{"id":1584,"date":"2018-03-11T20:38:45","date_gmt":"2018-03-11T18:38:45","guid":{"rendered":"https:\/\/www.cienciacognitiva.org\/?p=1584"},"modified":"2018-03-11T20:38:45","modified_gmt":"2018-03-11T18:38:45","slug":"adquisicion-o-extincion-un-modelo-bayesiano-para-analizar-curvas-de-aprendizaje","status":"publish","type":"post","link":"https:\/\/www.cienciacognitiva.org\/?p=1584","title":{"rendered":"\u00bfAdquisici\u00f3n o extinci\u00f3n? Un modelo bayesiano para analizar curvas de aprendizaje"},"content":{"rendered":"

Fernando Blanco
\nDept. de Fundamentos y M\u00e9todos de la Psicolog\u00eda, Universidad de Deusto, Espa\u00f1a<\/p>\n

\"(cc)

(cc) Fernando Blanco.<\/p><\/div>\n

Las teor\u00edas tradicionales del aprendizaje asociativo proponen que los animales codifican una representaci\u00f3n \u00fanica de la situaci\u00f3n de aprendizaje, que se transforma gradualmente para adaptarse a los cambios ambientales. Por otro lado, otras teor\u00edas han propuesto que los animales pueden almacenar m\u00faltiples representaciones, manifestando conductualmente una u otra de ellas en funci\u00f3n de las circunstancias. Esta segunda visi\u00f3n no se ha investigado en profundidad debido a las limitaciones de la estad\u00edstica tradicional en psicolog\u00eda. Recientemente, un nuevo enfoque estad\u00edstico bayesiano permite poner a prueba estas predicciones, analizando tanto las curvas de aprendizaje grupales como las de cada individuo.<\/em><\/p>\n

<\/p>\n

[Versi\u00f3n en pdf]<\/a><\/p>\n

Con la reciente \u201ccrisis de credibilidad\u201d de la psicolog\u00eda crece el inter\u00e9s por adoptar nuevas t\u00e9cnicas estad\u00edsticas que minimizan algunos peligros y permiten enfocar viejos problemas de forma novedosa. En esta l\u00ednea, un reciente art\u00edculo (Blanco y Moris, 2018) propone una aproximaci\u00f3n bayesiana al an\u00e1lisis de curvas de aprendizaje.<\/p>\n

Pensemos en un experimento cl\u00e1sico, como los realizados por Pavlov, en el que los sucesivos emparejamientos de un est\u00edmulo condicionado o EC (un sonido) y un est\u00edmulo incondicionado o EI (comida) producen un incremento de la respuesta condicionada (salivaci\u00f3n). Tradicionalmente, los modelos de aprendizaje asociativo proponen que el animal forma una representaci\u00f3n interna de la asociaci\u00f3n entre los dos elementos, la cual se fortalece gradualmente. Si, llegado un momento, comenz\u00e1semos a presentar el EC en solitario (extinci\u00f3n), la asociaci\u00f3n ir\u00eda debilit\u00e1ndose paulatinamente, lo mismo que la respuesta condicionada (Figura 1).<\/p>\n

\"Figura

Figura 1.- Representaci\u00f3n del proceso de aprendizaje por emparejamiento de un EC y un EI, junto con la cl\u00e1sica curva de adquisici\u00f3n y extinci\u00f3n de la respuesta condicionada.<\/p><\/div>\n

La clave de esta aproximaci\u00f3n radica en dos ideas. La primera es que hay una sola representaci\u00f3n para capturar toda la situaci\u00f3n de aprendizaje. La segunda, que esta asociaci\u00f3n cambia gradualmente. Sin embargo, hay indicios de que estas teor\u00edas \u201cde estado \u00fanico\u201d no describen adecuadamente la realidad. Primero, hay evidencia de que el aprendizaje puede ocurrir de forma s\u00fabita en fen\u00f3menos como los de cambio contextual o renovaci\u00f3n (Rosas y Callejas-Aguilera, 2006), ilustrado en la Figura 2.<\/p>\n

\"Figura

Figura 2.- Ilustraci\u00f3n del efecto de renovaci\u00f3n. Un grupo de sujetos (ratas) muestra una curva de adquisici\u00f3n y de extinci\u00f3n. A continuaci\u00f3n, el test se realiza en un contexto diferente (los animales son trasladados a una jaula distinta de donde tuvo lugar el experimento), lo que provoca una inmediata reaparici\u00f3n de la respuesta (renovaci\u00f3n). Figura adaptada de Bouton y Peck (1989).<\/p><\/div>\n

Segundo, algunos autores observan que las curvas de aprendizaje individuales no se parecen a la curva gradual que predice la teor\u00eda: al contrario, muestran oscilaciones abruptas y aparentemente aleatorias (Figura 3), llegando a sugerir que la famosa \u201ccurva de aprendizaje\u201d es un mero artefacto estad\u00edstico (Gallistel, Fairhurst y Balsam, 2004).<\/p>\n

\"Figura

Figura 3.- Demostraci\u00f3n del efecto de promediado de las curvas de aprendizaje. A la izquierda se muestran dos curvas de aprendizaje simuladas de dos participantes con cambios abruptos, que una vez promediadas dar\u00edan como resultado la curva gradual representada a la derecha. Esta curva promediada no es representativa de la ejecuci\u00f3n de los individuos.<\/p><\/div>\n

Ante este panorama, surge la propuesta te\u00f3rica de los \u201cestados m\u00faltiples\u201d. Esta asume que (a) los animales son capaces de representar y actualizar varios estados del mundo simult\u00e1neamente, y (b) pueden expresar conductualmente un estado u otro de manera inmediata y flexible, en funci\u00f3n de las demandas externas. Adem\u00e1s, el nivel de an\u00e1lisis ideal para esta propuesta es el del individuo, ya que (como hemos comentado) los cambios bruscos en la conducta pueden quedar enmascarados en el nivel grupal (Figura 3).<\/p>\n

Aqu\u00ed surge la necesidad de adoptar nuevos m\u00e9todos estad\u00edsticos por dos motivos. Primero, la estad\u00edstica frecuentista tradicional se basa en la agregaci\u00f3n de datos, por lo que est\u00e1 mejor dotada para caracterizar grupos que para estudiar individuos. Segundo, bajo la perspectiva de los estados m\u00faltiples, nuestro foco de inter\u00e9s es cu\u00e1ndo se pasa de expresar una representaci\u00f3n a expresar otra diferente. Es decir, querr\u00edamos analizar series de respuestas para hacer una estimaci\u00f3n del momento en que ha ocurrido un cambio brusco que indica la sustituci\u00f3n de una representaci\u00f3n por otra. De nuevo, la estad\u00edstica tradicional no ofrece herramientas apropiadas.<\/p>\n

Por todo esto, proponemos un enfoque bayesiano dise\u00f1ado espec\u00edficamente para capturar el momento en el que se da esa transici\u00f3n. Los detalles matem\u00e1ticos escapan a este resumen, pero se describen en el art\u00edculo original (datos y programas de an\u00e1lisis est\u00e1n disponibles en Open Science Framework: https:\/\/osf.io\/zmcs4\/).<\/p>\n

Para probar el modelo realizamos un experimento con estudiantes de psicolog\u00eda. Consist\u00eda en un videojuego en el que un personaje pulsaba una palanca (equivalente al EC) y a continuaci\u00f3n se encend\u00eda una bombilla (EI). En cada uno de estos ensayos, el participante predec\u00eda si se iba a encender la bombilla con un juicio del 0 al 100. Esta predicci\u00f3n es una medida de la fuerza de esa asociaci\u00f3n EC-EI que el participante ha formado internamente.<\/p>\n

El experimento manipulaba el porcentaje de ensayos reforzados (presi\u00f3n de palanca seguida de bombilla encendida), con tres niveles de reforzamiento: 100%, 75% y 50%. Tras la adquisici\u00f3n, todos los grupos pasaban a una fase de extinci\u00f3n en la que la bombilla no volv\u00eda a encenderse. El resultado habitual se llama \u201cefecto del reforzamiento parcial en la extinci\u00f3n\u201d (ERPE), y consiste en una extinci\u00f3n m\u00e1s lenta en los dos grupos con reforzamiento parcial (Jenkins y Rigby, 1950).<\/p>\n

La Figura 4 muestra los datos que obtuvimos en nuestro experimento, promediando todos los participantes de cada grupo. El resultado es compatible con la predicci\u00f3n del ERPE: extinci\u00f3n r\u00e1pida en el grupo 100% reforzado y m\u00e1s lenta en los otros dos.<\/p>\n

\"Figura

Figura 4.- Curvas de aprendizaje obtenidas en el experimento, promediadas por grupo. El patr\u00f3n es consistente con el ERPE: La extinci\u00f3n es m\u00e1s lenta cuando el reforzamiento no es continuo (grupos de Ref. 50% y 75% frente al grupo de ref. 100%). El eje vertical representa el nivel medio de respuesta del grupo en cada ensayo, y el horizontal los ensayos de ambas fases.<\/p><\/div>\n

Sin embargo, las teor\u00edas de estado \u00fanico y de estados m\u00faltiples hacen predicciones diferentes en cuanto a qu\u00e9 ocurre a nivel individual. Mientras que las primeras predicen en todo caso cambios graduales, las teor\u00edas de estados m\u00faltiples proponen que cada individuo muestra cambios abruptos y variables entre individuos, como los que muestra la Figura 5 para algunos participantes.<\/p>\n

\"Figura

Figura 5.- Curvas de aprendizaje de tres participantes obtenidas en el experimento (cada uno corresponde a un grupo). El eje vertical representa el nivel de respuesta individual en cada ensayo, y el horizontal los ensayos de ambas fases. Se observan cambios bruscos y patrones que ni son predecibles por las teor\u00edas tradicionales, ni tampoco aparecen en la curva agregada de la figura anterior.<\/p><\/div>\n

Seg\u00fan las teor\u00edas de estados m\u00faltiples, lo que nos interesa es detectar el momento en que cada participante pasa de usar una representaci\u00f3n a usar otra. El modelo bayesiano realiza esta estimaci\u00f3n, ofreci\u00e9ndonos adem\u00e1s una distribuci\u00f3n de credibilidad (para cada valor del par\u00e1metro de inter\u00e9s tendremos una funci\u00f3n que representa c\u00f3mo de cre\u00edble es ese valor, dados los datos). En este experimento comprobamos c\u00f3mo los participantes de los grupos de reforzamiento parcial tend\u00edan a tener \u201cmomentos de cambio\u201d m\u00e1s tard\u00edos y variables que los del grupo de reforzamiento continuo, lo cual explicar\u00eda el ERPE (Figura 6).<\/p>\n

\"Figura

Figura 6.- Distribuciones de credibilidad para el momento del cambio en la conducta, en cada grupo de nuestro experimento. Cuanto menor es el porcentaje de reforzamiento en la adquisici\u00f3n, m\u00e1s se retrasa el momento de cambio en la extinci\u00f3n. Esto invita a interpretar el ERPE en t\u00e9rminos de cambios s\u00fabitos en la respuesta.<\/p><\/div>\n

En definitiva, este estudio presenta una t\u00e9cnica novedosa de an\u00e1lisis de datos que nos permite estudiar un fen\u00f3meno que habitualmente pasa desapercibido: los cambios bruscos en la conducta de cada individuo no son ruido, sino que siguen patrones predecibles. En el caso del ERPE, la tasa previa de reforzamiento predice en qu\u00e9 ensayo aproximado el participante cambiar\u00e1 su respuesta: cuanto menor es el porcentaje de reforzamiento en la adquisici\u00f3n, m\u00e1s tard\u00eda se vuelve la extinci\u00f3n.<\/p>\n

Referencias<\/strong><\/p>\n

Blanco, F., y Moris, J. (2018). Bayesian methods for addressing long-standing problems in associative learning: The case of PREE. Quarterly Journal of Experimental Psychology<\/em>. doi: 10.1080\/17470218.2017.1358292<\/p>\n

Bouton, M. E., y Peck, C. A. (1989). Context effects on conditioning, extinction, and reinstatement in an appetitive conditioning preparation. Animal Learning & Behavior<\/em>, 17, 188\u2013198.<\/p>\n

Gallistel, C. R., Fairhurst, S., y Balsam, P. (2004). The learning curve: Implications of a quantitative analysis. Proceedings of the National Academy of Sciences of the United States of America<\/em>, 101, 13124\u201331.<\/p>\n

Jenkins, W. O., y Rigby, M. K. (1950). Partial (periodic) versus continuous reinforcement in resistance to extinction. Journal of Comparative and Physiological Psychology<\/em>, 43, 30\u201340.<\/p>\n

Rosas, J. M., y Callejas-Aguilera, J. E. (2006). Context switch effects on acquisition and extinction in human predictive learning. Journal of Experimental Psychology: Learning, Memory, and Cognition<\/em>, 32, 461\u201374.<\/p>\n

Manuscrito recibido el 11 de diciembre de 2017.
\nAceptado el 9 de enero de 2018.<\/p>\n","protected":false},"excerpt":{"rendered":"

Fernando Blanco Dept. de Fundamentos y M\u00e9todos de la Psicolog\u00eda, Universidad de Deusto, Espa\u00f1a Las teor\u00edas tradicionales del aprendizaje asociativo …<\/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":[16,3],"tags":[109,597,598,416],"class_list":["post-1584","post","type-post","status-publish","format-standard","hentry","category-actualidad","category-psicologia","tag-aprendizaje","tag-condicionamiento","tag-estadistica-bayesiana","tag-extincion"],"_links":{"self":[{"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=\/wp\/v2\/posts\/1584","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=1584"}],"version-history":[{"count":6,"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=\/wp\/v2\/posts\/1584\/revisions"}],"predecessor-version":[{"id":1590,"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=\/wp\/v2\/posts\/1584\/revisions\/1590"}],"wp:attachment":[{"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=1584"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=1584"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.cienciacognitiva.org\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=1584"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}