Una teoría racional de la causalidad : necesaria mas no suficiente.

Resúmen tomado del autor

El estudio del aprendizaje causal se ha desarrollado en gran medida durante los pasados veinte años (ver Shanks, Holyoak y Medin, 1996). Y de acuerdo a Perales y cols. se ha basado principalmente en teorías sustentadas en dos grandes niveles de análisis, algorítmico y computacional. El análisis algorítmico representado por las teorías asociativas del aprendizaje de juicios causales se ha centrado en aquellos modelos que suponen la modulación del aprendizaje causal por la sorpresividad del resultado ( Rescorla y Wagner, 1972) o en los modelos que suponen su representación y recuperación ( Dickinson y Burke, 1996; Matute, Arcediano y Miller, 1996). Por otro lado el análisis computacional busca explicar cómo los juicios causales en su nivel asintótico pueden desarrollarse a partir de cambios contingenciales clave-resultado. El análisis computacional es así una regla que nos permite inferir la ocurrencia del aprendizaje causal. Se describie la paradoja de tener una teoría racional compleja del aprendizaje causal que es normativamente útil, pero que es fundamentalmente deficiente en la descripción del mismo. Para ello se mencionan brevemente algunos efectos observados recientemente en la literatura del aprendizaje causal humano que difícilmente podrían ser descritos por una aproximación racional del mismo.