Está en la página 1de 9

Psicothema 2007. Vol. 19, n 3, pp.

506-514 ISSN 0214 - 9915 CODEN PSOTEG


www.psicothema.com Copyright 2007 Psicothema

Desarrollo de un programa computacional para simular las predicciones


del modelo de elementos reemplazados (REM) de condicionamiento pavloviano

Edgar H. Vogel, Claudia A. Daz*, Jorge A. Ramrez*, Mary C. Jarur*, Andrs M. Prez-Acosta**
y Allan R. Wagner***
Universidad de Talca (Chile), * Universidad Catlica del Maule (Chile), ** Universidad del Rosario (Colombia) y *** Yale University (USA)

Pese a la aparente simpleza del condicionamiento pavloviano, la investigacin acerca de sus mecanis-
mos ha despertado considerable debate, como es el caso de la disputa acerca de si los estmulos que se
asocian son codificados en forma elementalista (un estmulo compuesto es equivalente a la suma de
sus componentes) o configuracional (un estmulo compuesto es un ejemplar nico). Esta contro-
versia es evidente en la abundante investigacin sobre las predicciones contrastantes de los modelos
elementalistas y configuracionales. Recientemente, han surgido soluciones mixtas, con las ventajas de
ambos enfoques, pero difciles de evaluar dada su complejidad. Este artculo presenta un programa
computacional para ejecutar simulaciones de un modelo mixto (replaced elements model o REM). Se
incluyen instrucciones y ejemplos para utilizar el simulador con fines investigativos y educacionales.

Development of a computer program to simulate the predictions of the replaced elements model of Pav-
lovian conditioning. Despite of the apparent simplicity of Pavlovian conditioning, research on its me-
chanisms has caused considerable debate, such as the dispute about whether the associated stimuli are
coded in an elementistic (a compound stimuli is equivalent to the sum of its components) or a con-
figural (a compound stimuli is a unique exemplar) fashion. This controversy is evident in the abun-
dant research on the contrasting predictions of elementistic and the configural models. Recently, some
mixed solutions have been proposed, which, although they have the advantages of both approaches, are
difficult to evaluate due to their complexity. This paper presents a computer program to conduct si-
mulations of a mixed model (replaced elements model or REM). Instructions and examples are pro-
vided to use the simulator for research and educational purposes.

El aprendizaje asociativo fue uno de los primeros fenmenos tigadores. La intuicin de la mayora era que se estaba frente a
estudiados por la psicologa experimental y ha sido uno de los es- un mecanismo fundamental de la supervivencia animal, por el
tandartes de la psicologa comparada en sus ms de cien aos de cual uno o varios estmulos se transforman en seales o predic-
existencia. El condicionamiento clsico o pavloviano, una de las tores de otros eventos de relevancia adaptativa. El siglo XX fue
formas ms simples de aprendizaje asociativo, es un fiel exponen- testigo del perfeccionamiento de varios modelos animales, desde
te de la vitalidad e importancia que an tiene la investigacin y las invertebrados (Carew, Hawkins, y Kandel, 1983) hasta humanos
aplicaciones en esta rea (Turkkan, 1989; Briol et al., 2000; Tru- (Marcos, 1997), que permitieron la acumulacin de una enorme
jillo et al., 2006). Este tipo de aprendizaje consiste en presentacio- cantidad de informacin emprica acerca de las regularidades
nes pareadas de un estmulo conductualmente neutral (estmulo conductuales de este paradigma y de sus fundamentos neurobio-
condicionado, o EC) y un estmulo biolgicamente significativo lgicos. Este mpetu por la investigacin emprica fue acompa-
(estmulo incondicionado, o EI), es decir, capaz de producir en el ado desde muy temprano por la elaboracin de teoras y mode-
organismo una respuesta incondicionada (RI). Con un nmero su- los del aprendizaje, entre los cuales predominaron los modelos
ficiente de tales pareos, el EC por s solo comienza a provocar una cuantitativos o matemticos, los cuales presentaban grandes ven-
respuesta condicionada (RC), la cual es normalmente muy similar tajas en cuanto a su rigurosidad predictiva y plausibilidad biol-
a la RI (Pavlov, 1927). gica.
Despus de su descubrimiento a fines del siglo XIX, la inves- En la actualidad, los modelos cuantitativos de condicionamien-
tigacin acerca de los mecanismos del condicionamiento pavlo- to han crecido en complejidad y sus creadores se han contactado
viano gan inmediatamente espacio en las agendas de los inves- con otras disciplinas tales como la inteligencia artificial y la neu-
rociencia (Rozo, Baquero, y Prez-Acosta, 2004). En estas teoras,
el aprendizaje es concebido como cambios en redes neuronales
Fecha recepcin: 2-5-06 Fecha aceptacin: 24-1-07 conexionistas, donde los estmulos se representan por ndulos que
Correspondencia: Edgar H. Vogel se influyen unos a otros a travs de conexiones asociativas plsti-
Escuela de Psicologa cas. El condicionamiento clsico sera el resultado del fortaleci-
Universidad de Talca
Casilla n 747 - Talca (Chile) miento de las conexiones entre las unidades que representan al EC
E-mail: evogel@utalca.cl y al EI (Vogel, Soto, Castro, y Solar, 2006).
DESARROLLO DE UN PROGRAMA COMPUTACIONAL PARA SIMULAR LAS PREDICCIONES DEL MODELO DE ELEMENTOS REEMPLAZADOS (REM) DE CONDICIONAMIENTO PAVLOVIANO 507

Al comienzo, los tericos conexionistas se concentraron prin- gados para referirse al hecho de que un estmulo compuesto contie-
cipalmente en descubrir los mecanismos mediante los cuales las ne las representaciones sumadas de sus componentes y algo ms.
conexiones entre estmulos se fortalecen o debilitan, para formali- Esta postura elementalista ha sido cuestionada por John Pear-
zarlos matemticamente en reglas de aprendizaje. En la actualidad, ce (1994, 2002), quien propuso un modelo que asume que las
existe bastante acuerdo entre los investigadores que la regla de configuraciones son las unidades funcionales bsicas en una si-
aprendizaje que se debe usar para modificar las conexiones entre tuacin de condicionamiento. Segn este enfoque, cada estmulo
el EC y el EI debera ser del tipo de aquella que propusieron Res- compuesto es una configuracin nica que desarrolla una asocia-
corla y Wagner (1972), la cual asume que el cambio en la fuerza cin unitaria con el EI. Sin embargo, adems de la fuerza asocia-
asociativa de un EC en un ensayo de aprendizaje depende de la di- tiva que adquiere directamente la configuracin, Ei, tambin se
ferencia entre el valor del EI que se obtiene en el ensayo (valor real) asume la existencia de otra fuerza asociativa, ei, que la configura-
y el valor que se esperaba obtener (valor predicho) por todos los cin obtiene indirectamente gracias a la generalizacin desde
ECs presentes en el ensayo. otras configuraciones que contienen algunos de sus componentes.
Sin embargo, un aspecto que ha permanecido bajo considera- Por ejemplo, se asume que un estmulo compuesto AB tendr una
ble debate entre los tericos e investigadores es el relacionado con fuerza asociativa total VAB equivalente a la suma de EAB + jeAB
la naturaleza de la representacin efectiva de los estmulos que +. + neAB, donde los ltimos sumandos representan las fuerzas
participan del proceso de aprendizaje (Rescorla y Wagner, 1972; asociativas que se generalizan a la configuracin AB, provenien-
Pearce, 1994; Wagner, 2003). En efecto, una de las grandes pre- tes de las configuraciones j,, n, que incluyen a los estmulos A
guntas que ha cautivado el inters de los investigadores del apren- o B. El valor de jeAB est dado por la fuerza asociativa de la con-
dizaje asociativo se refiere a cul es la relacin que existe entre el figuracin J, ponderada por la semejanza que sta tiene con AB.
valor asociativo que adquiere un compuesto formado por varios La semejanza entre dos configuraciones, Sij, est, a su vez, dada
estmulos, en comparacin con el valor de cada uno de sus com- por la cantidad de elementos que comparten. En resumen Vi = Ei
ponentes. El llamado enfoque elementalista (Rescorla y Wag- + Sijei.
ner, 1972) sostiene que el valor asociativo de un estmulo com- Ms all de estas diferencias fundamentales en la forma que es-
puesto puede ser caracterizado como la suma del valor asociativo tos dos modelos conciben la representacin de los estmulos, am-
de sus componentes, mientras que el enfoque configuracional bos utilizan bsicamente la misma regla para calcular el cambio
(Pearce, 1987, 1994) sostiene que el valor asociativo del com- asociativo en los ensayos de entrenamiento. El modelo de Rescor-
puesto es un todo nico, distinto de la suma de sus componentes. la y Wagner (1972) sostiene que la cantidad de cambio en la fuer-
El enfoque elementalista est representado por el modelo de za de la asociacin de cada uno de los componentes de AB en un
Rescorla y Wagner (1972; Wagner y Rescorla, 1972). Este mode- determinado ensayo es igual a [-(Va + Vb + Vab)], donde y
lo plantea que la representacin de un conglomerado de estmulos representan parmetros de tasa de aprendizaje y es el valor m-
que se presentan juntos es equivalente a la suma de las representa- ximo o asinttico de aprendizaje sostenido por el EI. Anloga-
ciones de cada estmulo por separado, ms un elemento nico ac- mente, el modelo de Pearce (1987, 1994) sostiene que el cambio
tivado exclusivamente por la presentacin conjunta de los elemen- en la fuerza asociativa directamente condicionada a la configura-
tos. Por ejemplo, si un animal es entrenado con un compuesto AB cin AB est dada por [ - (EAB + jeAB +.+ neAB)].
formado por dos estmulos, A y B (por ejemplo, un sonido y una Aunque las posturas elementalista y configuracional se han
luz), se asume que hay tres elementos que desarrollarn una aso- descrito como posturas contrapuestas, es importante apreciar que
ciacin independiente con el EI: el elemento a (activado por la pre- ambas reconocen tanto procesos configuracionales como elemen-
sencia del estmulo A), el elemento b (activado por la presencia del talistas. Brandon, Vogel y Wagner (2000) enfatizaron que la prin-
estmulo B) y el elemento ab (activado por la presencia conjunta cipal diferencia entre estos dos enfoques se puede apreciar en la
de los estmulos A y B). Se asume que la fuerza asociativa del es- operacin que el modelo realiza cuando se forma un compuesto
tmulo compuesto AB, llamada VAB es equivalente a la suma de con estmulos que se haban presentado por separado (o composi-
fuerza asociativa de sus componentes, Va + Vb + Vab. cin de estmulos). El modelo elementalista siempre asume una
El modelo de Rescorla y Wagner (1972) asume que la fuerza sumatoria de la fuerza asociativa de los componentes al formar un
asociativa de cada elemento se transferir a cualquier otro estmu- compuesto, mientras que el modelo configuracional siempre asu-
lo compuesto, en el cual participen algunos o todos los estmulos me una sustraccin o prdida de la fuerza asociativa de cada ele-
previamente entrenados. Por ejemplo, si luego del entrenamiento mento cuando stos se presentan en compuesto.
con AB, el animal recibe un ensayo de prueba con el estmulo A, Los investigadores han diseado una gran cantidad de experi-
la nica fuerza asociativa disponible para A est dada por Va, con mentos que exploran el fenmeno de composicin de estmulos y,
lo cual uno podra esperar una disminucin en la respuesta condi- como es natural, los defensores de cada postura citan numerosas
cionada. Similarmente, si el animal recibe un ensayo de prueba demostraciones empricas que favorecen sus respectivas teoras
con el estmulo ABC, la fuerza asociativa de este nuevo compues- (Pearce, 2002; Wagner, 2003; Vogel, Castro, y Saavedra, 2004).
to ser equivalente a la de AB, ya que ABC contiene todos los ele- Por ejemplo, el enfoque elementalista predice sumatoria de la res-
mentos de AB, ms los elementos no entrenados relacionados con puesta a dos estmulos entrenados separadamente y probados en
el estmulo C (es decir, Vc = Vac = Vbc = Vabc = 0). compuesto (entrenamiento con A+ y B+ y prueba con AB), mien-
Es importante notar que pese a la existencia de una clave nica, tras que el enfoque configuracional predice un fenmeno de pro-
configuracional, el modelo de Rescorla y Wagner (1972), en es- mediacin en este caso. La prediccin del modelo elementalista
tricto rigor, sigue siendo elementalista, ya que un compuesto de dos radica en su carcter aditivo, donde cada elemento aporta la totali-
estmulos contiene la suma de las representaciones de ambos estmu- dad de su fuerza asociativa al formar un compuesto con otro est-
los ms un componente adicional. De ah que Brandon, Vogel y mulo. Por el contrario, segn el modelo configuracional sustracti-
Wagner (2000) lo rebautizaran como modelo de los elementos agre- vo, cada estmulo aporta slo la mitad de su fuerza asociativa al
508 EDGAR H. VOGEL, CLAUDIA A. DAZ, JORGE A. RAMREZ, MARY C. JARUR, ANDRS M. PREZ-ACOSTA Y ALLAN R. WAGNER

formar el compuesto, ya que cada uno de ellos se parece slo en Wagner, 2003) propusieron un modelo alternativo, el cual apa-
un 50% al estmulo AB. rentemente tiene las ventajas de los enfoques configuracional y
Con respecto a la sumatoria, la literatura en condicionamiento elementalista. El modelo asume una estrategia molecular o com-
clsico muestra resultados contradictorios. Por ejemplo, numero- ponencial, en la cual la representacin de los estmulos se forma
sos estudios realizados con ratas y conejos, los cuales general- a partir de la actividad de un gran nmero de componentes o ele-
mente utilizan estmulos condicionados de distintas modalidades mentos, los cuales tienen distintas probabilidades de activacin y
sensoriales (auditiva, visual y tctil), han encontrado evidencia de establecen conexiones independientes con el estmulo incondi-
sumatoria, lo cual apoya la perspectiva elementalista (Kehoe, Hor- cionado.
ne, Horne, y Macrae, 1994; Konorski, 1948; Pearce y Wilson,
1991; Rescorla, 1997; Wagner, 1971; Whitlow y Wagner, 1972). Representacin de los estmulos
Por el contrario, se ha observado ausencia de sumatoria en estu-
dios que utilizan el procedimiento de automoldeamiento en palo- El modelo propone que cualquier estmulo est representado
mas y estmulos visuales (Aydin y Pearce, 1995; Rescorla y Cold- por un conjunto de elementos, algunos de los cuales son indepen-
well, 1995). dientes del contexto y otros son dependientes del contexto. Los
Adems de estos experimentos con sumatoria simple, se han elementos independientes del contexto se activan siempre que el
realizado algunas pruebas ms complejas de los principios aditivo estmulo est presente sin importar qu otros estmulos lo acom-
y sustractivo que distinguen a ambos enfoques, encontrndose el paen, mientras que los elementos dependientes del contexto se
mismo nivel de ambigedad en los resultados. A pesar de ciertos activan dependiendo de la presencia o ausencia de otros estmulos.
esfuerzos por explicar estas discrepancias (Bahekapili, 1997; Por ejemplo, supongamos que tenemos dos estmulos, A y B, los
Myers et al., 2001; Pearce, 2002), este tema est an sin solucin. cuales se pueden presentar por s solos (A o B) o en conjunto
La idea predominante en la actualidad es que la controversia (AB). La representacin de A incluye un conjunto de elementos
puede ser resuelta asumiendo que ambos tipos de enfoques son que se activan tanto en A como en AB (los elementos indepen-
parcialmente correctos, y que la codificacin de estmulos involu- dientes del contexto denotados como ai), un segundo tipo de
cra tanto aspectos configuracionales como elementalistas y que el elementos que se activan solamente cuando se presenta A en au-
predominio de una u otra estrategia de codificacin depende de sencia de B (denotados como a~b) y un ltimo tipo de elementos
ciertas variables relacionadas con los estmulos, la tarea y los in- que se activan solamente cuando se presentan A y B juntos (deno-
dividuos. Consecuentemente, los investigadores se han volcado tados como ab). Puede decirse que los elementos del tipo a~b son
hacia la bsqueda de las condiciones precisas que determinan uno reemplazados por los elementos del tipo ab cuando A se presenta
u otro tipo de procesamiento y los tericos han comenzado a de- en conjunto con B. En cuanto a la representacin del estmulo B,
sarrollar modelos flexibles que permitan esta alternancia en el mo- la situacin es anloga, es decir, existe un conjunto de elementos
do de procesamiento (Wagner, 2003). independientes del contexto (bi) y un conjunto de elementos de-
Desafortunadamente, la flexibilidad va acompaada de un im- pendientes de la ausencia o presencia del estmulo A (b~a y ba, res-
portante aumento en la complejidad de los modelos, lo cual difi- pectivamente).
culta considerablemente la exploracin de sus predicciones. El Hasta ahora hemos discutido lo que ocurre en la simple situa-
propsito del presente trabajo es introducir una herramienta infor- cin en la que hay solamente 2 estmulos involucrados para los
mtica que permita evaluar las predicciones de uno de estos mo- cuales se requieren 6 tipos de elementos (ai, bi, a~b, b~a, ab y ba).
delos: el modelo de elementos reemplazados, REM, de Allan Sin embargo, tanto en el mundo real como en la mayora de las
Wagner (2003). El programa permitir explorar las predicciones situaciones experimentales de condicionamiento, intervienen
de este modelo bajo distintas condiciones paramtricas, las cuales, ms de dos estmulos. Por ejemplo, si tenemos 3 estmulos A, B
en sus respectivos valores extremos, reflejan las posturas configu- y C, la representacin del estmulo A, tanto slo como en com-
racional y elementalista. Ms an, como se ver ms adelante, el binacin con los estmulos B, C, o ambos, requiere de 9 tipos de
modelo REM puede actuar exactamente como el modelo Rescor- elementos o subconjuntos de elementos. Los elementos indepen-
la-Wagner o como el modelo de Pearce, dependiendo de ciertos dientes del contexto (ai) slo requieren de la presencia de A,
valores asignados a uno de sus parmetros. Por ello, puede decir- mientras que los otros 8 tipos de elementos dependen adems de
se que el simulador permite trabajar con estos tres modelos: con- alguna de las siguientes condiciones: que no est B (a~b), que no
figuracional, elementalista y mixto. est C (a~c), que no estn ni B ni C (a~b~c), que est B (ab), que es-
En la prxima seccin presentaremos los fundamentos teri- t C (ac), que estn B y C (abc), que est B y que no est C (ab~c)
cos del modelo REM (Brandon, Vogel, y Wagner, 2000; Wagner, y que no est B y que est C (a~bc). Anlogamente, las represen-
2003) y su relacin con el modelo elementalista de Rescorla y taciones de B y C requieren de nueve tipos de elementos cada
Wagner (1972) y el modelo configuracional de Pearce (1987, una, con lo cual totalizamos 27 tipos de elementos para los 3 es-
1994). Posteriormente, proporcionaremos las instrucciones para tmulos.
realizar simulaciones computacionales con este modelo. Final- A medida que aumenta el nmero de estmulos condicionados,
mente, discutiremos algunos ejemplos acerca de cmo opera el aumenta la variedad de tipos de elementos dependientes del con-
programa. texto que se necesitan para representar todas las combinaciones de
estmulos. El simulador que presentamos en este artculo tiene ca-
El modelo mixto de los elementos reemplazados de Wagner pacidad para trabajar con 4 estmulos condicionados, lo cual sig-
(2003) nifica que opera con 108 tipos de elementos. En la tabla 1 se pre-
sentan las 15 combinaciones que se podran formar con los
Con el fin de manejar los resultados empricos contradicto- estmulos A, B, C y D, indicndose los elementos que se activan
rios, Wagner y sus colegas (Brandon, Vogel, y Wagner, 2000; con cada una.
DESARROLLO DE UN PROGRAMA COMPUTACIONAL PARA SIMULAR LAS PREDICCIONES DEL MODELO DE ELEMENTOS REEMPLAZADOS (REM) DE CONDICIONAMIENTO PAVLOVIANO 509

Tabla 1
Posibles combinaciones a partir de cuatro estmulos (A, B, C, D), con sus respectivos tipos de elementos, segn el modelo REM

Tipos de elementos

Estmulo Independientes Dependientes del contexto


del contexto

A ai a~b, a~c, a~d, a~b~c, a~b~d, a~c~d, a~b~c~d


B bi b~a, b~c, b~d, b~a~c, b~a~d, b~c~d, b~a~c~d
C ci c~a, c~b, c~d, c~a~b, c~a~d, c~b~d, c~a~b~d
D di, d~a, d~b, d~c, d~a~b, d~a~c, d~b~c, d~a~b~c
AB ai, bi ab, ba, a~c, b~c, a~d, b~d, ab~c, ba~c, ab~d, ba~d, a~c~d, b~c~d, ab~c~d, ba~c~d
AC ai, ci, ac, ca, a~b, c~b, a~d, c~d, ac~b, ca~b, ac~d, ca~d, a~b~d, c~b~d, ac~b~d, ca~b~d
AD ai, di ad, da, a~b, d~b, a~c, d~c, ad~b, da~b, ad~c, da~c, a~b~c, d~b~c, ad~b~c, da~b~c
BC bi, ci, bc, cb, b~a, c~a, b~d, c~d, bc~a, cb~a, bc~d, cb~d, b~a~d, c~a~d, bc~a~d, cb~a~d
BD bi, di bd, db, b~a, d~a, b~c, d~c, bd~a, db~a, bd~c, db~c, b~a~c, d~a~c, bd~a~c, db~a~c
CD ci, di cd, dc, c~a, d~a, c~b, d~b, cd~a, dc~a, cd~b, dc~b, c~a~b, d~a~b, cd~a~b, dc~a~b
ABC ai, bi, ci ab, ba, ac, ca, bc, cb, a~d, b~d, c~d, abc, bac, cab, ab~d, ac~d, ba~d, ca~d, bc~d, cb~d, abc~d, bac~d, cba~d
ABD ai, bi, di ab, ba, ad, da, bd, db, a~c, b~c, d~c, abd, bad, dab, ab~c, ad~c, ba~c, da~c, bd~c, db~c, abd~c, bad~c, dba~c
ACD ai, ci, di ac, ca, ad, da, cd, dc, a~b, c~b, d~b, acd, cad, dac, ac~b, ad~b, ca~b, da~b, cd~b, dc~b, acd~b, cad~b, dca~b
BCD bi, ci, di bc, cb, bd, db, cd, dc, b~a, c~a, d~a, bcd, cbd, dbc, bc~a, bd~a, cb~a, db~a, cd~a, dc~a, bcd~a, cbd~a, dcb~a
ABCD ai, bi, ci, di ab, ba, ac, ca, ad, da, bc, cb, bd, db, cd, dc, abc, abd, acd, bac, bad, bcd, cab, cad, cbd, dab, dac, dbc, abcd, bacd, cabd, dabc

Nota: los elementos denotados como ai, bi ci y di, son elementos independientes del contexto, es decir, se van a activar siempre que estn presentes los estmulos A, B, C o D, respectivamen-
te, independientemente de los otros estmulos que los acompaen. Todos los otros elementos son dependientes del contexto, es decir, aunque tambin se activan con la presencia de un est-
mulo determinado, dependen adems de que se cumpla alguna otra condicin relacionada con los otros estmulos (o contextos), la cual puede ser tanto la presencia (denotado por una letra mi-
nscula correspondiente al estmulo) como la ausencia de stos (denotado por el smbolo ~ antepuesto a la letra del estmulo correspondiente)

Nocin de independencia estadstica de los reemplazos trema del enfoque configuracional. Naturalmente, el modelo REM
permite trabajar con valores intermedios de r. A mayor valor de r,
Como se aprecia en la tabla 1, la representacin de cada est- mayor es la proporcin de elementos dependientes del contexto y
mulo contiene elementos que permanecen (independientes del ms configuracional ser el procesamiento de los estmulos, mien-
contexto) y elementos que se reemplazan (dependientes del con- tras que a menor r, mayor ser la proporcin de elementos inde-
texto). La naturaleza de los reemplazos est determinada por la pendientes del contexto y ms elementalista el procesamiento de
presencia y la ausencia de determinados estmulos (por ejemplo, los estmulos.
los elementos del tipo a~b reemplazan a los del tipo ab y vice- En el caso de dos estmulos A y B, los elementos que no se
versa) y se puede deducir fcilmente para cualquier nmero de es- reemplazan son exactamente los mismos que los elementos inde-
tmulos condicionados. Lo que no se ha especificado hasta ahora pendientes del contexto. Sin embargo, esto no es as cuando se tra-
es cuntos elementos de cada tipo forman parte de la representa- baja con ms de dos estmulos, ya que, por ejemplo, los elementos
cin de cada estmulo. Por ejemplo, en el caso de dos estmulos A de A que no dependen de B, no son necesariamente los mismos
y B, uno podra establecer que la proporcin de elementos de A que los elementos de A que no dependen de C. Naturalmente, tam-
que son independientes del contexto (es decir, aquellos que no se bin existen elementos de A que no dependen ni de B ni de C, los
reemplazan o que no dependen de B) es la misma que la propor- cuales, en este ejemplo de 3 estmulos, son los verdaderamente in-
cin de elementos de A que son dependientes del contexto (es de- dependientes del contexto. Wagner (2003) propuso la nocin de
cir, aquellos que se reemplazan o que dependen de B). Si llama- independencia estadstica para describir lo que ocurre con los
mos rb a la proporcin de elementos de A que se reemplazan o que reemplazos de elementos cuando hay ms de dos estmulos condi-
dependen de B, entonces tenemos que rb = 0.5, lo que a su vez sig- cionados. Esta nocin sugiere que los elementos del estmulo A
nifica que la proporcin de elementos de A que no dependen de B que dependen de la presencia o ausencia B, son estadsticamente
es igual [(1- rb)= 0.5]. En este caso, se dice que A y AB compar- independientes de los elementos de A que dependen de la presen-
ten el 50% de los elementos que los representan. cia o ausencia de C. Esto significa que si la proporcin de ele-
La importancia del parmetro r radica en el hecho de que s- mentos de A que no dependen de B es (1-rb) y la proporcin de ele-
te determina el nivel de reemplazo del modelo. Por ejemplo, su- mentos de A que no dependen de C es (1-rc), entonces la
pongamos ahora que rb = 0. Esto significa que ningn elemento de proporcin de elementos de A que no dependen ni de B ni de C es
A depende de la presencia o ausencia de B y que, por lo tanto, to- (1-rb) (1-rc). Similarmente, la proporcin de elementos de A que
dos los elementos de A tambin se activan en AB, lo cual sera una dependen de ambos B y C es rb rc. Por ltimo, la regla seala que
instancia extrema del enfoque elementalista. Por el contrario, si rb la proporcin de elementos de A que no dependen de B pero que
es alto, digamos 1, se asume que todos los elementos de A sern dependen de C es (1-rb) rc, mientras que la proporcin de ele-
reemplazados cuando se presenta en conjunto con B. En este caso mentos de A que no dependen de C pero que dependen de B es (1-
A y AB no tienen nada en comn, lo cual sera una instancia ex- rc) rb.
510 EDGAR H. VOGEL, CLAUDIA A. DAZ, JORGE A. RAMREZ, MARY C. JARUR, ANDRS M. PREZ-ACOSTA Y ALLAN R. WAGNER

A partir de este principio de independencia estadstica de los mente se llama elementalista o configuracional es una propiedad
reemplazos, es posible determinar cmo se repartirn las propor- emergente de la actividad de un gran nmero de elementos cuya
ciones de cada uno de los tipos de elementos que representan a probabilidad de activacin vara dependiendo del contexto de esti-
cualquier combinacin de estmulos. La regla seala que la pro- mulacin. Esta ganancia en flexibilidad se acompaa, sin embar-
porcin de elementos del tipo X, o Px est dada por: go, de un considerable aumento en la complejidad del modelo. Es-
to obliga a los investigadores a asumir dos tareas relacionadas: una
n m emprica y la otra terica-instrumental. La tarea emprica es de-
Px = (1 r j ) rk tectar cules son las condiciones que determinan que los organis-
j =1 k =1 (1) mos utilicen una u otra estrategia de codificacin de estmulos. La
investigacin experimental acerca de la variabilidad de procesa-
Donde Px es la proporcin de elementos del tipo x, n es el n- miento en situaciones de aprendizaje asociativo es escasa y se re-
mero de estmulos de los cuales no dependen los elementos tipo x, quiere conducir un nmero de experimentos bsicos para someter
y m es el nmero de estmulos de los cuales dependen los ele- a prueba diversas hiptesis acerca de cules son las variables crti-
mentos tipo x, aparte del estmulo que representan. cas en esta alternancia. Por otra parte, la tarea terica-instrumen-
La ecuacin 1 se puede simplificar considerablemente si se tal se refiere a la necesidad de contar con un instrumento que per-
asume que el valor del parmetro r es idntico para todos los est- mita identificar las predicciones de los modelos tericos. Estas
mulos (es decir, ra = rb = rc = r). Con este supuesto tenemos que: predicciones no son siempre obvias, dada la complejidad de la ma-
yora de los diseos experimentales y de la estructura asociativa
Px= (1-r)n rm (2) del modelo.
En la siguiente seccin presentamos las caractersticas bsicas
Donde n es el nmero de estmulos condicionados cuya pre- de un simulador del modelo REM, construido en MATLAB, ms
sencia o ausencia no influye en el comportamiento de los elemen- las instrucciones para su operacin. Los detalles tcnicos de la
tos del tipo X aparte del estmulo que ste representa y m es el n- programacin y la pruebas realizadas con el programa pueden en-
mero de estmulos cuya presencia o ausencia influye en la contrase en Daz Ros y Ramrez Cabrera (2005).
actividad de estos elementos.
Las ecuaciones 1 y 2 permiten implementar en forma explcita Un simulador computacional de REM
la idea de reemplazo propuesta originalmente por Wagner y sus
colaboradores (Brandon, Vogel, y Wagner, 2000; Wagner, 2003). Descarga e instalacin del simulador de REM
Asimismo, estas ecuaciones fueron utilizadas en la construccin
del simulador que presentamos en este artculo. Para operar con el simulador de REM el ordenador debe contar
al menos con el sistema Microsoft Windows XP, 128 MB de me-
Regla de aprendizaje moria RAM, un procesador de 900 MHz y tener instalados los
programas MATLAB 6.5 y Microsoft Excel.
En el modelo REM, la asociacin se produce entre los elemen- El programa simulador de REM puede descargarse en el sitio
tos y el EI. La regla utilizada para el cambio en la fuerza asociati- de Internet http://www.eici.ucm.cl/Academicos/mjarur/remsimu-
va de un elemento es la regla propuesta por Rescorla y Wagner lator. La descarga permite obtener un archivo o fichero comprimi-
(1972), con la nica diferencia que en lugar de calcular el cambio do denominado REM-SYSTEM. Este archivo debe ser descom-
asociativo del EC como un todo, se calcula el cambio asociativo de primido, utilizando el programa Win-Zip u otro equivalente. Una
cada elemento que se encuentra activo en un determinado ensayo. vez descomprimido, aparecer una carpeta denominada REM-
Formalmente, el cambio en la fuerza asociativa de cada elemento, SYSTEM.
vi , est dado por la siguiente ecuacin: Para la instalacin es necesario seguir los siguientes pasos:

vi = (-vi) (3) a) Mover la carpeta REM_SYSTEM al directorio raz (C:\).


b) Ejecutar MATLAB y seleccionar o escribir C:\REM_SYS-
donde vi es el cambio en la fuerza asociativa del elemento i en el TEM en la ventana llamada current directory.
ensayo, y representan la intensidad del elemento i y del est- c) En la ventana llamada Command window escribir ins-
mulo incondicionado, respectivamente, es el valor mximo o tall.
asinttico de aprendizaje y vi es la suma de las fuerzas asociati- d) Luego se desplegar el instalador con las siguientes opciones:
vas de todos los elementos que estn activos en el ensayo. Los va-
lores de vi representan la fuerza asociativa de cada elemento. Que al iniciar MATLAB siempre se ejecute REM Simu-
La fuerza asociativa neta que resulta de la presentacin de un lator. Al marcar esta opcin, cada vez que se ejecute
estmulo A es equivalente a la suma de las fuerzas asociativas de MATLAB se ejecutar el simulador de REM. Si no se
sus elementos. El nmero total de elementos que se utiliza en el marca esta opcin, cada vez que se desee ejecutar el si-
modelo es irrelevante puesto que basta con asumir que existe un mulador es necesario cerciorarse de que el directorio de
nmero grande pero finito de elementos que representan a cada es- trabajo es C:\REM_SYSTEM y luego escribir en la l-
tmulo. Lo que s es relevante es la proporcin en la que se dan ca- nea de comandos start.
da uno de los distintos tipos de elementos del modelo, la cual est Establecer C:\REM_SYSTEM como directorio de tra-
determinada por las ecuaciones 1 y 2. bajo en MATLAB. Al marcar esta opcin, cada vez que
Como se puede apreciar, la discrepancia elementalista versus se ejecute MATLAB se cargar C:\REM_SYSTEM co-
configuracional desaparece con REM, pues lo que tradicional- mo el directorio por defecto. Si no se marca esta opcin,
DESARROLLO DE UN PROGRAMA COMPUTACIONAL PARA SIMULAR LAS PREDICCIONES DEL MODELO DE ELEMENTOS REEMPLAZADOS (REM) DE CONDICIONAMIENTO PAVLOVIANO 511

cada vez que se requiera ejecutar el simulador es nece- En la siguiente ventana, el usuario debe definir las caractersti-
sario cerciorarse de que el directorio de trabajo es cas de los distintos tipos de ensayos. En caso de escogerse la op-
C:\REM_SYSTEM. cin IGUAL, la ventana preguntar por el nmero total de en-
sayos, ofrecer la opcin de ensayos aleatorios y mostrar una lista
e) Marcar las opciones preferidas y presionar instalar. Una con un nmero de filas equivalente al Nmero de tipos de ensa-
vez que la instalacin termina, MATLAB se cerrar. yos ya sealados en la primera ventana. En cada fila se desplie-
f) En este momento, MATLAB estar listo para abrirse de gan los estmulos condicionados con los cuales se va a trabajar (de
nuevo y luego comenzar a trabajar con el simulador de acuerdo al nmero elegido en la opcin Nmero de EC en la pri-
REM. mera ventana) ms el estmulo incondicionado. Se seleccionan en
cada fila todos aquellos ECs que irn juntos en un ensayo y luego
Instrucciones para simular experimentos con el simulador de el EI, si ste permanecer presente en el ensayo.
REM Si el usuario selecciona DIFERENTE en el campo denomi-
nado Distribucin de los ensayos, entonces se abre otra ventana.
En primer lugar, el usuario debe definir qu tipo de experimen- La opcin DIFERENTE permite especificar un nmero distinto
to desea simular. Para ello, debe decidir qu estmulos participarn de repeticiones de cada tipo de ensayo del experimento. En este
en el experimento, cuntas fases de entrenamiento ocurrirn y cu- caso, deber marcar los estmulos condicionados e incondiciona-
les son los valores de los parmetros del modelo. Posteriormente, dos que formarn cada tipo de ensayo e indicar el nmero de ve-
se definen cules y cuntos van a ser los ensayos de entrenamien- ces que desea que se repita cada tipo de ensayo. El nmero total
to y qu tipo de resultados se desea visualizar. de ensayos de la fase es equivalente a la suma de las repeticiones
La primera ventana que se abre una vez que se ingresa al si- de cada tipo de ensayo.
mulador de REM contiene una serie de campos que permiten de-
finir los estmulos y parmetros del experimento. En el campo Opciones de resultados
Nombre del experimento, se introduce el nombre que se usar
para identificar el archivo que contendr la planilla en Microsoft El resultado bsico de la simulacin es el cambio en la fuerza
Excel, con los resultados de la simulacin. En el campo Nme- asociativa de los estmulos que participaron en los distintos ensa-
ro de ECs se introduce el nmero de estmulos condicionados yos de condicionamiento, o bien de las combinaciones nuevas de
que se utilizarn en el experimento. El simulador permite trabajar estmulos que comparten algn elemento en comn con aquellos
con cuatro estmulos condicionados como mximo, denominados que fueron entrenados. Estos valores de fuerza asociativa se pue-
A, B, C y D. En cada ensayo, los estmulos se pueden presentar den visualizar de tres maneras distintas: a) un grfico de barras con
solos o en combinacin con otros. El programa acepta todas las los valores asociativos finales; b) un grafico de lneas con la fuer-
combinaciones posibles de estos estmulos en configuraciones de za asociativa a lo largo de los ensayos; y c) una planilla Microsoft
uno (A, B, C, D), dos (AB, AC, AD, BC, BD, CD), tres (ABC, Excel con una matriz donde las columnas corresponden a las com-
ABD, ACD, BCD) y cuatro (ABCD) estmulos. Luego se debe in- binaciones de estmulos entrenados y las filas a los ensayos del ex-
troducir el Nmero de fases y el Nmero de ensayos diferen- perimento.
tes que ocurrirn en el experimento. Es necesario recordar que La ventana RESULTADOS permite elegir el tipo de resulta-
un ensayo se define como la presencia de uno o varios estmulos do que se quiere visualizar. En primer lugar, se marcan las combi-
condicionados ms la presencia o ausencia del estmulo incondi- naciones que se desean ver y escoge Grfico por ensayo si se
cionado. Un ensayo es distinto de otro en la medida en que difie- quiere obtener un grfico de lneas de todos los ensayos del expe-
ran en al menos uno de los estmulos que los componen. Por lti- rimento. Se escoge Grfico valor final para obtener un grfico
mo, en los campos R, Alfa, Beta + y Beta , se ingresan de barras con los valores finales de fuerza asociativa de las com-
los parmetros propios del modelo REM con los cuales se desea binaciones elegidas. Presionando el botn Guardar, se almace-
trabajar. na la tabla de resultados como una planilla de clculo con exten-
Una vez ingresados los parmetros del experimento, el usuario sin para Microsoft Excel, donde las columnas corresponden a las
debe definir los ensayos que formarn parte de cada una de las fa- combinaciones de estmulos existentes en el experimento y las fi-
ses del experimento. Para ello se abrir una nueva ventana para ca- las corresponden a los ensayos del experimento.
da fase. Existen dos opciones para elegir cmo se distribuirn los
ensayos de la fase, seleccionando las opciones IGUAL o DI- Ejemplos de simulaciones
FERENTE en el campo denominado Distribucin de los ensa-
yos. La opcin IGUAL se escoge si se quiere especificar sola- El fenmeno de bloqueo
mente el nmero total de ensayos que ocurrirn en la fase. Con la
opcin IGUAL, el programa distribuir el total de ensayos de Kamin (1969) descubri un fenmeno llamado bloqueo, en
manera aproximadamente igual entre los distintos tipos de ensa- el cual un EC que ha desarrollado una asociacin con el EI blo-
yos. Si se elige la opcin IGUAL, se requiere introducir el N- quea el aprendizaje de cualquier otro potencial EC en una fase
mero total de ensayos que se desea simular para esta fase, el cual posterior en que se presentan ambos estmulos juntos seguidos por
debe ser un nmero entero mayor que cero y menor que el lmite el EI. Las demostraciones bsicas de bloqueo implican un experi-
indicado en la tabla de ensayos. Al costado derecho, aparece la op- mento de dos fases. En la primera fase, un estmulo A (por ejem-
cin Orden aleatorio; si se marca esta opcin, los ensayos de ca- plo, un sonido) es presentado durante varios ensayos en conjunto
da tipo se distribuirn de forma aleatoria durante la simulacin. Si con el EI (por ejemplo, un choque elctrico), hasta que desarrolla
no se marca, los distintos tipos de ensayos ocurrirn en secuencia, la habilidad para generar la respuesta condicionada. En la segunda
hasta completarse el total de ensayos. fase, el estmulo A es presentado durante varios ensayos en con-
512 EDGAR H. VOGEL, CLAUDIA A. DAZ, JORGE A. RAMREZ, MARY C. JARUR, ANDRS M. PREZ-ACOSTA Y ALLAN R. WAGNER

junto con otro estmulo B (por ejemplo, una luz) y con el EI. El re- qu ocurre con valores intermedios? La respuesta a esta pregunta
sultado es que en el estmulo B desarrolla muy poca o ninguna ca- no es tan simple ni intuitiva. Aqu es donde adquieren utilidad los
pacidad para producir la respuesta condicionada, es decir, es blo- simuladores computacionales.
queado por A. La figura 1 muestra los resultados del experimento de sumato-
Para simular el experimento de bloqueo con el programa com- ria simple predichos por el simulador de REM, bajo diez condi-
putacional se utilizan dos estmulos condicionados (A y B), dos fa- ciones paramtricas distintas. En la figura podemos apreciar cmo,
ses (fase 1 y fase 2) y dos tipos de ensayos (A+EI y AB+EI). Asu- a medida que aumenta el valor del parmetro r, disminuye la res-
mamos que el valor elegido para el parmetro r es 0, con lo cual puesta al compuesto (AB) con respecto a sus componentes (A/B).
el modelo se comporta exactamente como el modelo elementalis- Naturalmente, un modelo absolutamente configuracional predice
ta de Rescorla y Wagner (1972). Por ltimo, asumamos valores de que compuesto y componentes son dos estmulos completamente
Alfa, Beta+ y Beta- de 0.2, 1 y 1, respectivamente. distintos (r= 1), mientras que un modelo elementalista extremo
Luego de especificar los estmulos y parmetros, debemos de- predice qu compuesto es idntico a la suma de sus componentes
finir la composicin de los ensayos para cada fase. Ya que ambas (r= 0).
fases tienen un solo tipo de ensayo (A+ en la primera y AB+ en la Existe otro tipo de experimentos en los cuales las predicciones
segunda), no tiene mayor importancia si se elige IGUAL o DI- son an ms difciles de concebir intuitivamente. Uno de tales di-
FERENTE en el campo Distribucin de los ensayos. Por lti- seos fue propuesto por Pearce, Aydin y Redhead (1997) y ha si-
mo, elegimos un total de 10 ensayos por fase, lo cual resulta sufi- do llamado sumatoria diferencial. Consiste en el entrenamiento
ciente para alcanzar niveles asociativos relativamente asintticos. de un grupo de sujetos con tres estmulos individuales reforzados
El simulador reproduce los resultados bsicos del bloqueo, (grupo simple: A+, B+ y C+), mientras a otro grupo se le entrena
mostrando cmo el estmulo B adquiere muy poca fuerza asocia- con las tres combinaciones posibles de dos estmulos, tambin re-
tiva debido al entrenamiento previo de su acompaante, el estmu- forzadas (grupo doble: AB+, AC+ y BC+). En la fase de prueba,
lo A. se presenta a ambos grupos el compuesto ABC y se compara la
respuesta frente a ste para ambos grupos. Las predicciones de los
Sumatoria de estmulos distintos modelos para este experimento no son obvias. La figura
2 muestra el resultado de simulaciones computacionales de REM
El modelo elementalista de Rescorla y Wagner (1972) predice con diez valores distintos del parmetro r. Como vemos en esta fi-
sumatoria de las fuerzas asociativas de estmulos entrenados sepa- gura, el modelo Rescorla-Wagner (r= 0) predice una mayor res-
radamente y probados en compuesto, mientras que el modelo con- puesta para el compuesto ABC en el grupo simple que en el gru-
figuracional de Pearce (1987, 1994) predice slo una promedia- po doble, mientras que el modelo de Pearce (r= 0,5) predice lo
cin de las fuerzas asociativas de los elementos cuando se opuesto. Entre ambos modelos vemos una gama de posibilidades
presentan en conjunto. Estas predicciones diferenciales de ambos predichas por diferentes valores de r.
modelos son bastante intuitivas y no requieren de mayor sofistica- La exploracin de estas posibilidades no es trivial, si se consi-
cin computacional para comprenderlas. dera que los resultados empricos han sido equvocos, mostrando
Sin embargo, tambin vimos que el modelo mixto REM poda que en algunas circunstancias los resultados favorecen un proce-
comportarse tanto como el modelo configuracional de Pearce (con samiento elementalista (Myers et al., 2001) mientras que otros el
valores de r altos) o elementalista (con valores de r bajos). Pero procesamiento pareciera ser configuracional (Pearce, Aydin, y

2,0

1,5
Fuerza asociativa

1,0

0,5

0,0
A/B AB A/B AB A/B AB A/B AB A/B AB A/B AB A/B AB A/B AB A/B AB A/B AB A/B AB
r=0 r=0.1 r=0.2 r=0.3 r=0.4 r=0.5 r=0.6 r=0.7 r=0.8 r=0.9 r=1.0

Modelo Elementalista extremo Modelo configuracional Modelo configuracional extremo


(Rescorla y Wagner, 1972) (Pearce, 1987)

Figura 1. Predicciones del modelo REM en el caso de la sumatoria de estmulos A y B. Se presentan los valores finales para A, B y AB, con valores del
parmetro R desde 0 hasta 1
DESARROLLO DE UN PROGRAMA COMPUTACIONAL PARA SIMULAR LAS PREDICCIONES DEL MODELO DE ELEMENTOS REEMPLAZADOS (REM) DE CONDICIONAMIENTO PAVLOVIANO 513

3,0
Grupo simple (A+;B+;C+)

2,0 Grupo doble (AB+;BC+;AC+)


Fuerza asociativa de ABC

1,5

1,0

0,5

0,0
r=0 r=0.1 r=0.2 r=0.3 r=0.4 r=0.5 r=0.6 r=0.7 r=0.8 r=0.9 r=1.0

Modelo Elementalista extremo


(Rescorla y Wagner, 1972) Modelo configuracional Modelo configuracional extremo
(Pearce, 1987)

Figura 2. Predicciones del modelo REM en el caso de la sumatoria diferencial. Se presentan los valores finales para el estmulo ABC tanto en el grupo
simple (A+, B+, C+) como en el grupo doble (AB+, BC+, AC+), con valores del parmetro R desde 0 hasta 1

Redhead 1997). Este panorama exige la exploracin de soluciones Por su parte, el software simulador de REM permite observar
mixtas, proporcionadas por un modelo como el REM, en el cual el las predicciones de los tres enfoques del procesamiento de est-
foco de inters se dirige al descubrimiento de las variables que re- mulos condicionados compuestos: el elementalista, el configura-
gulan esta fluctuacin en la forma de procesamiento. cional y el mixto. Esta caracterstica hace que la herramienta ad-
quiera potencial tanto para la investigacin como para la
Discusin y conclusiones educacin en el rea del aprendizaje. En cuanto al primer aspecto,
este programa visualiza resultados no intuitivos, como aquellos re-
En este artculo se ha presentado un software de simulacin del lacionados con la sumatoria diferencial (Pearce et al., 1997; Myers
modelo REM y se han elaborado reglas matemticas explcitas et al., 2001).
acerca de su funcionamiento. Estas reglas se haban formulado en En lo referente a la educacin, el software simulador de REM
forma implcita en artculos anteriores (por ejemplo, Wagner, facilitara a los estudiantes de pregrado y postgrado en las ciencias
2003), pero sta es la primera vez que se presentan en forma de del comportamiento la asimilacin de la tradicin cuantitativa del
ecuaciones. El usuario puede utilizar tanto el simulador como las condicionamiento pavloviano, que lleva dcadas de desarrollo
reglas para realizar sus propias simulaciones del modelo. continuo (Rozo et al., 2004; Vogel et al., 2004). En ese sentido, la
El modelo REM tiene la virtud de efectuar predicciones mixtas herramienta se une a la explosin contempornea de recursos pe-
(desde elementalistas hasta configuracionales) acerca del tipo de daggicos denominados TIC (Tecnologas de Informacin y Co-
procesamiento que exhiben los sujetos expuestos a distintas clases municacin), que ya han ingresado a la enseanza de los diseos
de combinaciones de estmulos condicionados. Justamente, esta experimentales y aplicados en psicologa (Bono, Arnau, y Blanca,
flexibilidad de procesamiento parece ser la mejor alternativa ex- 2006).
plicativa ante los resultados empricos contradictorios reportados Adems, el programa simulador de REM puede ser operado
por los defensores tanto de los modelos elementalistas (Rescorla y tanto en espaol como en ingls. Esta circunstancia podra llevar a
Wagner, 1972) como de los modelos configuracionales (Pearce, la promocin de lneas de investigacin bsica del aprendizaje en-
1987, 1994) de condicionamiento pavloviano. tre psiclogos hispano parlantes, debido a que la herramienta se
En los ltimos aos, el modelo REM ha logrado cierto respal- presenta tanto en el propio idioma como en el idioma en el cual se
do emprico con distintas especies y paradigmas del aprendizaje han efectuado los desarrollos tericos y empricos ms relevantes
asociativo (condicionamiento de parpadeo en conejos: Brandon, en este campo.
Vogel, y Wagner, 2000; respuesta emocional condicionada en ra-
tas: Gonzlez, Quinn, y Fanselow, 2003; aprendizaje causal en hu- Agradecimientos
manos: Glautier, 2004; Wheeler, Amundson, y Miller, 2006), con-
virtindose as en un nuevo referente terico de relevancia en la Esta investigacin fue financiada por el Proyecto Regular Fon-
psicologa bsica del aprendizaje asociativo. decyt n 1060838 otorgado a Edgar H. Vogel.
514 EDGAR H. VOGEL, CLAUDIA A. DAZ, JORGE A. RAMREZ, MARY C. JARUR, ANDRS M. PREZ-ACOSTA Y ALLAN R. WAGNER

Referencias

Aydin, A., y Pearce, J.M. (1995). Summation in autoshaping with short Pearce, J.M. (1987). A model for stimulus generalization in Pavlovian con-
and long-duration stimuli. Quarterly Journal of Experimental Psycho- ditioning. Psychological Review, 94, 61-73.
logy, 48B, 215-234. Pearce, J.M. (1994). Similarity and discrimination: A selective review and
Aydin, A., y Pearce, J.M. (1997). Some determinants of response summa- a connectionist model. Psychological Review, 101, 587-607.
tion. Animal Learning and Behavior, 25, 108-121. Pearce, J.M. (2002). Evaluation and development of a connectionist theory
Bahekapili, H.G. (1997). An evaluation of Rescorla and Wagners ele- of configural learning. Animal Learning and Behavior, 30, 73-95.
mentistic model versus Pearces configural model in discrimination Pearce, J.M. Aydin, A., y Redhead, E.S. (1997). Configural analysis of
learning. Disertacin doctoral no publicada, Yale University, New Ha- summation in autoshaping. Journal of Experimental Psychology: Ani-
ven, Estados Unidos. mal Behavior Processes, 23, 84-94.
Bono, R., Arnau, J., y Blanca, M.J. (2006). Tecnologas de la informacin Pearce, J.M., y Wilson, P.N. (1991). Failure of excitatory conditioning to
y comunicacin en la enseanza de diseos experimentales y aplicados. extinguish the influence of a conditioned inhibitor. Journal of Experi-
Psicothema, 18, 646-651. mental Psychology: Animal Behavior Processes, 17, 519-529.
Brandon, S.E., Vogel, E.H. y Wagner, A.R. (2000). A componential view Rescorla, R.A. (1997). Summation: Assessment of a configural theory.
of configural cues in generalization and discrimination in Pavlovian Animal Learning and Behavior, 25, 200-209.
conditioning. Behavioural Brain Research, 110, 67-72. Rescorla, R.A., y Coldwell, S.E. (1995). Summation in autoshaping. Ani-
Briol, P., Sierra, B., Falces, C., Becerra, A., y Froufe, M. (2000). La efi- mal Learning and Behavior, 23, 314-326.
cacia relativa del efecto de mera exposicin y del condicionamiento Rescorla, R.A., y Wagner, A.R. (1972). A theory of Pavlovian conditio-
clsico en la formacin de preferencias. Psicothema, 12, 586-593. ning: Variations in the effectiveness of reinforcement and nonreinfor-
Carew, T., Hawkins. R.D., y Kandel, E.R. (1983). Differential classical cement. En A.H. Black y W.F. Prokasy (eds.): Classical conditioning
conditioning of a defensive withdrawal reflex in Aplysia californica. II: Current theory and research (pp. 64-99). New York: Appleton-Cen-
Science, 219, 397-400. tury-Crofts.
Daz Ros, C.A., y Ramrez Cabrera, J.A. (2005). Desarrollo de herra- Rozo, J.A. Baquero, H.T., y Prez-Acosta, A.M. (2004). Aprendizaje aso-
mienta de simulacin de predicciones experimentales para modelo ciativo: modelos explicativos del condicionamiento clsico (e-book).
REM de condicionamiento clsico. Seminario de ttulo no publicado de Bogot: PSICOM y Fundacin para el Avance de la Psicologa.
Ingeniero Civil en Informtica, Universidad Catlica del Maule, Talca, Trujillo, H.M., Oviedo-Joekes, E., y Vargas, C. (2006). Compensatory and
Chile. mimetic conditioned responses to effects of heroin in addicted persons.
Glautier, S. (2004). Asymmetry of generalisation decrement in causal Psicothema, 18, 19-65.
learning. Quarterly Journal of Experimental Psychology, 57B, 315- Turkkan, J.S. (1989). Classical conditioning: The new hegemony. Beha-
329. vioral and Brain Sciences, 12, 121-189.
Gonzlez, F., Quinn, J.J., y Fanselow, M.S. (2003). Differential effects of Vogel, E.H., Castro, M.A., y Saavedra, M.A (2004). Quantitative models
adding and removing components of a context on the generalization of of Pavlovian Conditioning. Brain Research Bulletin, 63, 173-202.
conditional freezing. Journal of Experimental Psychology: Animal Be- Vogel, E.H., Soto, F.A., Castro, M.A., y Solar, P.A. (2006). Modelos ma-
havior Processes, 29, 78-83. temticos del condicionamiento clsico: evolucin y desafos actuales.
Kamin, L.J. (1969). Predictability, surprise, attention and conditioning. En Revista Latinoamericana de Psicologa, 38, 215-243.
B.A. Campbell y R.M. Church (eds.): Punishment and aversive beha- Wagner, A.R. (1971). Elementary associations. En H.H. Kendler y J.T.
vior. New York: Appleton-Century-Crofts. Spence (eds.): Essays in neobehaviorism: A memorial volume to Ken-
Kehoe, E.J., Horne, A.J., Horne, P.S., y Macrae, M. (1994). Summation neth W. Spence (pp. 187-213). New York: Appleton-Century-Crofts.
and configuration between and within sensory modalities in classical Wagner, A.R. (2003). Context-sensitive elemental theory. Quarterly Jour-
conditioning or the rabbit. Animal Learning and Behavior, 22, 19-26. nal of Experimental Psychology, 56B, 7-29.
Konorski, J. (1948). Conditioned reflexes and neuron organization. Cam- Wagner, A.R., y Rescorla, R.A. (1972). Inhibition in Pavlovian conditio-
bridge: Cambridge University Press. ning: Application of a theory. En R.A. Boakes y M.S. Halliday (eds.):
Marcos, J.L. (1997). Modulacin condicionada de la respuesta incondicio- Inhibition and learning. London: Academic Press.
nada en el condicionamiento clsico humano. Psicothema, 9, 155-165. Wheeler, D.S., Amundson, J.C., y Miller, R.R. (2006). Generalization de-
Myers, K.M., Vogel, E.H., Shin, J., y Wagner, A.R. (2001). A comparison crement in human contingency learning. Quarterly Journal of Experi-
of the Rescorla-Wagner and Pearce models in a negative patterning and mental Psychology, 59, 1212-1223.
a summation problem. Animal Learning and Behavior, 29, 36-45. Whitlow, J.W., y Wagner, A.R. (1972). Negative patterning in classical
Pavlov, I.P. (1927). Conditioned reflexes. Oxford: Oxford University conditioning: Summation of response tendencies to isolable and confi-
Press. gural components. Psychonomic Science, 27, 299-301.