Essa é uma prática comum na montagem de experimentos psicológicos. Todo pesquisador busca o que chamamos de validade interna, ou controle experimental. No entanto, logo após sair da reunião, tive uma inquietação, que, na verdade, volta e meia angustia minha prática acadêmica: experimentos altamente controlados acabam não retratando “externamente” o fenômeno psicológico que pretendem estudar. Por exemplo, Amos Tversky e Daniel Kahneman, em 1983, estudaram o que é hoje conhecido como “a falácia da conjunção”. Eles desenvolveram um problema (Linda’s problem) para estudar o fenômeno. Apesar de ser um problema interessante para entender questões do pensamento lógico humano, a grande maioria dos estudos que se inspiram no clássico de 1983 se preocupam com um controle exacerbado da tarefa que, essa acaba se distanciando do que os seres humanos realmente fazem fora do laboratório.
A pergunta então é: qual é a validade externa das pesquisas, altamente controladas, em Psicologia Cognitiva? Parece razoável dizer que é necessário uma espécie de equilíbrio entre as perdas (e ganhos) internos e externos.
Art Markman e um grupo de outros pesquisadores do Departamento de Psicologia da Universidade do Texas em Austin abordaram recentemente essa questão em um artigo que será publicado no Journal of Experimental and Theoretical Artificial Inteligence.
Art e seus colaboradores chamam esse espaço de equilíbrio entre as validades interna e externa de optimal level of fuzz. No artigo, os pesquisadores apresentam dois importantes princípios que eles julgam ser importantes na busca desse “nível ótimo”. Os pesquisadores relatam três exemplos de pesquisa realizada em que os princípios apresentados foram utilizados. Não vou comentar aqui os estudos propriamente dito, mas vou utilizar parte da discussão para apresentar os princípios propostos por Art e seus colaboradores.
Todos nós sabemos que são vários os fatores que afetam o comportamento humano. Dessa forma, não podemos utilizar apenas de observações puras para definir os processos cognitivos que subjagem as ações humanas. Acessar processos cognitivos apenas por meio de observações faz com que os resultados da pesquisa sejam fuzzy (pouco claros). E controlar demais as observações de laboratório faz com que as pesquisas não sejam suficientemente fuzzy, não representando a realidade do fenômeno psicológico em questão.
Para que uma pesquisa alcance o optimal level of fuzz, Art e seus colegas apontam que, dada a natureza multidisciplinar da Psicologia Cognitiva, é preciso que a pesquisa:
(1) tenha uma relação com algum comportamento que ocorre FORA do laboratório.
(2) utilize uma tarefa que tenha uma “proposta de análise” clara, de preferência coadunada á um modelo matemático, computacional ou um modelo dinâmico.
O primeiro ponto parece óbvio. No entanto, observamos um grande número de pesquisas que não atendem à esse critério. O exemplo que mencionei no começo desse texto é um exemplo disso. Muitas pesquisas que “replicam” estudos anteriores, muitas vezes, não têm ligação direta com o fenômeno psicológico que pretendem estudar. Consequentemente, acabam não contribuindo para a compreensão dos processos que subjazem o comportamento humano diário.
O segundo princípio é simples. Para investigar um fenômeno psicológico pouco compreendido é necessário que a tarefa de laboratório utilizada seja uma que seja bem compreendida. Tarefas bem compreendidas são aquelas que apresentam uma proposta de análise que especifique os processos cognitvos requeridos pela tarefa. Essas tarefas geralmente possibilitam a criação de modelos matemáticos e/ou computacionais que podem ser utilizados para caracterizar o fenômeno cognitivo em questão.
Existem várias vantagens na utilização de modelos matemáticos/computacionais. Uma delas é a possibilidade de tirar conclusões que vão além dos resultados encontrados em laboratório. A outra vantagem, que Art e seus colaboradores apontam como mais importante, é a possibilidade de mapear estratégias cognitivas em uma dada tarefa. Por exemplo, pode ser que uma certa estratégia (persistência, por exemplo) sejam adequadas para certos momentos de uma tarefa e não para outros. Modelos matemáticos possibilitam esse tipo de mapeamento, tanto no nível individual quanto no nível global.
No final das contas, os pesquisadores mostram que a combinação entre variáveis fuzzy (comportamentos humanos ainda pouco entendidos) e tarefas pouco fuzzy (tarefas bem compreendidas) levam a pesquisa a alcançar o optimal level of fuzz. Art ainda relata três estudos (na área de motivação, diferenças individuais e neurosciência) que utilizaram os dois princípios apresentados.
Apesar de bem delineados, os princípios propostos para se alcançar o optimal level of fuzz não são fáceis de serem postos em prática. Eles requerem, segundo esses pesquisadores, que as pessoas “saiam” da zona de conforto: experimentos mais fuzzy e observações mais controladas. O ideal é investir em colaborações com pessoas de áreas distintas. Mas esse é um assunto para alguma postagem futura!
Referência:
Markman, A.B., Beer, J.S., Grimm, L.R., Rein, J.R., & Maddox, Todd W. (2009). The Optimal Level of Fuzz: Case Studies in a Methodology for Psychological Research. Journal of Experimental and Theoretical Artificial Intelligence