Falta de generalizabilidad de grupo a individuo en las pseudocontingencias

Por qué nuestras creencias sobre la comida pueden llevarnos a error

Muchas personas sienten que los alimentos más sabrosos son los menos saludables, aunque existen numerosos platos que son a la vez nutritivos y deliciosos. Este artículo examina por qué surgen creencias tan persistentes y, lo que es crucial, por qué distintas personas pueden apoyarse en estos atajos en grados muy diferentes. Al analizar cómo aprendemos a partir de las experiencias cotidianas con la comida, los autores muestran que una regla mental sencilla puede moldear nuestras visiones del mundo—y que promediar las respuestas de la gente puede ocultar la verdadera diversidad de pensamiento.

Cómo inferimos vínculos sin verlos directamente

Los humanos infieren relaciones continuamente: las nubes oscuras anuncian lluvia, un elevado número de publicaciones sugiere éxito académico y, para muchas personas, los alimentos poco saludables suelen percibirse como más sabrosos. A menudo no registramos con precisión cuántas veces ocurren las cosas conjuntamente; en su lugar, nos fijamos en la frecuencia separada de cada cosa por sí sola. Los autores se concentran en este atajo, denominado inferencia por pseudocontingencias: la gente observa las frecuencias base de “saludable” y “sabroso” en su entorno y trata esas tasas como si revelaran directamente un vínculo entre salud y sabor. Esta estrategia puede ser eficiente cuando la información es escasa, pero puede producir fácilmente ilusiones cuando el entorno está sesgado—por ejemplo, cuando hay muchas opciones tentadoras pero poco saludables.

Un modelo informático del aprendizaje a partir de entornos alimentarios

Para estudiar este proceso, los investigadores construyeron un modelo informático basado en agentes en el que individuos simulados encuentran alimentos uno a uno en distintos entornos. Para cada alimento, un agente registra si es saludable y si es sabroso. A partir de estas experiencias, el agente puede calcular dos tipos de información: el emparejamiento verdadero entre salud y sabor (con qué frecuencia coocurren) y las tasas base (con qué frecuencia aparece cada rasgo en general). El modelo asume que cada agente combina estas dos fuentes en una única creencia, controlada por un parámetro de fuerza de sesgo. En un extremo, las creencias siguen solo los emparejamientos verdaderos; en el otro, solo las tasas base. A medida que los agentes ven más alimentos, actualizan sus creencias de forma continua, imitando cómo las personas podrían formar gradualmente impresiones sobre el vínculo salud–sabor.

La gente utiliza atajos—pero no por igual

Los autores ajustaron luego este modelo a datos existentes de experimentos de laboratorio en los que los participantes vieron muchas comidas que variaban en salud y sabor. Los entornos se diseñaron de forma inteligente para que a veces las tasas base y los emparejamientos verdaderos apuntaran en direcciones opuestas. Cuando el modelo empleó una única fuerza de sesgo compartida por todos, reprodujo el desplazamiento promedio de creencias hacia la idea de que la comida poco saludable sabe mejor en entornos con tasas base sesgadas. Sin embargo, este ajuste a nivel de grupo no logró captar la amplia dispersión de respuestas individuales que mostraron los experimentos. Cuando los investigadores permitieron en cambio que cada persona tuviera su propia fuerza de sesgo, hallaron pruebas sólidas de que la mayoría tiende a usar las tasas base, pero en grados muy distintos. De media, los individuos dependían de las pseudocontingencias menos de lo que sugería el modelo a nivel de grupo, y los valores individuales abarcaban desde una baja hasta una muy alta dependencia.

Cuándo los modelos simples generalizan mejor que los detallados

El equipo fue un paso más allá al probar si estos parámetros ajustados podían predecir resultados en un segundo experimento independiente con un entorno alimentario ligeramente distinto. Curiosamente, el parámetro grupal único hizo un mejor trabajo prediciendo las creencias medias en este nuevo estudio que los parámetros individuales más refinados. El modelo más rico y específico para cada persona capturó la variación dentro del conjunto de datos original, pero pareció sobreajustar el ruido que no se trasladó a nuevos contextos. Esto revela una tensión familiar en muchos campos: los modelos que siguen de cerca a los individuos pueden explicar más detalle en un estudio, pero pueden generalizar peor que descripciones más simples y parsimoniosas.

Qué significa esto para entender y cambiar creencias

Los hallazgos muestran que muchas de nuestras creencias cotidianas sobre cómo se relacionan las cosas—como “lo poco saludable es sabroso”—pueden surgir de la manera sencilla en que leemos la estructura de nuestro entorno, más que de las relaciones subyacentes reales. Sin embargo, las personas difieren sustancialmente en cuánto se apoyan en este atajo, y los modelos que promedian entre individuos pueden sobreestimar esa dependencia. Para quienes diseñan mensajes de salud, políticas de consumo o intervenciones sociales, el estudio sugiere dos lecciones: alterar lo que es más común en nuestro entorno puede cambiar sistemáticamente las creencias, y prestar atención a las diferencias individuales puede ser crucial al orientar cambios de comportamiento o explicar las desigualdades en salud.

Cita: Kaan, J., Kunz, S., Moore, S. et al. Lack of group-to-individual generalizability in pseudocontingencies. Sci Rep 16, 10459 (2026). https://doi.org/10.1038/s41598-026-41585-1

Palabras clave: formación de creencias, hábitos alimentarios, sesgo cognitivo, modelado computacional, percepción de la salud