| Summary: | RESULTADOS OBTENIDOS: NOTA: El presente informe está dividido en 2 partes, reportando actividades realizadas antes y después de la pandemia. Introducción Un aspecto importante para distinguir si las personas realizan un proceso asociativo por similitud o un proceso de razonamiento causal como hipotetiza la Teoría de Modelos Causales (TMC), es la forma en que las interacciones entre propiedades afectan los juicios de categorización. La TMC predice que una instancia que no respeta una regla causal (e.g., si sabemos que A➔B, entonces encontrar una instancia donde ocurre que ¬A y B es una violación de la regla), será clasificada como una peor instancia de la categoría correspondiente que una instancia que sí respeta la regla (tanto instancias en que ocurre que A y B, como también instancias en que ocurre que ¬A y ¬B respetan la regla causal A➔B). En cambio, un modelo asociativo predice otro tipo de interacciones. Un modelo asociativo predice que la similitud percibida decaerá junto con el número de propiedades en estado “errado” (i.e., ¬A y ¬B será percibida como menos similar al prototipo que ¬A y B o que A y ¬B). Así, el objetivo principal de este proyecto fue obtener evidencia de que las personas combinan la información causal junto con procesos asociativos para decidir cómo clasificar. Desarrollo del proyecto El proyecto original constaba de 3 experimentos. A raíz de la pandemia, solo los Exps. 1 y 3 se pudieron realizar como estaba planificado. Para poder llevar a cabo el proyecto en el plazo comprometido y lo más fielmente posible a lo originalmente planteado, se solicitó a ANID realizar experimentos modificados para poder realizarlos en-línea. Estas modificaciones implicaron diseños optimizados para requerir menos tiempo por sujeto. Esto, debido a que el costo de usar sujetos reclutados en-línea aumenta con el tiempo de duración de los experimentos. El costo de esta modificación—debido a que esta modalidad implica un incentivo monetario para los participantes—no implicó una modificación del presupuesto. ...
|
|---|