Nos hallamos en la era de la movilizaci\u00f3n. Las distancias entre pa\u00edses se acortan y nuestro trabajo nos lleva cada vez m\u00e1s a menudo a viajar, enfrent\u00e1ndonos al reto de aprender una lengua durante la edad adulta. Aunque aprender palabras es relativamente f\u00e1cil, uno de los aspectos m\u00e1s costosos es el aprendizaje de reglas gramaticales, por lo que acabamos hablando con frases hechas, palabras sueltas o emisiones repletas de errores.<\/p>\n
Existen dos modos de extraer estas reglas: una forma indirecta, autom\u00e1tica o impl\u00edcita, por la que vamos captando patrones sin ser conscientes de c\u00f3mo los hemos aprendido (\u00abaprendemos sin querer\u00bb); y una forma directa, voluntaria o expl\u00edcita, por la que se nos hacen evidentes las partes relevantes de la regla (como se ense\u00f1a en la escuela o en las academias de idiomas). Mediante este \u00faltimo mecanismo dirigimos la atenci\u00f3n a la posici\u00f3n en la que aparecen los elementos clave para aprender la relaci\u00f3n de dependencia de la regla en cuesti\u00f3n. Pero, \u00bfqu\u00e9 tipo de conocimiento extraemos con estos dos tipos de aprendizaje? \u00bfSon conocimientos comparables?<\/p>\n
Los mecanismos predictivos de aprendizaje, que suelen actuar de forma involuntaria, son capaces de rastrear y extraer las dependencias (p.ej., \u00abA\u00bb predice \u00abC\u00bb; v\u00e9ase la Figura 1) que conforman las reglas del lenguaje en base a la probabilidad que une sus elementos, y generalizarlas a nuevos contextos.<\/p>\n
![\"Figura](\"https:\/\/www.cienciacognitiva.org\/files\/2017-13-f1.jpg\")
Figura 1.- Ilustraci\u00f3n del tipo de regla que segu\u00edan las frases del experimento con lenguaje artificial (AxC) utilizado en el experimento de L\u00f3pez-Barroso y colaboradores (2016). La primera palabra (A) predice la tercera (C), independientemente de la palabra intermedia. El lenguaje artificial se ha creado simulando estructuras que est\u00e1n presentes en el lenguaje natural. Por ello se muestran dos frases del lenguaje artificial as\u00ed como dos ejemplos de frases en castellano que seguir\u00edan el mismo tipo de estructura.<\/p><\/div>\n
Determinadas capacidades cognitivas, como la atenci\u00f3n, optimizan el procesamiento de la informaci\u00f3n ayud\u00e1ndonos a dirigir nuestros recursos hacia las partes clave que nos permitir\u00e1n predecir qu\u00e9 palabras seguir\u00e1n en la frase. En un estudio reciente (L\u00f3pez-Barroso, Cucurell, Rodr\u00edguez-Fornells y de Diego-Balaguer, 2016) nuestro principal objetivo fue explorar si la atenci\u00f3n que prestamos a las palabras que conforman una regla afecta a c\u00f3mo la aprendemos.<\/p>\n
Para ello, pedimos a un grupo de voluntarios adultos que escucharan frases de un lenguaje artificial construido con palabras sin significado. Las frases pod\u00edan seguir dos tipos de estructura: una con regla (AxC) o una sin regla (xxC). En las AxC, la primera palabra (\u00abA\u00bb) predec\u00eda siempre la \u00faltima (\u00abC\u00bb), independientemente de la palabra intermedia (\u00abx\u00bb), que era variable (Figura 1). En las xxC, las dos primeras palabras eran aleatorias, y la \u00faltima palabra era una palabra \u00abC\u00bb que tambi\u00e9n pod\u00eda aparecer en las frases con regla. Por ejemplo, en la frase con regla \u00abtagi male sira\u00bb, \u00abtagi\u00bb y \u00absira\u00bb siempre aparecer\u00edan en primer y tercer lugar respectivamente, pero en posici\u00f3n media pod\u00eda aparecer tanto \u00abmale\u00bb como cualquiera de las otras 18 palabras que compon\u00edan el lenguaje. Este tipo de reglas es una analog\u00eda a lo que ocurre en lenguaje natural: \u00abt\u00fa comes\u00bb, \u00abt\u00fa saltas\u00bb, \u00abt\u00fa bailas\u00bb. En este ejemplo, cuando escuchamos \u00abt\u00fa\u00bb (\u00abA\u00bb), podemos predecir que el verbo acabar\u00e1 con \u00ab-s\u00bb (\u00abC\u00bb).<\/p>\n
La tarea de los participantes consist\u00eda en escuchar cada frase y decidir si conten\u00eda una \u00abpalabra objetivo\u00bb o no, indic\u00e1ndolo lo m\u00e1s r\u00e1pido posible apretando un bot\u00f3n si o\u00edan la palabra objetivo u otro bot\u00f3n si la palabra no estaba presente. En el experimento se utilizaron tres frases que segu\u00edan la regla AxC, cada una de ellas utilizando diferentes palabras. Pero s\u00f3lo una de las frases conten\u00eda la palabra objetivo (que llamaremos \u00abfrase con regla + palabra atendida\u00bb, o de forma m\u00e1s breve \u00abregla-atendida\u00bb). Los participantes desconoc\u00edan tanto la existencia de dichas reglas como que la palabra objetivo, cuando aparec\u00eda, siempre lo hac\u00eda al final de la frase (en posici\u00f3n C).<\/p>\n
En la primera parte del experimento solamente aparec\u00edan frases con regla AxC, a partir de la mitad comenzaban a aparecer frases xxC. En las frases con regla, conforme los participantes presenciaban m\u00e1s casos, respond\u00edan cada vez m\u00e1s r\u00e1pido (tanto para decir que la palabra objetivo estaba en ellas como para decir que no estaba), ya que hab\u00edan aprendido que cuando escuchaban la palabra \u00abA\u00bb, pod\u00edan predecir \u00abC\u00bb. Esta manipulaci\u00f3n nos permiti\u00f3 obtener una medida encubierta del aprendizaje m\u00e1s impl\u00edcito. Adem\u00e1s, este aprendizaje se produjo para las tres frases con regla por igual, independientemente de si conten\u00edan (regla-atendida) o no (regla-no atendida) su palabra objetivo, indicando que la manipulaci\u00f3n de la atenci\u00f3n prestada a una de esas palabras no afectaba al grado de aprendizaje impl\u00edcito de las reglas en las que participa (Figura 2A). Esto se hizo evidente al comparar, tanto para la palabra objetivo como para las otras dos palabras \u00abC\u00bb, los tiempos de reacci\u00f3n en AxC con los de xxC.<\/p>\n
![\"Figura](\"https:\/\/www.cienciacognitiva.org\/files\/2017-13-f2.jpg\")
Figura 2.- (A) Tiempos de reacci\u00f3n en el test de aprendizaje impl\u00edcito. La comparaci\u00f3n entre regla y no-regla (tiempos de respuestas a la misma palabra en una condici\u00f3n que permite predicci\u00f3n y otra que no) conteniendo la palabra objetivo permiti\u00f3 obtener una medida de aprendizaje de la regla atendida. La comparaci\u00f3n entre regla y no-regla sin la palabra objetivo permiti\u00f3 obtener una medida de aprendizaje de las reglas no atendidas. (B) Grado de discriminaci\u00f3n (d\u2019) entre \u00edtems correctos e incorrectos de los participantes en la prueba de aprendizaje expl\u00edcito. Las barras de error representan el error t\u00edpico de la media. *** p < 0.001; ** p < 0.01; * p < 0.05.<\/p><\/div>\n
Para tener una medida m\u00e1s expl\u00edcita del aprendizaje, los participantes pasaron una prueba final en la que se les presentaban nuevas frases y ten\u00edan que decidir si pertenec\u00edan o no al lenguaje al que hab\u00edan estado expuestos. Es decir, se les preguntaba directamente por el contenido de su aprendizaje. Hallamos que, al contrario de lo observado en el test impl\u00edcito, el nivel de atenci\u00f3n prestado s\u00ed tuvo efecto sobre el tipo de informaci\u00f3n que los sujetos extra\u00edan. Tanto las frases con regla y palabra atendida como las frases con regla y palabras no atendidas se aprend\u00edan de forma gen\u00e9rica (que llamaremos \u00abaprendizaje de categor\u00eda\u00bb, v\u00e9ase la Figura 2B), es decir, los participantes aprend\u00edan qu\u00e9 palabras aparec\u00edan siempre al principio y, por lo tanto, pertenec\u00edan a la categor\u00eda inicial A, y qu\u00e9 otras lo hac\u00edan siempre al final y, por lo tanto, pertenec\u00edan a la categor\u00eda final C. Sin embargo, los participantes s\u00f3lo aprendieron las relaciones de dependencia espec\u00edfica entre palabras (es decir, qu\u00e9 palabras concretas formaban la regla) cuando las frases conten\u00edan la palabra objetivo (v\u00e9ase la Figura 2 B). Este aprendizaje debe estar mediado por la atenci\u00f3n extra recibida por la palabra objetivo.<\/p>\n
En resumen, este estudio mostr\u00f3 que existen dos mecanismos disociables durante la adquisici\u00f3n de reglas. El primero es un mecanismo autom\u00e1tico que no es alterado por la cantidad de atenci\u00f3n prestada y nos permite extraer f\u00e1cilmente informaci\u00f3n sobre el orden de las palabras, facilitando la predicci\u00f3n y as\u00ed ayud\u00e1ndonos a simplificar cadenas complejas de est\u00edmulos. Sin embargo, el hecho de prestar atenci\u00f3n potencia la formaci\u00f3n de representaciones m\u00e1s expl\u00edcitas y precisas. Estos resultados a\u00f1aden evidencia a la idea de que la atenci\u00f3n es importante para el aprendizaje, pero no de forma homog\u00e9nea. Mientras que el aprendizaje m\u00e1s impl\u00edcito es independiente de la cantidad de atenci\u00f3n prestada, el aprendizaje de representaciones expl\u00edcitas se beneficia de poner m\u00e1s atenci\u00f3n.<\/p>\n
Referencias<\/strong><\/p>\nL\u00f3pez-Barroso, D., Cucurell, D., Rodr\u00edguez-Fornells, A., and de Diego-Balaguer, R. (2016). Attentional effects on rule extraction and consolidation from speech. Cognition<\/em>, 152, 61\u201369.<\/p>\nManuscrito recibido el 26 de mayo de 2017.
\nAceptado el 21 de julio de 2017.<\/p>\n","protected":false},"excerpt":{"rendered":"
Ruth de Diego-Balaguer (a,b) y Diana L\u00f3pez-Barroso (c) (a) Unidad de Cognici\u00f3n y Plasticidad Cerebral, IDIBELL, L\u2019Hospitalet de Llobregat, Espa\u00f1a …<\/span> Read More →<\/span><\/a><\/span><\/p>\n","protected":false},"author":4,"featured_media":0,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[16,4,3],"tags":[592,114,146,31],"class_list":["post-1538","post","type-post","status-publish","format-standard","hentry","category-actualidad","category-neurociencia","category-psicologia","tag-adquisicion-del-lenguaje","tag-aprendizaje-de-reglas","tag-atencion","tag-cerebro"],"_links":{"self":[{"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=\/wp\/v2\/posts\/1538","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=\/wp\/v2\/users\/4"}],"replies":[{"embeddable":true,"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=1538"}],"version-history":[{"count":9,"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=\/wp\/v2\/posts\/1538\/revisions"}],"predecessor-version":[{"id":1546,"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=\/wp\/v2\/posts\/1538\/revisions\/1546"}],"wp:attachment":[{"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=1538"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=1538"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=1538"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}
![\"(cc)](\"https:\/\/www.cienciacognitiva.org\/files\/2017-13-cc-SonnyAbesamis.jpg\")