10.4: Control cognitivo de arriba hacia abajo del disparo sostenido de PFC- El modelo Stroop
- Page ID
- 123044
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)
\( \newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\)
( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\)
\( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)
\( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\)
\( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)
\( \newcommand{\Span}{\mathrm{span}}\)
\( \newcommand{\id}{\mathrm{id}}\)
\( \newcommand{\Span}{\mathrm{span}}\)
\( \newcommand{\kernel}{\mathrm{null}\,}\)
\( \newcommand{\range}{\mathrm{range}\,}\)
\( \newcommand{\RealPart}{\mathrm{Re}}\)
\( \newcommand{\ImaginaryPart}{\mathrm{Im}}\)
\( \newcommand{\Argument}{\mathrm{Arg}}\)
\( \newcommand{\norm}[1]{\| #1 \|}\)
\( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\)
\( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\AA}{\unicode[.8,0]{x212B}}\)
\( \newcommand{\vectorA}[1]{\vec{#1}} % arrow\)
\( \newcommand{\vectorAt}[1]{\vec{\text{#1}}} % arrow\)
\( \newcommand{\vectorB}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vectorC}[1]{\textbf{#1}} \)
\( \newcommand{\vectorD}[1]{\overrightarrow{#1}} \)
\( \newcommand{\vectorDt}[1]{\overrightarrow{\text{#1}}} \)
\( \newcommand{\vectE}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash{\mathbf {#1}}}} \)
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \)
\( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)
Pasamos ahora a una serie de simulaciones por computadora para explorar diversas facetas de la función ejecutiva. Comenzamos con quizás la tarea más estudiada utilizada para probar la función ejecutiva, la tarea Stroop, que lleva el nombre de John Ridley Stroop, quien describió por primera vez el fenómeno básico allá por 1935 (Stroop, J. R., 1935). El modelo computacional de esta tarea, desarrollado inicialmente por Cohen, Dunbar & McClelland (1990), se ha aplicado (con cambio apropiado de etiquetas) a una gama notablemente amplia de fenómenos diferentes. Así, esta tarea y modelo engañosamente simples capturan las características más críticas de la función ejecutiva.
En el paradigma Stroop (Figura 10.14) los sujetos se presentan con palabras de color (por ejemplo, “rojo”, “verde”) una a la vez y se requiere que lean la palabra (por ejemplo, “rojo”), o nombre el color de la tinta en la que está escrita la palabra. En ocasiones la palabra “rojo” aparece en tinta verde, lo que representa la condición incongruente o conflictiva. El “efecto Stroop” es que las tasas de error y los tiempos de respuesta son mayores para esta condición incongruente, especialmente en el caso de la nomenclatura de colores (Figura 10.15). Ese nombre de color es particularmente difícil en la condición incongruente se ha atribuido a la naturaleza relativamente “automática” y bien practicada de leer palabras, por lo que la tendencia natural a leer la palabra interfiere en atender, y nombrar, el color de la tinta.
El modelo Stroop de Cohen et al. (1990) mostró cómo una representación de PFC mantenida puede proporcionar un fuerte sesgo de arriba hacia abajo para apoyar el canal de procesamiento de color más débil frente a la vía de lectura de palabras más fuerte. Pudieron establecer la diferencia entre la lectura de palabras y el nombre del color simplemente en función de la cantidad de capacitación brindada en cada una de estas tareas. Nuestra simulación reproduce estas mismas características principales.
El modelo Stroop ayuda a aclarar el papel de la inhibición en la función ejecutiva. Muchas personas describen la tarea Stroop como que requiere que las personas inhiban la vía prepotente de lectura de palabras, para enfocarse en el color de la tinta, y el modelo también involucra dinámicas inhibitorias. Sin embargo, el PFC en el modelo no proporciona una forma dirigida de inhibición a la ruta de lectura de palabras específicamente. En cambio, proporciona soporte excitatorio de arriba hacia abajo a la vía más débil (denominación de color), lo que luego permite que esta vía compita mejor (a través de interacciones inhibitorias laterales) con la vía de lectura de palabras más dominante. Por lo tanto, la inhibición se ve como un proceso más colateral y automático que opera en toda la corteza, y el sesgo de arriba hacia abajo está involucrado en la emocionante información relevante, en lugar de inhibir la información irrelevante.
Abre el modelo Stroop y sigue las indicaciones desde allí.