Teoría de la integración de la información


De Wikipedia, la enciclopedia libre
Saltar a navegación Saltar a búsqueda
Diagrama esquemático de la teoría de la integración de la información

Norman H. Anderson propuso la teoría de la integración de la información para describir y modelar cómo una persona integra información de varias fuentes para hacer un juicio general. La teoría propone tres funciones .

La función de valoración es un mapeo de estímulos derivado empíricamente a una escala de intervalo . Es único hasta una transformación de intercambio de intervalo ( ).

La función de integración es una función algebraica que combina los valores subjetivos de la información. "Álgebra cognitiva" se refiere a la clase de funciones que se utilizan para modelar el proceso de integración. Pueden sumar, promediar , promediar ponderado , multiplicar, etc.

La función de producción de respuesta es el proceso mediante el cual la impresión interna se traduce en una respuesta abierta.

La teoría de la integración de la información se diferencia de otras teorías en que no se basa en un principio de coherencia como el equilibrio o la congruencia, sino que se basa en modelos algebraicos . La teoría también se conoce como medición funcional, porque puede proporcionar valores de escala validados de los estímulos. En el libro de texto de David J. Weiss se proporciona un tratamiento elemental de la teoría, junto con un programa de Microsoft Windows para realizar análisis de medición funcional. [1]

Modelos de integración

Hay tres tipos principales de modelos algebraicos que se utilizan en la teoría de la integración de la información: sumar, promediar y multiplicar.
Adición de modelos de reacción / factores que contribuyen al comportamiento manifiesto


(Condición 1) (Condición 2)

Normalmente, un experimento está diseñado para que:, y , para que .


Hay dos casos especiales conocidos como descuento y aumento.

Descuento : El valor de cualquier factor se reduce si se agregan otros factores que producen el mismo efecto.
Ejemplo: no está presente o tiene un valor de cero. Si es positivo, entonces G 1 debe ser menor que .Aumento : una versión inversa del modelo típico. Ejemplo: si es negativo, entonces debe ser mayor que .


Dos ventajas de agregar modelos:

  1. No se requiere que los participantes tengan un cálculo intuitivo exacto
  2. El modelo de adición en sí no tiene por qué ser completamente válido. Ciertos tipos de interacción entre los factores no afectarían las conclusiones cualitativas.

Notas

  1. ^ Weiss, DJ (2006). Análisis de varianza y medición funcional: una guía práctica. Nueva York: Oxford University Press.

Referencias

  • Anderson, NH Aplicación de un modelo aditivo a la formación de impresiones. Science , 1962, 138, 817–818
  • Anderson, NH Sobre la cuantificación de la teoría del conflicto de Miller. Psychological Review , 1962, 69, 400–414
  • Anderson, NH Un modelo simple para la integración de información. En RP Abelson, E. Aronson, WJ McGuire, TM Newcomb, MJ Rosenberg y PH Tannenbaum (Eds.), Theories of Cognitive Consistency: A Sourcebook. Chicago: Rand McNally, 1968
  • Anderson, NH Medición funcional y juicio psicofísico. Psychological Review , 1970, 77, 153-170.
  • Anderson, NH Teoría de la integración y cambio de actitud. Psychological Review , 1971, 78, 171–206.
  • Anderson, NH (1981). Fundamentos de la teoría de la integración de la información . Nueva York: Academic Press.
  • Norman, KL (1973). Un método de estimación de máxima verosimilitud para modelos de integración de información . (CHIP No. 35). La Jolla, California: Universidad de California, San Diego, Centro para el procesamiento de información humana.
  • Norman, KL (1976). Una solución para pesos y valores de básculas en medición funcional. Psychological Review, 83 , 80–84.

enlaces externos