首页    期刊浏览 2024年11月26日 星期二
登录注册

文章基本信息

  • 标题:Estrategias de Codificación de Estímulos en el Aprendizaje Causal Humano
  • 本地全文:下载
  • 作者:Andrea C. Díaz ; Luis D. Torres ; Ramón D. Castillo
  • 期刊名称:Psykhe
  • 印刷版ISSN:0717-0297
  • 电子版ISSN:0718-2228
  • 出版年度:2009
  • 卷号:18
  • 期号:2
  • 页码:79-96
  • 语种:Spanish
  • 出版社:Pontificia Universidad Católica de Chile
  • 摘要:Según el enfoque elementalista del aprendizaje asociativo, los estímulos compuestos equivalen a la suma de sus componentes, mientras que para el enfoque configuracional los estímulos son todos indivisibles. Estos enfoques se distinguen con la prueba de sumatoria, en la que se examina si la fuerza asociativa de un compuesto novedoso AB supera (elementalismo) o es igual (configuracionalismo) a la de sus elementos previamente entrenados por separado. Esta investigación demuestra que las personas suman cuando no tienen información previa de AB (Experimento 1), pero no suman cuando tienen esta información (Experimento 2). Los Experimentos 3 y 4 no apoyan la hipótesis que la ausencia de sumatoria se deba a procesos controlados. Se analizan teorías de codificación flexible.
  • 其他摘要:According to the elemental approach of associative learning, compound stimuli are equivalent to the sum of their components, while for the configurational approach, compounds are indivisible wholes. These approaches are distinguished by the summation test, which examines whether the associative strength of a novel AB compound is higher (elementalism) or equal (configurationalism) than that of its separately trained elements. In the present research, evidence of summation was found when people have no prior experience with AB (Experiment 1), but there was no summation when information about AB was available (Experiment 2). Experiments 3 and 4 do not support the hypothesis that the absence of summation could be due to controlled processing. Theories of flexible coding are analyzed.
  • 关键词:Condicionamiento clásico; aprendizaje causal; codificación de estímulos;Classical conditioning; causal learning; stimulus coding
国家哲学社会科学文献中心版权所有