BART: El Juego del Globo que Mide el Riesgo

En el complejo mundo de la psicología y la neurociencia, entender por qué tomamos ciertos riesgos es una de las grandes preguntas. La propensión a asumir riesgos no es solo un rasgo de la personalidad; está vinculada a una amplia gama de comportamientos en la vida real, desde las adicciones y el juego patológico hasta conductas sexuales de riesgo. Para estudiar este fenómeno en un entorno controlado, los investigadores han desarrollado herramientas ingeniosas que nos permiten observar y medir la toma de decisiones en tiempo real. Una de las más famosas y efectivas es el Balloon Analogue Risk Task, o BART. A simple vista, parece un juego sencillo: inflar un globo virtual para ganar dinero. Sin embargo, bajo esta simple mecánica se esconde una poderosa herramienta para desentrañar los procesos cognitivos que gobiernan nuestra relación con el riesgo.

¿En Qué Consiste Exactamente el BART?

Imagina que estás frente a una pantalla. Aparece un globo y se te ofrecen dos opciones: "Inflar" o "Cobrar". Cada vez que presionas "Inflar", el globo crece un poco más y se añaden 5 céntimos a un banco de ganancias temporal para esa ronda. Puedes seguir inflando el globo tanto como te atrevas, acumulando más y más dinero en esa cuenta temporal. En cualquier momento, puedes decidir que ya es suficiente y presionar "Cobrar". Al hacerlo, todo el dinero acumulado en esa ronda pasa a tu banco permanente y comienzas una nueva ronda con un globo nuevo.

Pero, ¿dónde está el riesgo? En que cada bombeo adicional aumenta la probabilidad de que el globo explote. Si el globo estalla, pierdes todo el dinero que habías acumulado en el banco temporal para esa ronda y tienes que empezar de cero en la siguiente. El objetivo final del juego, que generalmente consta de 30 rondas (o 30 globos), es acumular la mayor cantidad de dinero posible en tu banco permanente.

Lo interesante para los investigadores es que, aunque para el participante la explosión parezca aleatoria, los puntos de ruptura de cada globo están predeterminados según una distribución de probabilidad. Esto permite un control experimental riguroso, asegurando que todos los participantes se enfrenten a un nivel de riesgo estadísticamente similar, lo que hace que sus decisiones sean comparables.

Más Allá de la Puntuación: La Era de los Modelos Computacionales

Tradicionalmente, la medida principal del rendimiento en el BART es la "puntuación ajustada", que no es más que el número promedio de bombeos que un participante realiza en los globos que no explotan. Esta simple métrica ha demostrado ser sorprendentemente útil, mostrando correlaciones significativas con comportamientos de riesgo en el mundo real, como el tabaquismo, el abuso de sustancias o las relaciones sexuales sin protección.

Sin embargo, esta puntuación es una medida general que deja mucha información valiosa fuera. No nos dice nada sobre cómo cambia la estrategia de un jugador a lo largo del tiempo. ¿Aprende de las explosiones? ¿Se vuelve más audaz después de una gran ganancia? ¿Se vuelve más conservador con la experiencia? Para responder a estas preguntas, los científicos recurren a los modelos computacionales.

Estos modelos son sofisticados programas matemáticos que intentan simular los procesos cognitivos que ocurren en la mente del participante mientras toma decisiones. En lugar de obtener una única puntuación, estos modelos descomponen el comportamiento en varios parámetros, cada uno representando un constructo psicológico específico, como la propensión intrínseca al riesgo, la consistencia del comportamiento o la tasa de aprendizaje a partir de victorias y derrotas. Esto proporciona un perfil mucho más detallado y matizado del comportamiento de una persona frente al riesgo.

Un Vistazo a los Modelos Clásicos y su Evolución

El esfuerzo por modelar el comportamiento en el BART no es nuevo. A lo largo de los años, se han propuesto varios modelos, cada uno con sus fortalezas y debilidades, construyendo sobre el conocimiento del anterior.

Modelos Pioneros: BSR y Target

El primer gran intento fue el modelo BSR (Bayesian Sequential Risk-taking). Este modelo asumía que los participantes tienen una creencia sobre la probabilidad de que el globo explote, y que actualizan esta creencia basándose en la experiencia de rondas anteriores. Su parámetro más importante, γ+ (gamma positivo), representaba la propensión intrínseca al riesgo de una persona.

Más tarde, surgió una versión simplificada, el BSR-2, que eliminaba el componente de aprendizaje y asumía que la creencia sobre la probabilidad de explosión era constante. Aunque menos complejo, demostró ser más sensible que la puntuación ajustada en algunos experimentos, por ejemplo, al detectar los efectos del consumo de alcohol en la toma de decisiones.

Otro enfoque fue el Modelo Target. Este proponía que los jugadores no calculan probabilidades, sino que establecen un "número objetivo de bombeos" al inicio. Después de cada ronda, ajustan este objetivo hacia arriba si ganaron (cobraron el dinero) y hacia abajo si perdieron (el globo explotó).

La Revolución del Aprendizaje: El Modelo STL

Un desafío persistente en todos estos modelos era capturar adecuadamente el proceso de aprendizaje. La forma en que aprendemos de nuestros éxitos y fracasos es fundamental para nuestras decisiones futuras. Aquí es donde entran en juego los modelos más recientes y avanzados: el STL (Scaled Target Learning) y su extensión, el STL-D (con decaimiento).

Inspirado en uno de los principios más básicos de la psicología, la Ley del Efecto (tendemos a repetir acciones con buenos resultados y evitar las que tienen malos resultados), el modelo STL refina la idea del Modelo Target. Su gran innovación es que no solo considera si ganaste o perdiste, sino la magnitud de ese resultado:

• Después de una victoria: El aumento en el número objetivo de bombeos es mayor si la ganancia fue grande (muchos bombeos antes de cobrar) que si fue pequeña.
• Después de una derrota: La disminución en el objetivo es menor si el globo explotó después de muchos bombeos (una pérdida de alto potencial) que si explotó al principio.

Esta sensibilidad a la magnitud del resultado imita mucho mejor el comportamiento humano real. Además, la versión STL-D añade un parámetro de "decaimiento", reconociendo que el aprendizaje no es lineal; las primeras rondas tienen un impacto mucho mayor en nuestra estrategia que las últimas, cuando ya tenemos más experiencia.

Tabla Comparativa de Modelos BART

¿Por Qué Es Importante Todo Esto?

Pasar de una simple puntuación a estos complejos modelos computacionales puede parecer un ejercicio puramente académico, pero tiene implicaciones prácticas profundas. Al obtener un perfil más detallado del comportamiento de un individuo, los psicólogos clínicos pueden:

• Identificar con mayor precisión: Reconocer a personas con patrones de toma de decisiones que los ponen en mayor riesgo de desarrollar problemas como la ludopatía o el abuso de sustancias.
• Caracterizar el problema: Diferenciar entre alguien que simplemente tiene una alta propensión al riesgo y alguien que, además, tiene dificultades para aprender de las consecuencias negativas de sus actos.
• Personalizar intervenciones: Diseñar terapias más efectivas que se centren en el mecanismo cognitivo específico que está fallando, ya sea la percepción del riesgo, la sensibilidad a la recompensa o la capacidad de aprendizaje.

Preguntas Frecuentes (FAQ)

¿Puedo jugar al BART en línea?

Aunque el BART es principalmente una herramienta de investigación utilizada en laboratorios, existen algunas adaptaciones y versiones simplificadas disponibles en línea. Sin embargo, para obtener datos científicamente válidos, es crucial que se administre en un entorno controlado por profesionales.

¿Una puntuación alta en el BART significa que soy un adicto al riesgo?

No necesariamente. El BART mide una propensión o tendencia al comportamiento arriesgado en un contexto específico. Una puntuación alta indica una mayor tolerancia al riesgo en la tarea, pero no es un diagnóstico de ninguna condición. El comportamiento en la vida real es mucho más complejo y está influenciado por innumerables factores sociales, emocionales y ambientales.

¿Qué es más importante, la propensión al riesgo o la capacidad de aprender de los errores?

Esta es precisamente la pregunta que los modelos más avanzados como el STL intentan responder. No se trata de qué es más importante, sino de cómo interactúan ambos factores. Una persona puede tener una alta propensión al riesgo pero una excelente capacidad de aprendizaje, lo que le permite modular su comportamiento. Otra puede tener una propensión moderada pero ser incapaz de ajustar su estrategia tras una pérdida, lo que podría ser igualmente problemático. Ambos componentes son cruciales.

Conclusión: Una Ventana a Nuestra Mente

El Balloon Analogue Risk Task es mucho más que un simple juego de ordenador. Es una ventana fascinante a los complejos mecanismos que subyacen a la toma de decisiones humanas. El viaje desde la simple "puntuación ajustada" hasta los sofisticados modelos de aprendizaje como el STL ilustra el avance de la ciencia para comprender no solo *qué* hacemos, sino *por qué* lo hacemos. Al desinflar, bomba a bomba, los procesos de riesgo, recompensa y aprendizaje, nos acercamos un poco más a entender la esencia de nuestro propio comportamiento.