En la psicofísica, los experimentos buscan determinar si el sujeto puede detectar un estímulo, identificarlo, diferenciarlo de otro, o describir la magnitud o naturaleza de esta diferencia. Los programas informáticos para la experimentación psicofísica son revisados por Strasburger.
Métodos psicofísicos clásicosEditar
Los experimentos psicofísicos han utilizado tradicionalmente tres métodos para comprobar la percepción de los sujetos en los experimentos de detección de estímulos y de detección de diferencias: el método de los límites, el método de los estímulos constantes y el método del ajuste.
Método de los límitesEditar
En el método ascendente de los límites, alguna propiedad del estímulo comienza en un nivel tan bajo que el estímulo no podría ser detectado, entonces este nivel se incrementa gradualmente hasta que el participante informa que es consciente de ello. Por ejemplo, si el experimento pone a prueba la amplitud mínima del sonido que puede detectarse, el sonido comienza siendo demasiado bajo para ser percibido y se va aumentando gradualmente. En el método descendente de límites, esto se invierte. En cada caso, se considera que el umbral es el nivel de la propiedad del estímulo en el que se acaban de detectar los estímulos.
En los experimentos, se utilizan alternativamente los métodos ascendente y descendente y se promedian los umbrales. Una posible desventaja de estos métodos es que el sujeto puede acostumbrarse a informar que percibe un estímulo y puede seguir informando de la misma manera incluso más allá del umbral (el error de habituación). A la inversa, el sujeto también puede anticipar que el estímulo está a punto de ser detectable o indetectable y puede emitir un juicio prematuro (el error de anticipación).
Para evitar estos posibles escollos, Georg von Békésy introdujo en 1960 el procedimiento de la escalera en su estudio de la percepción auditiva. En este método, el sonido comienza siendo audible y se va haciendo más silencioso después de cada respuesta del sujeto, hasta que éste no dice haberlo oído. En ese momento, el sonido se hace más fuerte a cada paso, hasta que el sujeto dice haberlo oído, momento en el que se vuelve a hacer más silencioso por pasos. De este modo, el experimentador es capaz de «poner a cero» el umbral.
Método de los estímulos constantesEditar
En lugar de presentarse en orden ascendente o descendente, en el método de los estímulos constantes los niveles de una determinada propiedad del estímulo no están relacionados de un ensayo a otro, sino que se presentan de forma aleatoria. Esto evita que el sujeto pueda predecir el nivel del siguiente estímulo y, por tanto, reduce los errores de habituación y expectativa. En el caso de los «umbrales absolutos», de nuevo el sujeto informa de si es capaz de detectar el estímulo. En el caso de los «umbrales de diferencia», tiene que haber un estímulo de comparación constante con cada uno de los niveles variados.Friedrich Hegelmaier describió el método de los estímulos constantes en un artículo de 1852. Este método permite un muestreo completo de la función psicométrica, pero puede dar lugar a una gran cantidad de ensayos cuando se intercalan varias condiciones.
Método de ajusteEditar
En el método de ajuste, se pide al sujeto que controle el nivel del estímulo y lo altere hasta que sea apenas detectable contra el ruido de fondo, o sea igual al nivel de otro estímulo. El ajuste se repite muchas veces. En este método, los propios observadores controlan la magnitud del estímulo variable, comenzando con un nivel que es claramente mayor o menor que uno estándar y lo varían hasta que están satisfechos con la igualdad subjetiva de ambos. La diferencia entre los estímulos variables y el estándar se registra después de cada ajuste, y el error se tabula para una serie considerable. Al final, se calcula la media dando el error medio que puede tomarse como medida de sensibilidad.
Métodos psicofísicos adaptativosEditar
Se suele argumentar que los métodos clásicos de experimentación son ineficaces. Esto se debe a que, antes de la prueba, el umbral psicométrico suele ser desconocido y la mayoría de los datos se recogen en puntos de la función psicométrica que proporcionan poca información sobre el parámetro de interés, normalmente el umbral. Pueden utilizarse procedimientos adaptativos en escalera (o el método clásico de ajuste) de forma que los puntos muestreados se agrupen en torno al umbral psicométrico. Los puntos de datos también pueden repartirse en un rango ligeramente más amplio, si la pendiente de la función psicométrica también es de interés. Así, los métodos adaptativos pueden optimizarse para estimar sólo el umbral o tanto el umbral como la pendiente. Los métodos adaptativos se clasifican en procedimientos escalonados (véase más adelante) y métodos bayesianos o de máxima probabilidad. Los métodos escalonados se basan únicamente en la respuesta anterior y son más fáciles de aplicar. Los métodos bayesianos tienen en cuenta todo el conjunto de pares estímulo-respuesta anteriores y suelen ser más robustos frente a los lapsos de atención. Ejemplos prácticos se encuentran aquí.
Procedimientos de escaleraEditar
Las escaleras suelen comenzar con un estímulo de alta intensidad, que es fácil de detectar. A continuación, la intensidad se reduce hasta que el observador se equivoca, momento en el que la escalera se ‘invierte’ y la intensidad se incrementa hasta que el observador responde correctamente, provocando otra inversión. Los valores de la última de estas «inversiones» se promedian entonces. Hay muchos tipos diferentes de procedimientos de escalera, que utilizan diferentes reglas de decisión y terminación. El tamaño del escalón, las reglas de subida/bajada y la amplitud de la función psicométrica subyacente dictan en qué punto de la función psicométrica convergen. Los valores de los umbrales obtenidos a partir de las escaleras pueden fluctuar mucho, por lo que hay que tener cuidado en su diseño. Se han modelado muchos algoritmos de escalera diferentes y García-Pérez ha sugerido algunas recomendaciones prácticas.
Uno de los diseños de escalera más comunes (con tamaños de paso fijos) es la escalera 1 arriba-N abajo. Si el participante da la respuesta correcta N veces seguidas, la intensidad del estímulo se reduce en un tamaño de paso. Si el participante da una respuesta incorrecta, la intensidad del estímulo se incrementa en un tamaño. Se estima un umbral a partir del punto medio de todas las ejecuciones. Esta estimación se aproxima, asintóticamente, al umbral correcto.
Procedimientos bayesianos y de máxima verosimilitudEditar
Los procedimientos adaptativos bayesianos y de máxima verosimilitud (ML) se comportan, desde la perspectiva del observador, de forma similar a los procedimientos en escalera. Sin embargo, la elección del siguiente nivel de intensidad funciona de forma diferente: Después de cada respuesta del observador, a partir del conjunto de éste y de todos los pares anteriores de estímulo/respuesta, se calcula la probabilidad de dónde se encuentra el umbral. El punto de máxima probabilidad se elige entonces como la mejor estimación del umbral, y el siguiente estímulo se presenta en ese nivel (ya que una decisión en ese nivel añadirá la mayor información). En un procedimiento bayesiano, se incluye además una probabilidad previa en el cálculo. En comparación con los procedimientos escalonados, los procedimientos bayesianos y ML requieren más tiempo de aplicación, pero se consideran más robustos. Procedimientos conocidos de este tipo son Quest, ML-PEST y el método de Kontsevich & Tyler.
Estimación de la magnitudEditar
En el caso prototípico, se pide a las personas que asignen números en proporción a la magnitud del estímulo. Esta función psicométrica de las medias geométricas de sus números suele ser una ley de potencia con exponente estable y replicable. Aunque los contextos pueden cambiar el exponente de la ley &, ese cambio también es estable y replicable. En lugar de números, se pueden utilizar otras dimensiones sensoriales o cognitivas para emparejar un estímulo y el método se convierte entonces en «producción de magnitudes» o «emparejamiento entre modalidades». Los exponentes de esas dimensiones encontrados en la estimación de magnitudes numéricas predicen los exponentes encontrados en la producción de magnitudes. La estimación de la magnitud generalmente encuentra exponentes más bajos para la función psicofísica que las respuestas de categoría múltiple, debido al rango restringido de los anclajes categóricos, como los utilizados por Likert como ítems en las escalas de actitud.