ChapterPDF Available

Señalización contextual de la atención visual

Authors:
Titulillo: Señalización contextual
Señalización contextual de la atención visual
Miguel A. Vadillo
Primary Care and Public Health Sciences,
King’s College London, UK
Vadillo, M. A. (en prensa). Señalización contextual de la atención visual. En J.
Nieto & R. Bernal-Gamboa (Eds.), Estudios contemporáneos en cognición
comparada. México: Cromo Editores.
Dirección:
Miguel A. Vadillo
Primary Care and Public Health Sciences
King’s College London
Addison House, Guy’s Campus, SE1 1UL, UK
e-mail: miguel.vadillo@kcl.ac.uk
Señalización contextual 1
La mayor parte de los artículos sobre aprendizaje asociativo comienzan con
unas breves líneas dedicadas a destacar la utilidad del aprendizaje para la
supervivencia de los organismos. En la mayor parte de textos podemos leer, por
ejemplo, que los procesos de aprendizaje nos ayudan a predecir eventos
significativos, o bien que gracias al aprendizaje podemos descubrir cómo influir en
nuestro entorno para provocar eventos deseados y evitar o poner fin a eventos
desagradables. Este énfasis en el carácter predictivo o instrumental del
aprendizaje es una consecuencia lógica del tipo de métodos que se utilizan más
frecuentemente en este área de investigación. Inspirados por la literatura
tradicional sobre condicionamiento clásico e instrumental, los experimentadores
tienden a estudiar el aprendizaje exponiendo a sus participantes a situaciones en
las que deben predecir un evento a partir de otro (por ejemplo, a predecir una
descarga eléctrica en función de la presencia o ausencia de un estímulo neutro
que la precede) o bien controlar un evento relevante mediante una respuesta
instrumental (por ejemplo, evitar una invasión de marcianos en un videojuego
para ganar cierto número de puntos).
Pese a la popularidad de este tipo de métodos, el aprendizaje de relaciones
predictivas y de respuestas instrumentales no agota todos los contenidos que
puede investigar el especialista en aprendizaje asociativo. De hecho, algunos de
los fenómenos que se exploran habitualmente en las revistas de aprendizaje
asociativo encajan relativamente mal en estas categorías. En algunas situaciones,
el objeto del aprendizaje no consiste tanto en aprender a predecir unos estímulos
a partir de otros como en descubrir las relaciones estructurales o espaciales que
existen entre diferentes estímulos o entre diferentes atributos de un mismo
estímulo (Shanks, 1995). Por ejemplo, aprender el concepto de ‘silla’ requiere
Señalización contextual 2
descubrir que existen ciertos objetos cotidianos que la gente utiliza generalmente
para sentarse, que se caracterizan por tener cuatro patas, soporte y un respaldo,
y que pertenecen a la categoría de muebles. Este tipo de aprendizaje puede servir
para hacer predicciones. Si sabemos que un objeto es una silla podemos predecir
que probablemente tendrá cuatro patas o que seguramente lo podremos comprar
en IKEA. Pero hace falta cierto grado de perversión del lenguaje para considerarlo
una forma de aprendizaje ‘predictivo’.
De alguna manera, algo parecido sucede en las tareas de navegación
espacial (e.g., Buckley, Smith, & Haselgrove, 2014; Chamizo & Mackintosh,
1989). En estas tareas los participantes no aprenden que después de ciertos
estímulos vienen otros, sino más bien que los diferentes estímulos de un entorno
guardan ciertas relaciones espaciales entre sí. Este conocimiento permite
manejarse con más desenvoltura en ese contexto y llegado el caso puede servir
para hacer predicciones e inferencias. Sin embargo, en rigor no podemos decir
que las representaciones que están aprendiendo los participantes son relaciones
predictivas. Como veremos a lo largo de las siguientes páginas, la tarea de
señalización contextual (Chun, 2000; Chun & Jiang, 1998) que presentaré en este
capítulo guarda ciertos paralelismos con este tipo de procesos: Se trata de un
claro ejemplo de aprendizaje asociativo que, sin embargo, presenta ciertas
peculiaridades que lo diferencian de forma notable de los paradigmas que se
utilizan para estudiar el aprendizaje predictivo o instrumental.
La tarea de señalización contextual
En un experimento típico de señalización contextual se pide a los
participantes que realicen una sencilla tarea de búsqueda visual que, en principio,
Señalización contextual 3
no requiere ningún aprendizaje. En la versión más habitual de la tarea, al
participante se le presentan matrices de estímulos como la que se presenta en la
Figura 1. En estas matrices siempre hay un número determinado de distractores
con forma de L de diferentes colores, que aparecen giradas sobre sí mismas
ocupando lugares aleatorios de la pantalla. En algún lugar de la matriz se
esconde siempre un estímulo en forma de T, que hace las veces de estímulo
diana. Esta T se presenta siempre girada sobre sí misma, apuntando hacia la
izquierda o hacia la derecha. La instrucción que reciben los participantes es que
tan pronto como se presente la matriz de estímulos, deben encontrar la T lo más
rápidamente posible y pulsar con una tecla si la T apunta a la izquierda u otra
tecla si la T apunta a la derecha. En cuanto el participante pulsa la tecla correcta
(o errónea) el investigador registra su tiempo de reacción, y se continúa con el
siguiente ensayo en el que se presenta una matriz de estímulos diferente con el
estímulo en otro lugar.
Figura 1. Ejemplo esquemático de los patrones que se presentan a
los participantes en cada ensayo de una tarea de señalización
contextual. El participante debe encontrar la letra T tan rápido como le
sea posible y responder a su orientación (izquierda/derecha).
Señalización contextual 4
En general, el investigador no proporciona ninguna instrucción adicional
sobre el objetivo del estudio o sobre los estímulos que se van a presentar. Los
participantes se limitan a buscar el estímulo diana una y otra vez a lo largo de
varios cientos (a veces miles) de ensayos. Sin embargo, aunque los participantes
no reciben ninguna instrucción al respecto, existe una regularidad en las matrices
de estímulos que pueden utilizar para encontrar la T más rápido. En concreto, hay
una serie de matrices que se presentan varias veces a lo largo del experimento,
normalmente una vez en cada bloque, mientras que el resto de matrices son
combinaciones totalmente aleatorias de distractores y estímulos diana (Figura 2).
Como el lector se puede imaginar, a medida que el participante se va
familiarizando con la tarea, sus tiempos de reacción tienden a acortarse. Lo más
interesante es que esta reducción en los tiempos de reacción tiende a ser más
acentuada para las matrices que se han repetido varias veces que para las
matrices totalmente aleatorias (véase un ejemplo en la Figura 3).
Señalización contextual 5
Figura 2. Ejemplo de posible secuencia de ensayos utilizada en un
experimento de señalización contextual. Como el lector puede
comprobar el patrón utilizado en los ensayos 1 y 4 es idéntico,
mientras que los patrones utilizados en los ensayos 2 y 3 son
totalmente aleatorios.
Esta diferencia en los tiempos de reacción entre la condición ‘repetida’ y la
condición ‘aleatoria’ es lo que se conoce como efecto de señalización contextual
(Chun & Jiang, 1998, 1999). Este patrón muestra que los participantes son
capaces de aprender que en algunos ensayos puede predecirse la ubicación del
estímulo diana en función del contexto que lo acompaña. Este efecto de
señalización contextual puede entenderse como una forma de aprendizaje
asociativo en la que la ubicación del estímulo diana se asocia con las ubicaciones,
colores y formas de los distractores, de una forma similar a como un estímulo
condicionado se asocia con un estímulo incondicionado en un experimento típico
de condicionamiento clásico (Brady & Chun, 2007; Chun & Turke-Browne, 2008).
Señalización contextual 6
Figura 3. Resultado habitual de un experimento de señalización
contextual. A lo largo del experimento los tiempos de reacción de los
participantes se van acortando. Sin embargo, esta reducción de los
tiempos de reacción es más acentuada para los patrones que se
repiten a lo largo del experimento que para los patrones totalmente
aleatorios.
Una de las características más llamativas de la señalización contextual es su
robustez. Utilizando como unidad de medida la dz de Cohen, el tamaño del efecto
rara vez es menor de 1. Esto permite detectarlo en grupos de participantes muy
pequeños y lo convierte en un paradigma experimental muy interesante para la
investigación en laboratorios con pocos recursos a su disposición y con dificultad
para el acceso a muestras grandes. De hecho, los experimentos suelen realizarse
habitualmente con entre diez y veinte participantes y no requieren más aparataje
que un sencillo ordenador de mesa. A modo de ejemplo, los datos mostrados en
la Figura 3 son los resultados de un estudio piloto en el que se incluyeron
únicamente diez participantes, lo cual no impidió que la diferencia entre ambas
condiciones alcanzara la significación estadística.
El efecto de generalización contextual también se caracteriza por ser
resistente a todo tipo de cambios en el procedimiento. De hecho, el efecto es
incluso mayor cuando se utilizan como contextos fotografías o dibujos, en lugar de
patrones artificiales de letras de colores (Brockmole & Henderson, 2006). A los
Señalización contextual 7
numerosos lectores de este volumen que estén interesados en la psicología
comparada les interesará saber que el efecto de señalización también está
perfectamente documentado en otras especies animales como palomas
(Wasserman, Teng, & Brooks, 2014; Wasserman, Teng, & Castro, 2014) o
babuinos (Goujon & Fagot, 2013).
El carácter implícito de la señalización contextual
El efecto de señalización contextual le debe buena parte de su fama a que,
desde sus orígenes, se ha considerado un tipo de aprendizaje automático o
implícito (Chun & Jiang, 2003). En la psicología moderna abundan los conceptos
vagos e imprecisos, pero pocos de ellos son tan delicados como ‘automático’.
Generalmente se considera que un proceso mental es automático (o implícito)
cuando opera por debajo del nivel de la conciencia, tiene lugar
independientemente de las intenciones del participante, consume pocos recursos
cognitivos (por ejemplo, memoria de trabajo), es incontrolable u opera por debajo
del nivel de la conciencia. No es casualidad que a la ausencia de consciencia,
intención y controlabilidad, junto con la eficiencia se los suela denominar ‘los
cuatro jinetes del automatismo’ (Bargh, 1994).
No hay ninguna razón por la cual todos estos rasgos tengan que ir de la
mano y aparecer siempre juntos (Moors & De Houwer, 2006). Por ejemplo, una
persona drogodependiente puede ser perfectamente consciente de que tiene un
problema con las drogas y aun así ser totalmente incapaz de controlarlo. Sin
embargo, en la literatura psicológica es habitual que se denomine a ciertos
procesos ‘implícitos’ porque presentan una de estas características (por ejemplo,
ser eficientes) y que directamente se asuma que también deben presentar las
Señalización contextual 8
características restantes (por ejemplo, ser incontrolables o inconscientes). En los
manuales de psicología del aprendizaje abundan los ejemplos de procesos a los
que, por una razón u otra, se ha convenido en llamar implícitos. Algunos ejemplos
populares serían el aprendizaje de secuencias (Destrebecqz & Cleeremans, 2001;
Nissen & Bullemer, 1987) o el aprendizaje de gramáticas artificiales (Reber,
1967).
El efecto que nos ocupa en el presente capítulo suele considerarse implícito
porque aparentemente tiene lugar sin que los participantes tengan conciencia
alguna de haber aprendido nada durante el experimento. Como explicaba más
arriba, en los experimentos de señalización contextual los participantes no reciben
ninguna información respecto a las repeticiones de las matrices que van viendo
en cada ensayo. El investigador tan sólo les alerta de que deben encontrar la T
tan rápido como les sea posible. El hecho de que los participantes sean capaces
de encontrar la T más rápido cuando las matrices se repiten muestra que están
siendo capaces de aprender algo sobre estas repeticiones, pero ¿son capaces de
reconocer conscientemente que están aprendiendo y qué están aprendiendo?
Existen diversas formas de medir hasta qué punto los participantes han sido
conscientes del aprendizaje acontecido en una tarea de señalización contextual.
El más habitual consiste en alertar a los participantes al final del estudio de que
algunos patrones se han presentado repetidamente a lo largo del experimento y
pedirles que intenten discriminar si una serie de patrones que se presentarán a
continuación pertenecen al grupo de patrones que se repitieron o si son patrones
totalmente novedosos. Generalmente, los participantes tienen serias dificultades
para realizar esta tarea de reconocimiento. Cuando se compara el número de
patrones repetidos que detectan correctamente (aciertos) con el número de
Señalización contextual 9
patrones nuevos que dicen reconocer (falsas alarmas) las diferencias entre
ambos no suelen ser significativas (Chun & Jiang, 1999). Consecuentemente se
considera que cualquier aprendizaje que hayan mostrado esos participantes
durante el experimento ha debido ser inconsciente y, por tanto, implícito.
Otra prueba habitual para determinar que los participantes no han sido
conscientes del aprendizaje es la llamada tarea de generación (Chun & Jiang,
2003; Smyth & Shanks, 2008). Al igual que en la tarea de reconocimiento, al
terminar el experimento el investigador le revela al participante que algunas de las
matrices que ha visto durante la tarea de aprendizaje se han repetido varias
veces. A continuación, el investigador le explica que se presentarán de nuevo las
matrices que se han repetido durante el experimento, con la única salvedad de
que no se presentará el estímulo diana (la T) o bien que el estímulo diana se
reemplazará por un distractor (una L). La tarea del participante es adivinar en qué
lugar de la pantalla se había presentado la T en las ocasiones en las que se había
repetido esa matriz. Si los participantes fueran perfectamente conscientes de las
representaciones que han aprendido durante el experimento, deberían llevar a
cabo esta tarea sin dificultad. Sin embargo, los resultados de los experimentos
muestran que los participantes no suelen ser capaces de realizar esta tarea por
encima del nivel del azar.
¿Es la señalización contextual realmente implícita?
La posibilidad de que la señalización contextual tenga lugar sin que los
participantes alberguen conciencia alguna de las representaciones que han
aprendido es ciertamente intrigante y no resulta sorprendente que haya atraído la
atención de tantos investigadores durante las dos últimas décadas. Sin embargo,
Señalización contextual 10
la evidencia de que este tipo de aprendizaje es implícito está abierta a una
sencilla crítica de carácter estadístico. Tanto en la prueba de reconocimiento
como en la prueba de generación, la conclusión de que el aprendizaje es
inconsciente se basa en un efecto nulo. Si no hay diferencias estadísticamente
significativas entre el número de aciertos y el número de falsas alarmas en la
tarea de reconocimiento, o si la capacidad del participante para decir dónde
debería estar el estímulo diana no es significativamente superior a lo que cabría
predecir por azar, entonces se considera que el aprendizaje ha debido ser
inconsciente.
Como el lector seguramente está empezando a intuir, esto plantea un serio
problema, ya que en la estadística tradicional que utilizamos en psicología
experimental (la llamada ‘prueba de significación de la hipótesis nula’) la ausencia
de diferencias significativas nunca puede probarse (Dienes, 2014). La hipótesis
nula se considera válida de partida y se abandona sólo si la evidencia en su
contra supera cierto umbral crítico. Pero el hecho de que la evidencia no sea lo
suficientemente clara como para rechazar la hipótesis nula no quiere decir que la
hipótesis nula sea verdadera. Cuando dos variables son significativamente
diferentes podemos, dentro de cierto margen de error, sospechar que existen
diferencias genuinas entre ambas. Pero cuando las diferencias entre ambas no
son significativas, eso no nos permite saltar a la conclusión de que no existen
diferencias reales. Es perfectamente posible que esas diferencias existan pero,
por ejemplo, nuestra muestra no tenga el suficiente poder estadístico para
detectarlas en un análisis tradicional.
Volviendo al objeto del presente capítulo, el hecho de que no haya
diferencias significativas entre el número de patrones repetidos que los
Señalización contextual 11
participantes identifican correctamente y el número de patrones nuevos que
incorrectamente dicen reconocer no quiere decir que los participantes no sean
capaces de distinguir entre unos y otros. La ausencia de diferencias significativas
puede deberse, simplemente, a que el experimento no tiene la suficiente potencia
estadística como para detectar las diferencias que existen. Si el lector ha leído
con atención los párrafos previos, seguramente recordará que los experimentos
de señalización contextual suelen realizarse con muestras muy pequeñas,
normalmente de entre diez y veinte participantes. Con muestras tan pequeñas, es
normal que muchos efectos no lleguen a ser estadísticamente significativos,
aunque sean reales. Por tanto, sabemos que cuando se realizan estas pruebas
los participantes no suelen actuar significativamente por encima del nivel del azar.
¿Pero quiere esto decir que realmente están actuando al azar? ¿O podría
deberse simplemente a que estos experimentos utilizan muestras muy pequeñas
y, por tanto, no tienen el suficiente poder estadístico como para detectar efectos
pequeños pero reales?
Para responder a esta pregunta Emmanouil Konstantinidis, David Shanks y
yo mismo realizamos una revisión sistemática de la literatura recogiendo los
resultados de todos los experimentos de señalización contextual que se habían
realizado hasta finales de 2013 (Vadillo, Konstantinidis y Shanks, en prensa). Si
los participantes estuvieran actuando al azar en las pruebas de conciencia, en
principio, sólo esperaríamos encontrar resultados significativos accidentalmente y
en casos muy aislados. Como en la mayor parte de los análisis estadísticos en
psicología se usa un alfa de .05, cabría esperar que las pruebas de conciencia
arrojaran resultados significativos sólo en un 5% de los casos. Además estos
‘falsos positivos’ deberían ser igualmente frecuentes por encima del nivel del azar
Señalización contextual 12
y por debajo del nivel del azar. Nuestros resultados no pudieron ser más
diferentes. El recuento muestra que las pruebas de conciencia fueron
significativas en el 21.5% de los casos y casi siempre mostraban que los
participantes actuaban por encima del nivel de azar (prácticamente nunca por
debajo). Lo que es más, los experimentos que tenían más probabilidades de
arrojar resultados significativos eran precisamente aquellos en los que había más
participantes o en los que la prueba de conciencia tenía muchos ensayos y por
tanto ofrecía una medida más sensible del nivel de conciencia de cada
participante. En otras palabras, cuanto mejor era la metodología de un estudio
tanto más probable es que sus participantes fueran clasificados como
‘conscientes’.
Cerca de la mitad de los estudios que pudimos incluir en nuestra revisión
sistemática contenían información suficiente como para computar el tamaño del
efecto en las pruebas de conciencia utilizando la dz de Cohen. Combinando todos
los tamaños del efecto en un meta-análisis de efectos aleatorios pudimos estimar
que el tamaño medio del efecto es de dz = 0.31, con un intervalo de confianza al
95% de [0.24, 0.37]. El hecho de que este intervalo de confianza excluya el valor
cero muestra que, en general, la ejecución de los participantes en estas pruebas
de conciencia está por encima del nivel del azar, si bien el efecto es relativamente
pequeño. De hecho, demasiado pequeño para ser detectado estadísticamente
con las pequeñas muestras que se suelen utilizar en este tipo de estudios. Entre
los estudios incluidos en nuestra revisión sistemática el tamaño muestral más
normal era tan sólo de 16 participantes. Con una muestra tan pequeña, la
probabilidad de detectar un efecto (también pequeño) de dz = 0.31 es sólo .21. Es
Señalización contextual 13
decir, estos experimentos tienen una potencia estadística claramente insuficiente
para detectar si la señalización contextual es consciente.
Los resultados de nuestro meta-análisis sugieren que no disponemos de
evidencia sólida para afirmar que la señalización contextual se debe a un proceso
de aprendizaje inconsciente. Sin embargo, llegados a este punto el lector se
estará preguntando: “Un momento. Unas páginas más arriba me contaba usted
que el efecto de señalización contextual era tan robusto que se podía detectar con
muestras pequeñas de no más de diez participantes. ¿Y ahora me dice que sin
embargo, para saber si este aprendizaje es consciente o no hacen falta muestras
más grandes? ¿Dónde está la trampa?”. Me gustaría responder que no hay
trampa, pero sí que la hay. La trampa es que los investigadores que exploran la
señalización contextual utilizan procedimientos muy diferentes para saber (a) si ha
habido aprendizaje y (b) si ese aprendizaje ha sido inconsciente. Para saber si ha
habido aprendizaje se recogen los tiempos de reacción de cientos (a veces miles)
de ensayos que tienen lugar durante la primera fase del experimento. Estos son
los datos que se utilizan para hacer gráficos como los de la Figura 3. El hecho de
que estos datos se basen en un número grande de observaciones por participante
quiere decir que se trata de estimaciones muy precisas. Cualquier efecto que se
analice con estas variables será necesariamente grande porque estos datos
apenas se ven influido por el ruido y el azar. Por el contrario, para saber si el
aprendizaje ha sido inconsciente se utiliza una breve prueba de reconocimiento (o
de generación) al final del experimento que rara vez tiene más de veinte o treinta
ensayos. Como estas mediciones se basan en pocas observaciones por
participante, las estimaciones son poco precisas y contienen mucho ruido
aleatorio. Naturalmente esto implica que es mucho más difícil encontrar efectos
Señalización contextual 14
significativos en esta variable. En resumen, los experimentos sobre señalización
contextual encuentran aprendizaje inconsciente porque el aprendizaje lo miden
con mucha precisión pero la conciencia la miden con poca precisión.
Naturalmente, otros autores no comparten nuestro escepticismo (e.g.,
Gourjon, Didierjean, & Thorpe, 2015; Pollmann, Eštočinová, Sommer, Chelazzi, &
Zinke, 2016). Y, en honor a la verdad, es necesario señalar que la afirmación de
que la señalización contextual es implícita no sólo se basa en la cuestión de si los
participantes son conscientes o no del aprendizaje (e.g., Jiménez & Vázquez,
2011; Manginelli, Langer, Klose, & Pollmann, 2013). Ciertamente, no es imposible
que estudios futuros muestren más allá de toda duda que la señalización
contextual se basa en un proceso de aprendizaje inconsciente. Lo que nuestro
meta-análisis sugiere es que para lograr demostrar esto de forma convincente es
necesario utilizar medidas más sensibles y métodos más refinados.
Representaciones elementales y configuracionales
El carácter presuntamente implícito de la señalización contextual es una de
las claves de su popularidad entre la comunidad de investigadores. Sin embargo,
este fenómeno tiene también otras peculiaridades que lo convierten en una
herramienta única para investigar diferentes aspectos de la atención visual, el
aprendizaje y la memoria. Como señalaba más arriba, la tarea de señalización
contextual puede entenderse como un problema de aprendizaje asociativo y, por
tanto, puede adaptarse o extenderse fácilmente para indagar en cualquiera de las
cuestiones que normalmente se estudian mediante paradigmas de aprendizaje
asociativo. Durante los últimos años he tenido el honor de trabajar con Tom
Beesley, Daniel Pearson y David Shanks en una línea de investigación que utiliza
Señalización contextual 15
esta tarea para explorar, precisamente, una de las cuestiones más candentes en
la literatura reciente sobre aprendizaje asociativo: la naturaleza elemental o
configuracional de las representaciones asociativas.
Tradicionalmente, la mayor parte de los modelos formales de aprendizaje
asociativo asumen que los diversos estímulos que predicen un evento significativo
se representan como unidades separadas (e.g., Mackintosh, 1975; Rescorla &
Wagner, 1972). En un experimento de condicionamiento del miedo, por ejemplo,
si una luz y un sonido predicen juntos la aparición de una descarga eléctrica,
estos modelos asumen que existe una representación mental de la luz y una
representación del sonido que se asocian independientemente con la
representación de la descarga eléctrica. Muchos de los modelos asumen,
además, que este proceso es competitivo: Cuanto mayor sea la asociación que se
desarrolle entre la luz y la descarga, tanto menor será la asociación que se
desarrolle entre el sonido y la descarga, y viceversa. Frente a estos modelos
‘elementales’, otra familia de modelos asume que las diferentes claves que
forman un compuesto se representan en nuestra memoria como una única unidad
que se asocia, en bloque, con el evento crítico (Pearce, 1987, 1994). Siguiendo
con el ejemplo anterior, estos modelos asumirían que al presentarse una luz y un
sonido seguidos de una descarga, lo que se aprende es una asociación entre una
representación configuracional del compuesto luz-sonido y la propia descarga.
En el caso de la señalización contextual, el modelo teórico más influyente
pertenece a la primera categoría. El modelo de Brady y Chun (2007) asume que
cada uno de los distractores que acompañan al estímulo diana en un ensayo
(véase la Figura 1) actúa como una clave individual que desarrolla una asociación
independiente con el estímulo diana. De hecho, excepto por unos pocos detalles,
Señalización contextual 16
este modelo es muy similar al famoso modelo de condicionamiento de Rescorla y
Wagner (1972) y realiza predicciones muy similares. La única excepción
importante es que el modelo de Brady y Chun predice que no todos los
distractores son igualmente proclives a asociarse con el estímulo diana, sino que
son los distractores más cercanos al mismo los que reciben la mayor parte de la
fuerza asociativa (Olson & Chun, 2002). Salvo por esta particularidad, el modelo
de Brady y Chun es semejante al modelo de Rescorla y Wagner y hereda su
visión elemental y competitiva del aprendizaje asociativo.
Por desgracia, aunque el modelo de Brady y Chun (2007) es un magnífico
punto de partida para explicar muchos de los fenómenos que conocemos sobre la
señalización contextual, disponemos también de evidencia que es incompatible
con dicho modelo. El lector familiarizado con la literatura sobre aprendizaje
asociativo sabrá que una de las predicciones más famosas del modelo de
Rescorla y Wagner (1972) es la competición de claves; especialmente, el llamado
efecto de bloqueo. Descubierto inicialmente en el ámbito del condicionamiento
animal (Kamin, 1969) y posteriormente explorado en el aprendizaje humano
(Shanks, 1985), el efecto de bloqueo ilustra el carácter selectivo del aprendizaje
asociativo. En el diseño más habitual, los participantes de un experimento de
bloqueo son primero expuestos a emparejamientos de una clave A con un evento
significativo O. Una vez que esta asociación se ha aprendido, se introduce una
nueva clave, X, en los emparejamientos entre A y O. Los resultados de estos
experimentos muestran que aunque X y O se emparejen de forma repetida, los
participantes no parecen aprender ninguna asociación entre ambos o, si lo hacen,
no expresan en su conducta este aprendizaje (véase Miller & Matzel, 1988). Este
Señalización contextual 17
efecto de bloqueo es una de las predicciones más importantes del modelo de
Rescorla y Wagner.
Dadas las similitudes entre ambos modelos, no es sorprendente que el
modelo de Brady y Chun (2007) comparta estas predicciones. También este
modelo predice que si un participante aprende primero a predecir la ubicación del
estímulo diana en función de una serie de distractores, llamémosles distractores
A, y después se le presentan esos mismos distractores junto con un nuevo
conjunto de distractores, llamémoslos X, que también predicen la misma
ubicación del estímulo diana, entonces el participante apenas debería aprender
nada acerca de la relación entre X y el estímulo diana, porque X no proporciona
ninguna información adicional que no contenga A. De encontrarse, este efecto
constituiría una demostración de bloqueo en la señalización contextual y
confirmaría las predicciones del modelo de Brady y Chun.
Lamentablemente el único estudio hasta la fecha que ha puesto a prueba
esta predicción no ha conseguido encontrar este efecto (Beesley & Shanks,
2012). De hecho, estos experimentos sugieren que en la señalización contextual
se puede encontrar lo contrario al efecto de bloqueo, un fenómeno poco habitual
al que generalmente se conoce como aumentación (Batsell & Batson, 1999;
Vadillo & Matute, 2010, 2011). Utilizando la nomenclatura anterior, este fenómeno
tiene lugar cuando la presencia de los distractores A favorece (en lugar de
impedir) que se aprenda sobre los distractores X. O dicho de otra manera, las
diferentes claves que predicen dónde aparecerá el estímulo diana no compiten
entre sí, sino que en realidad, cuanto más se aprende sobre algunas de ellas,
más se aprende también sobre las otras. El fenómeno de aumentación
permanece fuera del poder explicativo de modelos elementales como el de
Señalización contextual 18
Rescorla y Wagner (1972) o el de Brady y Chun (2007). Por tanto, estos
resultados sugieren que es necesario considerar otros modelos teóricos para
obtener una explicación satisfactoria de los procesos de aprendizaje que tienen
lugar en la señalización contextual.
En dos líneas de investigación recién publicadas, hemos barajado la
hipótesis de que este tipo de aprendizaje podría tener un carácter marcadamente
configuracional que impida observar los fenómenos de competición de claves
(como el bloqueo) que se obtienen tan frecuentemente con otros procedimientos
(Beesley, Vadillo, Pearson, & Shanks, 2015, en prensa). Desde este punto de
vista cabe suponer que a medida que los participantes son expuestos una y otra
vez a patrones de distractores y estímulos dianas su aprendizaje no se limita a
asociar los distractores con el estímulo diana, sino que, al menos en parte,
también consiste en aprender a asociar los distractores entre sí. En otras
palabras, antes de poder aprender dónde está el estímulo diana en un patrón,
primero los participantes tienen que construir una representación global de ese
patrón. Posteriormente, esa representación global se asociaría, en bloque, con la
ubicación del estímulo diana. Desde este punto de vista, no tiene sentido esperar
que se produzca el bloqueo, porque los diferentes distractores que componen un
patrón no compiten entre sí por asociarse con el estímulo diana, sino que se
integran en una unidad mayor que es la que se integra con el estímulo diana.
Fortaleciendo las representaciones configuracionales
Dos predicciones directas que pueden realizarse desde este marco teórico
son que (a) cualquier manipulación que facilite la construcción de una
representación configuracional tendrá un efecto positivo sobre la señalización
Señalización contextual 19
contextual, y (b) que cualquier manipulación que degrade la calidad de una
representación configuracional menoscabará el efecto de señalización contextual.
En nuestra primera serie de experimentos sobre este fenómeno pusimos a prueba
la primera de estas predicciones (Beesley et al., 2015). El objetivo general de
estos estudios era fortalecer las representaciones configuracionales por medio de
una serie de pre-entrenamientos y observar qué efecto tenían estas
manipulaciones sobre el aprendizaje en una fase posterior del experimento donde
los participantes completaban una tarea de señalización contextual estándar. Por
ejemplo, en el Experimento 1, algunos de los patrones que posteriormente se iban
a utilizar en la tarea de señalización contextual se presentaban de forma repetida
pero sin que el estímulo diana apareciera siempre en la misma ubicación. Los
participantes no podían utilizar esta experiencia para aprender a encontrar el
estímulo diana más rápidamente, puesto que el patrón de distractores no precedía
dónde estaba el estímulo diana. Sin embargo, durante esta fase del experimento
sí que podían aprender que ciertos conjuntos de distractores tendían a aparecer
juntos. Presumiblemente, esto permite aprender una representación de esa
configuración de distractores. Durante la segunda fase del experimento, esos
mismos patrones aparecían, ahora sí, emparejados siempre con la misma
ubicación del estímulo diana. Los resultados del experimento muestran que en
esta segunda fase los participantes no sólo mostraron un efecto de señalización
contextual, sino que además este efecto era significativamente mayor para
aquellos patrones que se habían pre-entrenado durante la primera fase del
experimento. Es decir, que el mero hecho de aprender que algunas
configuraciones de distractores aparecen sistemáticamente juntas facilita que
después se pueda aprender algo sobre esas configuraciones.
Señalización contextual 20
En el último experimento de esta serie comprobamos que estos mismos
resultados podían observarse pre-entrenando las configuraciones de otras
maneras. En concreto, en ese experimento se pidió a los participantes que
contaran el número de distractores que aparecían en la pantalla en una serie de
ensayos. Algunos patrones tenían ocho distractores y otros tenían nueve. La tarea
de los participantes consistía en pulsar una tecla si el número de distractores era
par y otra tecla si el número de distractores era impar. Aunque los participantes no
recibían ninguna instrucción adicional, algunos de los patrones que se
presentaban durante esta primera fase se repetían una y otra vez. Nuestro
objetivo era descubrir si ese pre-entrenamiento repetido de algunos patrones
sería de utilidad en una segunda fase del experimento donde los participantes
tenían que realizar una tarea de señalización contextual. En esta segunda fase,
los participantes ya no tenían que contar el número de distractores sino encontrar
el estímulo diana (una letra T que nunca se había presentado en la primera fase
del experimento) tan rápido como les fuera posible. Lo más interesante es que
esta letra T aparecía a veces insertada en una configuración de distractores que
los participantes ya habían visto de forma repetida durante la primera fase del
experimento. Nuestros resultados confirman que durante la segunda fase del
experimento estos patrones pre-entrenados dieron lugar a un efecto de
señalización contextual superior al habitual.
Degradando las representaciones configuracionales
En nuestra segunda línea de experimentos (Beesley et al., en prensa)
pusimos a prueba la hipótesis contraria: Si se degradan de alguna forma las
representaciones configuracionales que se han aprendido durante el experimento
Señalización contextual 21
de señalización contextual, ¿empeora la ejecución de los participantes? En este
caso, existían varios experimentos previos que parecían sugerir que en realidad
este tipo de manipulaciones ni beneficiaban ni perjudicaban el efecto de
señalización contextual. En un ingenioso experimento, Jiang y Wagner (2004)
entrenaron a sus participantes con parejas de patrones, llamémoslos A y B,
dentro de las cuales ambos patrones contenían el estímulo diana en la misma
ubicación. La primera fase del experimento mostró que estos patrones daban
lugar a un efecto de señalización contextual similar al que suele observarse en
otros experimentos. Lo más interesante del experimento es que en la fase de
prueba, los elementos de los patrones A y B se entremezclaban unos con otros.
Esto es, si por ejemplo el patrón A se componía de 10 distractores más el
estímulo diana y el patrón B se componía de otros 10 distractores diferentes, pero
con el estímulo diana en el mismo lugar que A, entonces se creaba un nuevo
patrón recombinado que contenía cinco distractores de A y otros cinco
distractores de B, con el estímulo diana en el mismo lugar que ocupaba en A y B.
Si uno atiende únicamente a las asociaciones elementales entre cada distractor y
la ubicación del estímulo diana, entonces el patrón recombinado contiene toda la
información que uno necesita tener para encontrar el estímulo diana fácilmente:
Cualquiera de los 10 distractores se ha asociado en el pasado con la ubicación
del estímulo diana. Sin embargo, si hay un componente configuracional en el
aprendizaje, entonces es posible que el patrón recombinado no provoque un
efecto de señalización contextual grande. Al fin y al cabo, al recombinar los
patrones A y B se ha creado un nuevo patrón (i.e., una nueva configuración) que
los participantes no han visto nunca. Por tanto, si la señalización contextual
requiere un tipo de aprendizaje elemental, entonces la recombinación de patrones
Señalización contextual 22
no debería alterar la capacidad de los participantes para encontrar el estímulo
diana. Sin embargo, si la señalización contextual requiere representaciones
configuracionales, entonces al recombinar dos patrones por primera vez se puede
perder la facilidad para encontrar el estímulo diana. En el Experimento 1 de Jiang
y Wagner (2004) no se observó que la recombinación de patrones tuviera efecto
alguno en la señalización contextual, resultado que coincide con el de otros
experimentos que han utilizado el mismo diseño (Jiang & Song, 2005; Ogawa &
Kumada, 2008). A la luz de estos resultados, todo parecía sugerir que un modelo
de aprendizaje elemental, como el de Brady y Chan, bastaba para explicar el
efecto de señalización contextual.
Sin embargo, estos experimentos tienen una serie de inconvenientes. Uno
de ellos es que al recombinar dos patrones (A y B en nuestro ejemplo anterior) se
puede estar preservando mucha información configuracional. Si el nuevo patrón
recombinado contiene cinco distractores de A y cinco distractores de B, entonces
tal vez las asociaciones que existen entre esos cinco distractores de A sean
suficientes para reactivar la configuración del estímulo completo A. Y si no sucede
esto, lo mismo podría pasar con los cinco distractores que provienen de B.
Idealmente, los patrones recombinados deberían preservar aún menos
información configuracional.
El segundo problema de estos experimentos es ya un viejo amigo para el
lector de este capítulo. Los resultados de Jiang y Wagner (2004) se basan en un
efecto nulo: Al degradar la configuración de A y B no se observa ninguna
reducción significativa en el efecto de señalización contextual. Pero como ya
hemos visto más arriba, la ausencia de evidencia no es evidencia de la ausencia.
El hecho de que estos autores no encontraran diferencias significativas entre los
Señalización contextual 23
patrones recombinados y los patrones no recombinados podría deberse a una
simple falta de poder estadístico. De hecho, su experimento se realizó con una
pequeña muestra de sólo 15 participantes, claramente insuficiente para detectar
diferencias pequeñas, pero reales.
Las principales novedades de nuestros dos experimentos con respecto a
estas investigaciones anteriores residen precisamente en (a) efectuar una
manipulación con más probabilidades de deteriorar las representaciones
configuracionales y (b) utilizar muestras más amplias para poder detectar efectos
estadísticamente pequeños. En nuestro Experimento 1 los patrones entrenados
en el test no eran recombinaciones de dos patrones (A y B) entrenados
previamente. En lugar de eso generábamos los patrones recombinando de
diferentes maneras hasta 12 subpatrones diferentes, lo que permite minimizar la
cantidad de asociaciones configuracionales que pueden aprenderse. En el
Experimento 2 incluso fuimos un paso más allá y adoptamos un procedimiento
que impedía completamente la formación de asociaciones configuracionales. Los
patrones recombinados se construían al azar en cada ensayo tomando al azar
distractores de entre un conjunto amplio de distractores que guardaban siempre la
misma relación con respecto al estímulo diana. En ambos experimentos
obtuvimos el mismo resultado: El efecto de señalización contextual fue menor
cuando se recombinaban los patrones que cuando se presentaban siempre de
manera consistente. Más aún, este efecto se mantenía incluso en un meta-
análisis donde los resultados de nuestros experimentos se combinaban con los de
experimentos previos que no habían conseguido encontrar el mismo efecto que
nosotros.
Señalización contextual 24
Estos resultados convergen con las conclusiones de nuestro estudio anterior
y muestran que la señalización contextual es más eficiente cuando se preservan
intactas las representaciones configuracionales, aunque es posible que esta
contribución sea relativamente pequeña y tan sólo pueda observarse cuando se
realizan manipulaciones particularmente drásticas (como las realizadas en
nuestros experimentos) y cuando se utiliza una muestra con amplio poder
estadístico. A la luz de toda la evidencia disponible, parece que la señalización
contextual involucra tanto representaciones elementales como representaciones
configuracionales. Cualquier modelo teórico que ignore uno u otro tipo de
representaciones está llamado al fracaso.
Comentarios finales
A pesar de sus casi dos décadas de vida, el efecto de señalización
contextual permanece relativamente desconocido entre la comunidad de expertos
en aprendizaje asociativo. En este breve capítulo he intentado mostrar que
muchos de los temas que normalmente se abordan en nuestra disciplina, tales
como el carácter elemental o configuracional del aprendizaje, o su naturaleza
consciente o automática, pueden ser estudiados fácilmente en esta tarea. Los
estudios en los que me he centrado en el presente capítulo no agotan la variedad
de problemas que se han explorado mediante el paradigma de señalización
contextual ni pretenden ofrecer una revisión exhaustiva de las investigaciones que
se están llevando a cabo. Sin embargo, espero que el presente capítulo sirva para
despertar entre los lectores el apetito por esta literatura y la tentación de utilizar la
señalización contextual en sus propios experimentos. A quienes deseen
adentrarse en la madriguera, les recomiendo continuar esta lectura con alguna de
Señalización contextual 25
las excelentes revisiones teóricas que se han escrito acerca de este intrigante
fenómeno (Chun & Turk-Browne, 2008; Goujon, Didierjean, & Thorpe, 2015).
Señalización contextual 26
References
Bargh, J. A. (1994). The four horsemen of automaticity: Awareness, intention,
efficiency, and control in social cognition. In R. S. Wyer & T. K. Srull (Eds.),
Handbook of social cognition (pp. 140). Hillsdale, NJ: Erlbaum.
Batsell, W. R., Jr., & Batson, J. D. (1999). Augmentation of taste conditioning by a
preconditioned odor. Journal of Experimental Psychology: Animal Behavior
Processes, 25, 374388.
Beesley, T., & Shanks, D. R. (2012). Investigating cue competition in contextual
cuing of visual search. Journal of Experimental Psychology: Learning,
Memory, and Cognition, 38, 709-725.
Beesley, T., Vadillo, M. A., Pearson, D., & Shanks, D. R. (2015). Pre-exposure of
repeated search configurations facilitates subsequent contextual cuing of
visual search. Journal of Experimental Psychology: Learning, Memory, and
Cognition, 41, 348-362.
Beesley, T., Vadillo, M. A., Pearson, D., & Shanks, D. R. (en prensa). Configural
learning in contextual cuing of visual search. Journal of Experimental
Psychology: Human Perception and Performance.
Brady, T. F., & Chun, M. M. (2007). Spatial constraints on learning in visual
search: Modeling contextual cuing. Journal of Experimental Psychology:
Human Perception and Performance, 33, 798-815.
Brockmole, J. R., & Henderson, J. M. (2006). Using real-world scenes as
contextual cues for search. Visual Cognition, 13, 99-108.
Buckley, M. G., Smight, A. D., & Haselgrove, M. (2014). Shape shifting: Local
landmarks interfere with navigation by, and recognition of, global shape.
Señalización contextual 27
Journal of Experimental Psychology: Learning, Memory, and Cognition, 40,
492-510.
Chamizo, V. D., & Mackintosh, N. J. (1989). Latent learning and latent inhibition in
maze discriminations. Quarterly Journal of Experimental Psychology, 41B,
21-31.
Chun, M. M. (2000). Contextual cueing of visual attention. Trends in Cognitive
Sciences, 4, 170-178.
Chun, M. M., & Jiang, Y. (1998). Contextual cueing: Implicit learning and memory
of visual context guides spatial attention. Cognitive Psychology, 36, 28-71.
Chun, M. M., & Jiang, Y. (1999). Top-down attentional guidance based on implicit
learning of visual covariation. Psychological Science, 10, 360-365.
Chun, M. M., & Jiang, Y. (2003). Implicit, long-term spatial contextual memory.
Journal of Experimental Psychology: Learning, Memory, and Cognition, 29,
224-234.
Chun, M. M., & Turk-Browne, N. B. (2008). Associative learning mechanisms in
vision. In S. J. Luck & A. Hollingworth (Eds.), Visual Memory (pp. 209-245).
New York: Oxford University Press.
Destrebecqz, A., & Cleeremans, A. (2001). Can sequence learning be implicit?
New evidence with the process dissociation procedure. Psychonomic Bulletin
and Review, 8, 343350.
Dienes, Z. (2014). Using Bayes to get the most out of non-significant results.
Frontiers in Psychology, 5, 781.
Goujon, A., Didierjean, A., & Thorpe, S. (2015). Investigating implicit statistical
learning mechanisms through contextual cueing. Trends in Cognitive
Sciences, 19, 524-533.
Señalización contextual 28
Goujon, A., & Fagot, J. (2013). Learning of spatial statistics in nonhuman primates:
Contextual cueing in baboons (Papio papio). Behavioural Brain Research,
247, 101109.
Jiang, Y, & Song, J.-H. (2005). Spatial context learning in visual search and
change detection. Perception & Psychophysics, 67, 1128-1139.
Jiang, Y., & Wagner, L. C. (2004). What is learned in spatial contextual cuing
configuration or individual locations? Perception & Psychophysics, 66, 454-
463.
Jiménez, L., & Vázquez, G. A. (2011). Implicit sequence learning and contextual
cueing do not compete for central cognitive resources. Journal of
Experimental Psychology: Human Perception and Performance, 37, 222-235.
Kamin, L. J. (1969). Predictability, surprise, attention and conditioning. In B. A.
Campbell & R. M. Church (Eds.), Punishment and aversive behavior. New
York, NY: Appleton-Century-Crofts.
Mackintosh, N. J. (1975). A theory of attention: Variations in the associability of
stimuli with reinforcement. Psychological Review, 82, 276 298.
Manginelli, A. A., Langer, N., Klose, D., & Pollmann, S. (2013). Contextual cueing
under working memory load: Selective interference of visuospatial load with
expression of learning. Attention, Perception, & Psychophysics, 75, 1103-
1117.
Miller, R. R., & Matzel, L. D. (1988). The comparator hypothesis: A response rule
for the expression of associations. In G. H. Bower (Ed.), The psychology of
learning and motivation (Vol. 22, pp. 5192). San Diego, CA: Academic
Press.
Señalización contextual 29
Moors, A., & De Houwer, J. (2006). Automaticity: A theoretical and conceptual
analysis. Psychological Bulletin, 132, 297-326.
Nissen, M. J., & Bullemer, P. (1987). Attentional requirements of learning:
Evidence from performance measures. Cognitive Psychology, 19, 132.
Olson, I. R., & Chun, M. M. (2002). Perceptual constraints on implicit learning of
spatial context. Visual Cognition, 9, 273302.
Ogawa, H., & Kumada, T. (2008). The encoding process of nonconfigural
information in contextual cuing. Perception & Psychophysics, 70, 329-336.
Pearce, J. M. (1987). A model for stimulus generalization in Pavlovian
conditioning. Psychological Review, 94, 61-73.
Pearce, J. M. (1994). Similarity and discrimination: A selective review and a
connectionist model. Psychological Review, 101, 587-607.
Pollmann, S., Eštočinová, J., Sommer, S., Chelazzi, L., & Zinke, W. (2016). Neural
structures involved in visual search guidance by reward-enhanced contextual
cueing of the target location. NeuroImage, 124, 887-897.
Reber, A. S. (1967). Implicit learning of artificial grammars. Journal of Verbal
Learning and Verbal Behavior, 6, 855863.
Rescorla, R. A., & Wagner, A. R. (1972). A theory of Pavlovian conditioning:
Variations in the effectiveness of reinforcement and nonreinforcement. In A.
H. Black & W. F. Prokasy (Eds.), Classical conditioning II: Current research
and theory (pp. 64 99). New York, NY: Appleton-Century-Crofts.
Shanks, D. R. (1985). Forward and backward blocking in human contingency
judgement. Quarterly Journal of Experimental Psychology, 37B, 1-21.
Shanks, D. R. (1995). The psychology of associative learning. Cambridge:
Cambridge University Press.
Señalización contextual 30
Smyth, A. C., & Shanks, D. R. (2008). Awareness in contextual cuing with
extended and concurrent explicit tests. Memory & Cognition, 36, 403-415.
Vadillo, M. A., Konstantinidis, E., & Shanks, D. R. (en prensa). Underpowered
samples, false negatives, and unconscious learning. Psychonomic Bulletin &
Review.
Vadillo, M. A., & Matute, H. (2010). Augmentation in contingency learning under
time pressure. British Journal of Psychology, 101, 579-589.
Vadillo, M. A., & Matute, H. (2011). Further evidence on the validity of web-based
research on associative learning: Augmentation in a predictive learning task.
Computers in Human Behavior, 27, 750-754.
Wasserman, E. A., Teng, Y., & Brooks, D. I. (2014). Scene-based contextual
cueing in pigeons. Journal of Experimental Psychology: Animal Learning and
Cognition, 40, 401-418.
Wasserman, E. A., Teng, Y., & Castro, L. (2014). Pigeons exhibit contextual
cueing to both simple and complex backgrounds. Behavioural Processes,
104, 44-52.
ResearchGate has not been able to resolve any citations for this publication.
Article
Full-text available
Since its inception, the contextual cueing (CC) paradigm has generated considerable interest in various fields of cognitive sciences because it constitutes an elegant approach to understanding how statistical learning (SL) mechanisms can detect contextual regularities during a visual search. In this article we review and discuss five aspects of CC: (i) the implicit nature of learning, (ii) the mechanisms involved in CC, (iii) the mediating factors affecting CC, (iv) the generalization of CC phenomena, and (v) the dissociation between implicit and explicit CC phenomena. The findings suggest that implicit SL is an inherent component of ongoing processing which operates through clustering, associative, and reinforcement processes at various levels of sensory-motor processing, and might result from simple spike-timing-dependent plasticity. Copyright © 2015 Elsevier Ltd. All rights reserved.
Article
Full-text available
No scientific conclusion follows automatically from a statistically non-significant result, yet people routinely use non-significant results to guide conclusions about the status of theories (or the effectiveness of practices). To know whether a non-significant result counts against a theory, or if it just indicates data insensitivity, researchers must use one of: power, intervals (such as confidence or credibility intervals), or else an indicator of the relative evidence for one theory over another, such as a Bayes factor. I argue Bayes factors allow theory to be linked to data in a way that overcomes the weaknesses of the other approaches. Specifically, Bayes factors use the data themselves to determine their sensitivity in distinguishing theories (unlike power), and they make use of those aspects of a theory's predictions that are often easiest to specify (unlike power and intervals, which require specifying the minimal interesting value in order to address theory). Bayes factors provide a coherent approach to determining whether non-significant results support a null hypothesis over a theory, or whether the data are just insensitive. They allow accepting and rejecting the null hypothesis to be put on an equal footing. Concrete examples are provided to indicate the range of application of a simple online Bayes calculator, which reveal both the strengths and weaknesses of Bayes factors.
Article
Full-text available
Contextual cuing is the enhancement of visual search when the configuration of distractors has been experienced previously. It has been suggested that contextual cuing relies on associative learning between the distractor locations and the target position. Four experiments examined the effect of pre-exposing configurations of consistent distractors on subsequent contextual cuing. The findings demonstrate a facilitation of subsequent cuing for pre-exposed configurations compared to novel configurations that have not been pre-exposed. This facilitation suggests that learning of repeated visual search patterns involves acquisition of not just distractor-target associations but also associations between distractors within the search context, an effect that is not captured by the Brady and Chun (2007) connectionist model of contextual cuing. We propose a new connectionist model of contextual cuing that learns associations between repeated distractor stimuli, enabling it to predict an effect of pre-exposure on contextual cuing. (PsycINFO Database Record (c) 2014 APA, all rights reserved).
Article
Two experiments explore the role of configural representations in contextual cuing of visual search. Repeating patterns of distractors (contexts) were trained incidentally as predictive of the target location. Training these repeating contexts in consistent configurations led to stronger contextual cuing than when contexts were trained in inconsistent configurations. Computational simulations with an elemental associative learning model of contextual cuing demonstrated that purely elemental representations could not account for the results. However, a configural model of associative learning was able to simulate the ordinal pattern of data.
Chapter
This chapter describes the potential explanatory power of a specific response rule and its implications for models of acquisition. This response rule is called the “comparator hypothesis.” It was originally inspired by Rescorla's contingency theory. Rescorla noted that if the number and frequency of conditioned stimulus–unconditioned stimulus (CS–US) pairings are held constant, unsignaled presentations of the US during training attenuate conditioned responding. This observation complemented the long recognized fact that the delivery of nonreinforced presentations of the CS during training also attenuates conditioned responding. The symmetry of the two findings prompted Rescorla to propose that during training, subjects inferred both the probability of the US in the presence of the CS and the probability of the US in the absence of the CS and they then established a CS–US association based upon a comparison of these quantities. The comparator hypothesis is a qualitative response rule, which, in principle, can complement any model of acquisition.
Article
The scientific community has witnessed growing concern about the high rate of false positives and unreliable results within the psychological literature, but the harmful impact of false negatives has been largely ignored. False negatives are particularly concerning in research areas where demonstrating the absence of an effect is crucial, such as studies of unconscious or implicit processing. Research on implicit processes seeks evidence of above-chance performance on some implicit behavioral measure at the same time as chance-level performance (that is, a null result) on an explicit measure of awareness. A systematic review of 73 studies of contextual cuing, a popular implicit learning paradigm, involving 181 statistical analyses of awareness tests, reveals how underpowered studies can lead to failure to reject a false null hypothesis. Among the studies that reported sufficient information, the meta-analytic effect size across awareness tests was d z = 0.31 (95 % CI 0.24–0.37), showing that participants’ learning in these experiments was conscious. The unusually large number of positive results in this literature cannot be explained by selective publication. Instead, our analyses demonstrate that these tests are typically insensitive and underpowered to detect medium to small, but true, effects in awareness tests. These findings challenge a widespread and theoretically important claim about the extent of unconscious human cognition.
Article
Repeated pairings of a particular visual context with a specific location of a target stimulus facilitate target search in humans. We explored an animal model of such contextual cueing. Pigeons had to peck a target, which could appear in 1 of 4 locations on color photographs of real-world scenes. On half of the trials, each of 4 scenes was consistently paired with 1 of 4 possible target locations; on the other half of the trials, each of 4 different scenes was randomly paired with the same 4 possible target locations. In Experiments 1 and 2, pigeons exhibited robust contextual cueing when the context preceded the target by 1 s to 8 s, with reaction times to the target being shorter on predictive-scene trials than on random-scene trials. Pigeons also responded more frequently during the delay on predictive-scene trials than on random-scene trials; indeed, during the delay on predictive-scene trials, pigeons predominately pecked toward the location of the upcoming target, suggesting that attentional guidance contributes to contextual cueing. In Experiment 3, involving left-right and top-bottom scene reversals, pigeons exhibited stronger control by global than by local scene cues. These results attest to the robustness and associative basis of contextual cueing in pigeons. (PsycINFO Database Record (c) 2014 APA, all rights reserved).