Tema 59 · Policía Nacional (Escala Ejecutiva)

El aprendizaje

Epígrafe oficial: El aprendizaje: condicionamiento clásico. Condicionamiento operante. El aprendizaje observacional.

Tema desarrollado para preparar el primer ejercicio de conocimientos de la Escala Ejecutiva (Inspector/a) de la Policía Nacional. La información es orientativa y está verificada a la fecha de actualización; el contenido evaluable lo fija el temario del anexo II de tu convocatoria (Resolución de 31 de julio de 2025, BOE-A-2025-16611). Es un tema del bloque B (Ciencias Sociales) de psicología básica con lectura criminológica directa: las tres grandes formas de aprendizaje explican cómo se adquiere —y cómo puede modificarse— la conducta, incluida la conducta antisocial y delictiva.

Índice

1. Concepto de aprendizaje y formas no asociativas
2. El condicionamiento clásico
3. El condicionamiento operante o instrumental
4. El aprendizaje observacional
5. Aprendizaje latente y aprendizaje por comprensión súbita
6. Aplicación al trabajo policial
Ideas fuerza

1. Concepto de aprendizaje y formas no asociativas

El aprendizaje se define en psicología como un cambio relativamente permanente en la conducta —o en el potencial de conducta— que se produce como resultado de la experiencia o de la práctica. Los tres elementos de la definición son igualmente importantes y cada uno excluye algo. Que el cambio sea relativamente permanente excluye las modificaciones momentáneas debidas a la fatiga, a la enfermedad, al consumo de sustancias o a un estado emocional pasajero: quien conduce peor porque está agotado no ha «desaprendido» a conducir. Que el cambio se deba a la experiencia excluye lo que se debe a la maduración biológica: un niño no aprende a andar por entrenamiento, sino porque su sistema nervioso y su musculatura alcanzan cierto grado de desarrollo. Y que se hable de potencial de conducta y no solo de conducta observable reconoce que se puede haber aprendido algo y no manifestarlo hasta que exista un motivo para hacerlo, punto en el que el conductismo más estricto fue corregido por los enfoques cognitivos.

El aprendizaje es, junto con la memoria, el mecanismo que permite a un organismo adaptarse a un entorno cambiante. Un repertorio de conductas fijado exclusivamente por la herencia solo resulta eficaz si el medio es estable; en un medio variable, la ventaja la tiene el organismo capaz de modificar su comportamiento a partir de lo que le ocurre. De ahí que las capacidades de aprendizaje aparezcan, en distinto grado, en prácticamente toda la escala animal, y que en la especie humana constituyan el factor que explica la enorme variabilidad de nuestras conductas pese a una dotación biológica común. Casi todo lo que hace un ser humano adulto —hablar, leer, conducir, respetar una norma, temer una situación, preferir un sabor— es en alguna medida aprendido.

Se distingue tradicionalmente entre aprendizajes no asociativos y aprendizajes asociativos. Los no asociativos son los más simples: el organismo modifica su respuesta ante un solo estímulo repetido, sin que intervenga ninguna relación entre dos sucesos. Son dos y conviene no confundirlos:

Habituación: la respuesta ante un estímulo repetido e inocuo disminuye progresivamente hasta desaparecer. Es la forma de aprendizaje más elemental y más extendida en el reino animal. Quien se muda junto a una vía de tren deja de oír los convoyes al cabo de unas semanas; un agente que trabaja en una sala con sirenas termina por no reaccionar a ellas. La habituación es específica del estímulo (un ruido distinto vuelve a provocar respuesta) y es reversible: si el estímulo desaparece un tiempo, la respuesta se recupera.
Sensibilización: es el fenómeno inverso. Tras un estímulo intenso, aversivo o significativo, la respuesta ante estímulos posteriores aumenta. Una persona que acaba de sufrir un atraco reacciona con sobresalto a ruidos que antes le pasaban desapercibidos. A diferencia de la habituación, la sensibilización tiende a ser inespecífica: incrementa la reactividad general del organismo.

Los aprendizajes asociativos, que son el objeto propio de este tema, consisten en aprender relaciones entre sucesos. Se agrupan en tres grandes modelos que el temario enumera expresamente: el condicionamiento clásico (se aprende una relación entre dos estímulos), el condicionamiento operante (se aprende una relación entre la propia conducta y sus consecuencias) y el aprendizaje observacional (se aprende observando lo que hacen otros y lo que a otros les ocurre). Los dos primeros nacen dentro del conductismo, la corriente que a comienzos del siglo XX propuso estudiar únicamente la conducta observable; el tercero nace de su revisión cognitiva y social a partir de los años sesenta.

Dato de examen: el aprendizaje es un cambio relativamente permanente en la conducta o en el potencial de conducta debido a la experiencia, y no a la maduración, la fatiga o las drogas. Aprendizajes no asociativos: habituación (la respuesta disminuye ante un estímulo repetido e inocuo) y sensibilización (la respuesta aumenta tras un estímulo intenso). Aprendizajes asociativos: condicionamiento clásico, condicionamiento operante y aprendizaje observacional.

2. El condicionamiento clásico

2.1. Pavlov y el experimento fundacional

El condicionamiento clásico —también llamado pavloviano, respondiente o de tipo I— fue descrito por el fisiólogo ruso Iván Petróvich Pávlov (1849-1936), premio Nobel de Fisiología o Medicina en 1904 por sus trabajos sobre la digestión, no por el condicionamiento, que descubrió mientras investigaba las secreciones digestivas. Estudiando la salivación de perros a los que presentaba alimento, Pávlov observó un fenómeno que en principio era un estorbo para su experimento: los animales empezaban a salivar antes de recibir la comida, al oír los pasos del cuidador o al ver el recipiente. Llamó a esas secreciones «psíquicas» y, en lugar de descartarlas, las convirtió en objeto de estudio.

El diseño clásico consistió en presentar de forma sistemática un sonido (un metrónomo, una campana o un timbre, según la versión del experimento) inmediatamente antes de administrar la comida. Al principio el sonido no provocaba salivación alguna; tras un número suficiente de emparejamientos, el perro salivaba al oír el sonido, aunque no llegara el alimento. El animal había aprendido una relación entre dos estímulos: el sonido anunciaba la comida. Ese es el núcleo del condicionamiento clásico: un estímulo inicialmente neutro adquiere la capacidad de desencadenar una respuesta que antes solo producía otro estímulo, por haberse asociado con él.

La aportación de Pávlov fue metodológica además de teórica. Demostró que un proceso aparentemente «mental» podía estudiarse con rigor experimental, midiendo objetivamente el número de gotas de saliva, controlando el intervalo entre estímulos y manipulando sistemáticamente las variables. Esa demostración fue determinante para que el conductismo pudiera presentarse como una psicología científica, equiparable en método a la fisiología.

2.2. Los elementos del condicionamiento clásico

El esquema del condicionamiento clásico se describe con cuatro elementos cuya denominación hay que dominar con precisión, porque el examen suele preguntarlos de forma cruzada:

Elemento	Definición	En el experimento de Pávlov
Estímulo incondicionado (EI)	Provoca una respuesta de forma innata, sin aprendizaje previo	La comida
Respuesta incondicionada (RI)	Respuesta innata y automática ante el EI	Salivar ante la comida
Estímulo neutro (EN)	Antes del aprendizaje no provoca la respuesta estudiada	El sonido, antes del entrenamiento
Estímulo condicionado (EC)	El estímulo antes neutro, una vez asociado al EI	El sonido, después del entrenamiento
Respuesta condicionada (RC)	Respuesta aprendida que provoca el EC	Salivar ante el sonido

La RC y la RI suelen ser topográficamente parecidas —en ambos casos el perro saliva— pero no son idénticas: la respuesta condicionada acostumbra a ser de menor magnitud y más rápida en su aparición, porque cumple una función anticipatoria o preparatoria del organismo ante lo que está a punto de llegar. Conviene retener también que la conducta condicionada por esta vía es involuntaria y refleja: afecta a respuestas glandulares, viscerales y emocionales (salivar, sudar, acelerar el ritmo cardíaco, sentir miedo, náusea o excitación), no a conductas voluntarias, que son el terreno del condicionamiento operante.

El orden y el intervalo temporal entre los estímulos condicionan la eficacia del aprendizaje. El emparejamiento más eficaz es el condicionamiento demorado, en el que el EC comienza antes que el EI y se solapa con él durante un intervalo breve (de medio segundo a unos segundos). El condicionamiento simultáneo (ambos a la vez) resulta mucho menos eficaz, y el condicionamiento hacia atrás (el EI antes que el EC) es el menos eficaz de todos, porque el estímulo condicionado no aporta información anticipatoria alguna. Este dato tiene una lectura teórica de fondo: lo que se aprende no es una mera contigüidad, sino que el EC predice al EI.

Un fenómeno relevante es el condicionamiento de orden superior (o de segundo orden): una vez que un estímulo se ha convertido en EC, puede a su vez emparejarse con un nuevo estímulo neutro y transferirle la capacidad de provocar la respuesta, sin necesidad de que el EI original vuelva a aparecer. Así se explica que respuestas emocionales intensas acaben ligadas a estímulos aparentemente muy alejados del suceso que las originó: una víctima puede desarrollar ansiedad ante un olor, una música o un color asociados a un lugar que, a su vez, se asoció a la agresión.

Dato de examen: EI = provoca la respuesta de forma innata (la comida); RI = respuesta innata (salivar ante la comida); EC = estímulo antes neutro que, tras asociarse al EI, provoca la respuesta (el sonido); RC = respuesta aprendida ante el EC (salivar ante el sonido). El condicionamiento más eficaz es el demorado (EC antes y solapado con el EI); el hacia atrás (EI antes del EC) es el menos eficaz.

2.3. Adquisición, extinción, generalización y discriminación

La adquisición es la fase en que se establece la asociación mediante emparejamientos repetidos del EC y el EI. La curva de adquisición es negativamente acelerada: los primeros ensayos producen los mayores incrementos y después la respuesta se estabiliza en un nivel máximo o asíntota. Influyen en su rapidez la intensidad del EI, la saliencia del EC y, sobre todo, la regularidad con que el EC anuncia al EI.

La extinción se produce cuando el EC se presenta repetidamente sin ir acompañado del EI: la respuesta condicionada se debilita progresivamente hasta desaparecer. Es capital comprender que la extinción no borra el aprendizaje, sino que superpone un aprendizaje nuevo («ahora este estímulo ya no anuncia nada»). La prueba es la recuperación espontánea: tras un período de descanso, la presentación del EC vuelve a provocar la RC, aunque con menor intensidad. También existe la reinstauración (basta una nueva presentación del EI para que reaparezca la respuesta) y la renovación (la respuesta extinguida en un contexto reaparece en otro distinto). Estos fenómenos explican por qué las recaídas en fobias y adicciones son tan frecuentes: lo aprendido sigue ahí.

La generalización consiste en que estímulos parecidos al EC provocan también la respuesta condicionada, y con tanta más intensidad cuanto mayor es el parecido (gradiente de generalización). El perro de Pávlov salivaba ante sonidos de frecuencia próxima a la entrenada. La discriminación es el proceso complementario: mediante entrenamiento diferencial —un estímulo se empareja con el EI y otro parecido no— el organismo aprende a responder solo ante el primero. Generalización y discriminación son las dos caras del ajuste fino del aprendizaje: la primera permite aplicar lo aprendido a situaciones nuevas; la segunda evita responder donde no procede.

Pávlov describió además la inhibición externa (un estímulo nuevo e intenso presentado junto al EC reduce la respuesta condicionada) y la llamada neurosis experimental: cuando se exige al animal una discriminación que está por encima de su capacidad —dos estímulos casi idénticos, uno reforzado y otro no—, aparecen conductas desorganizadas, agitación y trastornos del comportamiento. Es uno de los primeros modelos experimentales de la ansiedad producida por la incertidumbre.

2.4. Watson y el pequeño Albert: el condicionamiento del miedo

John Broadus Watson (1878-1958) es el fundador del conductismo, corriente que presentó en 1913 con el artículo «La psicología tal como la ve el conductista», conocido como el manifiesto conductista. Watson sostuvo que la psicología debía abandonar el estudio de la conciencia y la introspección y limitarse a la conducta observable, con el objetivo de predecirla y controlarla. Es suya la célebre afirmación de que, dándole una docena de niños sanos y un entorno a su medida, podría hacer de cualquiera de ellos un profesional cualquiera —médico, abogado o ladrón— con independencia de sus talentos o su linaje: la formulación más extrema del ambientalismo.

Watson quiso demostrar que las emociones también se condicionan. Con Rosalie Rayner llevó a cabo en 1920 el experimento del pequeño Albert: presentaron a un bebé de unos once meses una rata blanca de laboratorio, ante la que no mostraba miedo (estímulo neutro), y la emparejaron repetidamente con un ruido fuerte producido al golpear una barra metálica a su espalda (EI), que provocaba sobresalto y llanto (RI). Tras varios emparejamientos, el niño lloraba y trataba de huir solo con ver la rata (EC → RC). Además, el miedo se generalizó a otros estímulos peludos y blancos: un conejo, un perro, un abrigo de piel, una máscara con barba.

El experimento —éticamente inaceptable con los criterios actuales, y metodológicamente discutible por tratarse de un caso único sin control— tuvo enorme influencia porque ofreció un modelo de cómo se adquieren las fobias: no como manifestación de conflictos inconscientes, sino como respuestas emocionales condicionadas a estímulos que en su momento coincidieron con una experiencia aversiva. De ahí se derivó, por simetría, la posibilidad de descondicionarlas, línea que desarrolló Mary Cover Jones (1924) con el caso del pequeño Peter, considerado el primer antecedente de la terapia de conducta.

2.5. Límites y revisiones: García, Rescorla y la preparación biológica

El modelo pavloviano en su versión inicial suponía que cualquier estímulo podía asociarse con cualquier otro con solo emparejarlos suficientes veces (principio de equipotencialidad). Dos líneas de investigación lo desmintieron. La primera es la aversión condicionada al sabor descrita por John García y Robert Koelling (1966), conocida como efecto García: una rata que enferma horas después de probar un sabor nuevo desarrolla rechazo duradero hacia ese sabor, y lo hace con un solo ensayo y pese a un intervalo de horas entre el EC y el EI, algo que el modelo clásico declaraba imposible. En cambio, resulta muy difícil condicionar aversión a un sabor mediante una descarga eléctrica, o aversión a una luz mediante un malestar gástrico. Existe, por tanto, una preparación biológica: los organismos están predispuestos a asociar ciertos estímulos con ciertas consecuencias, las que resultaron adaptativas en su historia evolutiva. El mismo argumento explica que las fobias más frecuentes se refieran a serpientes, alturas, oscuridad o espacios cerrados, y no a enchufes o automóviles, que son objetivamente más peligrosos en la vida moderna pero evolutivamente recientes.

La segunda revisión es la de Robert Rescorla (1968), que demostró que lo determinante no es la contigüidad (que los estímulos aparezcan juntos), sino la contingencia o valor informativo: el condicionamiento se produce en la medida en que el EC predice la aparición del EI. Si el EI aparece con la misma probabilidad haya o no haya EC, no hay aprendizaje aunque coincidan muchas veces. El modelo de Rescorla y Wagner (1972) formalizó esta idea sosteniendo que solo se aprende en la medida en que el EI resulta sorprendente, lo que explica fenómenos como el bloqueo: si un estímulo ya predice fiablemente el EI, otro añadido después no llega a condicionarse. El condicionamiento clásico dejó así de entenderse como una conexión mecánica para pasar a describirse como la detección de relaciones predictivas en el ambiente, es decir, en términos cognitivos.

2.6. Aplicaciones del condicionamiento clásico

El condicionamiento clásico está en la base de un amplio conjunto de técnicas y de fenómenos con interés profesional:

Desensibilización sistemática (Joseph Wolpe, 1958): tratamiento de referencia de las fobias. Se enseña al paciente una respuesta incompatible con la ansiedad (habitualmente relajación muscular profunda), se construye con él una jerarquía de situaciones temidas ordenadas de menor a mayor y se le expone gradualmente a ellas —en imaginación o en vivo— mientras permanece relajado. El principio subyacente es la inhibición recíproca: no se puede estar relajado y angustiado al mismo tiempo.
Terapias aversivas: se empareja el estímulo que se quiere hacer indeseable (alcohol, tabaco) con un EI desagradable (una sustancia que produce náuseas), para que adquiera valencia negativa. Su uso actual es limitado y controvertido.
Exposición con prevención de respuesta e inundación: exposición prolongada al estímulo temido sin permitir la conducta de escape, de modo que se produzca la extinción de la respuesta de ansiedad.
Publicidad y propaganda: asociar reiteradamente un producto, una marca o un candidato a estímulos que ya provocan respuestas emocionales positivas (música, prestigio, belleza, humor) es condicionamiento clásico aplicado a las actitudes.
Adicciones: los estímulos ambientales asociados al consumo (un local, unas compañías, un utensilio) se convierten en EC capaces de desencadenar por sí solos el craving o deseo intenso, lo que explica muchas recaídas tras períodos largos de abstinencia y justifica que el tratamiento incluya el manejo de esas señales.
Trastorno de estrés postraumático y victimización: en la víctima de un delito violento, estímulos neutros presentes durante el hecho (un lugar, una hora del día, un tono de voz, un olor) quedan condicionados y provocan después reacciones de alarma. Conocer este mecanismo permite entender por qué una víctima puede sufrir una crisis de ansiedad en una diligencia aparentemente inocua, como un reconocimiento o una inspección ocular, y adaptar la actuación policial.

3. El condicionamiento operante o instrumental

3.1. Thorndike y la ley del efecto

Mientras el condicionamiento clásico explica cómo un estímulo llega a provocar una respuesta refleja, el condicionamiento operante —también llamado instrumental o de tipo II— explica cómo se aprenden las conductas voluntarias a partir de sus consecuencias. Su antecedente directo es Edward Lee Thorndike (1874-1949), que estudió el aprendizaje animal con sus célebres cajas-problema: encerraba un gato hambriento en una jaula de la que solo podía salir accionando un pestillo o una palanca, y colocaba comida a la vista fuera de ella. El animal comenzaba con una actividad desordenada —arañar, morder, empujar— hasta que por azar accionaba el mecanismo y salía. Repetida la situación, el tiempo de escape se reducía progresivamente hasta que el gato accionaba el mecanismo de inmediato.

Thorndike interpretó el resultado como un aprendizaje por ensayo y error gobernado por lo que llamó la ley del efecto: de varias respuestas dadas en una misma situación, aquellas que van seguidas de satisfacción quedan más firmemente asociadas a esa situación y tienen más probabilidad de repetirse, mientras que las seguidas de malestar ven debilitada esa asociación. Formuló también la ley del ejercicio (la repetición fortalece la conexión) y la ley de la disposición. La ley del efecto es la formulación fundacional de todo el condicionamiento operante: la conducta se explica por sus consecuencias.

3.2. Skinner y la caja de condicionamiento

Burrhus Frederic Skinner (1904-1990), máximo representante del conductismo radical, sistematizó el modelo en obras como La conducta de los organismos (1938). Su instrumento fue la cámara de condicionamiento operante o caja de Skinner: un recinto en el que un animal (rata o paloma) dispone de una palanca o una tecla que, al ser accionada, libera automáticamente una bolita de comida, con registro acumulativo de las respuestas. Frente a la medida de Thorndike (el tiempo de escape), Skinner midió la tasa de respuesta, es decir, el número de respuestas por unidad de tiempo, lo que permitió estudiar el aprendizaje de forma continua y cuantitativa.

Skinner distinguió entre la conducta respondiente —provocada por un estímulo antecedente, la del condicionamiento clásico— y la conducta operante, que es emitida espontáneamente por el organismo y «opera» sobre el ambiente produciendo consecuencias. El esquema del análisis funcional de la conducta es el de las tres términos o contingencia ABC: estímulo discriminativo (la ocasión en que la conducta será reforzada) → respuesta → consecuencia. El estímulo discriminativo no provoca la conducta como un EI: solo señala que en esa situación la conducta tendrá consecuencias, y por eso se dice que la conducta operante está bajo control de estímulos.

3.3. Refuerzo y castigo: las cuatro consecuencias

La terminología del condicionamiento operante es una fuente inagotable de preguntas de examen, porque los términos «positivo» y «negativo» no significan «bueno» y «malo», sino añadir y retirar un estímulo. El criterio que separa refuerzo de castigo es el efecto sobre la conducta: el refuerzo siempre aumenta la probabilidad de la conducta; el castigo siempre la reduce.

Consecuencia	Operación	Efecto sobre la conducta	Ejemplo
Refuerzo positivo	Se añade un estímulo agradable	Aumenta	Felicitar a un agente por una intervención bien resuelta
Refuerzo negativo	Se retira un estímulo aversivo	Aumenta	Ponerse el cinturón para que cese el pitido del vehículo
Castigo positivo	Se añade un estímulo aversivo	Disminuye	Imponer una multa por exceso de velocidad
Castigo negativo	Se retira un estímulo agradable	Disminuye	Retirar puntos del permiso de conducción

El error más común es confundir refuerzo negativo con castigo. El refuerzo negativo fortalece la conducta que permite librarse de algo desagradable: es el mecanismo de las conductas de escape y evitación y, en buena medida, el que mantiene las conductas de evitación fóbica y muchas conductas delictivas de huida. El castigo, en cambio, debilita la conducta.

Los reforzadores se clasifican en primarios o incondicionados (satisfacen necesidades biológicas: comida, bebida, sueño, contacto) y secundarios o condicionados (adquieren su valor por asociación con los primarios: el dinero, los elogios, las notas, el prestigio). El dinero es el reforzador generalizado por excelencia, porque da acceso a una gran variedad de reforzadores. Interesa también el principio de Premack (1959): una conducta de alta probabilidad puede servir de reforzador de una conducta de baja probabilidad; en la práctica, permitir aquello que le gusta hacer al sujeto después de que haga lo que le cuesta.

Skinner y la investigación posterior señalaron los inconvenientes del castigo frente al refuerzo: suprime la conducta pero no enseña la alternativa correcta; su efecto suele ser transitorio y depende de la presencia del agente que castiga; genera respuestas emocionales de miedo, ira y rechazo hacia quien lo aplica; puede producir agresividad por modelado (quien castiga enseña a castigar); y favorece el engaño y la evitación de la situación más que el cambio de conducta. Para que el castigo sea eficaz debe ser inmediato, consistente, de intensidad suficiente desde el principio, contingente con la conducta y no con la persona, e ir acompañado del refuerzo de la conducta alternativa. Estas condiciones tienen una traducción directa en materia de política criminal: la investigación sobre disuasión coincide en que pesa más la certeza y la prontitud de la sanción que su severidad.

Dato de examen: positivo = se añade un estímulo; negativo = se retira un estímulo. Refuerzo (positivo o negativo) = la conducta aumenta; castigo (positivo o negativo) = la conducta disminuye. Quitar puntos del carné es castigo negativo; multar es castigo positivo; abrocharse el cinturón para que cese el pitido es refuerzo negativo.

3.4. Los programas de refuerzo

Un programa de refuerzo es la regla que determina qué respuestas se refuerzan. El refuerzo continuo (se refuerza cada respuesta) produce una adquisición rápida, pero también una extinción rápida cuando cesa el refuerzo. El refuerzo intermitente o parcial (solo se refuerzan algunas respuestas) produce una adquisición más lenta, pero una resistencia a la extinción mucho mayor. Los programas intermitentes se clasifican según dos criterios cruzados —si el refuerzo depende del número de respuestas (razón) o del tiempo transcurrido (intervalo), y si el requisito es fijo o variable—, lo que da cuatro tipos:

Programa	Regla	Patrón de respuesta	Ejemplo
Razón fija (RF)	Refuerzo cada N respuestas	Tasa alta con pausa tras el refuerzo	Cobrar a destajo cada diez piezas
Razón variable (RV)	Refuerzo tras un número variable de respuestas	Tasa muy alta y constante; máxima resistencia a la extinción	Las máquinas tragaperras
Intervalo fijo (IF)	Refuerzo a la primera respuesta tras N tiempo	Tasa baja que se acelera al final del intervalo (festoneado)	El sueldo mensual; estudiar la víspera del examen
Intervalo variable (IV)	Refuerzo tras un tiempo variable	Tasa moderada, estable y sostenida	Los controles de alcoholemia aleatorios

El programa de razón variable merece atención especial: es el que genera la tasa de respuesta más alta y la mayor resistencia a la extinción, y es exactamente el que utilizan los juegos de azar. Explica la persistencia del jugador patológico mucho mejor que cualquier apelación a la irracionalidad: quien ha aprendido bajo un programa de razón variable sigue respondiendo largo tiempo sin refuerzo alguno, porque su historia de aprendizaje le ha enseñado que el premio llega de forma impredecible. La misma lógica opera en el refuerzo intermitente del delincuente que solo obtiene botín en algunas de sus tentativas y en las conductas de los menores cuyos padres ceden «solo a veces» ante una rabieta.

3.5. Moldeamiento, encadenamiento y extinción operante

Muchas conductas no aparecen espontáneamente, de modo que no hay ocasión de reforzarlas. Para instaurarlas se emplea el moldeamiento (shaping) o método de las aproximaciones sucesivas: se refuerzan las conductas que se van pareciendo cada vez más a la meta y se dejan de reforzar las anteriores, de manera que el repertorio se desplaza progresivamente hacia el objetivo. Es la técnica con la que se enseñan habilidades complejas a personas y animales. El encadenamiento consiste en enlazar respuestas simples ya adquiridas en una secuencia, de forma que cada eslabón sirve a la vez de reforzador del anterior y de estímulo discriminativo del siguiente; puede hacerse hacia delante o hacia atrás (comenzando por el último paso, que es la variante habitual en habilidades de autonomía personal).

La extinción operante consiste en dejar de reforzar una conducta previamente reforzada, con lo que su frecuencia acaba disminuyendo. Al comienzo se observa un fenómeno contraintuitivo pero muy documentado: el estallido de extinción, un aumento temporal en la frecuencia y la intensidad de la conducta (y con frecuencia también de la agresividad y la variabilidad conductual) antes de que empiece a descender. Ignorar esa fase y volver a reforzar equivale a instaurar un programa de razón variable, es decir, a hacer la conducta mucho más resistente. Otras técnicas derivadas son el tiempo fuera (time-out, retirar temporalmente el acceso al refuerzo), el coste de respuesta (retirar reforzadores ya obtenidos), la saciación y el reforzamiento diferencial de conductas alternativas o incompatibles.

La aplicación institucional más conocida es la economía de fichas (Ayllon y Azrin, 1968): un sistema en el que las conductas deseadas se refuerzan con fichas o puntos —reforzadores secundarios generalizados— canjeables por bienes o privilegios según un menú previamente pactado. Se ha empleado en hospitales psiquiátricos, aulas y, muy señaladamente, en el medio penitenciario, donde la lógica de progresión de grado, permisos y beneficios asociados a la conducta y a la participación en programas responde a este esquema.

3.6. Escape, evitación e indefensión aprendida

El aprendizaje de escape consiste en emitir una conducta que hace cesar un estímulo aversivo ya presente; el aprendizaje de evitación, en emitir una conducta que impide que el estímulo aversivo llegue a aparecer, ante una señal que lo anuncia. Ambos se mantienen por refuerzo negativo. La teoría bifactorial de Mowrer explica la evitación combinando los dos condicionamientos: primero, por vía clásica, una señal se asocia al estímulo aversivo y adquiere capacidad de provocar miedo; después, por vía operante, la conducta que reduce ese miedo queda reforzada negativamente. Este modelo explica la enorme persistencia de la evitación fóbica: como el sujeto huye siempre, nunca comprueba que la situación temida no tiene la consecuencia que anticipa, y el aprendizaje no llega a extinguirse. De ahí que los tratamientos eficaces se basen en la exposición con prevención de respuesta.

La indefensión aprendida (learned helplessness) fue descrita por Martin Seligman y Steven Maier (1967). Sometieron perros a descargas incontrolables —no había ninguna conducta que las evitara— y comprobaron que, situados después en una jaula donde bastaba saltar una barrera para escapar, muchos animales no lo intentaban y soportaban pasivamente la descarga, a diferencia de los que sí habían podido controlarla antes. Lo aprendido no era una conducta, sino una expectativa: que las consecuencias son independientes de lo que uno haga. La reformulación posterior en términos atribucionales (Abramson, Seligman y Teasdale, 1978) señaló que el efecto es tanto más devastador cuanto más el sujeto atribuye la incontrolabilidad a causas internas, estables y globales. La indefensión aprendida se ha empleado como modelo experimental de la depresión y es una de las claves psicológicas para entender la pasividad de las víctimas de maltrato prolongado, acoso o trata, cuya falta de reacción o de denuncia no debe interpretarse como consentimiento ni como falta de credibilidad.

3.7. Diferencias entre condicionamiento clásico y operante

Criterio	Condicionamiento clásico	Condicionamiento operante
Autor de referencia	Pávlov (y Watson)	Thorndike y Skinner
Qué se asocia	Dos estímulos (EC-EI)	Una conducta y su consecuencia
Tipo de conducta	Refleja, involuntaria, emocional y visceral	Voluntaria, emitida y operante sobre el medio
Papel del sujeto	Pasivo: la respuesta es provocada	Activo: la respuesta es emitida
Momento clave	Lo que ocurre antes de la respuesta	Lo que ocurre después de la respuesta
Ejemplo típico	El perro que saliva al oír el sonido	La rata que acciona la palanca para obtener comida

Los dos procesos no son alternativos, sino complementarios, y en la conducta real actúan a la vez. La conducta de un consumidor de drogas se explica mejor combinando ambos: el condicionamiento clásico da cuenta del deseo desencadenado por las señales asociadas al consumo, y el operante, del mantenimiento de la conducta por sus consecuencias reforzantes inmediatas frente a unos costes demorados.

4. El aprendizaje observacional

4.1. Bandura y el experimento del muñeco Bobo

El aprendizaje observacional —también llamado vicario, social, por modelado o por imitación— consiste en adquirir conductas, actitudes y respuestas emocionales observando a otras personas (los modelos) y las consecuencias que su conducta les acarrea, sin necesidad de ejecutar uno mismo la conducta ni de recibir refuerzo directo alguno. Su formulación se debe al psicólogo canadiense Albert Bandura (1925-2021), que la expuso en su teoría del aprendizaje social (Social Learning Theory, 1977), reformulada más tarde como teoría cognitivo-social (1986).

El experimento que la hizo célebre es el del muñeco Bobo (Bandura, Ross y Ross, 1961 y 1963). Niños de educación infantil observaban a un adulto que golpeaba, insultaba y maltrataba un muñeco hinchable con formas y expresiones muy características. Después se les dejaba solos en una sala con el mismo muñeco. Los niños que habían visto el modelo agresivo reproducían la agresión con una frecuencia mucho mayor que los de los grupos de control, y no de cualquier forma: imitaban los gestos, los golpes y hasta las frases concretas del adulto. En variantes posteriores se comprobó que el efecto se producía también cuando el modelo aparecía en una película o en un dibujo animado, y —dato decisivo— que la conducta imitada dependía de lo que le ocurría al modelo: los niños que veían premiar al adulto agresivo imitaban más, y los que le veían castigado, menos.

Ahora bien, cuando después se ofrecía a estos últimos un incentivo por reproducir lo que habían visto, también sabían hacerlo. Es la distinción capital de Bandura entre adquisición y ejecución: el castigo al modelo no impide que el observador aprenda la conducta, solo reduce la probabilidad de que la ejecute. El aprendizaje puede permanecer latente y manifestarse mucho después, cuando las circunstancias lo hagan ventajoso.

4.2. Los cuatro procesos del modelado

Bandura describió cuatro procesos que deben concurrir para que el aprendizaje observacional se produzca y se traduzca en conducta. Es una de las enumeraciones más preguntadas del tema:

Atención: el observador debe fijarse en el modelo y en los aspectos relevantes de su conducta. Se atiende más a los modelos con prestigio, poder, atractivo o semejanza con uno mismo, y a las conductas destacadas, simples y repetidas.
Retención: lo observado debe almacenarse en la memoria mediante representaciones simbólicas, verbales o en imágenes, que permitan recuperarlo después. El repaso mental y la práctica encubierta refuerzan la retención.
Reproducción motora: el observador debe ser capaz físicamente de convertir la representación en acción, lo que exige las habilidades necesarias y un proceso de ajuste con la retroalimentación de los propios intentos.
Motivación (o refuerzo): debe existir una razón para ejecutar la conducta. La motivación puede provenir de un refuerzo directo, de un refuerzo vicario (ver que el modelo obtiene un beneficio) o del autorrefuerzo (la satisfacción de cumplir con los propios estándares).

La falta de cualquiera de los cuatro basta para que no haya imitación, y el orden importa: no se retiene lo que no se atiende, ni se ejecuta lo que no se ha retenido. Un modelo puede, además, producir tres efectos distintos: enseñar conductas nuevas (efecto de modelado propiamente dicho), inhibir o desinhibir conductas que ya se conocían —ver que otro infringe una norma impunemente desinhibe la propia infracción— y facilitar conductas ya aprendidas y aceptadas, dirigiendo la atención hacia ellas.

4.3. Refuerzo vicario, autoeficacia y determinismo recíproco

El refuerzo vicario es el que recibe el observador de forma indirecta: ver que la conducta del modelo es premiada aumenta la probabilidad de imitarla; el castigo vicario, verla castigada, la reduce. Este mecanismo tiene una consecuencia preventiva evidente: en materia de convivencia y seguridad, la impunidad visible de una infracción no solo deja de castigar a quien la comete, sino que actúa como refuerzo vicario para todos los que la presencian, mientras que la sanción visible y previsible cumple una función de castigo vicario que refuerza la norma ante terceros.

Con la reformulación de su teoría, Bandura otorgó un papel central a los procesos cognitivos y de autorregulación. El concepto más influyente es el de autoeficacia (self-efficacy): la creencia de una persona en su propia capacidad para organizar y ejecutar las acciones necesarias para alcanzar un resultado determinado. La autoeficacia percibida determina qué metas nos fijamos, cuánto esfuerzo invertimos, cuánto persistimos ante las dificultades y cómo manejamos el estrés y el fracaso, y se nutre de cuatro fuentes: los logros de ejecución (la más potente), la experiencia vicaria (ver triunfar a otros semejantes), la persuasión verbal y los estados fisiológicos y emocionales.

Bandura formuló, además, el principio de determinismo recíproco (o reciprocidad tríadica): la conducta, los factores personales (cogniciones, creencias, expectativas) y el ambiente se influyen mutuamente, en las tres direcciones. Es una superación explícita tanto del determinismo ambiental del conductismo radical como de las explicaciones puramente disposicionales: la persona no es un receptor pasivo del medio, sino que lo selecciona, lo interpreta y lo transforma. En esa línea desarrolló también el concepto de desconexión moral, el conjunto de mecanismos cognitivos (justificación moral, lenguaje eufemístico, comparación ventajosa, desplazamiento y difusión de la responsabilidad, minimización de las consecuencias, deshumanización y atribución de culpa a la víctima) mediante los cuales una persona con estándares morales ordinarios llega a cometer conductas dañinas sin experimentar autocondena. Es un marco de enorme utilidad para analizar la violencia grupal, la corrupción y los delitos de odio.

4.4. Lectura criminológica: violencia, medios y conducta antisocial

La aplicación criminológica de la teoría de Bandura es directa y ha sido preguntada literalmente en convocatorias oficiales: el comportamiento antisocial se adquiere por observación, imitando modelos cuya conducta es recompensada o permite evitar consecuencias negativas, y esa explicación es la teoría del aprendizaje social. Frente a las teorías que buscaban el origen de la delincuencia en rasgos constitucionales o en la patología individual, el aprendizaje social sostiene que la conducta violenta se aprende igual que cualquier otra: observando modelos en la familia (el modelado de la violencia intrafamiliar y su transmisión intergeneracional), en el grupo de iguales (el papel del grupo en la delincuencia juvenil) y en los medios de comunicación y las redes.

Sobre la exposición a la violencia en los medios, la investigación sostiene que su efecto es real pero de magnitud moderada y mediado por múltiples variables (edad, supervisión adulta, realismo del contenido, identificación con el personaje, si la violencia se presenta justificada y sin consecuencias). Los mecanismos descritos incluyen el aprendizaje de nuevas formas de agresión, la desinhibición, la desensibilización emocional ante el sufrimiento ajeno y el «síndrome del mundo cruel» descrito por Gerbner, la percepción exagerada del riesgo de victimización en los grandes consumidores de televisión. La formulación equilibrada es que los medios no «causan» la delincuencia, pero constituyen una fuente relevante de modelos en interacción con el resto de factores.

Conviene relacionar el aprendizaje social psicológico con su equivalente sociológico, la teoría de la asociación diferencial de Edwin Sutherland (1939), según la cual la conducta delictiva se aprende en la interacción con otras personas, dentro de grupos íntimos, y comprende tanto las técnicas para cometer el delito como las definiciones favorables a la infracción de la ley; una persona se hace delincuente cuando las definiciones favorables a la infracción superan a las desfavorables. Ronald Akers integró ambas tradiciones en su teoría del aprendizaje social de la delincuencia, añadiendo a la asociación diferencial los conceptos de reforzamiento diferencial, definiciones e imitación. Con ello, las tres formas de aprendizaje que estudia este tema quedan articuladas en una única explicación de la génesis de la conducta delictiva.

5. Aprendizaje latente y aprendizaje por comprensión súbita

Antes incluso de Bandura, dos líneas de investigación mostraron que el aprendizaje no se reduce a la conexión mecánica entre estímulos y respuestas. Edward Tolman demostró el aprendizaje latente con ratas en laberintos (Tolman y Honzik, 1930): un grupo que recorrió el laberinto durante días sin recibir recompensa mejoró de golpe su rendimiento, igualando o superando al grupo reforzado desde el principio, en cuanto se introdujo la comida. Habían aprendido la distribución del laberinto sin manifestarlo, porque no tenían motivo para hacerlo; Tolman habló de mapas cognitivos, representaciones internas del espacio. La conclusión —que hay aprendizaje sin refuerzo y sin cambio inmediato de conducta— obligó a distinguir entre aprendizaje y ejecución y abrió el camino al conductismo intencional y a la psicología cognitiva.

Por su parte, el psicólogo de la Gestalt Wolfgang Köhler describió, con chimpancés en Tenerife durante la Primera Guerra Mundial, el aprendizaje por comprensión súbita o insight. Su chimpancé más conocido, Sultán, tras un período de tanteos infructuosos y una pausa aparentemente inactiva, resolvía de golpe el problema —encajar dos cañas para alcanzar un plátano, o apilar cajas para subirse a ellas—, y a partir de entonces lo hacía sin errores. Köhler sostuvo que no había ensayo y error, sino una reestructuración súbita del campo perceptivo, es decir, una comprensión de la relación entre los elementos del problema. Estos hallazgos no invalidan el condicionamiento, pero acotan su alcance: el aprendizaje humano combina asociación, observación y procesos de reestructuración cognitiva.

6. Aplicación al trabajo policial

El dominio de estos modelos no es un adorno académico para el mando policial. Sirve, al menos, en cinco terrenos:

Prevención y disuasión. La eficacia disuasoria depende de la certeza y la prontitud de la respuesta sancionadora más que de su severidad, tal como predice la investigación sobre castigo. La presencia policial visible funciona como estímulo discriminativo que señala que la conducta infractora no será reforzada; los controles aleatorios operan como programa de intervalo variable, que sostiene el cumplimiento de forma estable precisamente porque el conductor no puede predecir cuándo ocurrirá.
Trato a víctimas. Comprender el condicionamiento clásico de las respuestas de miedo permite anticipar reacciones intensas ante estímulos aparentemente inocuos y evitar la victimización secundaria. Conocer la indefensión aprendida evita el error grave de interpretar la pasividad o la retractación de una víctima de violencia continuada como falta de veracidad.
Formación y mando. El entrenamiento operativo se construye sobre moldeamiento y encadenamiento (descomponer una técnica en pasos y reforzar aproximaciones sucesivas), y el mando actúa inevitablemente como modelo: la conducta del superior en materia de legalidad, trato y uso de la fuerza se aprende por observación con más fuerza que cualquier instrucción escrita.
Negociación e intervención en crisis. El manejo deliberado de refuerzos y de extinción, y el control de los estímulos que disparan respuestas emocionales, forman parte del repertorio técnico del negociador.
Análisis de la conducta delictiva. El análisis funcional —qué antecedentes ocasionan la conducta y qué consecuencias la mantienen— es una herramienta útil para entender la reiteración delictiva y para diseñar programas de intervención y reinserción, que la Constitución orienta expresamente hacia la reeducación y la reinserción social en su artículo 25.2.

Ideas fuerza

Aprendizaje: cambio relativamente permanente en la conducta o su potencial, debido a la experiencia, no a la maduración, la fatiga ni las drogas. No asociativos: habituación (la respuesta baja) y sensibilización (la respuesta sube).
Condicionamiento clásico (Pávlov, Nobel de Fisiología en 1904 por la digestión): se asocian dos estímulos. EI (comida) → RI (salivar); EC (sonido) → RC (salivar). Conducta involuntaria y emocional. El más eficaz es el demorado.
Fenómenos del clásico: adquisición, extinción (EC sin EI), recuperación espontánea (prueba de que la extinción no borra), generalización (estímulos parecidos) y discriminación. Condicionamiento de orden superior y neurosis experimental.
Watson (manifiesto conductista, 1913) y Rayner condicionaron el miedo a una rata blanca en el pequeño Albert (1920), con generalización a otros estímulos peludos: modelo de adquisición de las fobias.
García y Koelling (1966): aversión condicionada al sabor en un solo ensayo y con demora de horas; hay preparación biológica, no equipotencialidad. Rescorla: lo decisivo es la contingencia informativa, no la mera contigüidad.
Condicionamiento operante: Thorndike (cajas-problema con gatos, ley del efecto) y Skinner (caja de Skinner, tasa de respuesta, conducta emitida). Se asocia la conducta con su consecuencia.
Positivo = añadir; negativo = retirar. Refuerzo = la conducta aumenta; castigo = la conducta disminuye. Multar es castigo positivo; retirar puntos, castigo negativo; abrocharse el cinturón para que cese el pitido, refuerzo negativo.
Programas de refuerzo: continuo (adquisición rápida, extinción rápida) e intermitente (más resistente). La razón variable da la tasa más alta y la mayor resistencia a la extinción (tragaperras); el intervalo fijo da el patrón festoneado.
Moldeamiento por aproximaciones sucesivas; encadenamiento; extinción operante con su estallido inicial; economía de fichas (Ayllon y Azrin, 1968) y principio de Premack.
Indefensión aprendida (Seligman y Maier, 1967): tras descargas incontrolables el sujeto deja de intentar escapar aunque pueda. Modelo de la depresión y clave de la pasividad de las víctimas de maltrato prolongado.
Aprendizaje observacional (Bandura): el muñeco Bobo (1961-1963). Cuatro procesos: atención, retención, reproducción motora y motivación. Distinción entre adquisición y ejecución; refuerzo vicario; autoeficacia; determinismo recíproco y desconexión moral.
Pregunta oficial: que el comportamiento antisocial se adquiera por observación, imitando modelos cuya conducta es recompensada o evita consecuencias negativas, es la teoría del aprendizaje social de Bandura (no «de la reproducción social» ni «de la representación social»). Su paralelo sociológico es la asociación diferencial de Sutherland (1939), integrada por Akers.
Tolman: aprendizaje latente y mapas cognitivos (hay aprendizaje sin refuerzo). Köhler: aprendizaje por insight o comprensión súbita (chimpancé Sultán), por reestructuración del problema.

¿Te lo sabes? 🐂

Pon a prueba este tema con su test (y repásalo con las flashcards). Crea tu cuenta gratis para guardar tu progreso y repasar tus falladas. Gratis y siempre lo será.

Hacer el test del tema 🃏 Flashcards