Inferencia de la estructura interna de grupos mediante la integración del aprendizaje estadístico y el razonamiento...

Área de la Ciencia:

• Ciencia Cognitiva
• Psicología Social
• Neurociencia Computacional

Sus antecedentes:

• Las interacciones sociales humanas forman redes complejas (amistades, jerarquías).
• Las interacciones observables suelen ser escasas y ruidosas, lo que dificulta la inferencia estructural.
• La comprensión de las redes sociales es crucial para la cognición y el comportamiento social.

Objetivo del estudio:

• Investigar cómo los humanos infieren estructuras sociales latentes a partir de datos de interacción limitados.
• Probar un modelo computacional que integra el aprendizaje estadístico y los modelos sociales.
• Determinar los mecanismos subyacentes a la inferencia y predicción de redes sociales.

Principales métodos:

• Tres experimentos conductuales utilizando videos abstractos de interacciones sociales.
• Los participantes infirieron estructuras sociales, predijeron el comportamiento y razonaron sobre la influencia.
• Se desarrolló y probó un modelo computacional basado en el aprendizaje estadístico y el razonamiento causal.

Principales resultados:

• Los participantes infirieron con éxito las estructuras sociales subyacentes.
• Los juicios se alinearon con las predicciones del modelo computacional.
• El rendimiento no pudo explicarse por modelos más simples basados en señales.

Conclusiones:

• Los humanos integran el aprendizaje estadístico general de dominio con modelos sociales específicos de dominio.
• Esta integración forma representaciones causales para la comprensión social.
• El aprendizaje estadístico y el razonamiento causal trabajan juntos para una cognición social flexible.