Construir modelo para explicar datos [cerrado]

Es un poco confuso lo que estás preguntando. En general, los psicólogos intentan construir modelos parsimoniosos; esto a menudo significa solo introducir nuevos parámetros (particularmente parámetros libres) en un modelo cuando son absolutamente necesarios. Tiene razón en que con una cantidad suficiente de parámetros libres, se puede construir un modelo que se ajuste perfectamente a los datos. Pero dicho modelo no tiene capacidad de generalización: si sobreajusta su modelo a sus datos, el modelo predecirá muy mal los datos nuevos.

Además, se prefiere un modelo cuando sus parámetros tienen cierta plausibilidad psicológica. Es decir, un parámetro del modelo debería corresponder a algún constructo psicológico (por ejemplo, capacidad de memoria de trabajo, ruido neuronal, etc.). Esto es particularmente importante porque les dice a los psicólogos algo sobre la cognición y el comportamiento, que a menudo es el objetivo. Si los parámetros de un modelo son completamente arbitrarios, no siempre está claro qué aprendemos de él.

Nuevamente tiene razón en que la elección de cómo modelar los datos psicológicos sigue siendo vaga. Uno puede elegir entre cualquier cantidad de formalismos, como redes neuronales o sistemas simbólicos, y es común que un fenómeno se modele de muchas maneras diferentes. De hecho, gran parte de la literatura sobre modelos cognitivos está llena de numerosos enfoques del mismo problema, y ​​cada autor argumenta a favor de su propio enfoque.

La mejor manera de descubrir cómo modelar sus datos es leer otros documentos que modelan tareas iguales o similares. Mire lo que han hecho otros investigadores y evalúe los méritos de su enfoque. Si es posible, lea varios artículos que modelen la misma tarea de diferentes maneras (a menudo, los investigadores de campos opuestos se citarán entre sí).