INTERDISCIPLINARIA, 2018, 35, 2, 425-444
Redes atencionales y errores en la conducción
Inatención del conductor: Un estudio acerca de las relaciones entre redes atencionales y la propensión a cometer errores durante la conducción
Driver inattention: Relationships between attentional networks and
propensity to commit errors while driving
Paulina E. Robalino Guerra* y Mariel F. Musso**
*Licenciada en
Psicología. Becaria Doctoral del Consejo Nacional de Investigaciones
Científicas y Técnicas (CONICET) en la Universidad Argentina de la Empresa
(UADE). Doctoranda de la Pontífice Universidad Católica Argentina (UCA).
Docente Investigador de la Universidad Argentina de la Empresa (UADE). E-mail: probalino@uade.edu.ar
***Doctora en Psicología. Doctora en Ciencias de la Educación. Investigadora
Asistente del Consejo Nacionalde Investigaciones
Científicas y Técnicas (CONICET) en el Centro Interdisciplinario de
Investigaciones en Psicología Matemática y Experimental (CIIPME). Docente
Investigador de la Universidad Argentina de la Empresa.
Centro Interdisciplinario de Investigaciones en Psicología Matemática y
Experimental (CIIPME - CONICET) y Universidad Argentina de la Empresa (UADE).
Ciudad Autónoma de Buenos Aires, Argentina.
Resumen
Los accidentes de tránsito son un fenómeno complejo, resultado de factores ambientales, vehiculares y humanos, y una de las principales causas de muerte a nivel mundial. La inatenciónes un factor primordial que contribuye a los accidentes de tránsito. El objetivo del presente trabajo fue analizar la relación entre la atención según el modelo de redes atencionales de Posner (1994) y la propensión a cometer errores relacionados con la inatención durante la conducción vehicular. La muestra estuvo compuesta por 70 participantes, edades entre 19 y 59 años, ambos géneros, 9.83 años de experticia como promedio. Se utilizó el Cuestionario de Experiencias durante la conducción (ARDES-ERIC),Test de Redes Atencionales (ANT) y un cuestionario sociodemográfico. Los resultados indican que existe una correlación significativa en-tre el tiempo de reacción (TR) total y la propensión a cometer errores durante la conducción. La interacción entre la experticia y el TR total sobre la propensión a cometer errores fue significativa. La atención ejecutiva tuvo un efecto significativo sobre la propensión a cometer errores y la dimensión de control. El modelo que incluye la red de orientación y tiempos de reacción explicó el 20% de la propensión a cometer errores en la conducción. Una alta orientación está asociada con una baja propensión a cometer errores, y los tiempos de reacción más lentos están relacionados con altos errores de conducción. Los resultados son consistentes con estudios previos y aportan nueva evidencia sobre el rol de los tiempos de reacción y redes atencionales en interacción con variables sociodemográficas y experticia sobre la propensión a cometer errores en la conducción.
Palabras clave: Redes atencionales, Propensiónal error, Conducción, Tránsito, Atención ejecutiva.
Abstract
Traffic accidents are a complex phenomenon resulting
from a combination of environmental, vehicular and human factors, which have
become one of the leading causes of death worldwide. Inattention is one of the
main factors contributing to traffic accidents. The aim was to analyze the
relationships between attention and the error proneness while driving. Posner´s
model states three attentional networks quantified by reaction time measures:
orienting, alerting, and executive control (Posner, 1994; Fan et al., 2002).
Orienting is responsible for the information selection. Alerting facilitates
achieving and sustaining an alert state. Executive attention controls interference
and solves conflicts between possible responses. Driver inattention was
conceptualized from a perspective of individual differences as a “tendency or
personal propensity of drivers to experience attentional lapses” (Ledesma et
al., 2010, 2015). This tendency canbe expressed at different levels of driving
behavior: operational level, maneuvering, and strategic level (Michon, 1985).
The sample consisted of 70 drivers from Buenos Aires (Argentina), both genders
(57% female; Mage = 29.29; SD =9.258; Mexperience years =
9.83; SD = 8.861), inclusion criteria: driver’s license, regular driving during
the last two months (at least once a week), normal vision, and at least one
year of driving experience. Factorial design 2 (low- highfor each of the
attentional networks) x 2 (gender). Measures: ARDES-ERIC (Ledesma et al.,
2010): a 19-items self-report instrument to evaluate individual differences in
the propensity tocommit attentional failures while driving andcan be classified
according to the driving task le-vel at which they occur (navigation,
maneuve-ring, or control) (Alpha: .88; navigation Alpha:.744, maneuvering
Alpha: .727, and control Alpha: .770), Attention Network Test (Fan et al.,
2002) to measure three attentional networks: alerting (Alpha: .52), orienting
(Alpha: .61), and executive attention (Alpha: .77) and RT attention (Alpha:
.87) and a sociodemographic questionnaire that includes question about driver
behavior (e.g. frequency and experience). Results show that no relationship was
detected between ARDES and age but there are significant correlation between
ARDES and driving task level with Global Reaction Time (Global RT). ANOVA
results show a significant interaction between Global Reaction Times and
expertise on driving errors [F(1,64) = 7.746; p < .01; η² =.108]. Experts drivers with low RT (lower processing speed) have a
higher propensity to commit attentional failures while driving (Mlowrt =35.58;
SD = 13.08; Mhighrt = 26.95; SD = 5.21).There are no interactions
between Global RT, sociodemographics variables (age, gender), and driving
frequency on propensity to commiterrors. Global RT correlates significantly
withtotal score driving errors (r= .373, p < .01). Executive Attention has a
significant effect on total driving errors [F(1,66)= 3.760; p = .05; η² =.054], and only on the Control Dimension [F(1,66) =7.889; p < .01;
η² =.124]. There are no effects of Alerting and Orienting on total
driving errors neither on each dimension of driving. A linear regression model
involving the Orientation network and Global RT explained the 20% of the total
variance of the error proneness while driving (R2 adjusted= .203). A
higher level of Orienting attention is related to a lower propensity to commit
errors (ß= -.332; p < .01), and alower processing speed (higher Global RT)
explained higher driving errors (ß = .242; p <.05). Results are consistent
with previous studies (López-Ramón et al., 2011) and provide new evidence about
the role of executive control on specific dimensions of driving. In addition,
the findings provide new evidence on the role of reaction times and attentional
networks, in interaction with sociodemographic variables and expertise on the
propensity to commit errors while driving. Limitations and
theoretical-practical implications will be discussed.
Key words:
Attentional networks, Error proneness, Drive, Traffic, Executive attention.
Introducción
El uso masivo de automóviles y
otros vehículos a motor ha transformado al tránsito en una de las principales
amenazas para la salud pública. Según la Organización Mundial de la Salud (OMS,
2009) cada año mueren en el mundo más de un millón doscientas mil personas como
consecuencia de choques y otros incidentes de tránsito. Los accidentes de
tránsito son efecto de la interacción de factores ambientales, vehiculares y
humanos. En Argentina durante el período 2004–2011 se determinó que de los
accidentes reportados, el 88% son a causa del factor humano (Centro de
Experimentación y Salud Vial – CESVI, s.f.).
Diversos trabajos exploraron la relación entre la participación en accidentes,
y la presencia o ausencia de factores permanentes del individuo (por ejemplo,
percepción visual, atención selectiva, tiempos de reacción). Específicamente,
algunos autores encontraron una relación significativa entre fallas cognitivas
e incidentes automovilísticos (Larson, Alderton, Neideffer, & Underhill, 1997;
Wallace & Vodanovich, 2003). Según Allahyari et al. (2008) los puntajes en las fallas
cognitivas son fuertes predictores de errores durante la conducción en
conductores.
Procesos cognitivos en la conducta de manejo
La diversidad de estímulos
(internos - externos) que recibimos compiten entre sí para hacer uso de los
recursos limitados de nuestro sistema cognitivo. Posner (1980,1994) propuso una
teoría integradora en la cual la variedad de manifestaciones atencionales se
produce en sistemas funcionalmente diferentes que interactúan entre sí.
Estudios de neuroimagen han demostrado que una amplia variedad de tareas
cognitivas puede ser vista como la activación de un conjunto distribuido de
áreas neurales, cada una asociada con operaciones mentales específicas y además
a neurotransmisores primarios específicos (Norepinefrina, Dopamina y
Acetilcolina) (Posner, 1994). La evidencia de la neurociencia cognitiva plantea
que la atención es un sistema complejo que incluye al menos, tres redes
atencionales: alerta, orientación y atención ejecutiva (Posner & Petersen,
1990; Wang & Fan, 2007). La red de alerta refiere a un sistema que logra y
mantiene un estado de detección de nuevos estímulos, que incluye la capacidad
de aumentar la vigilancia frente a un estímulo inminente (Posner &
Petersen, 1990). Mientras la alerta intrínseca (tónica) se define como el control
cognitivo de la vigilia y arousal, la alerta fásica
prepara al sistema para dar respuesta a un estímulo critico (Fan & Posner,
2004; Luna, Marino, Macbeth, & Torres, 2016). Por otro lado, la red de
orientación permite la selección de información desde el input sensorial tanto
voluntaria (cuando la persona busca el objetivo dentro de su campo visual),
como involuntaria (cuando la persona dirige su atención a un estímulo
repentino). La red de atención ejecutiva o control ejecutivo es responsable de
resolver el conflicto entre respuestas que compiten entre sí, y está
involucrada en operaciones complejas como la planificación, toma de decisiones,
detección de error, respuestas nuevas o no bien aprendidas (Fan, McCandiss, Summer, Raz & Posner, 2002).
Un ejemplo cotidiano de la capacidad limitada del ser humano para procesar la
información es la conducción (Groeger, 2002).La
acción de conducir involucra un esfuerzo tanto físico como cognitivo, es decir,
es una conducta compleja y requiere la ejecución de varias tareas al mismo
tiempo. Desde una teoría de la arquitectura cognitiva humana se plantea la
existencia de un recurso atencional limitado, focalizado sobre una meta actual
que incrementa la accesibilidad al conocimiento relevante a la meta, en
detrimento de otro tipo de conocimiento (Lovett, Reder,
& Lebiere, 1999). Este recurso limitado se
distribuye cuando las tareas son muy demandantes cognitivamente, perjudicando
la recuperación de la información relevante a la meta. Existen diferencias
individuales de esta capacidad atencional, variando así la habilidad para
acceder a la información relevante a la meta (Lovett, Reder,
& Lebiere, 1999). Al respecto Castro, Durán y
Cantón (2006) señalan también que los límites de los recursos atencionales se
evidencian en la medida en que una tarea requiera mayor atención, ya que ésta
quedará menos disponible para otras tareas. Entonces, dividir la atención entre
tareas complejas se dificulta más cuando estas tareas son similares, altamente
demandantes y requieren atención continua; por eso el desempeño de una o de
ambas se deteriorará inevitablemente (Victor, Engström, & Harbluk, 2008).
Allahyari et al. (2008) examinaron la relación entre
fallos cognitivos, errores de conducción y los datos de accidentes en
conductores profesionales de Irán encontrando una correlación entre las
puntuaciones totales del Cuestionario de Fracasos Cognitivos (CFQ) con las
tasas de error de conducción, pero no con los accidentes. Posteriormente,
Weaver, Bédarda, McAuliffe,
y Parkkari (2009) utilizaron la prueba de Redes
Atencionales (ANT) (Fan, McCandliss, Sommer, Raz, & Posner, 2002) que mide redes
atencionales, y el Test de Campo de Visión útil (UFOV) (Clay
et al., 2005), una prueba cognitiva que pone a prueba simultáneamente el
procesamiento de la información, tanto del centro como de la periferia del
campo visual de conducción. Estos autores demostraron que ANT era altamente
predictivo de la medida de UFOV, y junto a la puntuación global del ANT
resultaron ser un factor predictivo dela capacidad de conducción. Sin embargo,
el estudio de las relaciones entre medidas como el ANT y los errores en la
conducción, aún requiere de mayor profundización en general, y especialmente en
Argentina. Estos autores plantean la necesidad de mayor evidencia que respalde
la predicción de otras conductas o respuestas que se dan durante la conducción
(por ejemplo, la exploración), a partir de pruebas atencionales como el ANT
(Weaver et al., 2009).
Por otra parte, Castro, Crundall, Chapman, Trawley y Underwood (2009) estudiaron la interacción de las
tres redes atencionales y el rol de la experiencia en la conducción vehicular.
Demostraron que el patrón de resultados de los conductores no experimentados
era diferente del que presentaban los conductores experimentados en el
desempeño de la tarea atencional (ANTI) desarrollada por Callejas, Lupiañez y Tudela (2004). Es decir, los conductores sin
experiencia tenían una diferencia funcional en las tres redes atencionales,
pero en conductores con experiencia solo se encontraron patrones suaves de
interacción entre las tres redes atencionales.
En el estudio de Mizobuchi, Chignell
y Canell (2013) acerca de las diferencias
individuales en conducción relacionadas con la multitarea, demostraron que
personas con mayor capacidad cognitiva (atención y memoria de trabajo) pueden
prestar más atención a una tarea primaria, sin afectar negativamente su
desempeño en la tarea secundaria. Asimismo, las personas con baja conciencia de
riesgo tienden a ser más distraídos por la tarea secundaria y quienes tienen
una mayor conciencia de los riesgos, son más propensos a mantener su enfoque en
la tarea primaria. Estas tareas secundarias tienden a ser más molestas para las
personas con capacidades cognitivas inferiores; así, los que tienen una mayor conciencia
de los riesgos, son más propensos a mantener su enfoque en la tarea primaria (Mizobuchi, Chignell, & Canell, 2013).
Propensión a cometer errores durante la conducción
Cuando hablamos de un error
humano nos referimos a un acontecimiento desfavorable condicionado por la
acción de quieno quienes participan directa o
indirectamente en su realización y control. Sobre esto, Montes (2013) señala
que se entiende que los errores de inatención no solo se deben a variables
situacionales o del tránsito, sino que pueden comprenderse a partir de factores
más generales de propensión psicológica personal. Por lo tanto, cuando una
persona es más propensa que otra a cometer ciertos errores atencionales
significa que tiende a experimentar más accidentes que otros individuos con
características socio-demográficas similares (e.g.,
edad, género, lugar de residencia), y con características o rasgos de
personalidad estables (Visser, Pijl, Stolk, Neeleman, & Rosmalen, 2007).
Según af Wahlberg y Dorn (2009), la propensión al error empieza a emplearse a
inicios del siglo XX, en el momento que observaron que algunas personas
participaban en mayor cantidad de accidentes que otras; en principio se
referían a accidentes ocurridos principalmente en el ámbito laboral y posteriormente
se utilizó para el área del tránsito. Los errores relacionados con la
inatención son aquellos errores no intencionales o equivocaciones no
relacionadas con falta de conocimiento o experiencia en la tarea, sino
resultantes (total o parcialmente) de fallas atencionales, desviaciones no
premeditadas de un plan (Reason, 1990). Son errores realizados de manera
automática, alejándose de otros comportamientos que se ejecutan
intencionadamente como las contravenciones a las normas de tránsito. Dichos
errores se pueden clasificar en deslices (fallas atencionales), lapsus (fallas
de memoria) y equivocaciones (Reason, 1990).
Por lo tanto, algunos conductores experimentarán con mayor intensidad o
frecuencia que otros, este tipo de fallas, y estas variaciones entre
conductores serán justificadas desde factores personales y no por factores
situacionales o externos (distractores). Además, las diferencias entre
conductores expresan un patrón o disposición más general de inatención en el
funcionamiento de la vida diaria (Montes, 2013).
Para medir las diferencias individuales en errores de conducción como resultado
de fallas de atención, Ledesma, Montes, Poó, &
López-Ramón (2010) elaboraron y validaron un cuestionario (Escala de errores
relacionados con atención y los errores de conducción – ARDES/ERIC) y
demostraron que los errores de conducción están fuertemente asociados con la
propensión general de error, es decir, la falta de atención al realizar las
actividades cotidianas. Este mismo cuestionario fue utilizado por López-Ramón y
colaboradores (2011) para estudiar la relación entre edad, propensión personal
a cometer errores relacionados con la atención durante la conducción y
funcionamiento de las tres redes atencionales medidas con el test de redes
atencionales para interacciones (ANTI; Callejas et al., 2004). Los resultados
indicaron que los participantes con las puntuaciones más altas ARDES mostraron
tiempos de reacción (TR) general más lentos y puntajes más altos en el estado
de alerta fásica; los participantes de más edad mostraron una disminución en el
rendimiento, menos preparación endógena para las señales de advertencia de alta
prioridad y pobre control cognitivo en la resolución de conflicto, en
comparación con los conductores más jóvenes.
El sistema neurocognitivo de atención de los conductores que explica los lapsos
de atención durante la conducción está asociado positivamente con fallas
cognitivas (Roca, Lupiáñez, López-Ramón, & Castro, 2013). Además, los
lapsos de atención se asocian negativamente con la vigilancia y de forma
positiva con la insuficiencia cognitiva (Roca et al., 2013). Estos resultados
apoyaron la idea de que el factor de lapsos del Cuestionario de Comportamiento
del Conductor (DBQ) puede estar relacionado con la falta de atención durante la
conducción: los participantes de su estudio que tienen más lapsos atencionales
mientras conducen, tienden a ser los que tienen peor desempeño de vigilancia y
mayor frecuencia de fallas cognitivas auto-reportados
en la vida cotidiana. Montes (2013) por suparte,
incorpora una tarea experimental de atención selectiva, la de búsqueda visual
conjunta (BVC), para analizar el grado de convergencia con los puntajes
obtenidos en la escala de autoinforme ARDES.
La tendencia personal a experimentar errores atencionales puede manifestarse en
todos o en alguno de los niveles de la tarea de conducir, desde los más
automatizados a aquellos que requieren un mayor control atencional (Ledesma,
Montes, Poó, & López-Ramón, 2015). Michon (1985) propone que las tareas del conductor están
divididas en tres niveles: (1) un nivel estratégico que es el planeamiento
general del viaje e incluye elección de metas de viaje (ahorrar tiempo, evitar
el tráfico), selección de rutas y evaluación de costos y riesgos implicados en
cada opción; (2) un nivel táctico, momento mismo de la conducción, donde se
realizan las maniobras y consiste en una negociación permanente con las
situaciones que surgen en el momento (decidir bajar la velocidad frente a una
señal de tránsito, evitar obstáculos, adelantarse) y (3) un nivel operacional
que se refiere al control real del vehículo (control de posición lateral y
longitudinal, ajustes de velocidad) que en general, constituyen patrones de
acción automáticos.
Otra diferencia entre niveles es la escala temporal en la que se desarrollan:
mientras el nivel operacional abarca apenas unos milisegundos, el nivel de
maniobra se desarrolla en una escala de segundos y el nivel estratégico implica
una duración mayor (Montes, 2013).
En síntesis, estudios previos brindan evidencia sobre algunos procesos
cognitivos claves involucrados tanto en la conducción como en los errores que
se cometen durante la misma, los cuales han sido estudiados en diferentes
contextos socioculturales. En aras de evitar accidentes relacionados con la inatención, estos autores sugieren que se continúen los
estudios sobre la propensión a cometer errores como una característica
individual relacionada con la falta de atención y específicamente con las redes
atencionales.
El presente estudio se propuso identificar las interrelaciones entre las redes
atencionales (orientación, alerta y control ejecutivo) y características
sociodemográficas en la propensión a cometer errores relacionados con la
inatención en conductores de vehículos a motor. Conocer el rol específico de
las redes atencionales junto a otros factores como los sociodemográficos y la
experticia en la tarea de conducción, es relevante no solo por su aporte
teórico, sino también por la posibilidad de predecir la propensión a cometer
errores relacionados con la inatención durante la conducción. Esto podría
orientar la implementación de políticas de seguridad vial y programas de
detección de diferencias individuales mucho más precisos para prevenir
accidentes de tránsito.
Pregunta de investigación e hipótesis del presente estudio
¿De qué manera se relacionan
las tres redes atencionales y el Tiempo de Reacción total (TR total) con la
propensión a cometer errores en la conducción de vehículos a motor? ¿Sobre qué
dimensión específica de la propensión (maniobra, control, navegación) influyen
cada una de las tres redes atencionales?
Las características sociodemográficas (sexo, edad y experticia) ¿moderan la
influencia de algunos de estos componentes atencionales sobre la propensión a
cometer errores durante la conducción?
¿En qué medida la propensión a cometer errores explica dichas variables de
atención y sociodemográficas?
Dado el carácter automático y no intencional de los errores en la conducción,
relacionados con la inatención (Reason, 1990) y los lentos TR que se han
encontrado en conductores que más errores cometen (Callejas et al., 2004), se
hipotetiza que aquellos conductores con TR lentos en las tres redes
atencionales presentarán una mayor cantidad de errores en la conducción (Montes,
2013; Roca et al., 2013; Weaver et al., 2009). Específicamente, sujetos con
tiempos de reacción altos (más lentos) en la red de alerta serán más propensos
a cometer errores de inatención durante la conducción. Además, el TR total
influirá significativamente sobre la dimensión de maniobra debido a que ésta
involucra una negociación permanente frente a situaciones que surgen en el
momento mismo de la conducción (Michon, 1985). Solo
la dimensión de maniobra se ha asociado con la participación en choques y multas
de tráfico (Ledesma et al., 2015), y por lo tanto, se especula que el TR total
no tendrá efecto sobre otras dimensiones de la propensión a cometer errores.
Se plantea como hipótesis de estudio que el sexo y la
edad no moderarán la relación entre redes atencionales y errores en la
propensión a cometer errores, dado que se han hallado divergencias en cuanto a
las diferencias en TR total según sexo (Luna et al., 2016; Miró, Martínez,
Sánchez, Prados & Lupiáñez, 2014) y según edad (Ledesma, Montes, Poó, & López-Ramón, 2010; López-Ramón et al., 2011). En
cambio, la experticia moderará la influencia de las redes atencionales y el TR
total sobre la cantidad de errores, debido al funcionamiento diferencial de las
tres redes entre conductores experimentados y no experimentados (Castro, Crundall, Chapman, Trawley &
Underwood, 2009).
Por último, se espera encontrar que diferencias individuales en las tres redes
atencionales, junto a variables como la experticia, expliquen la propensión a
cometer errores atencionales en la conducción.
Método
Participantes
Se seleccionó una muestra intencional de 70 personas de distinto género (57% mujeres) y edades comprendidas entre los 19 y 59 años (M = 29.29; DS = 9.258). Como criterios de inclusión se consideraron: ser mayor de edad, tener registro de conducir y haber conducido regularmente durante los últimos dos meses (al menos una vez por semana) con un mínimo de experiencia de un año. Además, debían reportar visión normal o corregida, a normal. Los participantes indicaron una frecuencia de manejo promedio de 4.29 veces por semana (DS = 2.24) y un promedio de 9.83 años de experiencia (DS = 8.861).
Instrumentos
Test de Redes Atencionales (ANT)(Fan, McCandliss, Sommer, Raz, & Posner, 2002).
Este test mide tres redes atencionales: Alerta, Orientación y Atención Ejecutiva. Se le pide al postulante que determine la dirección de una flecha central (hacia la izquierda o hacia la derecha). El experimento total demora unos 20 minutos aproximadamente y contiene cuatro bloques: un primer bloque de práctica de dos minutos (con 24 ensayos que incluyen feedback) y tres bloques experimentales de 5 minutos cada uno sin feedback. Cada bloque experimental consiste en 96 ensayos: 4 condiciones de señal (doble señal, sin señal, señal centrada, señal espacial) x 2 posiciones de señal (arriba-abajo) x 2 direcciones de flechas (izquierda-derecha) x 3 condiciones objetivo (neutral, congruente e incongruente) x 2 repeticiones (Fan et al., 2002). Se registran los tiempos de reacción medidos en milisegundos. Una mediana de TR es computada para cada una de las 12 combinaciones de condiciones de señal por condiciones objetivo (utilizando solo los ensayos correctos). Luego se calculan las medias de las medianas de tiempos de reacción para cada una de las cuatro condiciones de señal (promediando a través de las tres condiciones objetivo) y para las condiciones congruentes e incongruentes (a través de las cuatro condiciones de señal). Finalmente, se estima la eficiencia de las tres redes atencionales de la siguiente forma: Alerta (media de TR sin señal - media de TR con doble señal), Orientación (media de TR señal central - media de TR señal espacial) y Atención Ejecutiva (media de TR incongruentes - media de TR congruentes). Fan et al. (2002) han informado respecto de la confiabilidad test re-test los siguientes coeficientes: r = .87 para la medida de tiempos dereacción total; r = .52 para la red de alerta; r = .77 para la atención ejecutiva y r = .61 para la red de orientación.
ARDES – ERIC (Cuestionario de experiencias durante la conducción) (Ledesma, Montes, Poó, & López-Ramón, 2015).
Se trata de un instrumento de autoinforme que mide la propensión a cometer errores relacionados con la inatención en conductores. Consiste en una escala tipo Likert de 5 puntos, desde nunca o casi nunca (1) a siempre o casi siempre (5), compuesta por 19 ítems que evalúan diferencias individuales en la propensión a cometer errores de desempeño en la conducción, que resultan total o parcialmente de la inatención. Los puntajes altos en la escala reflejan alta propensión al error. Ejemplos de ítems: “De pronto, notar que he perdido o equivocado el camino en un trayecto que conozco”, “Al llegar a una esquina, no darme cuenta de que un peatón está cruzando la calle”. Los ítems son agrupados de acuerdo a la complejidad o nivel de la tarea en: (a) Control, el cual implica la ejecución de acciones básicas, como la dirección, los frenos y manipulación de otros controles del automóvil, es decir que forman parte de la rutina automática y sin esfuerzo al operar un vehículo (ítems 2, 10, 14, 15, 18); (b) Maniobra: este nivel es un proceso que incluye más al medio ambiente; implica procesamientos controlados y comportamientos de conducción tales como cambiar de carril y cruzar una intersección; los errores a este nivel pueden tener más consecuencias drásticas sobre el rendimiento de conducción y aumentar la probabilidad de colisiones de vehículos de motor (ítems 3, 5, 6, 7, 8, 9, 13, 17); y (c) Navegación, que es la tarea de conducción de nivel superior y se ocupa de los procesos tales como la planificación y mantenimiento de rutas (ítems 1, 4, 11, 12, 16). En la muestra del presente estudio, ARDES presenta una alta consistencia interna (α = .874), resultado similar al reportado por Ledesma et al. (2010) (α = .88), siendo también adecuada la confiabilidad de cada una de las subescalas o dimensiones (.770 para Control, .727 para Maniobras y .744 para Navegación), valores similares a los reportados por Ledesma y colaboradores (2015).
Cuestionario sociodemográfico.
Se administró un cuestionario que recaba información acerca de algunos datos sociodemográficos (género, edad y nivel educacional) y de conducción (frecuencia y años de manejo).
Procedimiento
Procedimiento de recolección de datos
Los sujetos fueron invitados a participar del estudio de forma voluntaria, garantizando el anonimato y la confidencialidad en la administración de los instrumentos y en el tratamiento de los datos; dejaron constancia con su firma en el consentimiento informado. Para los cuestionarios sociodemográfico y de experiencias durante la conducción (ARDES), se utilizó Google drive Forms. La tarea atencional ANT se realizó a través del software E-Prime con una computadora portátil HP-Sleekbook 14” de pantalla a color. Las respuestas se recopilaron mediante mouse periférico ubicado en el medio, entre el participante y la computadora, y centrado de acuerdo a la pantalla. Se le informó al participante las consignas de la tarea oral y escrita, a la vez que fueron instruidos para responder a la dirección del estímulo objetivo (es decir, la flecha central) utilizando los pulgares, derecho cuando la flecha central estaba apuntando hacia la derecha, e izquierda cuando la flecha central apuntaba al lado izquierdo de la pantalla. El participante debió estar sentado a 60 cm de la pantalla de la computadora y apagar su celular. Fue administrado de forma individual, en un espacio cerrado, en silencio y sin distracciones.
Procedimiento de análisis de datos.
Se usó el valor de la mediana
de la edad (Mdn = 26) para dividir a los
participantes en dos grupos: jóvenes y adultos. Los 33 conductores jóvenes (17
hombres, 16 mujeres) fueron incluidos en el grupo Edad 1(rango: 19-25 años; M =
22.52 años; DS =2.138). Los 37 conductores adultos (24 mujeres, 13 hombres)
conformaron el grupo Edad 2 (rango: 26-59 años; M = 35.32 años; DS = 8.98). Se
clasificó a los conductores en dos grupos según su grado de experticia (años de
experiencia y frecuencia de manejo): 42 conductores expertos y 28 conductores
novatos. Para ello se armaron dos grupos de acuerdo a los años de experiencia
(Bajo vs Alto) utilizando como punto de corte la mediana (Mdn
= 3.5). Se consideró experto si la frecuencia era Alta y los años de
experiencia mayor o igual a cinco años en caso contrario eran novatos; pero si
la frecuencia era Baja y los años de experiencia era mayor o igual a ocho años
entonces, se los consideró expertos, caso contrario formaban parte del grupo de
novatos.
Se establecieron niveles para las tres redes atencionales de acuerdo a las
medianas para las distribuciones de cada red: para Alerta los valores por
debajo de la mediana de 39.17 ms fueron considerados pertenecientes al nivel
Alto, mientras que valores por encima de ese valor pertenecían al nivel Bajo.
Para el nivel de Orientación los valores por debajo de la mediana de 42.17 ms
pertenecían al nivel Alto, caso contrario al nivel Bajo. Los valores de
Atención ejecutiva por debajo de la mediana de 103.19 ms correspondían a un
nivel Alto, mientras que para los que estaban por encima fueron del nivel Bajo.
Se calcularon los logaritmos naturales (ln) de los
tiempos de reacción total de las tres redes atencionales: los valores por
encima de 6.40 fueron considerados del grupo de TR lentos y en el caso de los
valores por debajo de la mediana se agruparon en TR rápidos.
Se utilizó IBM SPSS StatIstIcs 21 para el análisis de
los datos estadísticos. Se calcularon las medidas descriptivas de las distintas
variables, para luego conformarlos grupos (porcentajes, tablas de frecuencia,
medias y desvíos estándar). Se exploraron las correlaciones entre las variables
usando correlación bivariada de Pearson. Se realizó
un análisis clásico de medidas repetidas intrasujetos
de la prueba ANT (4 condiciones de señal: doble señal, sin señal, señal
centrada, señal espacial x 3 condiciones de flecha u objetivo: central,
congruente e incongruente) (Fan et al., 2002). Se incluyó además la variable
género como factor intersujeto para estudiar la
interacción con las condiciones y objetivo. Se repitió este análisis con la
variable edad, experticia y nivel de errores de conducción del ARDES, como
factores intersujetos por separado, porque no se
contaba con la mínima cantidad de sujetos por celda para realizar un análisis
factorial completo. Por otro lado, siguiendo la metodología empleada por Weaver
et. al. (2009), se llevaron a cabo Análisis Univariados
de Variancia utilizando como variables independientes los dos niveles de cada
red atencional y del TR total, sobre las medidas dependientes del ARDES
general. Además, se consideraron cada una de las dimensiones del ARDES como
medidas dependientes realizando un Análisis Multivariado de Variancia (MANOVA).
Para estudiar los efectos de interacción se llevó a cabo un ANOVA de 2 Grupos
de TR total (TR lento / TR rápido) x 2 de Experticia (Experto/Novato) sobre
ARDES total. Lo mismo se realizó para estudiar la interacción de la edad con TR
total: 2 Grupos de Edad (Edad 1 / Edad 2) x 2 de TR total (Bajo/Alto) por un
lado, y la interacción del género con TR total: 2 grupos de Sexo
(Femenino/Masculino) x 2 de TR total (Bajo/Alto). Finalmente, se realizó un
análisis de regresión lineal múltiple, con el método de pasos sucesivos, para
estudiar qué variables individuales explican -y en qué medida- el puntaje
ARDES.
Resultados
Medidas descriptivas
En la Tabla 1 se resumen los estadísticos descriptivos de los TR (en milisegundos) de las distintas condiciones de señales y deflechas (1a) y las precisiones (1b). Los análisis muestran que los tiempos de reacción son más rápidos cuando hay señales espaciales (M = 544) que cuando no se presentan señales (M = 620). Además, en las condiciones incongruentes aumentan los TR (mayor demora), especialmente cuando no hay una señal. La precisión desciende también en estas condiciones de incongruencia. Las medias de eficiencia de cada red atencional fueron: 40.96 ms (DS = 30.61) para alerta, en el caso de la red de Orientación fue de 44.24 ms (DS = 42.17) y para la red de Atención ejecutiva la media fue de 107.90 ms (DS = 44.90).
Tabla 1. Medias TR y precisión para cada condición
Redes atencionales, edad y propensión a cometer errores: Correlaciones
En la Tabla 2 se observan las correlaciones entre cada una de las redes atencionales y TR Total con el puntaje global y dimensiones de la escala ARDES. Se observa que el puntaje total de esta escala correlacionó de manera positiva y significativa con la variable TR Total, aunque la fuerza de esta correlación es débil (r = .373; p = .002). Deesta manera, a nivel general se observa que, a más altos TR (más lentos), mayor propensión a cometer errores por inatención.
Tabla 2. Correlaciones de Pearson
Si bien no se observó una correlación entre la edad y la escala ARDES, existe una correlación positiva y muy significativa entre edad y TR Total (r = .481, p < .001) de tal forma que a mayor edad, más largos los TR o más lentos en su procesamiento general de las redes atencionales.
Atención y propensión a cometer errores: Efectos principales e interacciones
Los resultados del ANOVA intrasujeto señalaron un efecto de interacción entre la
condición de señal y objetivo, indicando cierta falta de independencia entre
las redes (F = 2.802; p = .019; η² =.041). Además, se halló un efecto
significativo de interacción entre condición de señal, objetivo y género
sugiriendo que las mujeres son más rápidas en sus TR que los varones cuando se
presenta el estímulo incongruente solo en condiciones de señal central (F =
2.338; p = .045; η² = .034; Mmujeres =
680.38 ms; Mvarones = 710.41
ms; p = .07). La diferencia por género en cuanto a la precisión en dichas
condiciones no resultó significativa [F(1,68) = .375; p = .542; Mmujeres= .91; Mvarones
= .93]. El ANOVA de medidas repetidas sobre la precisión en las distintas
condiciones no encontró efectos de interacción significativos entre señal y
objetivo, como así tampoco entre señal, objetivo y género.
No se halló un efecto de interacción entre señal, objetivo y experticia.
Tampoco se encontró interacción entre señal, objetivo y grupos de edad. De la misma
forma, no hubo interacción con niveles de errores de conducción del ARDES.
Cuando se analiza desde el punto de vista de la eficiencia de cada red, se
encontró un efecto principal de la red atencional ejecutiva sobre la propensión
a cometer errores, aunque la significación estadística fue marginal y el tamaño
del efecto muy bajo [F(1,66) = 3.760; p = .050; η² = .054]. De esta manera, los
conductores con TR altos frente a estímulos incongruentes (más lentos en
general) tienden a cometer mayor cantidad de errores por inatención durante el
manejo, comparados con los conductores con TR más rápidos (ver Tabla
3). No se halló un efecto principal del nivel de alerta ni del nivel de
orientación sobre la propensión a cometer errores.
Tabla 3. Medias, desviaciones estándar y pruebas
de hipótesis para los efectos de redes atencionales
sobre la propensión a cometer errores durante la conducción
Como se muestra en la Figura 1, se encontró un efecto de interacción significativo entre la experticia y el nivel de TR total en su efecto conjunto sobre la propensión acometer errores [F(1,64) = 7.746; p< .01; η² =.108] (ver Tabla 4). Se analizó si había interacción entre nivel TR total y nivel de precisión de la tarea ANT y se encontró una interacción sobre la cantidad de errores de conducción reportados en la tarea ARDES [F(1,47) = 11.342; p < .005; η² =.194]. Los conductores más lentos en sus TR y baja precisión en el ANT fueron los que reportaron mayor cantidad de errores de conducción (Merrores para bajo TR total y baja precisión: 43.86; Merrores para bajo TR total y alta precisión: 28.53). No hubo diferencia en los errores de conducción entre conductores con baja y alta precisión mientras tenían tiempos de reacción rápidos.
Figura
1.
Interacción entre experticia y tiempos de reacción (atención general) sobre la
propensión a cometer errores durante la conducción.
Tabla 4. Medias y pruebas de hipótesis
para los efectos de interacción entre variables sociodemográficas y tiempos de
reacción general sobre propensión al error
Los resultados indicaron que no
se encontró interacción entre la edad y el TR total sobre la propensión a
cometer errores. De la misma forma, no se halló una interacción significativa
entre el sexo (Femenino y Masculino) y el TR total (TR Bajo yTR
Alto) en la propensión a cometer errores (ver Tabla 4). No
se encontró un efecto del nivel de TR Bajo-Alto sobre el puntaje total de la
propensión a cometer errores durante la conducción.
Se realizaron MANOVAs considerandodos
niveles de eficiencia para cada red atencional (Alerta, Orientación y Atención
Ejecutiva) como medidas independientes y los puntajes de las tres subescalas
ARDES (Maniobra, Control y Navegación) como medidas dependientes. Los
resultados indicaron que existe un efecto significativo de la Atención
Ejecutiva sobre la subescala Control de propensión a cometer errores durante la
conducción [F(1,66) = 7.889; p < .01; η² = .124]. En cambio, no se encontró
un efecto de la Atención Ejecutiva sobre Navegación y Maniobra. Tampoco se
hallaron efectos significativos de Orientación, Alerta y TR total sobre ninguna
de las tres dimensiones de la escala ARDES (ver Tabla 5).
Tabla 5. Medias, desviaciones estándar, y
pruebas de hipótesis de los efectos de redes
atencionales para cada dimensión de ardes
Variables explicativas de la propensión a cometer errores
Con el fin de analizar si era posible predecir la propensión a cometer errores por inatención a partir de las variables atencionales y sociodemográficas consideradas en esta investigación, se llevó a cabo un análisis de regresión lineal múltiple por pasos sucesivos. En el modelo se incluyó como variable dependiente el puntaje total de ARDES y como variables independientes las medidas de las tres redes atencionales, TR Total, edad, género y experticia. Solamente las variables de la red de Orientación y la medida de TR Total fueron significativas y explicaron el 20% de la variancia total de la propensión a cometer errores por inatención en la conducción (r2 ajustado =.203), excluyendo las otras variables. La variable de mayor peso fue la red de orientación (β = -.332; p = .007) de tal forma quea más altos tiempos de reacción (más lentos), menor cantidad de errores, y viceversa. La velocidad general de las tres redes atencionales mostró, en cambio, un menor valor explicativo y en sentido positivo (β = .242; p = .045): una menor velocidad de procesamiento general predice una mayor cantidad de errores en la conducción.
Discusión
En este estudio se preguntó en
primer lugar, sobre cómo se relacionan las redes atencionales y el Tiempo de
Reacción total (TR Total) con la propensión a cometer errores en la conducción
de vehículos a motor. Los análisis por separado de las redes atencionales
mostraron que solo hay un efecto de la red de Atención Ejecutiva sobre la
propensión a cometer errores. Por lo tanto, sujetos con mayores dificultades a
la hora de controlar estímulos prepotentes que interfieren, tienden a una mayor
propensión a cometer errores durante la conducción. Si bien nuestra hipótesis inicial esperaba que la red de alerta tuviera un
efecto sobre la propensión a cometer errores, los resultados indican que éstos
pueden deberse a diferencias individuales en la atención ejecutiva. La red de
atención ejecutiva refiere a la supervisión y resolución de conflictos en la
planificación, toma de decisiones, detección de errores, y superación de
acciones habituales tal como señalan Wangy Fan
(2007). Es decir, se encuentra relacionada con las actividades desempeñadas
durante la tarea, mientras que la alerta se refiere a la función de lograr y
mantener un estado de preparación para los próximos eventos relacionados con la
tarea (Fan & Posner, 2004). Este hallazgo está relacionado con el efecto
específico que se encontró de la atención ejecutiva sobre el aspecto del
control durante la conducción. Estos resultados son congruentes con la función
definida por la atención ejecutiva, que “implica mecanismos de seguimiento y
resolución de conflicto entre los pensamientos, sentimientos y respuestas”
(Posner & Rothbart, 2007, p. 7). Es lógico pensar
que aquellos conductores con mayores dificultades atencionales en este sentido,
tenderían a cometer más errores en las funciones de control: ejecución de las
acciones básicas como la dirección, los frenos y manipulación de otros
controles de automóviles. En este tipo de situaciones el conductor cuenta con
un tiempo limitado para enfrentar o evitar el peligro.
La segunda pregunta del presente trabajo se refiere a la participación de
variables sociodemográficas (sexo, edad) y experticia como moderadoras de la
influencia de las redes atencionales sobre la propensión a cometer errores
durante la conducción. Es necesario aclarar que no fue posible un análisis
factorial completo para analizar todas las interacciones al mismo tiempo,
debido a la pequeña muestra de sujetos. Los resultados indicaron, en primer
lugar, que las mujeres tienen TR más rápidos que los varones cuando se presenta
el estímulo incongruente solo en condiciones de señal central, manteniendo la
precisión de la tarea. Sin embargo, no se halló una interacción entre los TR
total y sexo ni un efecto principal del sexo sobre la cantidad de errores en la
conducción. Estos hallazgos si bien son exploratorios están indicando un
funcionamiento diferente en los tiempos de reacción en tareas viso-espaciales
entre hombres y mujeres que son coherentes con estudios previos (Bradshaw &
Nettleton, 1983; Kolb & Whishaw,
1985; Musso, 2016; Vaquero, Cardoso, Vázquez & Gómez, 2004). Futuros
estudios con una muestra más grande permitirían profundizar estos hallazgos.
Por otro lado, no se encontró un efecto de interacción entre TR total y edad
sobre la propensión a cometer errores en la conducción. Sin embargo, existe una
correlación positiva y significativa entre edad y TR total (r = .481; p <
.001). Estos hallazgos coinciden con otros (e.g.
Ledesma et al., 2010; Montes, 2013) donde no se encontraron diferencias en la
propensión a cometer errores de conducción según variables sociodemográficas
(edad y género). No obstante, la investigación de López-Ramón et al. (2011)
reportó que la variable edad estaba relacionada con un aumento en TR generales
en el sentido de que los participantes de mayor edad mostraron mayor TR en
general (más lentos). Asimismo, observaron que existía un efecto significativo
de la señal de alerta (ANTI) sobre el puntaje de propensión a cometer errores
de conducción (ARDES), y de la señal de alerta y edad: así los participantes
que reportaron mayor propensión a cometer errores durante la conducción y
aquellos de mayor edad mostraron mayor alerta. Sin embargo, hay que tener en
cuenta que en la investigación mencionada, el TR Total se trata como una medida
general del desempeño que se ha moderado en relación con una medida directa de
vigilancia utilizada en ANTI, aunque los mismos autores informan que no se
considera un índice de vigilancia si es usado aisladamente.
Con respecto al efecto moderador de la experticia, se encontró un efecto de
interacción entre el TR total y la experticia en su influencia conjunta sobre
la propensión a cometer errores. De esta forma, los participantes expertos con
tiempos de reacción más lentos tienen mayor propensión a cometer errores
durante la conducción, a diferencia de los expertos con tiempos de reacción
rápidos. Es decir, los conductores expertos más lentos tienden a reportar más
errores de conducción quizás por factores de auto-regulación
o sobre-confianza de su propia habilidad, cuestión
que deberá ser indagada en futuros estudios. Investigaciones previas han
demostrado que la propensión a cometer errores atencionales durante la
conducción se relaciona con TR más lentos de tareas atencionales (López-Ramón
et al., 2011; Montes, 2013). Por otro lado, los novatos con TR rápidos tienden
a una mayor cantidad de errores de conducción que los expertos con TR rápidos,
ya sea por que aún no está suficientemente
automatizada la tarea o bien porque tienden a sobrestimar su experiencia. Se
sabe que la atención es un recurso atencional limitado que frente a una tarea
compleja es distribuida (Castro et al., 2006; Lovett, Reder
& Lebiere, 1999). Con la práctica, tiempos de
reacción general más rápidos ayudarían al novato a automatizar la tarea,
cometiendo por lo tanto menos errores de conducción. Si bien estudios previos
señalan diferencias en las tres redes atencionales entre conductores novatos y
expertos (Castro et al., 2009), los resultados del presente trabajo apoyarían
la hipótesis de que diferencias básicas en TR son las
que contribuyen como base para que la experiencia y práctica tengan efecto
sobre una menor propensión a cometer errores durante la conducción. Además, es
importante tener en cuenta el resultado de interacción entre TR y precisión, ya
que son los conductores con TR lentos e imprecisos quienes tienen mayor
propensión a cometer errores. Esto implica que ambas medidas TR y precisión del
ANT se refieren a aspectos diferentes del procesamiento cognitivo: un
funcionamiento rápido del sistema cognitivo permitiría disminuir los errores
mientras se conduce, aunque la precisión atencional sea baja. Posner (2008) ha
confirmado que las medidas globales de rendimiento TR y precisión pueden
reflejar diferentes estrategias para abordar la tarea.
Con respecto a la tercera pregunta de investigación, el modelo hallado con el
análisis de regresión múltiple encontró que lared de
orientación y el TR total son variables asociadas a la propensión a cometer
errores durante la conducción. Para este modelo la red de orientación fue la
variable de mayor peso explicativo en sentido negativo, de tal forma que a más
lentos tiempos de reacción, menor cantidad de errores, y viceversa. Este
resultado pareciera ser controvertido teniendo en cuenta los resultados
anteriores. Los tiempos de reacción lentos en la red de orientación implicaría
una dificultad para desplazar la atención de una señal a otra (Posner &
Petersen, 1990). Sin embargo, López-Ramón et al. (2011) han sugerido que los
conductores con menor propensión a cometer errores podrían estar más
involucrados con la tarea de conducir y, por lo tanto, tener mayor dificultad
para desenganchar su atención de esta tarea a otros estímulos. Al contrario,
conductores con mayor propensión a cometer errores pueden estar menos
comprometidos con la tarea y, por lo tanto, son atraídos con mayor facilidad a
una señal periférica. La red de orientación opera dirigiendo recursos atencionales,
es decir, desplazando la atención, cuando se presenta una señal a través de la
información sensorial. La conducción es una tarea compleja que demanda de
nuestros recursos, y por lo tanto la red de orientación es necesaria para
asignar selectivamente atención a los estímulos adecuados (e.g.,
la necesidad de orientar la atención hacia el auto que se encuentra adelante y
los que salen de caminos laterales). Además, la red de orientación permite
estar en un estado apropiado para ser capaz de procesarlos eventos de alta
prioridad durante la conducción (por ejemplo, cuando el conductor de adelante
frena repentinamente) (López-Ramón et al., 2011).
Por otro lado, una menor velocidad de procesamiento general contribuye a
explicar, aunque en menor medida, una mayor cantidad de errores en la
conducción. Esto es consistente con el hallazgo de la interacción entre tiempos
de reacción y experticia, según el cual los conductores expertos con una menor
velocidad de procesamiento general presentaban mayor propensión a cometer
errores durante la conducción. Al mismo tiempo, esto coincide con estudios
previos (López-Ramón et al., 2011; Montes, 2013). Lellis
et al. (2013) en su análisis de los estudios sobre orientación visual de la
atención, encontraron que a través de medidas de TR se puede contribuir a una
mejor comprensión de cómo el sistema nervioso selecciona información pertinente
del medio ambiente y los circuitos neuronales implicados.
Limitaciones y futuros estudios
La falta de estudios previos
sobre propensión a cometer errores relacionados con la inatención durante la
conducción, sumado a que fueron realizados en ciudades específicas con muestras
pequeñas, dificultó la comparación de los resultados obtenidos en el presente
estudio. Si bien este trabajo tuvo una muestra más grande que las de
investigaciones previas, se recomienda utilizar muestras de mayor tamaño y
aleatorias, con el fin de aumentar la potencia observada e incrementar el
tamaño de los efectos que se encontraron en el presente trabajo. Esto también
permitiría profundizar los hallazgos respecto a las interacciones entre las
múltiples variables consideradas en el presente estudio. En esta misma línea
sería interesante poder comparar la interacción del nivel de atención con
residencia (centros urbanos vs centros con baja densidad poblacional) en la
propensión a cometer errores relacionados con la inatención,
y con registros de accidentes y/o infracciones de tránsito reales como
variables dependientes.
Los resultados del análisis de regresión múltiple del presente trabajo deben
considerarse como exploratorios, dada la poca cantidad de casos de la muestra.
Futuros estudios podrían replicar dichos análisis por separado diferenciando
grupos de expertos y novatos.
Otra cuestión a tener en cuenta, es que la tarea de ANT es una tarea atencional
general que no fue diseñada para evaluar atención en situaciones específicas
como el tránsito. Por ello, en los futuros estudios conviene adaptar la prueba
al área utilizando estímulos del contexto vial (e.g.,
en situaciones simuladas de conducción que incluyan bocinas, señalización vial,
semáforos, etc.). Si bien otros autores (Roca et al., 2013; Weaver, Bédard, & McAuliffe, 2013)
han desarrollado versiones de ANT que incluyen coches en lugar de flechas,
dichos autores indican que el uso de estos estímulos más amigables no
impactaría sobre el tiempo requerido para completar la tarea. También hay que
tomar en cuenta que en el presente trabajo las medidas dependientes pertenecen
a una escala de autoinforme, que si bien tiene sus ventajas, también presenta
riesgos (e.g., susceptibilidad frente a sesgos de
respuesta, distorsiones de la memoria u olvidos, subestimaciones de los
hechos). Sería importante que a futuro puedan realizarse estudios conjuntos con
métodos experimentales, como por ejemplo, simuladores de conducción.
Se necesita considerar en futuros estudios, la complejidad de la tarea de
conducir y por lo tanto, la mayor cantidad de variables a tener en cuenta
cuando se trata de predecir la propensión a cometer errores en ella.
Finalmente, se sabe que la realización simultánea de múltiples actividades
complejas (eg., uso del celular, hablar con los
pasajeros, conducir, fijar la visión, etc.) afecta al desempeño y produce
errores. Por ello hay que tener en cuenta las limitaciones de los procesos
atencionales para comprender el problema de los incidentes relacionados a la
inatención.
Se espera que este trabajo impulse el desarrollo de líneas de investigación en
el área de la psicología del tránsito, más específicamente, respecto del rol
del factor psicológico en el error humano y en la siniestralidad vial. Además,
se espera que los resultados sirvan para promover y mejorar programas de
prevención y mitigación de fallas atencionales al conducir. Estos hallazgos
podrían orientar a recortar la brecha entre el área de la investigación de
procesos cognitivos básicos, el área de salud pública y de seguridad vial, en
vista a una mayor concientización y prevención de los accidentes de tránsito.
Agradecimientos: Las autoras agradecen a la Dra. Silvana Montes de la Universidad Nacional de Mar del Plata - Consejo Nacional de Investigaciones Científicas y Técnicas (CONICET) por aportar el instrumento ARDES y por su asesoramiento, y al Dr. Juan Lupiáñez del Departamento de Psicología Experimental de la Facultad de Psicología de la Universidad de Granada (España) por su predisposición para responder inquietudes.
Referencias bibliográficas
1. af Wåhlberg, A., & Dorn, L. (2009). Bus driver
accident record: The return of accident proneness. Theoretical Issues in
Ergonomics Science, 10, 77-91.
2. Allahyari, T., Saraji, G. N., Adl, J., Hosseini,
M., Iravani, M., Younesian, M., & Kass, S. J. (2008). Cognitive failures,
driving errors and driving accidents. International Journal of Occupational
Safety & Ergonomics, 14, 149-15. http://dx.doi.org/10.1080/10803548.2008.11076759
3. Bradshaw, J. L., & Nettleton, N. C. (1983).
Human cerebral asymmetry. NJ: Prentice Hall.
4. Callejas,
A., Lupianez, J., & Tudela, P. (2004). The three attentional networks: On their independence and interaction.
Brain and Cognition, 54, 225-227. http://dx.doi.org/10.1016/j.bandc.2004.02.012
5. Castro, C., Crundall, D., Chapman, P., Trawley, S., & Underwood, G. (2009). Un-experienced vs. Experienced drivers. Limitations of Human Attention. An analysis of their THREE ATTENTIONAL NETWORKS. Paper presented to First International Conference on Driver Distraction and Inattention. Ontario, Canadá. Retrieved Septiembre 12, 2015, from https://document.chalmers.se/download?docid=1303715557
6. Castro, M., Durán, D., & Cantón, D. (2006). La conducción vista por los psicólogos cognitivos. Boletín de Psicología, 87, 35-60.
7. Centro de Experimentación y Seguridad Vial. (n.d.). Retrieved Agosto 20, 2015, from https://www.cesvi.com.ar/home.html
8. Clay, O. J., Wadley, V. G., Edwards, J. D., Roth,
D. L., Roenker, D. L., & Ball, K. K. (2005). Cumulative meta-analysis of
the relationship between useful field of view and driving performance in older
adults: Current and future implications. Optometry and Vision Science: Official
Publication of the American Academy of Optometry, 82(8), 724–731. http://dx.doi.org/10.1097/01.opx.0000175009.08626.65
9. Fan, J., & Posner, M. (2004). Human attentional
networks. Psychiatrische Praxis, 31(S2), 210-214. http://dx.doi.org/10.1055/s-2004-828484
10. Fan, J., McCandliss, B., Sommer, T., Raz, A.,&
Posner, M. (2002). Testing the efficiency and independence of attentional
networks. Journal of Cognitive Neuroscience (14), 340–347. http://dx.doi.org/10.1162/089892902317361886
11. Groeger, J. (2002). Trafficking in cognition:
Applying cognitive psychology to driving. Transportation Research part F:
Traffic Psychology and Behaviour, 5, 235-248. http://dx.doi.org/10.1016/S1369-8478(03)00006-8
12. Kolb, B., & Whishaw, I. Q. (1985).
Fundamentals of human neuropsychology. New York: Freeman.
13. Larson, G. E., Alderton, D. L., Neideffer, M.,
& Underhill, E. (1997). Further evidence on dimensionality and correlates
of the Cognitive Failures Questionnaire. British Journal of Psychology, 88,
29–38. http://dx.doi.org/10.1111/j.2044-8295.1997.tb02618.x
14. Ledesma,
R. D., Montes, S. A., Poó, F. M., & López-Ramón,
M. F. (2010). Individual Differences in Driver Inattention: The
Attention-Related Driving Errors Scale. Traffic Injury Prevention, 11(2),
142-150. http://dx.doi.org/10.1080/15389580903497139
15. Ledesma, R., Montes, S., Poó, F., & López-Ramón, M. (2015). Measuring Individual Differences In Driver Inattention. Further Validation Of The Attention-Related Driving Errors Scale. Human Factors, 57(2), 193–207. http://dx.doi.org/10.1177/0018720814546530
16. Lellis, V., Mariani, M., Ribeiro, A., Cantiere, C., Teixeira, M., & Carreiro, L. (2013). Voluntary and automatic orienting of attention during childhood development. Psychology & Neuroscience, 6(1), 15-21. https://dx.doi.org/10.3922/ j.psns.2013.1.04
17.
López-Ramón, M. F., Castro, C., Roca, J., Ledesma, R., & Lupiañez, J. (2011). Attentional
Networks Functioning, Age, and Attentional Lapses While. Traffic Injury
Prevention, 12, 518-528.
18. Lovett, M., Reder, L., & Lebiere, C. (1999).
Modeling Working Memory in a Unified Architecture: An ACT-R Perspective. En A.
Miyake, & P. Shah (Eds.), Models of Working Memory(pp. 135-182). Oxford
University Press. http://dx.doi.org/10.1017/CBO9781139174909.008
19. Luna, F. G., Marino, J., Macbeth, G., & Torres,G. F. (2016). ¿Existen diferencias entre sexos en las redes atencionales? Una revisión sistemática sobre el alerta fásica, vigilancia, orientación y control ejecutivo. Psychologia, Avances de la Disciplina, 10(2), 63-71. Retrieved from http://www.redalyc.org/articulo.oa?id=297248896006
20. Michon, J. A. (1985). A critical view of driver
behavior models: What do we know, what should we do? In Human behavior and
traffic safety (pp. 485-524). Springer US. http://dx.doi.org/10.1007/978-1-4613-2173-6_19
21. Miró, E.,
Martínez, M. P., Sánchez, A. I., Prados, G., & Lupiáñez, J. (2014). Men and Women with Fibromyalgia: Relation Between Attentional Function
and Clinical Symptoms. British Journal of Health Psychology, 20(3), 632-647.
22. Mizobuchi, S., Chignell, M., & Canell, D.(2013). Individual differences in driving-related Multitasking. 3rd International Conference on Driver Distraction and Inattention September 4-6, 2013, (pp. No.72-P). Gothenburg, Sweden.
23. Montes, S. (2013). Diferencias individuales y correlatos psicológicos de los errores relacionados con la inatención en conductores. Mar del Plata, Buenos Aires, Argentina: Universidad Nacional de Mar del Plata.
24. Musso, M. F. (2016). Understanding the
under-pinnings of academic performance: The relationship of basic cognitive
processes, self-regulation factors and learning strategies with task
characteristics in the assessment and prediction of academic performance.
Doctoral Dissertation, KU Leuven.
25. OMS. (2009). World Health Organization. Retrieved
from WHO Library Cataloguing-in-Publication Data: www.who.int/vio-lence_injury_prevention/road_safety_status/2009
26. Posner, M. (1980). Orienting of attention.
Quarterly Journal of Experimental Psychology, 32, 23-25. http://dx.doi.org/10.1080/00335558008248231
27. Posner, M. (2008). Measuring alertness. Annals of
the New York Academy of Sciences, 1129(1), 193-199. http://dx.doi.org/10.1196/annals.1417.011.
28. Posner, M. I. (1994). Attention: The mechanism of
consciousness. Proceedings of the National Academy of Sciences of the Unitedstates
of America, 91(16), 7398–7402. http://dx.doi.org/10.1073/pnas.91.16.7398
29. Posner, M. I., & Petersen, S. E. (1990). The
attention system of the human brain. Annual Review Neuroscience, 13, 25-42. http://dx.doi.org/10.1146/annurev.ne.13.030190.000325
30. Posner, M., & Rothbart, M. (2007). Research on
attention networks as a model for the integration of psychological science.
Annual Review of Psychology, 58, 1-23. http://dx.doi.org/10.1146/annurev.psych.58.110405.085516
31. Reason, J. (1990). Human error. New York: Cambridge University Press. http://dx.doi.org/10.1017/CBO9781139062367
32. Roca, J.,
Lupiáñez, J., López- Ramón, M. F., & Castro, C. (2013). Are drivers’ attentional lapses associated with the functioning of the
neurocognitive attentional networks and with cognitive failure in everyday
life? Transportation Research Part F, 98–113.
33. Vaquero, E., Cardoso, M. J., Vazquez, M., &
Gomez, C. M. (2004). Gender differences in Event related potentials during
visual-spatial attention. International of Journal of Neuroscience, 114,
541–557. http://dx.doi.org/10.1080/00207450490422056
34. Victor, T., Engström, J., & Harbluk, J. L.
(2008). 10 Distraction Assessment Methods Based on Visual Behavior and Event
Detection. Driver distraction: Theory, effects, and mitigation, 135. http://dx.doi.org/10.1201/9781420007497.ch10
35. Visser, E., Pijl, Y., Stolk, R., Neeleman, J.,
& Rosmalen, J. (2007). Accident proneness, does it exist? A review and
meta-analysis. Accident Analysis and Prevention, 39, 556-564. http://dx.doi.org/10.1016/j.aap.2006.09.012
36. Wallace, J. C., & Vodanovich, S. J. (2003).
Can accidents and industrial mishaps be predicted? Further investigation into
the relationship between cognitive failure and reports of accidents. Journal of
Business and Psychology, 17, 503–514.
37. Wang, H., & Fan, J. (2007). Human Attentional
Networks: A Connectionist Model. Journal of Cognitive Neuroscience, 19(10),
1678–1689. http://dx.doi.org/10.1162/jocn.2007.19.10.1678
38. Weaver, B., Bédard, M., & McAuliffe, J.
(2013). Evaluation of a 10-minute Version of the Attention Network Test. The
Clinical Neuropsychologist, 27(8), 1281-1299. http://dx.doi.org/10.1080/13854046.2013.851741
39. Weaver, B., Bédarda, M., McAuliffe, J., &
Parkkari, M. (2009). Using the Attention Network Test to predict driving test
scores. Accident Analysis and Prevention, 41, 76-83. http://dx.doi.org/10.1016/j.aap.2008.09.006
Recibido: 10 de diciembre de
2016
Aceptado:
10 de julio de 2018
Refbacks
- No hay Refbacks actualmente.
Comentarios sobre este artículo
"lkcphao" (2021-10-04)
"johnanz" (2022-04-18)