Usuario:
Modelo Conceptual
Descripción
Modelo E3.6 - Reconocimiento de Objetos, Eventos y Riesgos
El modelo conceptual busca comprender los mecanismos que dan origen a un comportamiento, y describirlos de la forma más simple posible. Para eso, el comportamiento se segmenta en temas (grupos): cada uno identifica los objetos o variables que participan —tanto en su funcionamiento normal como en sus posibles anomalías o desviaciones— y describe, mediante verbos, la forma en que esos objetos interactúan entre sí. El resultado es lo que llamamos una red semántica: la estructura con la que representamos y comunicamos el modelo conceptual, antes de introducir ecuación alguna.
ID:2290
Estructura de los Grupos
Descripción
El primer paso consiste en analizar la descripción general del modelo e identificar los distintos aspectos que intervienen en el fenómeno y que deben ser representados. Cada uno de estos aspectos se organiza como un grupo, entendido como una unidad conceptual coherente que describe una parte específica del funcionamiento del modelo.
Cada grupo reúne los objetos o conceptos relevantes para ese aspecto y las relaciones o verbos que describen cómo interactúan, se modifican o dependen unos de otros. De esta manera, cada grupo constituye una parte de la red semántica del modelo, mientras que el conjunto de los grupos permite representar de forma estructurada su funcionamiento global.
La división en grupos facilita además separar mecanismos, condiciones, procesos y resultados que cumplen funciones diferentes dentro del modelo, manteniendo al mismo tiempo las relaciones que existen entre ellos. Los grupos no son, por tanto, componentes aislados: pueden compartir conceptos y establecer relaciones entre sí, formando conjuntamente una única representación semántica del fenómeno.
La imagen anterior ofrece una visión general de los distintos aspectos en que se ha estructurado el modelo. A continuación se presentan los grupos identificados, indicando para cada uno su título y una breve descripción del aspecto del modelo que representa.
Grupo 1: Grupo 1: Decisión bayesiana y utilidad esperada
Convierte un patrón sensorial en una decisión semántica ponderando posteriores bayesianas por consecuencias. Las probabilidades previas y la evidencia sensorial determinan las posteriores; las utilidades/costos convierten esas probabilidades en utilidad esperada. La categoría elegida maximiza la utilidad esperada y sirve como puente hacia la acción.
Grupo 2: Grupo 2: Geometría de categorías y Mahalanobis
Representa cada categoría por un centroide y una covarianza. La distancia de Mahalanobis normaliza las desviaciones por la variabilidad y correlación interna, evitando sesgos geométricos de una distancia euclídea cruda. En el caso gaussiano con covarianza compartida, la igualdad de discriminantes define un hiperplano de decisión.
Grupo 3: Grupo 3: Detección de señales y criterio
Separa sensibilidad sensorial y criterio de respuesta. La sensibilidad depende de la separación señal-ruido, mientras que el criterio depende de probabilidades previas y costos de decisión. Un sesgo del criterio puede aumentar errores aun con sensibilidad alta.
Grupo 4: Grupo 4: Acumulación de evidencia y tiempo de reacción
Modela la decisión como una difusión con deriva hacia umbrales. La deriva aumenta con la relación señal/ruido; el umbral controla el compromiso velocidad-exactitud. El primer cruce del umbral determina decisión y tiempo de reacción.
Grupo 5: Grupo 5: Riesgo percibido y asimetría de costos
Introduce costos asimétricos entre daño real y falsa alarma. Cuando el daño de no actuar domina, el umbral de acción óptimo baja y aumenta la tendencia a responder preventivamente. Este mecanismo conecta utilidad esperada, criterio y política de acción.
Grupo 6: Grupo 6: Salida conductual y desempeño
Integra la categoría elegida, el tiempo de reacción y el riesgo percibido en observables de desempeño. Permite distinguir errores debidos a sensibilidad, criterio o velocidad de acumulación y reporta la respuesta final del organismo.
ID:1575
Grupo 1: Grupo 1: Decisión bayesiana y utilidad esperada
Descripción
Convierte un patrón sensorial en una decisión semántica ponderando posteriores bayesianas por consecuencias. Las probabilidades previas y la evidencia sensorial determinan las posteriores; las utilidades/costos convierten esas probabilidades en utilidad esperada. La categoría elegida maximiza la utilidad esperada y sirve como puente hacia la acción.
Pregunta clave: ¿Cómo se transforma evidencia sensorial en una decisión con consecuencias?
Convierte un patrón sensorial en una decisión semántica ponderando posteriores bayesianas por consecuencias. Las probabilidades previas y la evidencia sensorial determinan las posteriores; las utilidades/costos convierten esas probabilidades en utilidad esperada. La categoría elegida maximiza la utilidad esperada y sirve como puente hacia la acción. Este reconocimiento de un objeto, de un evento o de un riesgo particular es, en definitiva, el problema de asignar una categoría semántica, ya sea una presa, un predador, un compañero o un obstáculo, a un patrón sensorial determinado que este organismo ya recibió: la teoría de decisión bayesiana provee, para este mismo reconocimiento, el marco óptimo posible, en el que este organismo maximiza a su propia utilidad esperada ponderando, en consecuencia, a la probabilidad posterior de cada hipótesis particular sobre este patrón sensorial, la misma regla de Bayes que ya establece otro modelo de este conjunto, por las consecuencias reales que cada decisión posible traería consigo. La teoría de detección de señales, la misma teoría de detección de señales que ya establece otro modelo de este conjunto, separa, en consecuencia, a esta sensibilidad de este organismo frente a este patrón sensorial, que depende de esta relación entre esta señal útil y este ruido que ya establece ese otro modelo de este conjunto, de su propio criterio de respuesta, que depende en cambio de las probabilidades previas de cada categoría y de las consecuencias reales de cada decisión posible con la que se abrió este modelo. Que la variabilidad interna de una categoría particular sea mayor hace que, según esta misma distancia de Mahalanobis, un patrón sensorial determinado, en consecuencia, deba alejarse mucho más del centroide de esa categoría antes de dejar de pertenecer a ella con la misma probabilidad.
ID:4793
Grupo 2: Grupo 2: Geometría de categorías y Mahalanobis
Descripción
Representa cada categoría por un centroide y una covarianza. La distancia de Mahalanobis normaliza las desviaciones por la variabilidad y correlación interna, evitando sesgos geométricos de una distancia euclídea cruda. En el caso gaussiano con covarianza compartida, la igualdad de discriminantes define un hiperplano de decisión.
Pregunta clave: ¿Cómo se mide pertenencia a categorías correlacionadas?
Representa cada categoría por un centroide y una covarianza. La distancia de Mahalanobis normaliza las desviaciones por la variabilidad y correlación interna, evitando sesgos geométricos de una distancia euclídea cruda. En el caso gaussiano con covarianza compartida, la igualdad de discriminantes define un hiperplano de decisión. La distancia de Mahalanobis normaliza, en consecuencia, a la distancia entre este patrón sensorial recibido y el centroide de cada categoría posible por la propia variabilidad interna de esa misma categoría: esta misma normalización evita, en consecuencia, la distorsión que producirían las correlaciones existentes entre las distintas características de este patrón sensorial si no se corrigieran de este modo. Que la variabilidad interna de una categoría particular sea mayor hace que, según esta misma distancia de Mahalanobis, un patrón sensorial determinado, en consecuencia, deba alejarse mucho más del centroide de esa categoría antes de dejar de pertenecer a ella con la misma probabilidad. En una clasificación lineal con distribuciones gaussianas, el límite de decisión óptimo entre dos categorías cualesquiera resulta, en consecuencia, la hipersuperficie sobre la cual esta distancia de Mahalanobis a ambas categorías resulta exactamente igual entre sí, una hipersuperficie que adopta, en este caso particular, la forma simple de un hiperplano.
ID:4794
Grupo 3: Grupo 3: Detección de señales y criterio
Descripción
Separa sensibilidad sensorial y criterio de respuesta. La sensibilidad depende de la separación señal-ruido, mientras que el criterio depende de probabilidades previas y costos de decisión. Un sesgo del criterio puede aumentar errores aun con sensibilidad alta.
Pregunta clave: ¿Cómo se separan sensibilidad sensorial y sesgo decisional?
Separa sensibilidad sensorial y criterio de respuesta. La sensibilidad depende de la separación señal-ruido, mientras que el criterio depende de probabilidades previas y costos de decisión. Un sesgo del criterio puede aumentar errores aun con sensibilidad alta. La teoría de detección de señales, la misma teoría de detección de señales que ya establece otro modelo de este conjunto, separa, en consecuencia, a esta sensibilidad de este organismo frente a este patrón sensorial, que depende de esta relación entre esta señal útil y este ruido que ya establece ese otro modelo de este conjunto, de su propio criterio de respuesta, que depende en cambio de las probabilidades previas de cada categoría y de las consecuencias reales de cada decisión posible con la que se abrió este modelo. La integración de evidencia por difusión acumula, mientras tanto, a esta evidencia sensorial recibida hasta que esa misma evidencia acumulada alcanza un umbral de decisión determinado, modelando en consecuencia, de manera simultánea, tanto el tiempo de reacción de este organismo como su propia tasa de errores frente a este patrón sensorial: la velocidad con la que esta evidencia se acumula resulta proporcional, en consecuencia, a esta misma relación entre esta señal útil y este ruido del estímulo recibido, mientras que este umbral de decisión controla, en cambio, la compensación entre esta velocidad de respuesta y esta exactitud final de esa misma respuesta. Un observador puede presentar, en consecuencia, una sensibilidad muy alta frente a este patrón sensorial y, sin embargo, seguir cometiendo errores de todos modos si su propio criterio de respuesta resulta sesgado hacia una categoría particular.
ID:4795
Grupo 4: Grupo 4: Acumulación de evidencia y tiempo de reacción
Descripción
Modela la decisión como una difusión con deriva hacia umbrales. La deriva aumenta con la relación señal/ruido; el umbral controla el compromiso velocidad-exactitud. El primer cruce del umbral determina decisión y tiempo de reacción.
Pregunta clave: ¿Cómo se acumula evidencia hasta decidir y cuánto tarda?
Modela la decisión como una difusión con deriva hacia umbrales. La deriva aumenta con la relación señal/ruido; el umbral controla el compromiso velocidad-exactitud. El primer cruce del umbral determina decisión y tiempo de reacción. La integración de evidencia por difusión acumula, mientras tanto, a esta evidencia sensorial recibida hasta que esa misma evidencia acumulada alcanza un umbral de decisión determinado, modelando en consecuencia, de manera simultánea, tanto el tiempo de reacción de este organismo como su propia tasa de errores frente a este patrón sensorial: la velocidad con la que esta evidencia se acumula resulta proporcional, en consecuencia, a esta misma relación entre esta señal útil y este ruido del estímulo recibido, mientras que este umbral de decisión controla, en cambio, la compensación entre esta velocidad de respuesta y esta exactitud final de esa misma respuesta. Que esta relación entre esta señal útil y este ruido del estímulo recibido sea más favorable hace que, en consecuencia, esta evidencia sensorial se acumule con más rapidez hacia este umbral de decisión, y que este tiempo de reacción de este organismo, en consecuencia, resulte más breve. La teoría de detección de señales, la misma teoría de detección de señales que ya establece otro modelo de este conjunto, separa, en consecuencia, a esta sensibilidad de este organismo frente a este patrón sensorial, que depende de esta relación entre esta señal útil y este ruido que ya establece ese otro modelo de este conjunto, de su propio criterio de respuesta, que depende en cambio de las probabilidades previas de cada categoría y de las consecuencias reales de cada decisión posible con la que se abrió este modelo.
ID:4796
Grupo 5: Grupo 5: Riesgo percibido y asimetría de costos
Descripción
Introduce costos asimétricos entre daño real y falsa alarma. Cuando el daño de no actuar domina, el umbral de acción óptimo baja y aumenta la tendencia a responder preventivamente. Este mecanismo conecta utilidad esperada, criterio y política de acción.
Pregunta clave: ¿Cómo cambian los umbrales cuando los costos son asimétricos?
Introduce costos asimétricos entre daño real y falsa alarma. Cuando el daño de no actuar domina, el umbral de acción óptimo baja y aumenta la tendencia a responder preventivamente. Este mecanismo conecta utilidad esperada, criterio y política de acción. Por eso este modelo, con esta teoría de decisión bayesiana y estas consecuencias reales de cada decisión con las que se abrió, hace que una función de riesgo percibido introduzca, en consecuencia, una asimetría deliberada entre estos dos tipos de costo posibles con los que se abrió este modelo: en una situación de peligro real, el costo de sufrir un daño real resulta muchísimo mayor que el costo de reaccionar ante una falsa alarma, lo que hace en consecuencia que el umbral de acción de este organismo, frente a un riesgo posible, resulte muy bajo, porque huir sin necesidad frente a una falsa alarma resulta, en definitiva, mucho menos costoso que no huir frente a un predador real. Que el costo real de sufrir un daño resulte todavía mayor frente al costo de una falsa alarma hace que, según esta misma teoría de decisión bayesiana con la que se abrió este modelo, este umbral de acción de este organismo frente a un riesgo posible, en consecuencia, resulte todavía más bajo. Este reconocimiento de un objeto, de un evento o de un riesgo particular es, en definitiva, el problema de asignar una categoría semántica, ya sea una presa, un predador, un compañero o un obstáculo, a un patrón sensorial determinado que este organismo ya recibió: la teoría de decisión bayesiana provee, para este mismo reconocimiento, el marco óptimo posible, en el que este organismo maximiza a su propia utilidad esperada ponderando, en consecuencia, a la probabilidad posterior de cada hipótesis particular sobre este patrón sensorial, la misma regla de Bayes que ya establece otro modelo de este conjunto, por las consecuencias reales que cada decisión posible traería consigo.
ID:4797
Grupo 6: Grupo 6: Salida conductual y desempeño
Descripción
Integra la categoría elegida, el tiempo de reacción y el riesgo percibido en observables de desempeño. Permite distinguir errores debidos a sensibilidad, criterio o velocidad de acumulación y reporta la respuesta final del organismo.
Pregunta clave: ¿Cómo se expresan las decisiones en conducta y desempeño?
Integra la categoría elegida, el tiempo de reacción y el riesgo percibido en observables de desempeño. Permite distinguir errores debidos a sensibilidad, criterio o velocidad de acumulación y reporta la respuesta final del organismo. La integración de evidencia por difusión acumula, mientras tanto, a esta evidencia sensorial recibida hasta que esa misma evidencia acumulada alcanza un umbral de decisión determinado, modelando en consecuencia, de manera simultánea, tanto el tiempo de reacción de este organismo como su propia tasa de errores frente a este patrón sensorial: la velocidad con la que esta evidencia se acumula resulta proporcional, en consecuencia, a esta misma relación entre esta señal útil y este ruido del estímulo recibido, mientras que este umbral de decisión controla, en cambio, la compensación entre esta velocidad de respuesta y esta exactitud final de esa misma respuesta. Esta misma asimetría evolutiva entre ambos tipos de costo explica, en consecuencia, tanto una respuesta de miedo exagerada como un sesgo hacia la negatividad que se observa, de manera consistente, en numerosas especies animales. La teoría de detección de señales, la misma teoría de detección de señales que ya establece otro modelo de este conjunto, separa, en consecuencia, a esta sensibilidad de este organismo frente a este patrón sensorial, que depende de esta relación entre esta señal útil y este ruido que ya establece ese otro modelo de este conjunto, de su propio criterio de respuesta, que depende en cambio de las probabilidades previas de cada categoría y de las consecuencias reales de cada decisión posible con la que se abrió este modelo.
ID:4798