I. Antecedentes y justificación del estudio

El aprendizaje estadístico (AE) es la capacidad de detectar regularidades del entorno, fundamental para procesos lingüísticos como la segmentación de palabras. Estudios recientes han documentado una alta variabilidad individual en AE, pero esta ha sido poco caracterizada debido al predominio de promedios grupales y medidas post-tarea (i.e., offline). Las medidas online ofrecen una alternativa para observar el aprendizaje mientras ocurre y examinar qué restricciones cognitivas, perceptuales y de procesamiento contribuyen a esta variabilidad. Se ha relacionado a la memoria de trabajo y la atención con el AE, aunque con evidencia inconsistente. Los perfiles perceptuales, pese a su relevancia teórica, apenas se han evaluado como fuente de diferencias individuales. Finalmente, la diversidad de mecanismos y estrategias de aprendizaje podría explicar también la variabilidad individual. Estos pueden explorarse con simulaciones computacionales, aun escasas.

II. Objetivo | Hipótesis

Objetivo:

Examinar las diferencias individuales en el AE auditivo y visual mediante la integración de medidas conductuales online, cognitivas y perceptuales, con modelos computacionales, para determinar si la variabilidad entre individuos refleja diferencias en sus perfiles perceptuales y cognitivos o en los mecanismos de aprendizaje.

Hipótesis:

El aprendizaje estadístico diferirá entre las modalidades auditiva y visual, con limitada consistencia del desempeño individual entre modalidades.

Las capacidades cognitivas y perceptuales individuales estarán asociadas con diferencias en el desempeño y las trayectorias de AE.

Los modelos computacionales permitirán identificar diferencias en los mecanismos que subyacen a las trayectorias individuales de aprendizaje.

III. Metodología

Se aplicó una tarea de segmentación de palabras auditiva y otra visual a 35 estudiantes universitarios(as), quienes completaron tareas cognitivas (memoria de trabajo, lenguaje, velocidad y razonamiento perceptual) y de resolución perceptual auditiva y visual. Se utilizaron modelos de efectos mixtos para examinar si estos perfiles predecían el aprendizaje online. Adicionalmente, se ajustaron seis modelos computacionales a las trayectorias individuales, mediante algoritmos genéticos, para determinar los mejores modelos y parámetros de ejecución a nivel individual.

IV. Resultados

A nivel grupal, se observó aprendizaje comparable en ambas modalidades. El análisis individual reveló heterogeneidad: algunas personas rindieron mejor en auditivo, otras en visual, y pocas con un desempeño comparable en ambas modalidades. Encontramos que una mejor discriminación perceptual se asoció con mayores índices de aprendizaje online. El modelo de aprendizaje Hebbiano proporcionó el mejor ajuste para la mayoría de los participantes.

V. Discusión y Conclusiones

Las diferencias grupales entre modalidades no representan un patrón uniforme entre individuos. La asociación entre discriminación perceptual y aprendizaje destaca el papel de las restricciones perceptuales, mientras que el mejor ajuste del modelo Hebbiano sugiere variabilidad en los mecanismos de procesamiento. Integrar medidas online y simulaciones computacionales permitió comprender los mecanismos que subyacen la variabilidad en el AE.