MUESTRAS ESTRUCTURADAS DE CONDUCTA MECs cisne coscoroba

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.