La ambigüedad e inconcreción con respecto a los mecanismos de aprendiza
je no es característica sólo de la posición de Ro s c h, sino que parece constituir
má¡> bien uno de los rasgos más probables en las teorías probabilísticas del aprendizaje de conceptos y categorías. Pero, a pesar de esta vaguedad, práctica mente en todos los casos se defiende la existencia de procesos y representacio nes que conllevan una ¡dea implícita de los mecanismos del aprendizaje respon sables de ellos. Estos supuestos son a veces más implícitos que explícitos. De he cho, al asumir que los conceptos se representan mediante ejemplares o mediante prototipos se están haciendo también fuertes suposiciones con respecto a los mecanismos de aprendizaje subyacentes.
Así, los partidarios de la teoría del ejemplar (por ej., Barsalou, 1985, 1987;
Brooks, 1978, 1987; Medin y Schaffer, 1978), al sostener que los conceptos no poseen una representación unitaria, defienden que los ejemplares se adquieren y almacenan como casos individuales. La atribución de un estímulo nuevo a una categoría se produciría por un proceso de comparación con los ejemplares alma cenados en la memoria. El estímulo se atribuiría a la categoría cuyos ejemplares
tuvieran una mayor semejanza con el nuevo estímulo. En palabras de Barsalou
(1987, pág. 118), la formación de conceptos se basaría en «un proceso de com
paración de similaridad en la memoria de trabajo». Así, los conceptos no serán
entidades abstractas almacenadas en la memoria de modo estable, sino que se
formarían ad hoc (Barsalou, 1983) en el momento de su uso. Serían representa
ciones implícitas en lugar de explícitas.
Las teorías del ejemplar consideran los conceptos como productos de la me
moria episódica, aceptando la hipótesis de la codificación específica (McCauley,
1987). Según la conceptualización de Tulving (1979, 1983) los contendios de la
memoria episódica se organizan según pautas espacio-temporales y no mediante relaciones conceptuales, carecen de capacidad inferencial y se refieren a hechos únicos. Estos mismos rasgos están presentes en las teorías del ejemplar. Sin em bargo, la consideración de los conceptos como representaciones episódicas plantea serios problemas, algunos de los cuales están presentes en el concepto
de memoria episódica desde su propio origen (véase por ej., Diges y Seoane,
1981). En primer lugar, si bien parece demostrada la importancia de los factores
contextúales en la conceptualización (Barsalouy Medin, 1986), ésta no puede re
104 Teorías cognitívas del aprendizaje
ceptos es precisamente la superación de esos parámetros que nos permite libe rarnos de la «esclavitud de lo particular». Si los conceptos están representados mediante ejemplares ¿se almacenan todos los estímulos individuales como ejem plares? En caso afirmativo, la función organizadora y predictiva de los conceptos sería difícil de lograr. Pero si no es así ¿cuáles son los criterios para seleccionar unos estímulos determinados como ejemplares? O, en otras palabras, ¿cuáles son los mecanismos mediante los que se adquieren los ejemplares-conceptos?
Los defensores de la teoría del ejemplar no son muy explícitos con respecto a los procesos del aprendizaje. El único mecanismo mencionado es la semejanza de los estímulos con respecto a los ejemplares. No obstante, rechazan el análisis
de rasgos por lo que se trataría de una semejanza global, no analítica ( Br o o k s,
1978). Pero no se explícita en qué parámetros se basa esa semejanza global. En cualquier caso, al negar que los conceptos constituyan entidades abastractas, los partidarios del ejemplar rechazan la abstracción como proceso básico para la ad quisición de conceptos. Lamentablemente, no formulan ninguna alternativa cohe rente a la abstracción, que es el proceso en general aceptado desde posiciones
asociacionistas ( Bo l t o n, 1977). De esta forma, en su formulación actual resulta
insuficiente como teoría de la adquisición de conceptos. Todas sus formulaciones se reducen a un vago proceso de identificación (la semejanza global) sin que pa rezca capaz de abordar otros requisitos importantes de una teoría de esa natura leza, como son la relación entre conceptos y, muy especialmente, los procesos que dan cuenta de la formación de conceptos como entidades que superan la na turaleza individual de los estímulos particulares. En cierto modo, es un contrasen tido considerar los conceptos o categorías -lo s contendios semánticos por natu raleza- como productos episódicos en la memoria. De hecho, como han mostra do Di g e s y Se o a n e (1981), el propio concepto de memoria episódica es, hasta
cierto punto, contrario al sentido común. La contradicción nos remonta al proble ma del origen de los significados y nos recuerda una vez más que éstos no pue den reducirse a meras reglas sintácticas4En último extremo,la semejanza debe re mitir siempre a unos contenidos. Cómo se forman éstos es algo que las teorías del ejemplar no aclaran.
Pero la debilidad de la teoría del ejemplar no impide que goce de un cierto apoyo experimental, especialmente en relación con la existencia de efectos con
textúales en la adquisición de categorías (por ej., Barsalou, 1983,1987; Barsalou
y Medin, 1986). Además, se muestra como una teoría eficaz desde el punto de vis ta representacional y se ajusta a las demandas de las nuevas teorías computacio- nales, basadas en representaciones implícitas más que explícitas (modelos men tales o de memoria distribuida en lugar de esquemas o prototipos). Pero este éxi to empírico y esta adecuación con respecto a las nuevas teorías computacionales pueden resultar engañosos, ya que ni las teorías computacionales parecen traer consigo una verdadera teoría del aprendizaje de conceptos (véase más adelante Cap. VI), ni las condiciones experimentales son especialmente adecuadas para analizar cómo se adquieren en realidad, más allá del laboratorio, esos mismos conceptos. De hecho, las situaciones experimentales suelen ser muy restrictivas en varios sentidos: pruebas de retención a corto plazo íaue favorecen el recuerdo
Formación de conceptos naturales 105
de ejemplares en lugar de! de prototipos), aprendizaje de categorías perceptivas en lugar de conceptos, situaciones artificiales en lugar de naturales y escasas va-. riables manipuladas, tanto internas (tamaño de la categoría, varianza de los ejem plares), externas (número de categorías y similitud entre ellas) como contextúa
les. Por ejemplo, según ha mostrado Homa (1984), los resultados de situaciones
con una sola categoría no son extrapolables a situaciones con más de una cate goría. Si se introducen estas variables y sus interacciones - y en la vida real esas variables interactúan de modos extraordinariamente com plejos- el sentido co mún - y algunos datos em píricos- nos dicen que los conceptos no sólo están formados por ejemplares sino que son una abstracción.
Esta es la idea de los partidarios del prototipo. Según la teoría del prototipo los conceptos están representados de modo estable en la memoria mediante un ejemplo, real o ideal, cuyos valores en los diversos atributos constituyen una me dida de tendencia central del rango de valores existentes entre los miembros de la
categoría. A diferencia de la teoría del ejemplar, que únicamente predecía una
mayor semejanza de los miembros del concepto con su ejemplar o ejemplares, el prototipo sería un caso promedio dentro de la categoría. Existen, sin embargo, varias formas de computar y relacionar esos valores promedio, que dan lugar a una gran variedad de teorías de la adquisición de prototipos. Estas teorías pueden clasificarse según diversos criterios, muchas veces no coincidentes (véase, por
ej., Abdi, 1987; ANDERSON, 1983; ESTES, 1986; Millward, 1980; Smith y Medin,
1981; de Vega, 1984; Wickelgren, 1979). Por nuestra parte, distinguiremos entre dos formas fundamentales de calcular el valor central de un rasgo: como una va riable continua, en cuyo caso el valor central es la media de una dimensión, y co mo variable discreta, en cuyo caso la medida de tendencia central será la moda o valor más frecuente con respecto a un atributo. Existe además otro criterio, apli cable por igual a ambos tipos de medidas, que es el tipo de relación existente en tre los atributos o dimensiones. Según la mayor parte de los modelos esa relación es meramente aditiva, de forma que el prototipo de un concepto es la suma de los valores promedios. Sin embargo, otros autores defienden que los diversos valores no son nunca independientes unos de otros sino contingentes, por lo que la rela ción entre ellos no es meramente aditiva sino multiplicativa. La Tabla 5.3 resume los principales modelos derivados de la interacción entre estos dos criterios.
TABLA 5.3. M o d e lo s d e l c ó m p u to d e l p ro to tip o T ip o de ra sg o s R e la c ió n e n tre lo s ra s g o s In d e p e n d e n c ia C o n tin g e n c ia Variables continuas (dimensiones) Sum a de distancias M ultiplicación de distancias Variables discretas (atributos) Suma de frecuencias M ultiplicación de frecuencias
106 Teorías cognitivas del aprendizaje
Cada uno de estos modelos da lugar a un proceso de aprendizaje levemente distinto. Los principales modelos de dimensiones definen el prototipo como el estí mulo que tiene un valor promedio en cada una de las dimensiones relevantes para la categoría. Así, un estímulo nuevo se atribuirá a aquella categoría cuyo prototipo se halle a menor distancia media de los valores del estímulo. Esa distancia es la suma de la distancia en cada uno de los valores. A su vez, el prototipo se adqui rirá como un valor promedio para una serie de estímulos con una cierta similitud. Los efectos de tipicidad se explicarían en función de la distancia al prototipo. Pos-
nery Keele (1968) desarrollan un modelo de este tipo a partir de sus investiga
ciones con figuras distorsionadas, mencionadas con anterioridad. 5n sus traba jos, cuanta mayor era la distorsión mayor era la distancia con prototipo. Los es tímulos más difíciles de categorizar eran aquellos que no se encontraban «próxi mos» a ningún prototipo. Ese mismo tipo de modelos se ha aplicado en los estu
dios sobre memoria semántica (por ej., Rips, Shoben y Smith, 1973). En estos es
tudios la «distancia semántica» entre los conceptos da lugar a una representa ción espacial bidimensional, en la que un dominio semántico está representado según relaciones de proximidad entre sus miembros.
Uno de los problemas de este tipo de modelos es determinar qué dimensio nes son relevantes para calcular la distancia con el prototipo. Al calcular esa dis tancia como la suma de todas las distancias dimensionales se está asumiendo que las distintas dimensiones son no sólo independientes sino igualmente rele vantes. Este supuesto conduce a predicciones erróneas. Por ejemplo, si el go rrión se halla próximo al prototipo de ave, un canario de su mismo color pardo es taría más próximo al prototipo que un canario naranja. Sin embargo, para la ma yor parte de la gente el color es, en principio, una dimensión irrelevante para la categoría «ave». Por esta razón, se han intentado introducir, con escaso éxito hasta la fecha, factores de ponderación de la relevancia de las dimensiones en el cómputo de la distancia con el prototipo. Como puede verse, se trata, una vez más, de superar las anomalías producidas por el principio asociacionista de equi valencia o equipotencialidad de los estímulos.
El problema de la equivalencia de dimensiones tiene también su correlato dentro de las propias dimensiones. Al asumir el carácter continuo de los rasgos, se acepta también una métrica continua, según la cual la distancia entre dos con ceptos A y B es la misma en ambas direcciones. Este supuesto de simetría resul ta, sin embargo, inadecuado como medida del prototipo. Según ha comprobado
Tversky (1977), la semajanza entre un prototipo y un miembro de la categoría no
es simétrica. Así, un alumno que tenga un 4,6 en un examen es posible que argu mente que «un 4,6 es casi un 5». En cambio es bastante más improbable que un alumno con un 5 piense que «un 5 es casi un 4,6». Igual sucede con el uso de las metáforas en el lenguaje. Ada y Van, los precoces adolescentes protagonistas
de la novela de Vladímir NABOKCnMcte o el ardor, definen el recuerdo de una pa
raíso ido, la añoranza, como «una torre en la niebla». Es bastante dudoso que si métricamente consideraran una torre en la niebla como «el recuerdo de un paraí so ido». Esta creencia en la simetría es una consecuencia de considerar los ras
gos de los conceptos como variables continuas. Por tanto, los modelos de proto tipos basados en variables discretas no se enfrentan a este problema.
Los modelos del prototipo basados en atributos o variables discretas conside ran que el prototipo está constituido por los valores más frecuentes en cada uno de los rasgos del concepto. La categorización de un estímulo nuevo será el pro ducto aditivo de la frecuencia con la que sus valores están presentes en^distintas categorías. El prototipo se adquirirá a partir de un cómputo de la frecuencia de rasgos entre estímulos con una cierta similitud. Los efectos de tipicidad de los miembros de una categoría dependen de la frecuencia de cada uno de sus valo res dentro de la categoría. Dos de los modelos de frecuencia de rasgos más rele
vantes son la validez de claves de Rosch (1978) y el parecido familiar de Tversky
(1977). Como señalábamos en páginas anteriores la validez de una clave como predictor de una categoría es un producto de la frecuencia con la que esa clave (o valor) ocurre en esa categoría menos la frecuencia con que ocurre en otras ca tegorías. La validez de claves de un estímulo es la suma de las probabilidades condicionadas de cada uno de sus valores o claves. Nuevamente esta medida de
la tipicidad está basada en la independencia y equivalencia de los atributos.
Tversky (1977) ha propuesto un modelo parecido, en el que la tipicidad se mide
por la semejanza o parecido familiar con el prototipo, que se basa en una suma ponderada de la semejanza de los distintos atributos. Una de las diferencias entre
estos dos modelos de la frecuencia de rasgos es que Tversky introduce un factor
de ponderación para compernsar la equivalencia de los rasgos.
Aunque el modelo de Tversky (1977), basado en una suma ponderada de los
atributos, resulta intuitivamente aceptable, sigue careciendo, al igual que sucedía
en el caso de los modelos dimensionales, como el de Reed (1972), de una medida
independiente de la ponderación. Pero, aun en el caso de que se hallara tal me dida, los modelos de frecuencia de rasgos, al igual que los de distancia semán tica, siguen teniendo planteado el problema de la independencia de los rasgos.
En ambos tipos de modelos, los atributos o dimensiones se tratan c o itk d variables
sin relación entre sí, cuyo valor puede ser sumado o restado. Sin embargo, pa radójicamente estos modelos se basan en la idea de que el mundo tiene «una es
tructura correlacional» que se refleja en la formación de conceptos (Rosch,
1977). Esa estructura correlacional, consistente en la covariación sistemática de ciertos valores en el mundo real, se contradice con el tratamiento aditivo que se
da a esos mismos valores en los modelos que acabamos de mencionar. Richard-
son y Bhavnani (1984) han propuesto un modelo de contingencia según el cual
los valores de las variables no son independientes unos de otros sino que están relacionados entre sí. Tras computar la probabilidad condicionada de cada valor o clave, el modelo, en lugar de sumarlas, establece una relación multiplicativa por la que los distintos valores interactúan. Este modelo es aplicable tanto a variables
108 Teorías cognitivas del aprendizaje