Falta de generalizabilidade do grupo para o indivíduo em pseudocontingências

Por que nossas crenças sobre comida podem enganar

Muitas pessoas sentem que os alimentos mais gostosos são os menos saudáveis, embora haja muitos pratos que são ao mesmo tempo nutritivos e deliciosos. Este artigo explora por que crenças persistentes assim surgem e, crucialmente, por que pessoas diferentes podem recorrer a esses atalhos em graus muito distintos. Ao examinar os mecanismos de como aprendemos com experiências cotidianas relacionadas à comida, os autores mostram que uma regra mental simples pode moldar nossa visão do mundo — e que fazer médias entre as pessoas pode ocultar o quão diversa é realmente nossa forma de pensar.

Como inferimos vínculos sem vê-los diretamente

Os humanos inferem relacionamentos constantemente: nuvens escuras significam chuva, alto número de publicações indica sucesso acadêmico e, para muitos, alimentos não saudáveis significam sabor melhor. Frequentemente, não acompanhamos com que frequência as coisas realmente ocorrem juntas; em vez disso, confiamos em quão comuns são cada uma por si. Os autores focam nesse atalho, chamado inferência por pseudocontingência: as pessoas observam as frequências separadas de alimentos “saudáveis” e “saborosos” em seu entorno e tratam essas taxas básicas como se revelassem diretamente um vínculo entre saúde e sabor. Essa estratégia pode ser eficiente quando a informação é escassa, mas pode facilmente produzir ilusões quando o ambiente é enviesado — por exemplo, quando há muitas opções tentadoras porém não saudáveis.

Um modelo computacional de aprendizagem em ambientes alimentares

Para estudar esse processo, os pesquisadores construíram um modelo computacional baseado em agentes, no qual indivíduos simulados encontram alimentos um a um em diferentes ambientes. Para cada alimento, um agente registra se ele é saudável e se é saboroso. A partir dessas experiências, o agente pode calcular dois tipos de informação: o pareamento verdadeiro entre saúde e sabor (com que frequência eles coocorrem) e as taxas básicas (com que frequência cada um aparece no total). O modelo assume que cada agente combina essas duas fontes em uma crença única, controlada por um parâmetro de intensidade de viés. Em um extremo, as crenças seguem apenas os pareamentos verdadeiros; no outro, seguem apenas as taxas básicas. À medida que os agentes veem mais alimentos, atualizam suas crenças de forma contínua, imitando como as pessoas podem gradualmente formar impressões sobre o vínculo saúde–sabor.

As pessoas usam atalhos — mas não igualmente

Em seguida, os autores ajustaram esse modelo a dados existentes de experimentos de laboratório nos quais participantes viram muitas refeições que variavam em saúde e sabor. Os ambientes foram montados de modo que as taxas básicas e os pareamentos verdadeiros às vezes apontassem em direções opostas. Quando o modelo usou uma única intensidade de viés compartilhada por todos, ele reproduziu a mudança média nas crenças em direção à ideia de que alimentos não saudáveis são mais saborosos em ambientes com taxas básicas enviesadas. Contudo, esse ajuste ao nível de grupo falhou em corresponder à ampla dispersão de respostas individuais que os experimentos revelaram. Quando os pesquisadores, em vez disso, permitiram que cada pessoa tivesse sua própria intensidade de viés, encontraram fortes evidências de que a maioria das pessoas tende a usar as taxas básicas, mas em graus muito diferentes. Em média, os indivíduos recorreram menos às pseudocontingências do que o modelo ao nível de grupo sugeria, e os valores individuais variaram de baixa a altíssima dependência.

Quando modelos simples generalizam melhor que os detalhados

A equipe foi além, testando se esses parâmetros ajustados poderiam prever resultados em um segundo experimento independente com um ambiente alimentar ligeiramente diferente. Curiosamente, o parâmetro único para todos fez melhor ao prever crenças médias nesse novo estudo do que os parâmetros individuais mais finamente calibrados. O modelo mais rico e específico por pessoa capturou variação dentro do conjunto de dados original, mas pareceu sobreajustar ruído que não se repetiu em novos contextos. Isso revela uma tensão conhecida em muitos campos: modelos que acompanham de perto os indivíduos podem explicar mais detalhes em um estudo, mas podem generalizar pior do que descrições mais simples e parcimoniosas.

O que isso significa para entender e mudar crenças

Os achados mostram que muitas de nossas crenças cotidianas sobre como as coisas se relacionam — como “não saudável é igual a saboroso” — podem surgir da forma simples com que inferimos estrutura em nossos ambientes, e não das relações subjacentes verdadeiras. Ainda assim, as pessoas diferem substancialmente em quanto dependem desse atalho, e modelos que fazem média entre indivíduos podem superestimar essa dependência. Para quem projeta mensagens de saúde, políticas de consumo ou intervenções sociais, o estudo sugere duas lições: alterar o que é mais comum em nosso entorno pode deslocar crenças de forma sistemática, e prestar atenção às diferenças individuais pode ser crucial ao direcionar mudança de comportamento ou ao explicar desigualdades em saúde.

Citação: 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

Palavras-chave: formação de crenças, hábitos alimentares, viés cognitivo, modelagem computacional, percepção de saúde