Aprendizaje causal en humanos: detectando la fuerza causal en contextos que varían en la tasa base del efecto

Abstract

El beneficio principal de contar con una representación de la potencia causal (Cheng, 1997) es que ésta supone una descripción contexto-independiente de la influencia de una determinada causa sobre el efecto. Por lo tanto, una forma adecuada de poner a prueba la existencia de estos modelos mentales es crear situaciones en las que la gente observa o predice la efectividad de las causas diana en múltiples contextos. La naturaleza trans-situacional de la potencia trae consigo una serie de consecuencias testables que hemos puesto a prueba a lo largo de tres series experimentales. En la primera serie experimental investigamos la transferencia de la fuerza causal, aprendida en un contexto específico, a un contexto en el que la probabilidad o tasa base del efecto es diferente. Los participantes debían predecir la probabilidad del efecto dada la introducción de la causa en el nuevo contexto. En la segunda serie experimental estudiamos las estrategias utilizadas por las personas a la hora de descubrir relaciones causales. De acuerdo con el modelo de la potencia causal, si pretendemos descubrir la potencia de una causa, entonces lo más apropiado es introducirla en el contexto más informativo y menos ambiguo posible. En los distintos experimentos de la serie combinamos tanto contextos como causas probabilísticas y determinísticas. En la tercera serie experimental intentamos extender los hallazgos de Liljeholm & Cheng (2007), en los se encontró que la generalización entre contextos ocurre según las predicciones del modelo de potencia. Parece probable que el procedimiento de dos fases utilizado por los autores promueva la tendencia a ignorar algunos ensayos, generando artificialmente resultados consistentes con los esperados por la potencia. Además, cuando controlamos la P(E|C) independientemente de la potencia, el patrón de resultados se invirtió, contradiciendo lo esperado por el modelo de Cheng. En conclusión, existe cierta evidencia que apoya la existencia de modelos causales pero es necesario buscar formas adecuadas de poner a prueba estos modelos.