Una vez conocidas las limitaciones teóricas y de conceptualización así como las limitaciones metodológicas de los mismos, podemos referirnos a las limitaciones prácticas y de estudio de los diferentes
Diferentes problemas en categorización 181
modelos, concretamente al uso que, bien de estímulos unidimensionales o multidimensionales, se ha realizado en la literatura de categorización y de su relación más allá de la ya mencionada (los primeros como precedentes teórico-prácticos de los segundos). Podemos referirnos a dos tendencias, por una parte el acercamiento desde el estudio de los modelos unidimensionales a los procedimientos multidimensionales y, por otro lado, la aproximación desde los modelos multidimensionales a los estímulos unidimensionales.
El principal intento de generalización desde la unidimensionalidad al estudio de los estímulos multidimensionales lo podemos encontrar en el trabajo de Marley (1992), el cual sintetiza las posibles soluciones a esta cuestión.
Así, la idea principal es que es posible combinar los datos obtenidos para una única dimensión de forma tal que puedan ser aplicados a estímulos formados por varias dimensiones. Es decir, ya que “inferir estructuras subyacentes (distribuciones) desde un grupo de probabilidades de elección es mucho más difícil que asumir ciertas representaciones de probabilidades y derivar las probabilidades de elección” lo que se puede intentar es “caracterizar apropiadamente reglas de agregación combinando las probabilidades de elección en unidimensional para producir las probabilidades de elección multidimensionales asociadas y entonces estudiar qué modelos de elección satisfacen estas reglas” (Marley, 1992; página 301).
De esta forma, las probabilidades obtenidas en identificación absoluta pueden ser utilizadas —si cumplen los supuestos del modelo escogido (las mencionadas reglas de agregación)— a un determinado modelo. Por ejemplo, si disponemos de estímulos formados por dos dimensiones y las probabilidades obtenidas en identificación de una dimensión son independientes de la otra dimensión, entonces puede encontrarse la probabilidad de identificar el estímulo a partir de los valores obtenidos en la identificación unidimensional (media geométrica ponderada).
No obstante, y aún habiendo resuelto los problemas de cálculo, existen otros problemas referidos al diseño experimental tanto relacionados con la recogida de datos (qué tipo de probabilidad calcular) como con la presentación de estímulos (presentar los estímulos enteros o por partes), tal vez estos problemas hacen que, a la
hora de establecer paralelismos entre el estudio de estímulos formados por una dimensión y aquellos compuestos por varias, se prefiera proceder de modo inverso y adaptar los modelos multidimensionales a los datos obtenidos con estímulos unidimensionales.
En efecto, el estudio de los modelos de ejemplar y de límites ha generado diferentes trabajos en fechas recientes. Así, entre los segundos podemos destacar el trabajo de Kalish y Kruschke (1997) en el que los autores enfrentan el modelo de ejemplar con el modelo de límites (formado por un único límite vertical sobre el continuo dimensional) manipulando las distribuciones de los estímulos. El trabajo de estos autores pone se manifiesto que los participantes son sensibles a la variación de estas distribuciones y, lo más importante, que pese a utilizarse estímulos de gran sencillez (formados por una dimensión) es necesario un modelo de categorización que incluya supuestos del modelo de ejemplares como supuestos de los modelos de regla.
Por tanto, los participantes categorizan los estímulos basándose tanto en reglas como en la comparación de estímulos vistos anteriormente. De ello se concluye que la utilización de estímulos complejos puede forzar a los participantes a emplear estrategias como la memorización de ejemplares, estrategias que no utilizarían, o utilizarían en parte, de tratarse de estímulos sencillos.
Por otra parte, la dificultad que entraña la tarea de separar ambos tipos de procesos incluso con estímulos de este tipo parece indicar que frente a estímulos de mayor complejidad, los participantes tenderían a desarrollar estrategias más elaboradas, siempre y cuando no se vean forzados a memorizar la totalidad de ejemplares presentados debido a su dificultad a la hora de discriminarlos o a la dificultad de aprender las categorías (frente a la sencillez de las categorías basadas en ejemplares unidimensionales y la facilidad para distinguirlos).
El mismo Ahsby (Ashby, Queller y Berrety, 1999) ha investigado reglas unidimensionales recientemente aunque en tareas de categorización sin supervisar, es decir, tareas en las que los participantes deben categorizar los estímulos —formados por dos dimensiones— que se les presentan pero en los que no se les proporciona ningún tipo de retroalimentación durante los ensayos. En estas tareas los propios participantes deben determinar qué estímulos son críticos y aprender el valor correcto del criterio (el límite entre las
Diferentes problemas en categorización 183
dos categorías). Además, en ausencia de retroalimentación, los participantes tienden a utilizar reglas unidimensionales aunque puedan fallar mientras que cuando se les proporciona información sobre sus respuestas, los participantes pueden aprender reglas diagonales. Es decir, los participantes tienden a establecer reglas sencillas basadas en una única dimensión (de las dos que forman el estímulo) cuando no se les proporciona retroalimentación.
Recientemente (Ashby, Maddox y Bohil, 2002; Ashby, Ell y Waldron, 2003), se ha retomado el estudio de las reglas unidimensionales otros dos tipos de entrenamiento: entrenamiento observacional, en el que los participantes observan cual es la categoría del ejemplar presentado y el entrenamiento con retroalimentación usual. Los resultados muestran que los participantes utilizan reglas unidimensionales al margen del tipo de entrenamiento recibido si la estructura de las categorías estaba basada en alguna regla. Además, cuando la regla era sencilla de verbalizar, la categorización de los participantes era tan acertada tanto en la condición de retroalimentación como en la de entrenamiento observacional.
Todo parece indicar, pues, que la forma de categorizar los estímulos que se presentan a los participantes depende de diversos factores, entre ellos la propia estructura categorial que, cuando sigue unas reglas simples o cuando los participantes no reciben ninguna ayuda, provocan en los participantes estrategias simples de categorización. Además, las características de los estímulos con dimensiones separables o integrales también influyen en la construcción de las categorías (Milton y Wills, 2004).
La teoría de ejemplares también recientemente se ha contrastado utilizado estímulos unidimensionales (Stewart, Brown y Chater, 2002) en este caso para estudiar efectos de secuencia. Así, se producen efectos de secuencia de los cuales el modelo de ejemplares no puede dar cuenta con estímulos formados por una única dimensión (en este caso, los estímulos empleados son sonidos) por lo que un modelo de ejemplares debe ser incapaz de explicar estos efectos (supuestamente anulados mediante la presentación aleatoria de los estímulos que componen cada categoría) con estímulos multidimensionales. No obstante, cuando la categoría a la que pertenece el estímulo es variable (la pertenencia a una categoría no es de 0 o 1 si no una probabilidad),
la teoría de ejemplares predice de forma más acertada los resultados que la de límites (Rouder y Ratcliff, 2004).
185