Aprendizaje de relaciones de contingencia y causalidadhacia un análisis integral del aprendizaje causal desde una perspectiva computacional
ISSN: 0214-3550, 1579-3702
Año de publicación: 2002
Volumen: 14
Número: 1
Páginas: 15-42
Tipo: Artículo
Otras publicaciones en: Cognitiva
Resumen
En las dos ultimas décadas el estudio del Aprendizaje Causal ha experimentado un gran avance en lo que se refiere a la formulación de modelos que tratan de explicar cómo las personas somos capaces de inferir relaciones e causalidad a partir de !a observación de la relación estadística entre acontecimientos del medio. Muchos modelos reducen la explicación a un algoritmo de cómputo simple. Frente a esa idea mecanicista, en este trabajo adoptamos una perspectiva computacional, intentando dotar de sentido normativo y funcional a la adquisición de conocimiento causal. En otras palabras, pretendemos responder a dos preguntas fundamentales: a) qué información es relevante en el aprendizaje de relaciones de causalidad?, y b) ¿ por lué dacha información es rele-vante? Desde este punto de vista, lo mas importante no es describir la formulación matemática de los procesos implicados en el procesamiento, sino analizar el sentido funcional de dichos procesos. A continuación, díscutire-mos sobre cómo este marco computacional puede guiar la construcción teórica en el futuro a nivel algorítmico y ayudar a integrar los distintos modelos actuales. Palabras clave: Aprendizaje de causalidad, razonamiento inductivo, contingencia, correlación.