¿Cómo afecta el conocimiento previo al aprendizaje de nueva información?
Por Petar Raykov, Investigador en Psicología, Universidad de Sussex.
No soy alguien a quien le guste venderse, pero he estado en Sussex por un tiempo y me encanta la investigación que estoy haciendo aquí, así que aquí está. En el pasado, comencé mi doctorado con los profesores Chris Bird y Jane Oakhill. Mi investigación se centra, y quiero seguir centrándome en, cómo el conocimiento y la experiencia previos influyen en el aprendizaje y la representación de nueva información cotidiana.
OK, vamos a desentrañarlo un poco. Por nueva información cotidiana, quiero decir que mi investigación a menudo utiliza estímulos de video naturalistas que muestran episodios narrativos que se desarrollan a lo largo del tiempo.Hay una tendencia bastante nueva en la psicología de usar tales estímulos, ya que pueden ser más fáciles de generalizar a la vida cotidiana o, de hecho, ser particularmente útiles para resolver problemas psicológicos, p. Cómo entendemos los acontecimientos y los discursosy Cómo integramos la información a lo largo del tiempoVale la pena señalar que, como la mayoría de las tendencias, esta se inspira en gran medida en el trabajo realizado antes: investigaciones psicológicas pioneras que investigan cómo entendemos y recordamos textos (Bartlett, 1932; Bransford & Johnson, 1972; Johnson-Laird, 1983)[https://doi.org/10.1016/S0022-5371(72)80006-9]y procesar eventos y acciones en videos (Newtson et al., 1977)[https://doi.org/10.1037/0022-3514.35.12.847].
Para comprender las situaciones cotidianas, a menudo nos basamos en nuestro conocimiento previo. Por ejemplo, cuando entramos en una biblioteca, esperamos ver muchos libros y gente estudiando en lugar de bailando. Mi investigación se centra en distinguir los efectos sobre diferentes tipos de conocimientos previos. Por ejemplo, tenemos un conocimiento más general de cómo funciona una biblioteca típica: este conocimiento general o esquemático se aprende a través de múltiples experiencias con la biblioteca. Sin embargo, también podemos tener conocimiento previo sobre una biblioteca en particular (por ejemplo, lo que sucedió ayer en la biblioteca de la Universidad de Sussex).
En diferentes estudios, probé cómo el conocimiento previo específico y general afecta el aprendizaje, y qué regiones del cerebro podrían ayudar a combinar el conocimiento previo con la nueva información entrante.
Por ejemplo, en un estudio, mostré que simplemente conocer el tema de conversaciones anteriores mejoraba la memoria para videos posteriores. Este estudio también replica los resultados anteriores de fMRI (tecnología de escaneo cerebral) del laboratorio de Chris Bird (Keidel et al., 2017)[ https://doi.org/10.1093/cercor/bhx218] y extiéndalos aún más mostrando las regiones del cerebro involucradas en la combinación de este conocimiento previo específico con la información recién recibida. Además, mediante el uso de un método de aprendizaje automático recientemente desarrollado, pudimos demostrar que tener un conocimiento previo específico cambia la comprensión y la memoria de los videos posteriores por parte de los participantes. Específicamente, tener conocimiento previo mejora la consistencia de las interpretaciones en la segunda mitad del video, lo que resulta en recuerdos más similares entre los participantes con conocimiento previo (Raykov et al., 2018)[ https://doi.org/10.1101/276683].
Me desviaré un poco aquí, pero espero que los lectores encuentren bastante interesantes las curiosidades de estos nuevos métodos de aprendizaje automático (ver, por ejemplo, esta visualización genial https://proyector.tensorflow.org/ ). Recientemente, ha habido una explosión en el desarrollo de nuevos algoritmos de procesamiento de lenguaje natural que permiten a los ingenieros e investigadores cuantificar automáticamente las relaciones entre textos. En concreto, este método de análisis puede detectar el tema de la conversación (https://en.wikipedia.org/wiki/Latent_Dirichlet_allocation (Heusser et al. 2021)[https://doi.org/10.1038/s41562-021-01051-6]), sinónimos, cuantificar la similitud entre oraciones (https://tfhub.dev/google/universal-sentence-encoder/4), responder preguntas (https://en.wikipedia.org/wiki/BERT_(language_model)) e incluso generar y predecir texto nuevo (https://en.wikipedia.org/wiki/GPT-2). Estos métodos son particularmente útiles porque pueden ser algo similares a la memoria semántica que tienen las personas (el conocimiento enciclopédico que tienen las personas sobre el significado de los objetos y las palabras) (ver Figura 1. Y esta increíble revisión-( Kumar, 2021)[https://doi.org/10.3758/s13423-020-01792-x]). Estos métodos también permiten a los psicólogos cuantificar la coherencia y la similitud semántica, y ajustar nuevos modelos para abordar cómo las personas entienden el lenguaje o predicen las próximas palabras (Goldstein et al., 2021; Huth et al., 2016)[ https://doi.org/10.1101/2020.12.02.403477; https://doi.org/10.1038/nature17637](Vea el recorrido interactivo de los resultados de Huth https://gallantlab.org/huth2016/).
Al mismo tiempo, los investigadores en neurociencia cognitiva y psicología también están comenzando a emplear nuevos métodos de aprendizaje automático (varios modelos de decodificación y codificación) para estudiar cómo las diferentes características de los estímulos predicen la actividad cerebral. De hecho, este ha demostrado ser un enfoque muy productivo. La combinación de imágenes cerebrales con tales enfoques de aprendizaje automático podría ayudar a abordar preguntas de larga data en psicología. Por ejemplo, Ediz Sohoglu, que trabaja en la Universidad de Sussex, utilizó recientemente modelos de codificación para mostrar cómo el error de predicción afecta la percepción del habla (Sohoglu & Davis, 2020)[https://doi.org/10.7554/eLife.58077]Warrick Roseboom y sus colegas utilizaron modelos de redes neuronales para construir un modelo computacional de cómo percibimos el tiempo (Roseboom et al., 2019)[ https://doi.org/10.1038/s41467-018-08194-7]Curiosamente, el modelo se actualizó aún más y ahora también tiene implicaciones para la memoria episódica y el procesamiento de eventos (cómo diferenciamos un evento) (Fountas et al. 2021)[ https://doi.org/10.1101/2020.02.17.953133]Estos métodos no solo son útiles para datos de neuroimagen. Nora Andermane, Jenny Bosten, Anil Seth y Jamie Ward aplican un algoritmo de agrupación para examinar las diferencias individuales en un conjunto de tareas de percepción que miden cómo las expectativas previas afectan la percepción (Andermane et al., 2020)[ https://doi.org/10.1016/j.concog.2020.102989]Vale la pena señalar que esto es solo una fracción de la increíble investigación realizada en la Universidad de Sussex. Pero, con suerte, puede resaltar la utilidad de estos métodos, especialmente cuando se combinan con diseños experimentales rigurosos, y señalar a los estudiantes que, a veces, la codificación vale la pena. Ahora, para dejar de perder su precioso tiempo, detendré mi digresión.
En otro estudio, familiarizamos a los participantes con un programa de televisión y luego les pedimos que miraran y recordaran nuevos videoclips del programa entrenado, así como también clips de programas similares pero no entrenados. El entrenamiento permite a los participantes aprender información esquemática sobre múltiples episodios de los personajes principales y sus personalidades. Este diseño nos permite probar cómo el conocimiento personal general previo afecta el procesamiento de información nueva y relevante. Le mostré a esa persona conocimiento esquemático para ayudar a los participantes a recordar más detalles de la historia a partir de nuevos clips filmados en el programa entrenado. Pudimos identificar patrones de actividad cerebral específicos para el conocimiento esquemático individual. Curiosamente, estos patrones estaban presentes en la corteza prefrontal medial, un área del cerebro a menudo asociada con el pensamiento complejo, el razonamiento y el procesamiento emocional. Observamos que los participantes mostraron una evidencia más sólida de estos patrones esquemáticos, mostrando una mayor memoria para los videos de capacitación (ver Figura 2). Además, utilizando métodos de reconocimiento de patrones y videos, pudimos mostrar que los patrones de patrones pueden existir a lo largo del período del video. Estos resultados comienzan a arrojar luz sobre cómo y cuándo el conocimiento del esquema impacta en el nuevo aprendizaje (Raykov et al., 2020, 2021)[https://doi.org/10.1080/02643294.2019.1685958; https://doi.org/10.1093/cercor/bhab027].
En un trabajo reciente, he estudiado qué información representamos realmente cuando recordamos un evento (Bromis et al., 2021)[https://doi.org/10.1162/jocn_a_01802]En un proyecto colaborativo con Konstantinos Bromis, probamos cómo se recuerdan los elementos repetitivos y únicos. Específicamente, la mayoría del trabajo psicológico normalmente examina elementos únicos o narrativas en la memoria; sin embargo, en nuestra vida diaria, mucha información se repite y se comparte entre eventos. Por ejemplo, podría estar en la oficina el lunes y el martes y ver a Sam ambos días. Entonces, cuando estoy recordando los eventos del martes, tengo que separarlos de mi memoria del lunes, el día en que también vi a Sam. Además de estos elementos repetitivos, también hay elementos únicos, como que puedo tener diferentes conversaciones el lunes y el martes, y también puedo ver diferentes combinaciones de personas (por ejemplo, el lunes vi a Sam y Dominika, pero el martes vi a Sam y Flavia). La sabiduría convencional en la investigación de la memoria es que, dado que cada evento se compone de una combinación única de elementos, simplemente representamos todos los elementos por igual. Sin embargo, esto no ha sido probado empíricamente. Además, debido a que nuestra memoria puede ser particularmente importante para la forma en que hacemos predicciones y decisiones sobre el futuro, es posible que no podamos representar elementos de ocurrencias frecuentes y predecibles de la misma manera que elementos únicos de eventos. Kostas y yo usamos conversaciones escritas por Leah Wickens (ex estudiante de la Universidad de Sussex) en un estudio de resonancia magnética funcional de dos fases para abordar esta pregunta con precisión. Pedimos a los participantes que aprendan bien las conversaciones que contienen elementos repetitivos y únicos. Los participantes pueden recordar bien el diálogo y ambos tipos de elementos. De hecho, conductualmente, calificaron el elemento único del evento como más importante y lo recordaron más. Sin embargo, cuando examinamos cómo sus cerebros representaban estos recuerdos, encontramos que, de hecho, los elementos repetitivos y predecibles estaban representados con mayor fuerza durante la recuperación. Este resultado contradice la visión estándar de que representamos la recuperación holística de todos los elementos por igual, y comienza a aclarar que nuestra memoria puede poner más énfasis en elementos repetitivos y predecibles, ya que pueden ser más importantes en el futuro (Anderson & Milson, 1989; Gershman , 2017)[https://doi.org/10.1037/0033-295X.96.4.703; https://doi.org/10.1016/j.cobeha.2017.05.025]Puede conocer más sobre el estudio en esta presentación (https://www.youtube.com/watch?v=I_cVAIKPyFE&t=0s).
Recientemente, comencé a investigar cómo el conocimiento previo puede conducir a errores de memoria y sesgos de interpretación. De hecho, si bien el conocimiento previo a menudo es beneficioso para el aprendizaje, a veces puede dificultar el aprendizaje y puede conducir a errores de memoria falsa: personas que recuerdan erróneamente cosas que nunca sucedieron. Además, me interesa cómo aprendemos información que contradice nuestras expectativas previas. El nuevo estudio se realizó en colaboración con Dominika Varga (puedes ver su entrevista publicada en el canal Sussex Neuroscience – https://www.youtube.com/channel/UCMhBRvfePUb1T_1XRn9hhcA ).
Más allá de cómo el conocimiento previo afecta el procesamiento de nueva información, hay muchas preguntas que deben abordarse. Por ejemplo, está claro que los efectos del conocimiento previo no son necesariamente lineales y aditivos, por lo que se necesita investigación futura para comprender mejor las condiciones que influyen en el nuevo aprendizaje. Además, ha habido grandes avances tecnológicos recientes (como el desarrollo de varias técnicas nuevas de imágenes cerebrales y nuevos métodos computacionales y analíticos) que nos permiten probar empíricamente nuevas preguntas de investigación y comprender mejor cómo funcionan ciertos procesos mentales implementados en el cerebro. Sin embargo, aún quedan muchas preguntas por abordar en futuras investigaciones. De hecho, sigue sin estar claro cómo examinar mejor las representaciones en la memoria de trabajo o actualmente inactiva, lo que puede ser necesario para comprender mejor los efectos del conocimiento previo. Una de las preguntas más importantes que quedan es cómo la información recién aprendida se integra con nuestros recuerdos anteriores y se convierte en parte de nuestro conocimiento general de cómo funciona el mundo.
Espero que hayas disfrutado de mi charla y hayas encontrado interesante la investigación. Quién sabe, incluso podría considerar involucrarse en la investigación de imágenes cerebrales. Una de las cosas interesantes de esto es que puedes obtener imágenes del cerebro (el cerebro de Van Gogh en la Figura 2 es en realidad mío) e incluso obtener una impresión 3D del cerebro (que puede brillar en la oscuridad).
