La heurística de reconocimiento, originalmente denominada principio de reconocimiento, se ha utilizado como modelo en la psicología del juicio y la toma de decisiones, y como heurística en inteligencia artificial. El objetivo es realizar inferencias sobre un criterio que no es directamente accesible para quien toma la decisión, basándose en el reconocimiento recuperado de la memoria. Esto es posible si el reconocimiento de alternativas es relevante para el criterio. Para dos alternativas, la heurística se define como:
La heurística de reconocimiento forma parte del conjunto de heurísticas "rápidas y económicas" propuestas por Gigerenzer y Goldstein, conocidas como "cajas de herramientas adaptativas". Es una de las más económicas, es decir, simple o económica. En su experimento original, Daniel Goldstein y Gerd Gigerenzer interrogaron a estudiantes de Alemania y Estados Unidos sobre la población de ciudades alemanas y estadounidenses. Los participantes recibieron pares de nombres de ciudades y debían indicar cuál tenía más habitantes. En este y otros experimentos similares, la heurística de reconocimiento suele describir entre el 80 % y el 90 % de las elecciones de los participantes, en los casos en que reconocen un objeto pero no el otro (véase la crítica a esta medida más adelante). Sorprendentemente, los estudiantes estadounidenses obtuvieron puntuaciones más altas en las ciudades alemanas, mientras que los participantes alemanes obtuvieron puntuaciones más altas en las ciudades estadounidenses, a pesar de reconocer solo una fracción de las ciudades extranjeras. Esto se ha denominado "efecto de menos es más" y se ha formalizado matemáticamente.
Especificidad de dominio La heurística de reconocimiento se postula como una estrategia de inferencia específica del dominio. Es ecológicamente racional confiar en la heurística de reconocimiento en dominios donde existe una correlación entre el criterio y el reconocimiento. Cuanto mayor sea la validez de reconocimiento α para un criterio dado, más ecológicamente racional será confiar en esta heurística y más probable será que las personas confíen en ella. Para cada individuo, α puede calcularse mediante
α = C/(C+W)
donde C es el número de inferencias correctas que haría la heurística de reconocimiento, calculado sobre todos los pares en los que una alternativa es reconocida y la otra no, y W es el número de inferencias erróneas. Los dominios en los que la heurística de reconocimiento se aplicó con éxito incluyen la predicción de propiedades geográficas (como el tamaño de las ciudades, montañas, etc.), de eventos deportivos (como Wimbledon y campeonatos de fútbol) y elecciones. La investigación también muestra que la heurística de reconocimiento es relevante para la ciencia del marketing. Las heurísticas basadas en el reconocimiento ayudan a los consumidores a elegir qué marcas comprar en categorías de compra frecuente. Varios estudios abordaron la cuestión de si las personas confían en la heurística de reconocimiento de una manera ecológicamente racional. Por ejemplo, el reconocimiento del nombre de las ciudades suizas es un predictor válido de su población (α = 0,86) pero no de su distancia del centro de Suiza (α = 0,51). Pohl informó que el 89% de las inferencias coincidieron con el modelo en juicios de población, en comparación con solo el 54% en juicios de distancia. Más generalmente, hay una correlación positiva de r = 0,64 entre la validez del reconocimiento y la proporción de juicios consistentes con la heurística de reconocimiento en 11 estudios. Otro estudio de Pachur sugirió que la heurística de reconocimiento es más probable que sea una herramienta para explorar el reconocimiento natural en lugar del inducido (es decir, no provocado en un entorno de laboratorio) cuando las inferencias deben hacerse a partir de la memoria. En uno de sus experimentos, los resultados mostraron que había una diferencia entre los participantes en un entorno experimental frente a un entorno no experimental.
Efecto de menos es más Si α > β, y α, β son independientes de n, entonces se observará un efecto de menos es más. Aquí, β es la validez del conocimiento, medida como C/(C+W) para todos los pares en los que se reconocen ambas alternativas, y n es el número de alternativas que reconoce un individuo. Un efecto de menos es más significa que la función entre la precisión y n tiene forma de U inversa en lugar de ser monótonamente creciente. Algunos estudios informaron empíricamente efectos de menos es más entre dos, tres o cuatro alternativas y en decisiones grupales), mientras que otros no lo hicieron, posiblemente porque se predice que el efecto es pequeño (ver Katsikopoulos).
Smithson exploró el efecto "menos es más" (LIME, por sus siglas en inglés) con la heurística de reconocimiento y cuestionó algunas de las suposiciones originales. El LIME ocurre cuando un agente dependiente del reconocimiento tiene una mayor probabilidad de elegir el mejor elemento que un agente con mayor conocimiento que reconoce más elementos. Se utiliza un modelo matemático para describir el LIME, y el estudio de Smithson lo empleó e intentó modificarlo. El objetivo del estudio era proporcionar una comprensión matemática de cuándo ocurre el LIME y explicar las implicaciones de los resultados. La principal implicación es que la ventaja de la clave de reconocimiento depende no solo de la validez de la clave, sino también del orden en que se aprenden los elementos.
Evidencia neuropsicológica La heurística de reconocimiento también puede representarse mediante técnicas de neuroimagen. Varios estudios han demostrado que las personas no utilizan automáticamente la heurística de reconocimiento cuando pueden aplicarla, sino que evalúan su validez ecológica. Sin embargo, no está tan claro cómo se puede modelar este proceso de evaluación. Un estudio de resonancia magnética funcional probó si los dos procesos, reconocimiento y evaluación, pueden separarse a nivel neuronal. Se les dieron a los participantes dos tareas; la primera implicaba solo un juicio de reconocimiento ("¿Has oído hablar alguna vez de Módena? ¿Milán?"), mientras que la segunda implicaba una inferencia en la que los participantes podían basarse en la heurística de reconocimiento ("¿Qué ciudad tiene la mayor población: Milán o Módena?"). Para los juicios de mero reconocimiento, se informó de activación en la precuña, un área que se sabe por estudios independientes que responde a la confianza en el reconocimiento. En la tarea de inferencia, también se observó activación del precúneo, como se predijo, y se detectó activación en la corteza frontomedial anterior (aFMC), que se ha relacionado en estudios anteriores con juicios evaluativos y procesamiento autorreferencial. La activación de la aFMC podría representar la base neuronal de esta evaluación de la racionalidad ecológica.
Algunos investigadores han utilizado potenciales relacionados con eventos (ERP) para probar los mecanismos psicológicos que subyacen a la heurística de reconocimiento. Rosburg, Mecklinger y Frings emplearon un procedimiento estándar con una tarea de comparación del tamaño de ciudades, similar al utilizado por Goldstein y Gigerenzer. Utilizaron ERP y analizaron el reconocimiento basado en la familiaridad que ocurre entre 300 y 450 milisegundos después del inicio del estímulo para predecir las decisiones de los participantes. Los procesos de reconocimiento basados en la familiaridad son relativamente automáticos y rápidos, por lo que estos resultados proporcionan evidencia de que las heurísticas simples, como la heurística de reconocimiento, utilizan procesos cognitivos básicos.
Controversias La investigación sobre la heurística del reconocimiento ha suscitado numerosas controversias.
Compensaciones La heurística del reconocimiento es un modelo que se basa únicamente en el reconocimiento. Esto lleva a la predicción comprobable de que las personas que se basan en ella ignorarán señales fuertes y contradictorias (es decir, no harán concesiones; las llamadas inferencias no compensatorias). En un experimento de Daniel M. Oppenheimer, se presentaron a los participantes pares de ciudades, que incluían ciudades reales y ciudades ficticias. Aunque la heurística del reconocimiento predice que los participantes juzgarían que las ciudades reales (reconocibles) eran más grandes, los participantes juzgaron que las ciudades ficticias (no reconocibles) eran más grandes, lo que demuestra que en dichas inferencias intervienen otros factores además del reconocimiento.
Newell y Fernández realizaron dos experimentos para intentar comprobar las afirmaciones de que la heurística de reconocimiento se distingue de la disponibilidad y la fluidez mediante el tratamiento binario de la información y la inconsecuencia del conocimiento adicional. Los resultados de sus experimentos no respaldaron estas afirmaciones. Newell y Fernández, junto con Richter y Späth, pusieron a prueba la predicción no compensatoria de la heurística de reconocimiento y afirmaron que «la información de reconocimiento no se utiliza de forma dicotómica, sino que se integra con otros tipos de conocimiento en el juicio y la toma de decisiones».
Sin embargo, un reanálisis de estos estudios a nivel individual mostró que, por lo general, aproximadamente la mitad de los participantes siguieron consistentemente la heurística de reconocimiento en cada ensayo, incluso en presencia de hasta tres señales contradictorias. Además, en respuesta a esas críticas, Marewski et al. señalaron que ninguno de los estudios anteriores formuló ni probó una estrategia compensatoria contra la heurística de reconocimiento, dejando desconocidas las estrategias en las que se basaron los participantes. Probaron cinco modelos compensatorios y encontraron que ninguno podía predecir los juicios mejor que el modelo simple de la heurística de reconocimiento.
Medición Una crítica importante a los estudios sobre la heurística de reconocimiento fue que la mera conformidad con dicha heurística no es una buena medida de su uso. Como alternativa, Hilbig et al. propusieron probar la heurística de reconocimiento con mayor precisión, diseñando un modelo de árbol de procesamiento multinomial. Un modelo de árbol de procesamiento multinomial es un modelo probabilístico simple que se usa frecuentemente en psicología cognitiva para datos categóricos. Hilbig et al. afirmaron que se necesitaba un nuevo modelo de uso de la heurística de reconocimiento debido a la confusión entre el reconocimiento y el conocimiento posterior. Se demostró que el modelo de árbol de procesamiento multinomial era efectivo y Hilbig et al. afirmaron que proporcionaba una medida imparcial de la heurística de reconocimiento.
Pachur afirmó que se trata de un modelo imperfecto, pero que actualmente sigue siendo el mejor para predecir las inferencias basadas en el reconocimiento. Considera que las pruebas precisas tienen un valor limitado, básicamente porque a menudo se ignoran ciertos aspectos de la heurística de reconocimiento, por lo que los resultados podrían ser irrelevantes o engañosos.
Estrategia intuitiva