El cambio de preferencia inducido por la elección en un marco de modelos de muestreo secuencial

Por qué nuestras elecciones remodelan lo que nos gusta

Imagínese elegir entre una tableta de chocolate y una naranja que le gustan por igual. Extrañamente, después de elegir una, puede que empiece a gustarle más el snack elegido y menos el rechazado. Esta curiosidad cotidiana, conocida como cambio de preferencia inducido por la elección, se ha documentado durante décadas. Sin embargo, muchos modelos matemáticos líderes de la toma de decisiones han tenido dificultades para explicarla. Este artículo muestra cómo una clase popular de modelos, llamados modelos de muestreo secuencial, puede producir de forma natural este desplazamiento de preferencia una vez que permitimos que los valores evolucionen durante la propia decisión.

Cómo suelen pensar los psicólogos sobre las decisiones

Mucha investigación sobre la toma de decisiones se centra en elecciones sencillas entre dos opciones. Antes de decidir, las personas suelen valorar cuánto les gusta cada opción. Hallazgos clásicos muestran que las decisiones son más lentas y menos previsibles cuando las opciones son igualmente atractivas, y más rápidas y más consistentes cuando una opción destaca claramente o cuando ambas opciones tienen un valor alto. Las decisiones también son más rápidas cuando las opciones difieren mucho en atributos clave, como sabor frente a salud en alimentos. Estos patrones han sido capturados muy bien por los modelos de muestreo secuencial, que imaginan que el cerebro va recopilando gradualmente piezas ruidosas de evidencia hasta que una opción acumula suficiente apoyo para cruzar un umbral de decisión.

Cuando el gusto cambia después de decidir

El cambio de preferencia inducido por la elección va más allá de estos patrones estándar. En muchos experimentos, las personas valoran artículos, eligen entre pares y luego vuelven a valorarlos. Por lo general, la puntuación del artículo elegido sube, la del artículo rechazado baja y la brecha entre ambos se amplía. Esta “expansión de alternativas” es más fuerte en decisiones difíciles—cuando las valoraciones iniciales estaban cerca o eran menos seguras—y en elecciones donde cada opción es fuerte en atributos diferentes. También suele ser mayor cuando las personas deciden rápido y se sienten seguras. Explicaciones simples basadas únicamente en ruido de medición no pueden dar cuenta completamente de estos vínculos fiables con la dificultad, los atributos y los tiempos de respuesta.

Permitir que los valores evolucionen durante la deliberación

Los modelos de muestreo secuencial estándar suponen que cada opción tiene un valor subyacente fijo durante la decisión; el modelo se limita a revelar ese valor acumulando evidencia. Bajo esta suposición no hay lugar para que los propios valores cambien. Los autores cuestionan esto permitiendo que la calidad de la evidencia cambie con el tiempo. En su marco, la evidencia temprana refleja impresiones previas aproximadas, mientras que las decisiones más difíciles empujan al decisor a considerar atributos o información adicionales que no se sopesaron completamente al inicio. Por ejemplo, cuando solo la sabrosidad no puede decidir entre chocolate y naranja, una persona puede empezar a tener en cuenta la salud, inclinando la evidencia en evolución a favor de la naranja y alterando la brecha de valor interno entre los dos snacks.

Poner a prueba distintos motores de decisión con datos reales

Para ver si esta idea funciona en la práctica, los autores simularon elecciones usando datos reales de experimentos anteriores sobre elecciones de snacks. Los participantes valoraron los alimentos en valor global así como en placer y nutrición, luego hicieron elecciones y los valoraron de nuevo. Los autores ajustaron tres modelos de decisión relacionados a las elecciones y tiempos de respuesta de cada persona: un modelo básico de deriva–difusión que trata el valor como una única cantidad; una versión multiatributo que acumula evidencia por separado para placer y nutrición; y un modelo extendido en el que diferentes atributos comienzan a influir en la decisión en distintos momentos. Usando los modelos ajustados, simularon muchas decisiones y calcularon una medida interna de cambio de preferencia basada en cuánto difería la diferencia de valor “final” del modelo respecto a la implicada por las valoraciones iniciales.

Lo que los modelos revelan sobre cambiar de opinión

Las tres variantes del modelo reprodujeron el hecho de que la expansión de preferencias es, en promedio, positiva y mayor en decisiones difíciles. El modelo básico logró esto principalmente mediante el ruido: cuando la deriva de la evidencia es lenta, las fluctuaciones aleatorias tienen más tiempo para empujar la diferencia de valor final lejos de la inicial. Sin embargo, solo los modelos que seguían explícitamente atributos separados pudieron imitar el hallazgo empírico de que la expansión de preferencias crece cuando las opciones difieren fuertemente en su mezcla de atributos. Estos modelos más ricos también capturaron el vínculo observado entre decisiones más rápidas y mayores cambios de preferencia, reflejando que una evidencia efectiva más fuerte a la vez acelera las elecciones y separa más los valores internos. Permitir que los atributos entren en la decisión en momentos distintos ofreció el ajuste cualitativo más cercano a los datos.

Qué significa esto para las decisiones cotidianas

Para un público no especializado, el mensaje principal es que no simplemente descubrimos preferencias fijas cuando elegimos; las refinamos y a veces las remodelamos activamente durante el acto de elegir. Al enriquecer un marco de decisión bien establecido con múltiples corrientes de evidencia en evolución, este trabajo muestra que nuestra atracción posterior a lo elegido puede emerger del mismo proceso básico que gobierna la rapidez y la fiabilidad con que decidimos. En otras palabras, la ponderación gradual por parte de la mente de distintos atributos no solo determina qué opción gana, sino que también ayuda a escribir la historia que luego nos contamos sobre lo que nos gusta.

Cita: Lee, D.G., Pezzulo, G. Choice-induced preference change under a sequential sampling model framework. Sci Rep 16, 14455 (2026). https://doi.org/10.1038/s41598-026-44610-5

Palabras clave: toma de decisiones, cambio de preferencia, modelo de difusión con deriva, elección basada en el valor, modelado cognitivo