M15- Sesgos cognitivos en razonamientos lógicos.
Tutora: Erika Rita Ortiz
En este proyecto, nos adentraremos en un tema que ha despertado gran interés en diferentes disciplinas: la influencia del conocimiento previo y sus efectos en el razonamiento lógico. Focalizaremos en el denominado «sesgo de creencia», caracterizado como la tendencia sistemática a evaluar la validez lógica de un argumento en función de la credibilidad de su conclusión. Es decir, tenemos la inclinación aceptar aquellos argumentos con conclusiones creíbles y a rechazar aquellos con conclusiones increíbles, sin importar la forma lógica de los argumentos en sí.
Trabajaremos con datos reales obtenidos de una investigación interdisciplinaria en psicología cognitiva y filosofía de la lógica. Estos datos fueron recopilados a través de experimentos que se centraron en la evaluación individual y grupal de argumentos.
Analizaremos la incidencia de diferentes variables en la aparición o mitigación de estos sesgos. Exploraremos cómo diferentes modalidades de resolución, ya sea en grupos o de manera individual, pueden afectar la manifestación de estos sesgos cognitivos.
¡Pero no nos detendremos ahí! Uno de los objetivos principales de esta mentoría es detectar y predecir la aparición de los sesgos de creencia en pruebas de razonamiento. Para lograrlo, aplicaremos algoritmos de aprendizaje supervisado en un problema de regresión que consiste en predecir el «índice de creencia». Este índice es una variable numérica continua que calcularemos a partir de otras variables en nuestro conjunto de datos.
Usaremos datos reales, lo que brinda la oportunidad de aplicar técnicas y metodologías en un contexto práctico.
Exploraremos cómo las diferentes variables pueden influir en la aparición o mitigación de los sesgos cognitivos. A partir de esto, podrás identificar y seleccionar las variables relevantes para el problema planteado y descartar aquellas que no lo son
Aplicaremos algoritmos de aprendizaje supervisado en un problema de regresión para predecir el «índice de creencia». Esto nos permitirá explorar, comparar y seleccionar diferentes algoritmos atendiendo a los requerimientos del problema.
Enfrentaremos el desafío de crear esta variable objetivo, ya que no se encuentra directamente en nuestro dataset, lo cual es algo común en muchos problemas del mundo real.
Trabajaremos con un proyecto de importancia científica y social con aplicaciones en una amplia gama de campos, desde la psicología y las neurociencias hasta la economía y la política. Así, con este proyecto podrás aportar a la comprensión del razonamiento humano, la identificación de distorsiones y al diseño de estrategias de mitigación más efectivas.
– ¿La creencia en la conclusión afecta a la evaluación de la validez lógica de los argumentos?
– ¿Cuáles son las diferencias en la evaluación de argumentos entre el enfoque individual y grupal? ¿Están correlacionadas estas diferencias con la presencia de sesgos de creencia?
– ¿Cómo influyen las diferentes variables en la aparición o mitigación de los sesgos cognitivos en el razonamiento lógico?
– ¿Cuál es la razón de utilizar el «índice de creencia» en lugar de utilizar variables individuales ya presentes en el conjunto de datos? ¿Qué insights se pueden obtener de ello?
– ¿Qué variables tienen una mayor capacidad para predecir los sesgos de creencia?