Etiquetas

Self 9 : el self como regulador epistemológico de nuestra propia verdad

  1. Introducción: el problema no es qué pensamos, sino cómo validamos lo que pensamos. El problema central del conocimiento no reside en el contenido de nuestros pensamientos, sino en el sistema que decide su validez. 
  2. No pensamos en un vacío: operamos dentro de marcos que seleccionan, ponderan y estabilizan nuestras creencias. Lo que consideramos “verdadero” no es un reflejo directo de la realidad, sino el resultado de un proceso de validación interno. Este proceso, en gran parte implícito, determina qué evidencias cuentan y cuáles se descartan. 
  3. Comprender el self exige, por tanto, analizar no qué pensamos, sino cómo decidimos que escenario es verdad.

  4. Transición desde Self 1–8 hacia un nivel meta. La transición de Self 1–8 hacia Self 9 implica un desplazamiento desde la regulación de contenidos hacia la regulación de los criterios que validan esos contenidos. Hasta este punto, el self organiza energía, acción, narrativa y relación con el entorno; ahora comienza a operar sobre el propio sistema que decide qué es válido, verdadero o relevante. Se introduce así un nivel meta en el que no solo se generan modelos, sino que se evalúan y jerarquizan entre sí. Este salto transforma al self en un metasistema capaz de modular su propia arquitectura inferencial. A partir de aquí, el foco deja de ser qué ocurre, para centrarse en cómo decidimos que lo que ocurre es cierto.

  5. Presentación del cambio: del contenido al sistema de validación.

  6. Definición inicial del self como regulador epistemológico. El self puede definirse, en un primer nivel, como el sistema que regula qué cuenta como conocimiento válido para el organismo. No se limita a generar percepciones o conductas, sino que organiza los criterios mediante los cuales una inferencia es aceptada, descartada o mantenida como provisional. Opera asignando precisión a la evidencia y calibrando la confianza en los modelos que construye. De este modo, el self no solo interpreta el mundo, sino que determina bajo qué condiciones algo es considerado verdadero. Es, en esencia, un regulador activo de la validez de la experiencia.

  7. Contextualización clínica y teórica.

B. TESIS CENTRAL

  1. El self regula qué cuenta como conocimiento válido.


  2. La verdad es inferencial, no directa. La verdad no se presenta como un dato inmediato, sino como el resultado de un proceso de inferencia. El cerebro no accede al mundo tal cual es, sino que construye modelos que intentan explicarlo con el menor error posible. Lo que percibimos como “real” es, en gran parte, una hipótesis estabilizada. La evidencia no confirma directamente la verdad, sino que ajusta probabilidades dentro de ese modelo. Por ello, conocer no es descubrir, sino inferir con suficiente coherencia y precisión.

  3. El sistema selecciona modelos, no hechos. El sistema no accede directamente a hechos, sino que selecciona entre modelos que intentan representarlos. La realidad no se incorpora como dato bruto, sino como inferencia mediada por hipótesis internas. Lo que se estabiliza como “hecho” es, en realidad, el modelo que mejor resuelve el error de predicción bajo las restricciones del sistema. Esta selección depende de la asignación de precisión, la coherencia narrativa y la utilidad operativa. En consecuencia, el conocimiento no es una captura de la realidad, sino la consolidación de un modelo suficientemente creíble.

  4. Insight. El insight puede entenderse como un cambio abrupto en la selección de modelos, donde una nueva hipótesis reorganiza el sistema de creencias. No introduce necesariamente nueva evidencia, sino que redistribuye la credibilidad entre modelos existentes. Surge cuando el sistema reduce de forma más eficiente el error de predicción con una configuración alternativa. Metacognitivamente, implica un reajuste de la confianza en lo previamente asumido. En este sentido, el insight es un evento en el que el self reconfigura qué modelo considera verdadero.

  5. Introducción del concepto de “asignación de credibilidad”. La “asignación de credibilidad” se refiere al proceso mediante el cual el sistema decide cuánto peso otorgar a una información, señal o modelo dentro de la inferencia. No todas las evidencias son tratadas por igual: su impacto depende de la precisión que se les atribuye y de su coherencia con el sistema existente. Este mecanismo actúa como un filtro dinámico que prioriza ciertas hipótesis frente a otras. La credibilidad, por tanto, no es una propiedad inherente de los datos, sino una decisión interna del sistema. Es el punto en el que la información se convierte —o no— en conocimiento válido.

  6. Planteamiento del problema: ¿quién valida el modelo?

C. MARCO EPISTEMOLÓGICO

  1. Revisión breve de teorías de la verdad (correspondencia, coherencia, pragmatismo).

  2. Reformulación bayesiana de la verdad. La verdad, desde un enfoque bayesiano, no es una propiedad absoluta, sino una probabilidad asignada a un modelo dado un conjunto de evidencias. Una creencia es más “verdadera” en la medida en que maximiza su probabilidad posterior tras integrar nueva información. No se trata de verificar hechos de forma directa, sino de actualizar continuamente las hipótesis en función del error predictivo. La evidencia no confirma, sino que recalibra el peso de las creencias. Así, la verdad deja de ser binaria y pasa a ser un gradiente dinámico de confianza inferencial.

  3. Creencias como hipótesis probabilísticas. Las creencias pueden entenderse como hipótesis probabilísticas que el sistema mantiene sobre el mundo, el cuerpo y uno mismo. No son verdades fijas, sino estimaciones con distintos grados de confianza que se actualizan en función de la evidencia. Su estabilidad depende de la precisión asignada y de su capacidad para reducir el error de predicción. Cuando la actualización falla, las creencias pueden rigidizarse o volverse inestables. En este marco, creer no es afirmar, sino apostar probabilísticamente por un modelo.

  4. Justificación como peso de evidencia.

  5. Verdad subjetiva como confianza inferencial.

D. ARQUITECTURA DEL SELF

  1. Nivel 1: percepción, acción, emoción.

  2. Nivel 2: evaluación de modelos (metacognición). En el nivel 2, el sistema no genera modelos, sino que evalúa su validez. La metacognición actúa como un proceso de segundo orden que estima la probabilidad de que una inferencia sea correcta, traduciéndose en grados de confianza. No decide qué pensar, sino cuánto creer lo que ya se ha pensado. Este nivel permite detectar error, ajustar decisiones y modular la exploración o el cierre de hipótesis. Su funcionamiento depende de la calibración entre evidencia y certeza, siendo clave para evitar tanto la sobreconfianza como la duda patológica.

  3. Nivel 3: regulación del sistema de validación (Self 9).

  4. Integración jerárquica.

  5. Introducción del self como sistema dinámico. El self no puede entenderse como una entidad fija, sino como un sistema dinámico en constante actualización. Se reorganiza continuamente en función de la interacción entre predicciones, errores y nuevas evidencias. Su estabilidad no depende de una estructura inmutable, sino de la capacidad de adaptarse sin perder coherencia interna. Este carácter dinámico implica que la identidad no es algo dado, sino algo que se reconstruye activamente en el tiempo. El self es, en última instancia, un proceso regulador en movimiento, no un objeto estático.

E. PRECISIÓN Y ATENCIÓN



  1. Definición de precisión (Friston). En el marco de Friston, la precisión es el peso o fiabilidad que el sistema asigna a una señal dentro del proceso inferencial. Formalmente, equivale a la inversa de la varianza (incertidumbre) de esa señal: cuanto mayor es la precisión, mayor es su influencia en la actualización del modelo. La precisión no describe el contenido de la información, sino cuánto debe ser creída. Actúa modulando el impacto del error de predicción, determinando qué discrepancias importan y cuáles se ignoran. En este sentido, la precisión es el mecanismo central mediante el cual el sistema regula la relación entre evidencia y creencia.

  2. Atención como asignación de precisión a señales. La atención puede entenderse como el mecanismo que asigna precisión a las señales entrantes, determinando cuánto peso tienen en la inferencia. No selecciona contenidos por sí misma, sino que modula la fiabilidad atribuida a cada input. Al aumentar la precisión, una señal influye más en la actualización del modelo; al reducirla, queda relegada como ruido. Este proceso permite priorizar información relevante bajo incertidumbre. En última instancia, la atención configura qué evidencia cuenta y, por tanto, condiciona indirectamente lo que se considera verdadero.

  3. Selección de evidencia relevante. La selección de evidencia no es un proceso pasivo de registro, sino una operación activa de filtrado guiada por la asignación de precisión. El sistema no procesa toda la información disponible, sino únicamente aquella que ha sido previamente ponderada como relevante. Esta relevancia no depende solo de la intensidad sensorial, sino de la congruencia con el modelo interno y de las expectativas generadas.

    En términos inferenciales, la evidencia relevante es aquella que tiene capacidad de modificar significativamente la distribución de probabilidad del modelo. El resto de señales son tratadas como ruido y descartadas.

    Así, la realidad percibida no es una muestra exhaustiva del entorno, sino el resultado de un proceso de selección epistemológica que determina qué datos entran en juego en la construcción del conocimiento.

  4. Impacto en percepción y decisión.

  5. Atención como base del sistema epistemológico.

F. METACOGNICIÓN Y CONFIANZA

  1. Metacognición como inferencia de segundo orden. La metacognición puede entenderse como una inferencia de segundo orden en la que el sistema no evalúa directamente el mundo, sino la validez de sus propias inferencias sobre él. A partir de la evidencia disponible y del modelo interno, estima la probabilidad de que una decisión o creencia sea correcta, generando lo que experimentamos como confianza. No introduce nueva información, sino que reorganiza el grado de creencia en la ya existente. Este proceso permite ajustar la conducta, abrir o cerrar hipótesis y corregir errores. En esencia, la metacognición convierte inferencias en creencias calibradas.

  2. Confianza como probabilidad de corrección.

  3. Relación entre evidencia y confianza. La relación entre evidencia y confianza no es lineal, sino mediada por la precisión asignada a la evidencia. La confianza emerge como una estimación de segundo orden sobre la probabilidad de que una inferencia sea correcta, dada esa evidencia. No basta con tener datos: es crucial cómo el sistema pondera su fiabilidad y coherencia. Evidencias débiles pueden generar alta confianza si están sobrerrepresentadas, y evidencias sólidas pueden infravalorarse si reciben baja precisión. Por tanto, la confianza no refleja directamente la calidad de la evidencia, sino su integración dentro del modelo inferencial.

  4. Introducción de calibración metacognitiva.

  5. Error metacognitivo (sobre/infraconfianza).

G. MODELO UNIFICADO

  1. Atención + metacognición = control jerárquico de precisión.

  2. Definición del regulador epistemológico. El regulador epistemológico es el sistema que determina qué cuenta como evidencia válida, cuánto peso se le asigna y con qué grado de confianza se aceptan las inferencias resultantes. Opera mediante la asignación jerárquica de precisión, integrando atención (sobre señales) y metacognición (sobre modelos). No produce conocimiento, sino que filtra, pondera y estabiliza las creencias bajo condiciones de incertidumbre. Su función es optimizar el equilibrio entre coherencia, precisión y utilidad. En términos formales, es el mecanismo que decide qué modelo se considera provisionalmente verdadero.

  3. Función de validación (modelo formal).

  4. Integración de variables (precisión, coherencia, utilidad).

  5. El self como sistema de selección de modelos.

H. EXTERNALIZACIÓN (GPT Y SISTEMAS)

  1. Introducción de cognitive offloading. El cognitive offloading describe la tendencia del sistema cognitivo a externalizar parte del procesamiento hacia el entorno para reducir carga interna. No es una estrategia secundaria, sino un mecanismo estructural de optimización: el self distribuye memoria, cálculo y evaluación en soportes externos. Herramientas, escritura o sistemas como GPT amplían el espacio de hipótesis disponibles y facilitan su manipulación. Sin embargo, esta externalización modifica también el sistema de validación, desplazando parcialmente la fuente de evidencia. Así, el conocimiento deja de ser estrictamente interno y pasa a ser co-construido entre el self y su entorno.

  2. GPT como expansión del espacio de hipótesis.

  3. Sistema epistemológico distribuido.

  4. Ventajas: exploración, formalización.

  5. Riesgos: ruido, pseudo-coherencia.

I. FILTRO EPISTÉMICO Y RIESGO



  1. Introducción del filtro epistemológico defensivo.

  2. Diferencia entre coherencia y verdad.

  3. Problema del “stochastic parrot”. El problema del stochastic parrot señala que los modelos de lenguaje generan respuestas coherentes sin comprender su contenido. Funcionan mediante correlaciones estadísticas, no mediante acceso a significado o verdad. Esto produce una ilusión de conocimiento: textos plausibles que pueden carecer de validez epistemológica. El riesgo central no es el error, sino la confianza indebida en la forma. En un sistema de estadística basada en el lenguaje, esto exige introducir un filtro que distinga entre coherencia superficial y valor inferencial real.

  4. Necesidad de calibración en sistemas híbridos.

  5. Protección frente a error estructural.

J. PSICOPATOLOGÍA

  1. Psicopatología como error de precisión y confianza.

  2. Rigidez (depresión, personalidad).

  3. Labilidad (psicosis, disociación).

  4. Descalibración metacognitiva. La descalibración metacognitiva aparece cuando existe una discrepancia sistemática entre la confianza subjetiva y la precisión real de las inferencias. El sistema no falla necesariamente en generar modelos, sino en estimar correctamente su validez. Esto puede manifestarse como sobreconfianza (certeza elevada en modelos erróneos) o infraconfianza (duda persistente ante modelos adecuados). La raíz suele estar en una asignación inadecuada de precisión, ya sea a la evidencia o al propio modelo. En términos operativos, implica que el self no ajusta bien el grado de creencia a la calidad real de la información.

  5. Clínica: intervenir el sistema de validación, no el contenido.

Síntesis estructural

El post sigue una progresión:

epistemología → arquitectura → mecanismo → riesgo → clínica


Indice del self: 

Self 1 : Dificultades en la construcción del self 

Self 2 : ¿porque es tan importante sentirse autor de los propios actos? 

Self 7: pantallas y soberanía del self

Self 9 : el self como regulador epistemológico

Autor : Dr. Jaume Guilera

Despacho Dr.Guilera

📍 Carrer Aragó 134 4º1, Barcelona

(Entre metro Urgell y Hospital Clínic)

📞 Contacto (Whats'Up): +34 623 31 78 04

El Dr. Jaume Guilera es médico especializado en trastornos del aprendizaje y del neurodesarrollo, con más de 25 años de experiencia clínica. Desarrolla su actividad en su despacho situado en Barcelona.

Desde este blog, comparte conocimiento actualizado y herramientas prácticas para comprender y abordar los trastornos cognitivos más frecuentes en niños y adolescentes.

Su enfoque se basa en la neuropsicología cognitivo-conductual, integrando evaluación y entrenamiento de funciones ejecutivas, lenguaje, aprendizaje y conducta. Trabaja junto a un equipo multidisciplinar —psicólogos, pedagogos y médicos— para ofrecer una intervención individualizada, ajustada a las necesidades de cada niño o adolescente.

Trayectoria profesional y académica

El Dr. Guilera ha desarrollado, en el pasado, actividad investigadora en dos instituciones de referencia:

  • Servicio de Psiquiatría del Hospital Vall d’Hebron, colaborando en proyectos sobre neurodesarrollo y psicopatología infantil.
  • Unidad de Psicología Básica de la Universidad de Barcelona (UB), participando en líneas de investigación sobre procesos cognitivos y funciones ejecutivas.

Actualmente es tutor de prácticas de la UB, autor de materiales de divulgación y asesor clínico en diversos centros educativos del área de Barcelona.

Autor de una colección de libros para el entrenamiento cognitivo (Amazon)

El Dr. Guilera es autor de una amplia colección de cuadernos de entrenamiento en funciones ejecutivas y comprensión lectora, publicados en Amazon y utilizados por familias, escuelas y profesionales de habla hispana.

Función ejecutiva — Serie de entrenamiento (Amazon)

Entre los títulos más destacados se encuentran:

  • Flexibilidad Cognitiva – Cuaderno 7
  • Organización de la Tarea y Materiales – Cuaderno 8
  • Iniciación de Tarea – Cuaderno 1
  • Inhibición de Respuesta – Cuaderno 2
  • Memoria de Trabajo. Cuaderno 3.: Fichas para trabajar Funciones Ejecutivas. 

 

 

  • Autorregulación – Cuaderno 9
  • Planear y Planificar – Cuaderno 6

Estos cuadernos forman parte de una colección estructurada de intervención, diseñada para mejorar las habilidades ejecutivas mediante ejercicios prácticos, progresivos y basados en evidencia.

Comprensión lectora — Colección para todas las edades

  • Comprensión lectora D3 (Nivel Avanzado, 12–99 años)
  • Cuadernos de comprensión lectora A1–A2 (de 6 a 8 años)
  • Series de 30 fichas para consolidar estrategias de lectura, inferencias y comprensión profunda del texto

Áreas de trabajo clínico

Trastornos del aprendizaje

  • Dislexia
  • Discalculia
  • Comprensión lectora

Trastornos del neurodesarrollo

  • TDAH
  • Autismo (TEA)

 

Bibliografía ordenada 

Allen, M., Frank, D., Schwarzkopf, D. S., Fardo, F., Winston, J. S., & Hauser, T. U. (2016). Unexpected arousal modulates the influence of sensory noise on confidence. eLife, 5, e18103. https://doi.org/10.7554/eLife.18103

Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? In Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (pp. 610–623). ACM. https://doi.org/10.1145/3442188.3445922

Berger, P. L., & Luckmann, T. (1966). The social construction of reality: A treatise in the sociology of knowledge. Doubleday.

Boldt, A., & Gilbert, S. J. (2019). Confidence guides spontaneous cognitive offloading. Cognitive Research: Principles and Implications, 4, Article 45. https://doi.org/10.1186/s41235-019-0195-y

Feldman, H., & Friston, K. J. (2010). Attention, uncertainty, and free-energy. Frontiers in Human Neuroscience, 4, Article 215. https://doi.org/10.3389/fnhum.2010.00215

Fleming, S. M., & Daw, N. D. (2017). Self-evaluation of decision-making: A general Bayesian framework for metacognitive computation. Psychological Review, 124(1), 91–114. https://doi.org/10.1037/rev0000045

Friston, K. (2010). The free-energy principle: A unified brain theory? Nature Reviews Neuroscience, 11(2), 127–138. https://doi.org/10.1038/nrn2787

Gettier, E. L. (1963). Is justified true belief knowledge? Analysis, 23(6), 121–123.

Haarsma, J., Fletcher, P. C., Griffin, J. D., Taverne, H., Ziauddeen, H., Spencer, T. J., Diederen, K. M. J., & Murray, G. K. (2021). Precision weighting of cortical unsigned prediction error signals benefits learning, is mediated by dopamine, and is impaired in psychosis. Molecular Psychiatry, 26(9), 5320–5333. https://doi.org/10.1038/s41380-020-0803-8

Hohwy, J. (2013). The predictive mind. Oxford University Press. https://doi.org/10.1093/acprof:oso/9780199682737.001.0001

Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676–688. https://doi.org/10.1016/j.tics.2016.07.002

Shea, N., Boldt, A., Bang, D., Yeung, N., Heyes, C., & Frith, C. D. (2014). Supra-personal cognitive control and metacognition. Trends in Cognitive Sciences, 18(4), 186–193. https://doi.org/10.1016/j.tics.2014.01.006

Wittgenstein, L. (1953). Philosophical investigations. Blackwell.


Etiquetas:

Comentarios

Publicar un comentario