a - b • Regla de a – c • Regla ∆D

(a + b) - (b + c) / n

11

Teorías del condicionamiento clásico y aprendizaje causal

4.3. Modelos estadísticos o de reglas Resultado No Resultado

• Reglas categóricas • Regla de la casilla a

Clave

a

b

No Clave

c

d

• Regla de a - b • Regla de a – c • Regla ∆D (a + b) - (b + c) / n • Regla ∆P

a / (a + b) - c / (c + d) / n

Teorías del condicionamiento clásico y aprendizaje causal

4.3. Modelos estadísticos o de reglas • Diferenciación entre la adecuación de las reglas • Método correlacional Se calcula la correlación existente entre los juicios predichos por cada regla y la respuesta real de los sujetos que participan en un experimento. Allan y Jenkins (1980) encontraron una correlación muy alta con ∆P (0’80), aunque posteriormente (1983) encontraron mayor correlación con ∆D.

Lorraine Allan

Teorías del condicionamiento clásico y aprendizaje causal

4.3. Modelos estadísticos o de reglas • Diferenciación entre la adecuación de las reglas • Método del análisis de la regla Se establece un conjunto de problemas que pueden resolverse por todas las reglas, sólo por la regla a-b y así sucesivamente hasta que los últimos sólo pueden resolverse por ∆P. Shaklee y Tucker (1980) encontraron que la mayor parte de los participantes eran capaces de resolver problemas que forzaban el uso de ∆D (35%) y de ∆P (33%).

12

Teorías del condicionamiento clásico y aprendizaje causal

4.3. Modelos estadísticos o de reglas • Reglas ponderadas • Muchos autores sugieren que los seres humanos no somos normativos, asignándole a la información contenida en cada casilla un peso (una importancia) diferente (v.gr., a > b > c > d), ponderación que debe de tomarse en cuenta en las reglas previas (v.gr., Wasserman et al., 1990).

Teorías del condicionamiento clásico y aprendizaje causal

4.3. Modelos estadísticos o de reglas • Modelo de contrastes probabilísticos (Cheng y Novick, 1990, 1992) • Ninguna de las reglas anteriores permite explicar el bloqueo. • Cheng y Novick (1990) sugieren que las personas no utilizamos DP en aquéllas situaciones en las que existen claves potenciales múltiples. En esas situaciones analizamos el resultado de cada clave en función del resultado de las otras claves presentes.

Patricia Cheng

Teorías del condicionamiento clásico y aprendizaje causal Ejemplo de aplicación del modelo de contrastes probabilísticos Diseño experimental 5G+

|

15GC+, 5C-, 15-

Gusanos Maguey Presentes Presentes

Ejemplo: de las 15 ocasiones en las que se ingirieron gusanos + chapulines, en las 15 apareció el malestar

Ausentes

15/15

0/5

5/5

0/15

Chapulines Ausentes

Número de ocasiones en las que sufrieron el malestar en función del número de veces que experimentaron la situación.

13

Teorías del condicionamiento clásico y aprendizaje causal Ejemplo de aplicación del modelo de contrastes probabilísticos Diseño experimental 5G+ Veces que siente malestar sin comer chapulines dividido por el número de veces que no come chapulines

|

Veces que siente malestar al comer chapulines dividido por el número de veces que come chapulines

15GC+, 5C-, 15-

Gusanos Maguey Presentes

Presentes

Ausentes

15/15

0/5

15/20

5/5

0/15

5/20

20/20

0/20

Veces que siente malestar sin comer gusanos dividido por el número de veces que no come gusanos

Chapulines Ausentes Veces que siente malestar al comer gusanos dividido por el número de veces que come gusanos

Teorías del condicionamiento clásico y aprendizaje causal Ejemplo de aplicación del modelo de contrastes probabilísticos Gusanos Maguey Presentes Presentes

Ausentes

15/15

0/5

5/5

0/15

20/20

0/20

15/20

Chapulines Ausentes

5/20

Contingencia incondicional ∆Pchapulines = 15/20 – 5/20 = 0’50

Teorías del condicionamiento clásico y aprendizaje causal Ejemplo de aplicación del modelo de contrastes probabilísticos Gusanos Maguey Presentes Presentes

Ausentes

15/15

0/5

5/5

0/15

20/20

0/20

15/20

Chapulines Ausentes

5/20

Contingencia incondicional ∆Pchapulines = 15/20 – 5/20 = 0’50 ∆Pgusanos = 20/20 – 0/20 = 1

14

Teorías del condicionamiento clásico y aprendizaje causal Ejemplo de aplicación del modelo de contrastes probabilísticos Gusanos Maguey Presentes Presentes

Ausentes

15/15

0/5

5/5

0/15

20/20

0/20

15/20

Chapulines Ausentes

5/20 Los chapulines predicen el malestar moderadamente

Contingencia incondicional ∆Pchapulines = 15/20 – 5/20 = 0’50 ∆Pgusanos = 20/20 – 0/20 = 1

Los gusanos predicen el malestar siempre

Teorías del condicionamiento clásico y aprendizaje causal Ejemplo de aplicación del modelo de contrastes probabilísticos Gusanos Maguey Presentes Presentes

Ausentes

15/15

0/5

5/5

0/15

20/20

0/20

15/20

Chapulines Ausentes

5/20

Contingencia condicional (chapulines) Gusanos presentes: 15/15 – 5/5 = 0 Gusanos ausentes: 0/5 – 0/15 = 0

Teorías del condicionamiento clásico y aprendizaje causal Ejemplo de aplicación del modelo de contrastes probabilísticos Gusanos Maguey Presentes Presentes

Ausentes

15/15

0/5

5/5

0/15

20/20

0/20

15/20

Chapulines Ausentes

5/20

Contingencia condicional (chapulines)

Contingencia condicional (gusanos)

Gusanos presentes: 15/15 – 5/5 = 0

Chapulines presentes: 15/15 – 0/5 = 1

Gusanos ausentes: 0/5 – 0/15 = 0

Chapulines ausentes: 5/5 – 0/15 = 1

15

Teorías del condicionamiento clásico y aprendizaje causal Ejemplo de aplicación del modelo de contrastes probabilísticos Diseño experimental 5G+ Los chapulines NO predicen el malestar (bloqueo)

|

15GC+, 5C-, 15-

Los chapulines predicen el malestar

Contingencia incondicional ∆Pchapulines = 15/20 – 5/20 = 0’50 ∆Pgusanos = 20/20 – 0/20 = 1

Contingencia condicional (chapulines)

Contingencia condicional (gusanos)

Gusanos presentes: 15/15 – 5/5 = 0

Chapulines presentes: 15/15 – 0/5 = 1

Gusanos ausentes: 0/5 – 0/15 = 0

Chapulines ausentes: 5/5 – 0/15 = 1

Teorías del condicionamiento clásico y aprendizaje causal

4.4. Comentario final: teorías asociativas y modelos de reglas

• En el modelo de contrastes probabilísticos el orden de presentación de los ensayos es irrelevante, por lo que predice los mismos resultados cuando se aprende primero que los gusanos predicen malestar (bloqueo) o cuando esta información se presenta durante la segunda fase (bloqueo hacia atrás). • Modelos como el de Rescorla y Wagner no permiten explicar el bloqueo hacia atrás. • Modelos asociativos más recientes permiten explicar el bloqueo hacia atrás (v.gr., Dickinson y Burke, 1996)

Teorías del condicionamiento clásico y aprendizaje causal

Correlación y causación. La teoría del poder causal (Cheng, 1997)

• Correlación no es lo mismo que causación: el canto del gallo correlaciona con el amanecer, pero no es su causa. • ¿Cómo se establecen las relaciones causales? Cheng (1997) sostiene que la relación causa-efecto se establece a partir de ∆P cuando la causa es independiente del resto de las causas potenciales y la probabilidad del efecto en ausencia de la causa candidata es igual a cero.

Patricia Cheng

16