Teoría de la inhibición - Inhibition theory

La teoría de la inhibición se basa en el supuesto básico de que durante la realización de cualquier tarea mental que requiera un mínimo de esfuerzo mental, el sujeto pasa por una serie de estados latentes alternados de distracción (no-trabajo 0) y atención (trabajo 1) que no pueden ser observados y son completamente imperceptibles para el sujeto.

Adicionalmente, se introduce el concepto de inhibición o inhibición reactiva también latente. Se asume que durante los estados de atención la inhibición aumenta linealmente con una pendiente a ₁ y durante los estados de distracción la inhibición disminuye linealmente con una pendiente a _{0. De} acuerdo con este punto de vista, los estados de distracción pueden considerarse una especie de estado de recuperación.

Se supone además que cuando la inhibición aumenta durante un estado de atención, dependiendo de la cantidad de aumento, también aumenta la inclinación a cambiar a un estado de distracción. Cuando la inhibición disminuye durante un estado de distracción, dependiendo de la cantidad de disminución, aumenta la inclinación a cambiar a un estado de atención. La inclinación a cambiar de un estado a otro se describe matemáticamente como una tasa de transición o tasa de riesgo, lo que hace que todo el proceso de alternancia de tiempos de distracción y atención sea un proceso estocástico .

Teoría

Una variable aleatoria continua no negativa T representa el tiempo hasta que ocurrirá un evento. La tasa de riesgo λ ( t ) para esa variable aleatoria se define como el valor límite de la probabilidad de que el evento ocurra en un intervalo pequeño [ t , t  + Δ t ]; dado que el evento no ha ocurrido antes del tiempo t , dividido por Δ t . Formalmente, la tasa de riesgo se define mediante el siguiente límite:

${\ Displaystyle \ lambda (t) = \ lim _ {\ Delta t \ to 0} {\ frac {\ Pr (t \ leq T <t + \ Delta t \ mid T \ geq t)} {\ Delta t}} }$

La tasa de riesgo λ ( t ) también se puede escribir en términos de la función de densidad o función de densidad de probabilidad f ( t ) y la función de distribución o función de distribución acumulada F ( t ):

${\ Displaystyle \ lambda (t) = {\ frac {f (t)} {1-F (t)}}}$

Las tasas de transición λ ₁ ( t ), del estado 1 al estado 0, y λ ₀ ( t ), del estado 0 al estado 1, dependen de la inhibición Y ( t ): λ ₁ ( t ) = ℓ ₁ (Y ( t) )) y λ ₀ ( t ) = ℓ ₀ (Y ( t )), donde ℓ ₁ es una función no decreciente y ℓ ₀ es una función no creciente. Nota, que ℓ ₁ y l ₀ dependen de la Y , mientras que Y es dependiente de T . La especificación de las funciones l ₁ y l ₀ conduce a los distintos modelos de inhibición.

Lo que se puede observar en la prueba son los tiempos de reacción reales. Un tiempo de reacción es la suma de una serie de tiempos de distracción y tiempos de atención alternados, que no se pueden observar. No obstante, es posible estimar a partir de los tiempos de reacción observables algunas propiedades del proceso latente de tiempos de distracción y tiempos de atención, es decir, el tiempo medio de distracción, el tiempo medio de atención y la relación a ₁ / a ₀ . Para poder simular los tiempos de reacción consecutivos, se ha especificado la teoría de la inhibición en varios modelos de inhibición.

Uno es el llamado modelo de inhibición beta. En el modelo de inhibición beta, se supone que la inhibición Y ( t ) oscila entre dos límites que son 0 y M ( M para Máximo), donde M es positivo. En este modelo, ℓ ₁ y ℓ ₀ son los siguientes:

${\ Displaystyle \ ell _ {1} (y) = {\ frac {c_ {1} M} {Mi}}}$

y

${\ Displaystyle \ ell _ {0} (y) = {\ frac {c_ {0}} {y}}}$

ambos con c ₀ > 0 y c ₁ > 0. Nótese que, de acuerdo con el primer supuesto, cuando y va a M (durante un intervalo), ℓ ₁ ( y ) va al infinito y esto fuerza una transición a un estado de reposo antes de la inhibición puede alcanzar M . De acuerdo con el segundo supuesto, cuando y llega a cero (durante una distracción), ℓ ₀ ( y ) va al infinito y esto fuerza una transición a un estado de trabajo antes de que la inhibición llegue a cero. Para un intervalo de trabajo que comienza en t ₀ con nivel de inhibición y ₀  =  Y ( t ₀ ), la tasa de transición en el tiempo t ₀  +  t está dada por λ ₁ ( t ) = l ₁ ( y ₀  +  a ₁ t). Para un intervalo sin trabajo que comienza en t ₀ con nivel de inhibición y ₀  =  Y ( t ₀ ), la tasa de transición está dada por λ ₀ ( t ) =  ℓ ₀ ( y ₀  -  a ₀ t ). Por lo tanto

${\ Displaystyle \ lambda _ {1} (t) = {\ frac {c_ {1} M} {M- (y_ {0} + a_ {1} t)}}}$

y

${\ Displaystyle \ lambda _ {0} (t) = {\ frac {c_ {0}} {y_ {0} -a_ {0} t}}}$

El modelo tiene Y fluctuante en el intervalo entre 0 y M . La distribución estacionaria de Y / M en este modelo es una distribución beta (el modelo de inhibición beta).

El tiempo total real de trabajo hasta la conclusión de la tarea (o la unidad de tarea en el caso de una repetición de las tareas de la unidad equivalentes), por ejemplo, en la prueba de concentración Atención, se conoce como A . El tiempo medio de respuesta estacionaria E ( T ) se puede escribir como

${\ Displaystyle \ operatorname {E} (T) = A + {\ frac {a_ {1}} {a_ {0}}} A.}$

Para M va al infinito λ ₁ ( t ) = c ₁ . Este modelo se conoce como modelo gamma o de inhibición de Poisson (véase Smit y van der Ven, 1995).

Solicitud

La teoría de la inhibición se ha desarrollado especialmente para tener en cuenta la oscilación a corto plazo, así como la tendencia a largo plazo en las curvas de tiempo de reacción obtenidas en tareas de respuesta continua como el Test de concentración de atención (ACT). El ACT generalmente consiste en una tarea de trabajo prolongada sobreaprendida en la que cada respuesta provoca la siguiente. Varios autores, entre ellos Binet (1900), destacaron la importancia de la fluctuación en los tiempos de reacción sugiriendo la desviación media como medida del rendimiento.

A este respecto, también vale la pena mencionar un estudio de Hylan (1898). En su experimento B, utilizó una tarea de suma de 27 dígitos que indica la importancia de la fluctuación de los tiempos de reacción y fue el primero en informar curvas de tiempo de reacción que aumentan gradualmente (disminuyen marginalmente) (Hylan, 1898, página 15, figura 5).

Recientemente, el modelo de inhibición también se ha utilizado para explicar la duración de las fases en experimentos de rivalidad binocular (van der Ven, Gremmen y Smit, 2005). El modelo es capaz de tener en cuenta las propiedades estadísticas de las duraciones de las fases alternas.

que representa la cantidad de tiempo que una persona percibe el estímulo en un ojo T _1j y en el otro ojo T _0j .

Una definición de inteligencia

Con la ayuda de la teoría de la inhibición es posible definir operacionalmente el concepto de inteligencia. La inteligencia es entonces la razón del aumento de la tasa de inhibición durante los períodos de atención y la tasa de disminución de la inhibición durante los períodos de distracción o, mejor, menos el logaritmo natural de esta razón, es decir,

${\ Displaystyle \ operatorname {-} \ ln {\ frac {a_ {1}} {a_ {0}}}.}$

Menos el logaritmo natural se distribuye normalmente. La razón por la que se utiliza el signo menos es que una puntuación alta corresponde a una inteligencia alta y una puntuación baja a una inteligencia baja.

En lugar de la cantidad de inhibición como fuerza guía, se podría haber tomado la cantidad de energía o mejor de energía mental como fuerza guía. La energía mental es entonces el reverso de la inhibición. Spearman ya sugirió la idea de una disminución de la energía mental durante los períodos de atención y de una recuperación y aumento de la energía mental durante los períodos de distracción: "Por lo general, el trabajo duro, podemos suponer, produce un mayor consumo de esta energía y, por lo tanto, un aumento correspondiente. en su recuperación ". (Spearman, 1927, capítulo XIX), página 327).

Ver también

• Inhibición cognitiva

Referencias

• Binet, A. (1900). Atención y adaptación [Atención y adaptación]. L'annee psychologique , 6 , 248−404.
• Hylan, JP (1898). La fluctuación de la atención. The Psychological Review , serie de suplementos monográficos , vol. II., No. 2 (Entero No. 6). Nueva York: The MacMillan Company.
• Smit, JC y van der Ven, AHGS (1995). Pruebas de inhibición en velocidad y concentración: el modelo de inhibición de Poisson. Revista de psicología matemática , 39 , 265-273.

• Spearman, C. (1927). Las habilidades del hombre. Londres: MacMillan.

• van der Ven, AHGS, Gremmen, FM y Smit, JC (2005). Un modelo estadístico para la rivalidad binocular. Revista británica de psicología matemática y estadística , 58 , 97-116.