MUESTRAS ESTRUCTURADAS DE CONDUCTA
NMECs
ncisne coscoroba®
julian marino davolos
cruz arias haro
juliancarlosmarino.davolos.york.ac.uk
n
INSTALACIÓN:
Se descarga el link enviado. El archivo que se extrae está comprimido:
tiene formato .zip. Lo primero que se debe hacer es descomprimirlo.
Simplemente hay que considerar dos cosas:
a)
b)
Se hace click en extraer todo, y se obtendrá este resultado:
Este conjunto de archivos forman el Cisne Coscoroba preparado para
el usuario. Lo solicitan para evaluación neurocognitiva, estimulación
cognitiva y experimentos que relacionan procesos cognitivos con
datos de difusión de resonancia magnética. Para poner en marcha el
Coscoroba se coloca el puntero y se hace click derecho, luego Abrir:
Aquí aparece una lista de MECs, explorándolas se va conociendo cada
una. Por ejemplo ingresando a learning to learn se observa lo
siguiente:
Los archivos finalizados en .pbl son los ejecutables de la prueba. En
este caso se trata de variaciones de la estructura del Wisconsin Card
Sorting Test que permiten medir algo que si bien el diseño y la
puntuación original lo contemplan, realmente no lo miden: aprender
a aprender. En este diseño, se hicieron variaciones para que la
persona tenga que aprender a aprender:
La persona verá esta interfaz, pero la programación tiene parámetros
que cambian para que tenga que utilizar la metacognición.
Para obtener los resultados, Cisne Coscoroba los ordena en un
archivo CSV. Para extraer datos de un archivo CSV hay que dirigirse a
la sección correspondiente.
Los datos se extraen en Excel y están todos los aspectos de interés.
Los diseños de las MECs forman la cuarta generación de pruebas
cognitivas. Hay una relación especial entre el programador y el
usuario, ya que se parte de modelos Rasch-Barret-Marino (RBM). Para
comprender qué implica un modelo RBM vamos a hacer un ejemplo
con ilustraciones teóricas:
1. ¿Qué es una Muestra Estructurada de Conducta (MEC)?
Es fácil comprender su significado si consideramos los tests de
primera y segunda generación (Chan et al., 2008). Es muy conocido
el Trail Making Test, o Test del Trazo. ¿Qué mide esta prueba? Fue
asociada a una diversidad de constructos, por ejemplo atención
sostenida, velocidad de procesamiento de la información, búsqueda
visual, coordinación percepto- motriz. El Trail Making Test es una
muestra estructurada de conducta, presenta un espacio de estímulos
y reglas y establece restricciones y un sistema de medición. Sin
embargo, cuando la persona ejecuta la prueba, se obtiene una
cantidad de segundos que demoró y si cometió errores. Otra persona
realiza la prueba en un cantidad diferente de segundos y resulta difícil
discernir cuál de los ingredientes cognitivos influyó en la variación en
el resultado. Incluso la misma persona realiza el Trail Making Test en
diferentes oportunidades y los resultados varían ¿a qué se atribuye la
variación? ¿Cuál es el puntaje que obtuvo la persona? ¿Una
promediación en cuatro ensayos? En realidad si se promedia en
cuatro ensayos tenemos el puntaje de otra cosa diferente al Trail
Making Test. La persona automatiza movimientos, genera estrategias
de cómo posicionar el brazo, mantiene activa la representación del
número 13 en la parte B sabiendo que antes viene la letra L. El proceso
de captura de las funciones ejecutivas sobre el test es variable entre
las personas. Cuatro oportunidades de rendimiento promediadas
miden algo diferente a una vez aplicada la prueba.
Las MECs son variaciones sistemáticas de pruebas. A diferencia del
ejemplo dado, se conoce que está siendo variado y cuánto.
De esta manera, cada MEC se puede graficar mediante un diagrama
latino. Ponemos como ejemplo el Digit Span:
- Mayor
Cantidad
Oportunidades
de
- Velocidad
En este caso se otorgan 2 o 4 oportunidades para realizar cada ensayo
de Digit Span. A la vez, los dígitos se enuncian cada 700 milisegundos
o cada 950 milisegundos.
-op +vel
+op +vel
-op -vel
+op -vel
Una persona puede retener hasta 7 dígitos si se le dan dos
oportunidades de error consecutivos. Los números son enunciados a
una velocidad esperable, 950 milisegundos cada uno. Si se le dan 4
oportunidades, activará estrategias ejecutivas de almacenamiento. Es
probable que llegue a retener 9 dígitos en alguno de los cuatro
ensayos. Luego se varía la velocidad. Las personas que tienen una
capacidad de memoria de trabajo conectada con el updating y las
funciones ejecutivas frías se ven beneficiadas ante el aumento de
velocidad. El interés está en conocer si la persona que desarrolla una
estrategia ejecutivo-memoria operativa también mejora con el
cambio de velocidad. Estos dos vectores que atraviesan la MEC son
parámetros modificables. La esencia de las MEC está en disponer de
una muestra estructurada de conducta con variaciones sistemáticas
dimensionales hasta hallar el punto en el que converge la
combinación de mejor rendimiento para una persona. A continuación
desarrollamos el modelo Rasch- Barret- Marino.
2. Modelo de Rasch-Barret-Marino (RBM):
Para ejemplificar el modelo RBM vamos a utilizar la MEC del Pajarillo.
Los resultados de cada ejecución serán reales. En primer término,
veamos los elementos estructurantes del Test del Pajarillo:
Son elementos estructurantes (parámetros sujetos a modificación
sistemática):
a) La proporción de veces que los pajarillos ‘saltan’ un platito de
comida, por lo tanto hay que darles de comer (presionar la barra
espaciadora)
b) La cantidad de comida que necesitan los pajarillos, por ejemplo 120
platitos
c) La velocidad a la que se desplazan los pajarillos, por ejemplo 600
milisegundos
d) La cantidad de tiempo que permanece disponible la ventana para
dar de comer al pajarillo (por ejemplo 450 milisegundos)
e) Contraste entre platitos, demarcación del platito, relación platitoambiente
f) El pedido que realizan los dueños de los pajarillos acerca de que
trato prefieren para sus mascotas, por ejemplo, que tengan comida,
aunque eso implique a veces darles comida cuando no lo necesiten
Todos estos parámetros conforman la MEC del pajarillo. La curva de
Rasch tiene una forma sinusoidal que se asemeja a la siguiente:
TECHO
PENDIENTE
PISO
De acuerdo con Rasch cada ítem, o prueba, es el encuentro
bidireccional entre las exigencias de una estructura y las habilidades
específicas de una persona. De allí que una investigación sirve tanto
para investigar el ítem como la persona. En la MEC del pajarillo hay
variaciones en la velocidad. Se registrará el resultado en variación más
veloz y una más lenta. Esta combinación es una MEC relativamente
lenta pero que pide proceder con rapidez. Los resultados fueron:
Hubo 90 movimientos, 44 veces los pajarillos se olvidaron de comer, y
las 44 veces se les dio comida. Esto suele ocurrir cuando los tiempos
de espera son suficientes. El promedio de velocidad para responder fue
= 412 milisegundos, hubo un solo acto impulsivo. Para lo que
demandaban los dueños, este rendimiento fue igual a -2, 07, es decir,
debajo de las expectativas. En una curva de Rasch la persona se
ubicaría aquí:
velocidad
Nótese que estamos trabajando solo un parámetro. Barret (Barrett,
2009) considera que todos los parámetros funcionan bajo un
algoritmo, que puede ser denominado “algoritmo cognitivo de los
ingredientes de receta de cocina”. La velocidad es un ingrediente en
una receta, la cantidad de ítems es otro, el contraste un tercero, la
proporción de saltos un cuarto. Cada ingrediente se incorpora al
proceso y el producto emergente es una comida que dinámicamente
va cambiando su ser. Marino Davolos considera que las MECs tienen
que variar de manera sistemática hasta ofrecer una función óptima. Las
variaciones que se hacen en búsqueda de la función óptima es la base
estructural del encuentro ítem- persona. Se simboliza de esta manera:
ιρπ=1.
Cuando se logra el máximo acercamiento a ιρπ=1 los datos se pueden
correlacionar con los ofrecidos por tractografía por streamlines de
datos de difusión de resonancia magnética:
En una segunda ejecución, advertido de que tenía que rendir con
mayor velocidad, el resultado fue éste:
Se reducirá la cantidad de movimientos, también la proporción de
saltos, y el contraste será un poco menor:
Los resultados fueron los siguientes:
Regresó al tiempo anterior, con una conducta de impulsividad. Este
MEC demanda mayor velocidad por lo que el rendimiento tuvo
expectativas poco satisfactorias. Ahora, advertido que tiene que rendir
con mayor rapidez, vuelve a intentar:
Alcanzó mayor velocidad, tuvo una sola conducta impulsiva. Los saltos
son el 33% mientras que en el anterior eran el 50%. El contraste es
menor. Ahora se realizará la tarea con el porcentaje 33% de saltos, y se
retornará al contraste inicial. La cantidad de saltos será= 60. De esta
manera los parámetros de contraste y proporción de eventos inusuales
se ponen a prueba:
Se alcanzó el mejor rendimiento en velocidad, una sospecha que
aparece es que el contraste es un factor de lentificación de relevancia.
Como se puede apreciar, los MECS son indagaciones en función de
obtener ιρπ=1. Una vez que se considera que la dificultad del ítem y la
persona se han encontrado, ese valor es el que sirve para relacionar
con la conectividad estructural. Las dimensiones de cada ingrediente
aportan al resultado final, y la persona se posiciona en ellos. Por lo
tanto, para cada parámetro hay una curva de Rasch. La persona se
encuentra con el ítem, en este caso es una persona que tiene poca
propensión a la impulsividad. Eso hace que los resultados sean apenas
satisfactorios porque no son respuestas veloces.