ArticlePDF Available

Aprendizaje predictivo y causal: ¿Evidencia de diferentes niveles? Predictive and causal learning: Is there evidence that they are at different levels?

Authors:
Aprendizaje predictivo y causal:
¿Evidencia de diferentes niveles?
(Predictive and causal learning: Is there
evidence that they are at different levels?)
LEYRE CASTRO, SONIA VEGAS Y HELENA MATUTE
Universidad de Deusto
El trabajo de Perales, Catena y Maldonado aborda un reto necesario y complica-
do. Muchos autores han insistido, desde perspectivas teóricas muy diferentes (p.ej.,
Cheng, 1997; Miller y Matute, 1996), en la necesidad de diferenciar entre aprendi-
zaje predictivo y causal, pero por el momento no ha sido posible sistematizar de
manera clara las relaciones entre ambos. Así, el intento de Perales y cols. por esta-
blecer un marco de referencia para el estudio riguroso y sistemático del aprendizaje
predictivo y causal se convierte en una interesante y atractiva propuesta que permi-
te impulsar el desarrollo de nuevas investigaciones en este campo.
Consideramos, no obstante, que muchas de las afirmaciones que los autores
dan por probadas no lo son tanto, y reflejan únicamente uno de los lados de la
polémica existente en la literatura actual. De los dos grandes bloques teóricos
que existen en la actualidad, el modelo asociativo y el modelo normativo, los
autores parecen decantarse por este último obviando el hecho de que muchos de
los efectos que aquí se discuten se explican mejor desde una perspectiva asociati-
va. Tal y como ya han mencionado López, Cobos, Caño y Shanks (1998), mien-
tras los modelos normativos indican cuál debería ser el resultado final del apren-
dizaje, los modelos asociativos explican mejor cuál es en realidad el proceso por
el que se produce el aprendizaje, incluyendo los sesgos y errores que se observan a
menudo en el aprendizaje humano y animal, y que no pueden ser explicados por
los modelos normativos. Por tanto, a pesar del valor heurístico que tiene sin
duda la propuesta de Perales y cols., se hace necesario mencionar que muchas de
sus afirmaciones teóricas no tienen suficiente justificación empírica. En este
comentario intentaremos señalar aquellos aspectos del artículo que consideramos
más problemáticos a la luz de los datos existentes en la actualidad.
UNIDIRECCIONALIDAD VS. BIDIRECCIONALIDAD
Perales y cols. presentan un modelo en el que las relaciones de contingencia,
de predicción y de causalidad están organizadas jerárquicamente en función de la
Agradecimientos: Este trabajo ha sido realizado en el marco del proyecto de investigación PI-2000-
12 del Departamento de Educación, Universidades e Investigación del Gobierno Vasco. Durante
la realización de este trabajo L.C. disfrutaba de una beca FPU del Ministerio de Educación, Cultu-
ra y Deporte (Ref. AP99, 14605555), y S.V. de una beca FPI del Departamento de Educación
Universidades e Investigación del Gobierno Vasco (Ref. BFI00.138).
Correspondencia con los autores: Helena Matute. Departamento de Psicología. Universidad de Deusto.
Apartado 1. 48080 Bilbao. E-mail: matute@orion.deusto.es
© 2002 by Fundación Infancia y Aprendizaje, ISSN: 0214-3550 Cognitiva, 2002, 14 (1), 43-48
dirección en que se produce el aprendizaje. Dentro de ese marco, los autores esta-
blecen que el aprendizaje de las relaciones predictivas se caracteriza por su unidi-
reccionalidad, del evento predictor al evento predicho. Según Perales y cols., no
sería posible aprender del evento predicho al predictor o, por ejemplo, dentro del
condicionamiento clásico, no sería posible aprender una asociación que fuera del
estímulo incondicionado (EI) al estímulo condicionado (EC). Esto plantea diver-
sos problemas empíricos.
En primer lugar, diferentes estudios con animales han demostrado que los
sujetos pueden aprender asociaciones EC-EI y EI-EC independientemente del
orden temporal en que se presentan los estímulos, aunque, como es lógico, para
que se dé una respuesta condicionada (RC) es necesario que el EC prediga el EI
durante la fase de prueba (Barnet, Arnold y Miller, 1991; Matzel, Held y Miller,
1988; Miller y Barnet, 1993). Así, según los trabajos de Miller y sus colaborado-
res, no habría tanto una dificultad por establecer un aprendizaje cuando el EC se
presenta después del EI, tal y como Perales y cols. concluyen, sino que sería la
respuesta condicionada, y no el aprendizaje de la relación, lo que dependería del
orden temporal. Por tanto, o bien el condicionamiento clásico no entra dentro
del nivel de representación de las relaciones predictivas, que es donde lo sitúan
Perales y cols., sino dentro del nivel de las relaciones causales, o bien el aprendi-
zaje de las relaciones predictivas no es unidireccional.
En segundo lugar, también en aprendizaje predictivo con humanos hay evi-
dencia de bidireccionalidad. Partiendo de que la direccionalidad puede no ser
inherente al proceso de aprendizaje sino al proceso de respuesta, Gerolin y Matu-
te (1999) presentaron a los sujetos un color (clave) seguido de una determinada
figura (consecuencia). Al observar después la figura en una fase posterior de
prueba los sujetos eran capaces de responder cuál era el color predictor. Por
tanto, durante un experimento de aprendizaje predictivo, los sujetos pueden
adquirir asociaciones bidireccionales y utilizar la información tanto en una direc-
ción como en otra. Asimismo, Arcediano, Escobar y Miller (2000) obtuvieron en
una preparación conductual también con humanos evidencia de que el condicio-
namiento hacia atrás daba lugar a la formación de asociaciones temporales hacia
atrás; es decir, asociaciones consecuencia clave cuando durante el entrenamien-
to sólo se habían presentado emparejamientos en la dirección clave consecuen-
cia.
Por otro lado, Perales y cols. sostienen que la disociación entre el orden tem-
poral y el orden causal es una característica exclusiva de las relaciones causales.
Según estos autores, el aprendizaje causal es sensible a la manipulación de la
dirección causal, es decir, se aprende siempre en dirección causa efecto, inde-
pendientemente de que las causas (C) se presenten antes que los efectos (E), o los
efectos antes que las causas. Esta afirmación la apoyan en dos supuestos. En pri-
mer lugar, los autores apoyan esta afirmación en una serie de experimentos en los
que no se han observado efectos de competición de claves cuando la clave objeti-
vo y la clave competidora se definen como posibles efectos de una causa común
(Van Hamme, Kao y Wasserman,1993; Waldmann y Holyoak, 1992, Exp. 1 y
3; Waldmann, 2000). Sin embargo, y a pesar de estos resultados fallidos, es sabi-
do que muchos otros estudios han mostrado que es posible obtener competición
entre efectos de una causa común, tanto con animales (Esmorís-Arranz, Miller y
Matute, 1997; Miller y Matute, 1998) como con humanos (Chapman, 1991;
Matute, Arcediano y Miller, 1996; Price y Yates, 1993, 1995; Shanks, 1991;
Shanks y López, 1996; Cobos, Caño, López, Luque y Almaraz, 2000; Waldmann
y Holyoak, 1992, Exp. 2); y tanto cuando los efectos toman el papel de claves,
como cuando toman el papel de resultados, o incluso cuando son presentados al
44
mismo tiempo que la posible causa. No parece, por tanto, que pueda concluirse
de los estudios que no han hallado competición entre efectos, que ésta no pueda
tener lugar.
En segundo lugar, Perales y cols. consideran como evidencia de la disociación
entre el orden causal y el orden temporal en el aprendizaje de relaciones causales
el que éste es sensible a que los efectos de una causa común tienden a correlacio-
nar, pero que no tienden a correlacionar las causas de un efecto común. A este
respecto, la prueba empírica aportada es una serie de experimentos recientes no
publicados de Perales, Catena y Maldonado (2001). En el Experimento 1, dos
sustancias químicas se presentan, en fases separadas, como efectos de una enfer-
medad común (E1 C en la primera fase; E2 C en la segunda fase), y los resul-
tados muestran correlación entre ambos efectos. En el Experimento 2, dos sus-
tancias químicas se presentan como causas de una enfermedad común (C1 E en
la primera fase; C2 E en la segunda fase), y en este caso no se observa correla-
ción entre ambas causas. El Experimento 3 integra las condiciones de los dos
anteriores y cambia ligeramente el escenario causal: para la mitad de los sujetos
dos microorganismos ficticios se presentan como posibles causas de la aparición
de cierta sustancia química en el aire de una ciudad (C1 E en la primera fase;
C2 E en la segunda fase); para la otra mitad, los dos microorganismos se descri-
ben como efectos de la sustancia química (E1 C en la primera fase; E2 C en la
segunda fase). Los resultados replican lo anterior. Es decir, se encuentra correla-
ción entre los dos microorganismos cuando estos se describen como efectos de la
sustancia química pero no cuando se describen como sus causas. El resultado,
apoya, por tanto, la afirmación de que hay correlación entre efectos pero no entre
causas. Sin embargo, el efecto descrito pudiera ser debido, no a diferencias con-
ceptuales entre causas y efectos, sino al escenario causal utilizado, el cual activa
cierta experiencia previa respecto a cómo determinados efectos correlacionan
entre sí y determinadas causas no lo hacen. ¿Qué hubiera pasado en un escenario
causal muy distinto en el que las causas no fueran independientes sino que
pudiera haber correlación entre ellas? Por ejemplo, si depresión y ansiedad fue-
ran presentados como causa del bajo rendimiento laboral de una persona, proba-
blemente se observaría correlación entre depresión y ansiedad. En cualquier caso,
esta sería una cuestión que, sin duda, requiere de una mayor aportación de evi-
dencia empírica.
Otro problema que observamos en la afirmación de Perales y cols. de que
siempre se aprende en la dirección causa efecto independientemente del orden
temporal de los estímulos proviene de estudios que muestran que los sujetos
experimentales pueden aprender ciertas asociaciones sin tener conciencia o estan-
do confundidos respecto a lo que es causa y lo que es efecto. Así, cuando los efec-
tos se conocen antes que las causas, las personas tienden a confundir la probabili-
dad del efecto dada la causa, p(E|C), con la probabilidad de la causa dado el efec-
to, p(C|E), puesto que saben que las causas ocurren antes que los efectos (Einhorn
y Hogarth, 1996). Por ejemplo, un resultado positivo en una mamografía predi-
ce la existencia de un cáncer. La prueba se utiliza para diagnosticar la enferme-
dad, aunque es la existencia de la enfermedad la que causa el resultado positivo
en la prueba. La causa precede al efecto, pero el efecto es conocido antes y se utili-
za para diagnosticar la causa. En un caso como éste, los sujetos confunden la pro-
babilidad de tener cáncer habiendo dado un resultado positivo en la mamografía,
con la probabilidad de dar un resultado positivo en la prueba teniendo cáncer
(Eddy, 1982). Por tanto, los humanos no siempre mostrarían la capacidad de
disociar el orden temporal del orden causal.
45
En conjunto, creemos que la evidencia disponible hasta la fecha no permite
diferenciar entre relaciones predictivas y causales en función de su direccionali-
dad. Nuestra interpretación de la literatura en este punto difiere bastante de la
interpretación de Perales y cols.: tanto en el aprendizaje predictivo como en el
aprendizaje causal la relación entre los eventos ocurre en la naturaleza siempre en
una misma dirección (causa efecto; evento predictor evento predicho), pero
en ambos casos es también posible presentar la información en sentido contrario
en una manipulación experimental, y en ambos casos pueden los sujetos utilizar
después la información aprendida de manera flexible, tanto hacia delante como
hacia atrás. También en ambos casos puede ocurrir competición entre claves y
entre resultados, independientemente de si estos se definen como causas o efec-
tos, o como eventos predictores o eventos predichos. Por tanto, a diferencia de
Perales y cols., concluiríamos que, independientemente del orden en el que se
presenten los estímulos y de cómo se interpreten, los sujetos pueden utilizar la
información en ambas direcciones, en función de las demandas de la tarea. No
parece ser ésta, desde nuestro punto de vista, una diferencia que permita discri-
minar entre aprendizaje predictivo y causal.
FUNCIONALIDAD DEL APRENDIZAJE DE RELACIONES
CAUSALES
Coincidimos con Perales y cols. en que es importante para la supervivencia de
cualquier animal diferenciar entre relaciones predictivas y relaciones causales.
Sin embargo, no creemos que el valor adaptativo de la distinción entre relaciones
de predicción y relaciones causales se desprenda necesariamente de los argumen-
tos que Perales y cols. utilizan. En primer lugar, señalan que discriminar entre
relaciones causales y de predicción es funcional si se pretende generalizar lo
aprendido a otros contextos, puesto que las relaciones causales son estables a tra-
vés de diferentes contextos y las predictivas no lo son. Sin embargo, al afirmar
esto no se tiene en cuenta que determinadas causas pueden producir determina-
dos efectos en un contexto y no en otro: por ejemplo, una cerilla prenderá en un
ambiente con oxígeno, pero no cuando éste falte; ni que los cambios de contexto
pueden llevar a que causas alternativas resulten más salientes, perdiendo así efec-
tividad la causa objetivo (Mackie, 1974): si alguien en su casa bebe un vaso de
leche y vomita, atribuiremos el vómito al mal estado de la leche; pero si esto le
ocurre a una persona hospitalizada, atribuiremos probablemente el vómito a las
condiciones de esa persona, y no al mal estado de la leche. Asimismo, hay abun-
dantes datos en la literatura animal de que el contexto afecta a la manifestación
de las asociaciones tanto predictivas (condicionamiento clásico) como causales
(condicionamiento instrumental) (p. ej., Bouton, 1993; Spear, 1971) y estos
datos han sido también replicados en tareas predictivas y causales con humanos
(p. ej., Pineño y Matute, en prensa; Rosas, Vila, Lugo y López, 2001). Por tanto,
no parece ser ésta una diferencia que justifique el mayor valor adaptativo del
aprendizaje de relaciones causales frente al de relaciones predictivas.
Otra ventaja adaptativa que proponen Perales y cols. sería que el aprendizaje
de relaciones causales permite manipular y controlar el medio, lo cual no lo per-
miten las relaciones predictivas. Si bien esto es cierto, podría resultar cuestiona-
ble si nos introducimos en el tipo de relaciones que Perales y cols. consideran
predictivas. Los autores parecen asumir que en el aprendizaje animal no hay
aprendizaje de relaciones causales, sino tan sólo aprendizaje de relaciones predic-
tivas. Es cierto que la RC en el condicionamiento clásico sólo nos informa de que
46
el animal es capaz de predecir la ocurrencia del EI, y la predicción no implica
causación. Sin embargo, en el condicionamiento instrumental el animal hace
algo más que predecir el reforzador: da una respuesta que le permite obtenerlo y,
por tanto, controlarlo. Además, no sería tan descabellado sugerir que si los
humanos somos capaces de aprender relaciones causales, los animales probable-
mente tengan también esa capacidad, ya que tanto animales como humanos
hemos afrontado los mismos problemas a lo largo de la evolución y hemos estado
sometidos a las mismas exigencias por parte del entorno: predecir y controlar. En
cualquier caso, como señalan Miller y Matute (1996) la cuestión de si los sujetos
expuestos a un proceso de condicionamiento clásico aprenden simplemente que
el EC predice el EI, o aprenden que el EC causa el EI, es una cuestión empírica.
Por ejemplo, si los sujetos intentaran que ocurriera el EC para obtener el EI (asu-
miendo que la valencia del EI es positiva) en una prueba instrumental posterior,
esto sería un indicativo de aprendizaje causal. En esta línea, un estudio de Kille-
en (1981) mostró que una paloma en una situación instrumental es capaz de dis-
tinguir entre la aparición de una luz producida por su propio comportamiento
de la aparición de la luz producida por otros factores. Killeen interpretó estas
observaciones como indicativo de que las palomas tenían un conocimiento de
qué era lo que causaba la aparición de la luz. También podría argumentarse que
las palomas desarrollaban ciertas estrategias comportamentales que les permití-
an resolver la tarea sin inferir causalidad; sin embargo, si este fuera el caso, tam-
bién podría defenderse que la causalidad humana no es sino un reflejo de la apli-
cación de ese mismo tipo de estrategias (Young, 1995).
De todo lo aquí comentado, la conclusión más importante es que estamos tra-
tando con cuestiones todavía no resueltas. El valor heurístico contenido en la
propuesta de Perales y cols. se revela como una opción fundamental para impul-
sar el avance del conocimiento sobre el aprendizaje de las relaciones entre los
acontecimientos, pero la propuesta concreta está aún lejos de ser avalada por los
datos existentes y tendrá que ser la investigación de los próximos años la que
determine la validez del modelo propuesto.
Referencias
ARCEDIANO, F., ESCOBAR, M.y MILLER, R. R.(2000). Codificación temporal, asociaciones hacia atrás, y
bidireccionalidad de las asociaciones en humanos.En Libro de Resúmenes del XII Congreso de la Sociedad
Española de Psicología Comparada (84). Granada: Universidad de Granada.
BARNET, R. C., ARNOLD, H. M. y MILLER, R. R. (1991). Simultaneous conditioning demonstrated in
second-order conditioning: Evidence for similar associative structure in forward and simultaneous
conditioning. Learning and Motivation, 22, 253-268.
BOUTON, M. E.(1993). Context, time, and memory retrieval in the interference paradigms of Pavlovian
learning. Psychological Bulletin, 114, 80-99.
CHAPMAN, G. B. (1991). Trial order affects cue interaction in contingency judgment. Journal of Experi-
mental Psychology: Learning, Memory and Cognition, 17, 837-854.
CHENG, P. W. (1997). From covariation to causation: A causal power theory. Psychological Review, 104,
367-405.
COBOS, P. L., CAÑO, A., LÓPEZ, F. J., LUQUE, J. L. y ALMARAZ, J. (2000). Does the type of judgement
required modulate cue competition? Quarterly Journal of Experimental Psychology, 53B, 193-207.
EDDY, D. M. (1982). Probabilistic reasoning in clinical medicine: Problems and opportunities. En D.
Kahneman, P. Slovic y A. Tversky (Eds.), Judgment under uncertainty: Heuristics and biases (pp. 249-
267). Nueva York: Cambridge University Press.
EINHORN, H. J. yHOGARTH, R. M. (1996). Judging probable cause. Psychological Bulletin, 99, 3-19.
ESMORÍS-ARRANZ, F. J., MILLER, R. R. y MATUTE, H. (1997). Blocking of antecedent and subsequent
events. Journal of Experimental Psychology: Animal Behavior Processes, 23, 145-156.
GEROLIN, M. y MATUTE, H.(1999). Bidirectional associations. Animal Learning & Behavior, 27, 42-49.
47
KILLEEN, R. R. (1981). Learning as causal inference. En M. L. Commons y J. A. Nevins (Eds.), Quanti-
tative analyses of behavior (Vol.1): Discriminative properties of reinforcement schedules (pp. 89-112). Cam-
bridge, MA: Ballinger.
LÓPEZ, F. J., COBOS, P. L., CAÑO, A.y SHANKS, D. R.(1998). The rational analysis of human causal and
probability judgment. En M. Oaksford y N. Chater (Eds.), Rational models of cognition (pp. 314-352).
Oxford: Oxford University Press.
MACKIE, J. L. (1974). The cement of the universe: A study of causation. Oxford: Clarendon Press.
MATUTE, H., ARCEDIANO, F. y MILLER, R. R. (1996). Test Question modulates cue competition betwe-
en causes and between effects. Journal of Experimental Psychology: Learning, Memory and Cognition, 22,
182-196.
MATZEL, L. D., HELD, F. P. y MILLER, R. R. (1988). Information and expression of simultaneous and
backward associations: Implications for contiguity theory. Learning and Motivation, 19, 317-344.
MILLER, R. R. y BARNET, R. C. (1993). The role of time in elementary associations. Current Directions in
Psychological Science, 2, 106-111.
MILLER, R. R. y MATUTE, H. (1996). Animal analogues of causal judgment. En D. R. Shanks, K. J.
Holyoak y D. L. Medin (Eds.), The psychology of learning and motivation, Vol. 34: Causal learning (pp.
133-166). San Diego, CA: Academic Press.
MILLER, R. R. y MATUTE, H. (1998). Competition between outcomes. Psychological Science, 9, 146-149.
PERALES, J. C., CATENA, A. y MALDONADO, A. (2001). Outcome mediated contingency learning is sensitive to
causal directionality. Manuscrito enviado para publicación.
PINEÑO, O. y MATUTE, H. (En prensa). Interference in human predictive learning when associations
share a common element. International Journal of Comparative Psychology, 13.
PRICE, P. C. y YATES, J. F. (1993). Judgmental overshadowing: Further evidence of cue interaction in
contingency judgment. Memory & Cognition, 21, 561-572.
PRICE, P. C. y YATES, J. F. (1995). Associative and rule-based accounts of cue interaction in contingency
judgment. Journal of Experimental Psychology: Learning, Memory, and Cognition, 21, 1639-1655.
ROSAS, J. M., VILA, J. N., LUGO., M. y LÓPEZ, L. (2001). Combined effect of context change and reten-
tion interval upon proactive interference in causality judgments. Journal of Experimental Psychology:
Animal Behavior Processes, 27, 153-164.
SHANKS, D. R. (1991). Categorization by a connectionist network. Journal of Experimental Psychology:
Learning, Memory and Cognition, 17, 433-443.
SHANKS, D. R., y LÓPEZ, F. J. (1996). Causal order does not affect cue selection in human associative
learning. Memory & Cognition, 24, 511-522.
SPEAR, N. E. (1971). Forgetting as retrieval failure. En W. K. Honig. y P. H. R. James (Eds.), Animal
memory (pp. 45-199). Nueva York: Academic Press.
VAN HAMME, L. J., KAO, S-F. y WASSERMAN, E. A. (1993). Judging interevent relations: From cause to
effect and from effect to cause. Memory & Cognition, 21, 802-808.
WALDMANN, M. R. (2000). Competition among causes but not effects in predictive and diagnostic lear-
ning. Journal of Experimental Psychology: Learning, Memory, and Cognition, 26, 53-76.
WALDMANN, M. R. y HOLYOAK, K. J. (1992). Predictive and diagnostic learning within causal models:
asymmetries in cue competition. Journal of Experimental Psychology: General, 121, 222-236.
YOUNG, M. E. (1995). On the origin of personal causal theories. P sychonomic Bulletin & Review, 2, 83-
104.
48
... Es así, que desde el punto de vista normativo la competición de claves es asintóticamente equivalen-te a una computación estadística condicional, es decir que de acuerdo con esta aproximación la validez de predicción causal de cada clave es computada condicionándose sobre las otras claves potenciales que son consideradas relevantes (Ramos, Álvarez & Catena, 2005). En algunos casos se ha visto que una de las mayores diferencias entre estos dos modelos (asociativo y normativo) se ve en que mientras los normativos indican cual debería ser el resultado final del aprendizaje , los modelos asociativos explican mejor cual es en realidad el proceso por el que se produce el aprendizaje , incluyendo los sesgos y errores que se observan a menudo en el aprendizaje humano y animal, los cuales al parecer hasta el momento no pueden ser explicados de forma detallada por los modelos normativos (Castro, Vegas & Matute, 2002). Por otro lado, a partir del modelo de Rescorla y Wagner (1972) atribuyó importancia a la perspectiva asociativa del estudio de la inducción causal en los humanos. ...
Article
Full-text available
Una muestra de 64 estudiantes universitarios con un rango de edad entre 16 y 25 años participaron en una tarea de aprendizaje causal que pretendía establecer si al presentar estímulos causales semánticamente separables versus semánticamente integrales, ocurriría asimetría o simetría en la prueba de generalización con estímulos compuestos. Como resultado del experimento se encontró que tanto en los estímulos compuestos semánticamente separables como en los estímulos compuestos semánticamente integrales se presentaba simetría en el decremento por general-ización, coincidiendo de esta forma con una perspectiva configuracional del procesamiento de estímulos compuestos y rechazando la hipótesis de procesamiento flexible, según la cual se presentaría simetría en el decremento por gen-eralización con los estímulos integrales y asimetría en el decremento por generalización con los estímulos separables. Palabras clave: aprendizaje asociativo causal; teorías elementalistas; teorías configuracionales; generalización de estímulos; decremento por generalización.
Article
Full-text available
Five conditioned lick-suppression experiments with water-deprived rats examined the possibility that simultaneous and backward associations are learned, but are not expressed as anticipatory responses in common indexes of associative strength. Experiments 1–4 used a sensory preconditioning procedure in which clicks preceded the onset of a tone. Subsequently, the tone was paired with footshock in either a forward, simultaneous, or backward arrangement. In no case did the tone trained in the simultaneous or backward manner elicit a conditioned response. However, Experiments 1, 2, and 3 determined that the clicks, which predicted the tone, evoked equally strong conditioned responses regardless of whether the tone was paired with the shock in a forward, simultaneous, or backward manner. Experiment 4 found that responding to the clicks was degraded following postconditioning extinction of the tone, regardless of whether the tone had been paired with the shock in a forward or simultaneous manner. Experiment 5 determined that if the click and tone were paired simultaneously, the click failed a test for excitation following tone-shock simultaneous pairings but passed a test for excitation following tone-shock forward pairings. Collectively, these findings suggest that predictive information (i.e., a forward relationship between stimuli) is not necessary for the acquisition of an association, but may promote the expression of the association in an anticipatory response system. Moreover, these results suggest that associations are not simple linkages, but contain information regarding the temporal relationship of the associates.
Article
Full-text available
Detecting the causal relations among environmental events is an important facet of learning. Certain variables have been identified which influence both human causal attribution and animal learning: temporal priority, temporal and spatial contiguity, covariation and contingency, and prior experience. Recent research has continued to find distinct commonalities between the influence these variables have in the two domains, supporting a neo-Humean analysis of the origins of personal causal theories. The cues to causality determine which event relationships will be judged as causal; personal causal theories emerge as a result of these judgments and in turn affect future attributions. An examination of animal learning research motivates further extensions of the analogy. Researchers are encouraged to study real-time causal attributions, to study additional methodological analogies to conditioning paradigms, and to develop rich learning accounts of the acquisition of causal theories.
Article
Full-text available
Argues that people use systematic rules for assessing cause, both in science and everyday inference. By explicating the processes that underlie the judgment of causation, the authors review and integrate various theories of causality proposed by psychologists, philosophers, statisticians, and others. Because causal judgment involves inference and uncertainty, the literature on judgment under uncertainty is also considered. It is suggested that the idea of a "causal field" is central for determining causal relevance, differentiating causes from conditions, determining the salience of alternative explanations, and affecting molar versus molecular explanations. Various "cues-to-causality" such as covariation, temporal order, contiguity in time and space, and similarity of cause and effect are discussed, and it is shown how these cues can conflict with probabilistic ideas. A model for combining the cues and the causal field is outlined that explicates methodological issues such as spurious correlation, "causalation," and causal inference in case studies. The discounting of an explanation by specific alternatives is discussed as a special case of the sequential updating of beliefs. Conjunctive explanations in multiple causation are also considered. (120 ref) (PsycINFO Database Record (c) 2012 APA, all rights reserved)
Article
In both Pavlovian conditioning and human causal judg- ment, competition between cues is well known to occur when multiple cues are presented in compound and followed by an outcome. More questionable is the occurrence of competition between outcomes when a single cue is followed by multiple outcomes presented in compound. In the experiment reported here, we demonstrated blocking (a type of stimulus competition) between outcomes. When the cue predicted one outcome, its ability to predict a second outcome that was presented in compound with the first outcome was reduced. The procedure mini- mized the likelihood that the observed competition between outcomes arose from selective attention. The competition between outcomes that we observed is problematic for contemporary theories of learning.
Article
In this article I review research and theory on the "interference paradigms" in Pavlovian learning. In these situations (e.g., extinction, counterconditioning, and latent inhibition), a conditioned stimulus (CS) is associated with different unconditioned stimuli (USs) or outcomes in different phases of the experiment; retroactive interference, proactive interference, or both are often observed. In all of the paradigms, contextual stimuli influence performance, and when information is available, so does the passage of time. Memories of both phases are retained, and performance may depend on which is retrieved. Despite the similarity of the paradigms, conditioning theories tend to explain them with separate mechanisms. They also do not provide an adequate account of the context's role, fail to predict the effects of time, and overemphasize the role of learning or storage deficits. By accepting 4 propositions about animal memory (i.e., contextual stimuli guide retrieval, time is a context, different memories are differentially dependent on context, and interference occurs at performance output), a memory retrieval framework can provide an integrated account of context, time, and performance in the various paradigms.
Article
This study examined how people detect and assess the strength of contingent relationships between pairs of events. Some researchers have suggested that contingency learning is analogous to classical conditioning and that contingency judgment is based on psychological associations formed during learning. Others have rejected the associative account in favor of a rule-based account involving higher level statistical and causal reasoning. The results of 4 experiments in which college-student participants performed a simulated medical-judgment task, showed that the rule-based account does not provide a sufficient explanation of cue-interaction effects in contingency learning and judgment. Elements of the associative account are needed to explain the entire range of contingency judgment phenomena. (PsycINFO Database Record (c) 2012 APA, all rights reserved)
Article
Three experiments tested a simple connectionist network approach to human categorization. The specific network considered consists of a layer of input nodes, each representing a feature of the exemplar to be categorized, connected in parallel to a layer of output nodes representing the categories. Learning to categorize examplars consists of adjusting the weights in the network so as to increase the probability of making correct categorizations; weight changes are determined by the R. A. Rescorla and A. R. Wagner (1972) learning rule. The experiments used a simulated medical diagnosis procedure in which Ss have to decide which disease (the category) each of a series of patients is suffering from on the basis of the patients' symptoms (the features). After a series of trials, the Ss rated the extent to which particular symptoms were associated with particular diseases. It is shown that a process of selective learning occurs in this categorization task and that selection depends on the relative predictiveness of the symptom for the disease. Such effects parallel results found in animal conditioning experiments and are readily reproduced by the connectionist network model. Results are discussed in terms of a variety of traditional theories of categorization. (PsycINFO Database Record (c) 2012 APA, all rights reserved)