“¡Espera! Permíteme No Pensar en Eso Un Minuto”: ¿Qué Rol Juegan los Procesos Implícitos en la Cognición de Alto Nivel?

Ben R. Newell

Universidad de Nueva Gales del Sur, Sydney

Originalmente publicado en: Current Directions in Psychological Science, Vol.24 (2), 65-70, 2015.

Traducción de: Alejandro Franco

Correo: [email protected]

Abstract

La creencia de que en algunas situaciones somos mejores al no pensar tiene una resonancia anecdótica y llamativa para nuestra tendencia a seguir la “ley del menor esfuerzo”. Pero, ¿es una buena estrategia? En esta revisión, se examinarán trabajos recientes de dos dominios de la cognición de alto nivel -el aprendizaje de categorías perceptuales y la toma de decisiones- en donde se han realizado afirmaciones similares acerca de los beneficios de desprenderse del pensamiento explícito para permitir la operación de procesos implícitos superiores. Una revaluación de esta literatura sugiere una conclusión menos atractiva y, tal vez también, menos sorprendente: las tareas complejas parecen requerir el pensamiento explícito, y hay pocas razones para pensar que no pensar es óptimo en estas situaciones. Lejos de ofrecer una conclusión negativa, esta perspectiva enfatiza no solamente los poderes de la cognición humana sino también nuestra capacidad para explicar el comportamiento sin recurrir a la “caja negra” del inconsciente.

Palabras clave

aprendizaje de categorías, toma de decisiones, pensamiento explícito, procesos implícitos, inconsciente

Existe la creencia popular de que, en ciertas situaciones, somos mejores si no pensamos. Una razón que se da con frecuencia para apoyar esta creencia es que al desprendernos de nuestros procesos de pensamiento analíticos y selectivos permitimos que los procesos implícitos “tomen la delantera” y se decida de una manera más óptima. Por ejemplo, al discutir las técnicas para aprender discriminaciones complejas de categorías, Filoteo, Lauritzen, y Maddox (2010) afirmaron que “podría ser posible mejorar el entrenamiento de los radiólogos si se les permite realizar una tarea secundaria mientras aprenden a leer los rayos X” (p. 422). Por la misma vía, Dijksterhuis (2004) recomienda que cuando se están tomando decisiones complejas tales como dónde vivir y trabajar, no deberíamos sumergirnos en el pensamiento explícito sino “tomar [nuestro] tiempo y permitir al inconsciente que se haga cargo” (p. 596).

A pesar de estas afirmaciones tranquilizadoras de que cuando las cosas se vuelven difíciles los procesos implícitos nos permitirán salir adelante, el rol que las influencias inconscientes o implícitas tienen en la cognición de alto nivel, tal como la toma de decisiones y el aprendizaje de categorías, permanece discutibles (por ejemplo, Newell, Dunn, &Kalish, 2011; Newell&Shanks, 2014). Las razones para esto son diversas; aquí, me enfocaré especialmente en sí desactivar u ocupar el pensamiento explícito lleva a un mejor desempeño en tareas complejas. Una mirada más de cerca a las evidencias sugiere que el jurado aún está deliberando y que hay pocas razones para pensar que no pensar es la mejor estrategia para estas tareas.

Aprendizaje de categorías

El aprendizaje de categorías se refiere al proceso en el que un agente aprende a dividir el mundo en entidades discretas -tal como aprender que algunos objetos son cuadrados y algunos redondos, o que algunos rayos X muestran tumores y otros no. Haciendo una analogía con estas tareas en el laboratorio, a los participantes se les presenta con frecuencia un estímulo perceptual dado para que lo categoricen en categorías definidas por el experimentador (ver Fig. 1). En estos experimentos, la participación hipotética de los procesos implícitos es con frecuencia operacionalizada a través de la inclusión de tareas concurrentes o secundarias de carga cognitiva. Un proceso implícito en este contexto es definido como uno que opera principalmente sin la práctica deliberativay la integración explícita de la información -esto es, sin basarse en la memoria de trabajo (por ejemplo, Ashby &Maddox, 2005). La lógica detrás de estos experimentos es que algunos tipos de tareas de aprendizaje de categorías -tareas basadas en reglas (BR)- requieren la memoria de trabajo, y algunas -tareas de integración de información (II)- no, y por ende, uno debería observar efectos diferentesal imponer cargas cognitivas adicionales en el aprendizaje de estas tareas diferentes.

Fig. 1. Ejemplo de estímulo en una tarea de categorización perceptual. El estímulo (a) y el estímulo (b) son estímulos representativos que difieren en la orientación de las líneas y en su frecuencia espacial. En una tarea basada en reglas, solo una de estas dimensiones (por ej., la orientación) es relevante para la membrecía de la categoría, lo que hace que la adquisición a través de procesos explícitos sea directa.   En una tarea de integración de información, ambas dimensiones son relevantes, y se afirma que la naturaleza del límite de la categoría hace tales tareas más propicias para el aprendizaje a través de procesos implícitos que por procesos explícitos.

¿Tiene tiempo para pensar?

Filoteo et al. (2010) destacaron la participación diferenciada de la memoria de trabajo cuando demostraron que los participantes que aprendieron una tarea de categorización perceptiva compleja tipo II interpolada con una tarea de escaneo de memoria de trabajo secundaria, se desempeñaron mejor que los participantes que aprendieron sólo la tarea de categorización. Filoteo et al. explicaron este resultado argumentando que cuando los recursos de la memoria de trabajo están siendo utilizados en la tarea de escaneo, el control del desempeño en la tarea de aprendizaje de categorías está más propenso a ser desarrollado por procesos implícitos. Estos procesos implícitos llevan a una exactitud superior en la tarea de aprendizaje de categorías debido a que integran, antes de una decisión, la información de las múltiples dimensiones presentes en la estructura categorial de tipo II (ver Fig. 1).

Newell, Moore, Wills, y Milton (2003) revisitaron este resultado y demostraron en un nuevo experimento que el hallazgo clave de Filoteo et al. parece deberse a diferencias en la cantidad de tiempo que los participantes tuvieron para procesar la realimentación de las tareas categoriales a través de las dos condiciones. Específicamente, en el estudio original, aquellos participantes que aprendieron sólo la tarea de categorización tuvieron menos tiempo de procesamiento para la realimentación (solamente 2,500 ms) que aquellos que tuvieron la tarea interpolada de escaneo (4,500 ms para procesar la realimentación de la tarea). En el nuevo experimento, Newell et al. compararon las condiciones en las cuales los participantes habían tenido tiempos de procesamiento largos (4,500 ms) o cortos (2,000 ms) y cruzaron este factor con la posición de la tarea de escaneo de memoria en la secuencia de ensayo. Encontraron que, sin importar si la tarea de escaneo de memoria estaba directamente antes o después de la tarea de categoría, los participantes con más tiempo para procesar la realimentación tenían una mayor precisión en la categorización. Estos resultados sugieren que, cuando se está aprendiendo una estructura de categoría compleja, tener tiempo para pensar -y, presumiblemente, probar las hipótesis- es provechoso. En esta forma no se requiere acudir a los procesos implícitos, lo cual sugiere que los procesos explícitos basados en la memoria de trabajo son beneficiosos incluso en problemas de categorías complejas.

Reevaluando la evidencia para la deficiencia selectiva

Una conclusión similar obtuvieronNewell, Dunn, y Kalish (2010) en la reevaluación de la afirmación de Zeithamova y Maddox (2006) de que la adición de carga concurrente en la memoria de trabajo obstaculiza el aprendizaje de las tareas BR mas no de las tareas II. La lógica subyacente a estas afirmaciones es similar a la empleada por Filoteo et al.: las tareas tipo II son más propicias para los procesos implícitos, y estos procesos pueden operar de manera libre incluso cuando los recursos de la memoria de trabajo están siendo empleados en otra parte. En cambio, las tareas tipo BR requieren la memoria de trabajo, y por ende la imposición de una carga concurrente va a perturbar el desempeño.

Cuando Newell et al. repitieron el experimento de Zeithamova y Maddox, no encontraron evidencia de una perturbación selectiva en el aprendizaje de categorías BR. De hecho, en dos de sus experimentos, a los participantes que se les dio la tarea tipo II con la carga concurrente fueron quienes se desempeñaron de manera más pobre en términos de la precisión en la categorización. Más aún, un análisis adicional de los datos de Zeithamova y Maddox, limitado a aquellos participantes que lograron el 65% de precisión en la tarea de categorías y que realizaron la tarea de memoria de trabajo concurrente de manera adecuada, reveló que no se presentó un efecto diferencial en la carga cognitiva en las tareas de tipo BR ni en las de tipo II. (Nótese que este enfoque en “aprendices”, como opuesto a “no-aprendices”, tiene sentido si la meta es entender los efectos de imponer una carga cognitiva en participantes que aprenden en vez de aquellos que responden al azar.)

Newell et al. (2010) también subrayaron algunas preocupaciones más profundas sobre la práctica de basarse en disociaciones funcionales para determinar la participación de procesos separables. Dicho de manera más simple, encontrar que una Variable A (por ej., carga cognitiva) tiene un efecto perjudicial en la Tarea X (por ej., una tarea BR) pero ningún efecto en la Tarea Y (por ej., una tarea II) no dice nada preciso sobre si la tarea X y la tarea Y se basan en procesos diferentes. Incluso si la Tarea X está afectada negativamente mientras que la tarea Y está simultáneamente facilitada – una “doble disociación”- esto tampoco permite sacar conclusiones de manera lógica con relación al número de procesos independientes que producen los datos (ver Fig. 2 en Newell&Dunn, 2008, para una elaboración sobre este argumento en el contexto del aprendizaje de categorías).

Newell et al. (2010) defendieron un abordaje alternativo basados en el análisis de estado de trazos (Bamber, 1979), el cual permite examinar la dimensionalidad de los datos sin basarse en la disociación lógica (ver también Dunn, Newell, &Kalish, 2012; Newell&Dunn, 2008). La aplicación de este abordaje a las tareas de aprendizaje de categorías, hasta el momento, nos ha llevado a mis colegas y a mí a ser escépticos sobre la afirmación de que procesos diferentes, explícitos e implícitos, se requieren para explicar el desempeño en el aprendizaje de categorías (Newell et al., 2011) – pero el debate continúa (por ej., Ashby, 2014; Dunn, Kalish, &Newell, 2014).

Un rol uniforme para la memoria de trabajo

Dejando de lado la disociación lógica, un corolario que surge del argumento de que “no pensar” en las tareas de tipo II es bueno para usted, es que una capacidad mayor de la memoria de trabajo debería ser benéfica para las aprender tareas BR mas no para las tareas II. Lewandowsky, Yang, Newell, y Kalish (2012) evaluaron esta predicción dándole a los mismos individuos una serie de tareas BR y II que eran diferentes en complejidad, en conjunto con una batería comprensiva de pruebas de la capacidad memoria de trabajo. Los resultados fueron claros: un modelamiento de ecuaciones estructurales reveló una fuerte relación entre la capacidad de memoria de trabajo y el aprendizaje de categorías, sin importar el tipo de tarea de categoría. La capacidad de memoria de trabajo fue también uniformemente relacionada con la capacidad de los participantes para enfocarse en la estrategia más apropiada para la tarea. Tomados en conjunto, estos resultados sugieren que la memoria de trabajo está en la base del desempeño tanto en las tareas tipo II comoBR. (Para una discusión similar que sugiere que la memoria de trabajo es importante para todos los tipos de aprendizaje de categorías, ver el intercambio entre DeCaro, Carlson, Thomas, & Beilock, 2009; DeCaro, Thomas, & Beilock, 2008; y Tharp & Pickering, 2009).

Resumen

La historia simple que emerge de estas investigaciones sobre el aprendizaje de categorías es que no existe un “almuerzo gratis” -dejar de utilizar el pensamiento explícito no parece ayudar al desempeño en tareas complejas. En ambas variedades de las tareas de categoría perceptual, las personas se benefician de tener una capacidad más alta de memoria de trabajo, de tener más tiempo para pensar, y de poderse enfocar en una sola tarea en vez de dos. Desafíos similares al rol jugado por los procesos implícitos en otras tareas de aprendizaje de categorías populares también han sido destacados, sugiriendo que las mismas conclusiones se extienden a tareas no-perceptuales (por ej., Lagnado, Neweoll, Kahan, &Shanks, 2006; Newell, Lagnado, &Shanks, 2007). Más aún, para la evidencia neurocientífica, con frecuencia citada para apoyarafirmaciones acerca de la participación de los procesos implícitos, esto puede cuestionarse tanto en terrenos metodológicos (por ej., Gureckis, James, &Nosofsky, 2011) como teóricos (por ej., Newell, 2012; Newell et al., 2011).

Toma de decisiones

Una de las afirmaciones recientes más llamativas en la literatura sobre la toma de decisiones es que el pensamiento inconsciente está mejor capacitado para las decisiones complejas que el pensamiento consciente (Dijksterhuis, Bos, Nordgren, & van Baaren, 2006). Esta afirmación es bastante similar a aquellas realizadas al interior de la literatura de categorización -que sería posiblemejorar en el desempeño aldeshabilitar el procesamiento explícito. ¿Cuál es la evidencia?

¿Deliberar sin atención?

En el paradigma experimental estándar, los participantes reciben información acerca de tres o cuatro objetos (por ejemplo, departamentos), cada uno de los cuales está caracterizado por 10 o más atributos (por ejemplo, el costo del arriendo), y se les pide elegir el mejor. (En esencia, esta es una tarea de categorización, si bien es una en donde los participantes tienen un conocimiento a priori de la importancia de los atributos/características). En la mayoría de los experimentos, “lo mejor” está determinado normativamente cuando el experimentador asigna diferentes números de atributos positivos y negativos a cada opción. La información de los atributos acerca de las cuatro opciones se presenta secuencial y típicamente en un orden al azar. Luego de la presentación de los atributos, a los participantes se les asigna una de tres (o algunas veces sólo dos) condiciones. En la condición de pensamiento inconsciente, se evita que los participantes tomen una decisión durante unos minutos dedicándose a alguna actividad distractora (por ejemplo, resolviendo anagramas). Este desplazamiento de la atención es lo que se supone que permite a los procesos implícitos superiores (pensamiento inconsciente) operar. En la condición de pensamiento consciente, a los participantes se les pide que piensen cuidadosamente acerca de su elección por unos pocos minutos, y en la condición inmediata (algunas veces no incluida), a los participantes sólo se les pide que tomen su decisión tan pronto como la fase de presentación haya terminado.

El resultado clave es que los participantes que han sido distraídos en la condición de pensamiento inconsciente toman mejores selecciones que aquellos tanto en la condición de pensamiento consciente como en la de pensamiento inmediato. Por ejemplo, Dijksterhuis et al. (2006) reportó que el 60% de los participantes eligieron el mejor carro luego de ser distraídos, comparándolos con solamente el 25% que hicieron una deliberación consciente.

Como parte de una revisión comprensiva de las influencias inconscientes en la toma de decisiones, Newell y Shanks (2014) examinaron la literatura sobre deliberar-sin-atención con cierta profundidad y obtuvieron las tres conclusiones siguientes. Primero, existen preguntas claras que rodean la replicabilidad del resultado clave: varios estudios han mostrado que no hay ventaja para las decisiones que siguieron a la distracción (por ejemplo, Newell&Rakow, 2011; Newell, Wong, Cheung, &Rakow, 2009). Utilizando el análisis factoríal de Bayes, Newell y Rakow (2011) demostraron que había de hecho evidencia para la hipótesis nula de no diferencia entre las condiciones de pensamiento consciente e inconsciente en una muestra de alrededor de 1000 participantes de los laboratorios de Newell y Rakow (2011). Segundo, varios de los estudios que han mostrado una ventaja luego de la distracción no incluyeron las condiciones de control relevantes (por ej., no había una condición inmediata), haciendo imposible determinar si la distracción fue benéfica o si la deliberación fue nociva (por ejemplo, McMahon, Sparrow, Chatman, &Riddle, 2011). Tercero, algunos estudios que han encontrado el efecto han ofrecido explicaciones alternativas que no incluyen la operación de procesos implícitos durante la distracción (por ejemplo, Payne, Samper, Bettman, & Luce, 2008; Rey, Goldstein, &Perruchet, 2009). Por ejemplo, Payne et al. (2008) demostraron que permitir a los participantes pensar conscientemente por el tiempo que quisieran (en vez de durante una cantidad predeterminada de tiempo) los llevó a tomar decisiones que eran superiores a aquellas que siguieron a la distracción. Tomados en conjunto, estos resultados sugieren que la idea de que se puede mejorar la toma de decisiones inhabilitando el pensamiento explícito ha sido sobrevalorada -punto de vista que ha tenido eco en algunos comentadores (Hogarth, 2010; Thompson, 2014) mientras que ha sido vehementemente rechazada por otros (por ejemplo, Dijksterhuis, van Knippenberg, Holland & Veling, 2014).

¿Más pensamiento explícito es siempre mejor?

La ausencia de un mejor desempeño luego de la distracción es problemática para los postulantes del “almuerzo gratis”, pero encontrar que un periodo de deliberación no lleva a mejores elecciones aparece igualmente inconsistente con la idea de que “el pensamiento explícito es mejor”. Sin embargo, tales efectos nulos son inconsistentes solamente si uno mira las condiciones bajo las cuales la deliberación es empleada en el paradigma estándar como óptimas.Muchos argumentarían que no lo son, debido a que la información es presentada al azar y discretamente, y no está disponible para consulta durante el periodo de deliberación (Shanks, 2006). En consecuencia, intentar deliberar con tal información codificada dispersa y pobremente podría no ser muy útil (ver también Newell&Rakow, 2011, páginas 723).

Esta cuestión también destaca una distinción importante que es relevante para ambos dominios de investigación revisados aquí. La afirmación bajo escrutinio no es que deshabilitar el pensamiento explícito puede ser algunas veces benéfico -algunas veces pensar demasiado o brindar una justificación post hoc para las decisiones puede ser perjudicial (Wilson &Schooler, 1991). Tampoco es un argumento acerca de que las decisiones que tomamos rápida o intuitivamente son necesariamente malas (Hogarth, 1001; Kahneman, 2011; Newell&Shanks, 2014). La afirmación clave es que, al deshabilitar, uno permite que procesos de pensamiento implícitos superiores (y tal vez inconscientes) “asumen el mando” y se decida de manera más óptima en estas tareas. Esta idea de que hay algunos procesamientos activos, implícitos, que ocurren por fuera de nuestra conciencia, no parece estar bien sustentada por la literatura (cf.Waroquier, Abadie, Klein, &Cleeremans, 2014).

Conclusión

Anecdóticamente, todos hemos experimentado aquellos momentos en que quisiéramos dejar de lado una decisión por un instante porque no podemos llegar a una conclusión. También podríamos recordar aquellos momentos cuando, posteriormente, la respuesta “surge” en nuestras cabezas, aparentemente desde ningún lugar. Es importante recordar, sin embargo, que el plural de la anécdota no es una anécdota. Si bien podría ser tentador generalizar estas experiencias y sentarse a esperar que la sofisticada maquinaria de procesamiento implícito nos salve el día, parecería que, al menos cuando intentamos aprender nuevas categorías o tomar decisiones complejas de muchos atributos, usar el pensamiento explícito parece ser muy útil. Lejos de ser una conclusión negativa o desalentadora, esta perspectiva enfatiza no solamente que la cognición humana puede ejecutar muchas funciones complejas, sino además que la ciencia psicológica puede explicar muchos de estos logros sin acudir a la caja negra del inconsciente.

Lecturas recomendadas

Ashby, F. G., & Maddox, W. T. (2005).(See References). A review paper detailing the support for one of the most prominent multiple-system theories of category learning.

Hoffman, J. A., von Helversen, B., & Rieskamp, J. (2013). Deliberation’s blindsight: How cognitive load can improve judgments. Psychological Science, 24, 869–879. An empirical article demonstrating the importance of identifying the strategies people use in multi-attribute judgment for drawing conclusions about the impact of cognitive load.

Newell, B. R., Dunn, J. C., & Kalish, M. (2011).(See References). A critique of the multiple-systems view of category learning that considers behavioral, neuropsychological, and computational perspectives on the debate.

Newell, B. R., & Shanks, D. R. (2014).(See References). A comprehensive review of the literature on the effects of unconscious influences on decision making, including a discussion of the deliberation-without-attention effect.

Strick, M., Dijksterhuis, A., Bos, M. W., Sjoerdsma, A., van Baaren, R. B., & Nordgren, L. F. (2011). A meta-analysis on unconscious thought effects.Social Cognition, 29, 738– 762. A meta-analysis outlining moderators of unconscious thought effects that offers a different perspective on the merits of not thinking than the one offered here.

Reconocimientos

Se reconoce con gratitud el apoyo del Consejo Australiano de Investigación. También agradecemos a David Shanks y a John Dunn por su valiosa realimentación en un borrador previo de este artículo.

Declaración de conflictos de intereses

El autor declara que no existen conflictos de intereses con relación a la autoría o a la publicación de este artículo.

Patrocinio

Este trabajo fue patrocinado por las becas del Consejo Australiano de Investigación FT110100151 y DP0877510.

Referencias

Ashby, F. G. (2014). Is state-trace analysis an appropriate tool for assessing the number of cognitive systems? Psychonomic Bulletin & Review, 21, 935–946.

Ashby, F. G., & Maddox, W. T. (2005).Human category learning. Annual Review of Psychology, 56, 149–178.

Bamber, D. (1979). State-trace analysis: A method of testing simple theories of causation. Journal of Mathematical Psychology, 19, 137–181.

DeCaro, M. S., Carlson, K. D., Thomas, R. D., & Beilock, S. L. (2009). When and how less is more: Reply to Tharp and Pickering. Cognition, 111, 397–403.

DeCaro, M. S., Thomas, R. D., &Beilock, S. L. (2008). Individual differences in category learning: Sometimes less working memory capacity is better than more. Cognition, 107, 284–294.

Dijksterhuis, A. (2004). Think different: The merits of unconscious thought in preference development and decision making. Journal of Personality and Social Psychology, 87, 586–598.

Dijksterhuis, A., Bos, M. W., Nordgren, L. F., & van Baaren,R. B. (2006).On making the right choice: The deliberation-without-attention effect. Science, 311, 1005–1007.

Dijksterhuis, A., van Knippenberg, A., Holland, R. W., &Veling,H. (2014). Newell and Shanks’ approach to psychology is adead end. Behavioral & Brain Sciences, 37, 25–26.

Dunn, J. C., Kalish, M., & Newell, B. R. (2014). State-trace analysiscan be an appropriate tool for assessing the number ofcognitive systems: A reply to Ashby (2014). Psychonomic Bulletin & Review, 21, 947–954.

Dunn, J. C., Newell, B. R., &Kalish, M. (2012). The effectof feedback delay and feedback type on perceptual categorylearning: The limits of multiple systems. Journalof Experimental Psychology: Learning, Memory, & Cognition, 38, 840–859.

Filoteo, J. V., Lauritzen, S., & Maddox, W. T. (2010). Removingthe frontal lobes: The effects of engaging executive functionson perceptual category learning. Psychological Science, 21, 415–423.

Gureckis, T. M., James, T. W., &Nosofsky, R. M. (2011).Reevaluating dissociations between implicit and explicitcategory learning: An event-related fMRI study. Journal of Cognitive Neuroscience, 23, 1697–1709.

Hogarth, R. M. (2001). Educating intuition. Chicago, IL: University of Chicago Press.

Hogarth, R. M. (2010). Intuition: A challenge for psychologicalresearch on decision making. Psychological Inquiry, 21, 338–353.

Kahneman, D. (2011). Thinking, fast and slow. London, England: Allen Lane.

Lagnado, D. A., Newell, B. R., Kahan, S., & Shanks, D. R. (2006).Insight and strategy in multiple cue learning. Journal of Experimental Psychology: General, 135, 162–183.

Lewandowsky, S., Yang, L.-X., Newell, B. R., &Kalish, M. (2012).Working memory does not dissociate between different perceptual categorization tasks. Journal of Experimental Psychology: Learning, Memory, & Cognition, 38, 881–904.

McMahon, K., Sparrow, B., Chatman, L., & Riddle, T. (2011).Driven to distraction: The impact of distracter type on unconscious decision making. Social Cognition, 29, 683–698.

Newell, B. R. (2012). Levels of explanation in category learning. Australian Journal of Psychology, 64, 46–61.

Newell, B. R., & Dunn, J. C. (2008). Dimensions in data: Testingpsychological models using state-trace analysis. Trends in Cognitive Sciences, 12, 285–290.

Newell, B. R., Dunn, J. C., & Kalish, M. (2010). The dimensionalityof perceptual category learning: A state-trace analysis. Memory & Cognition, 38, 563–581.

Newell, B. R., Dunn, J. C., &Kalish, M. (2011). Systems of category learning: Fact or Fantasy? In B. H. Ross (Ed.), The psychology of learning & motivation (Vol. 54, pp. 167–215). San Diego, CA: Elsevier.

Newell, B. R., Lagnado, D. A., & Shanks, D. R. (2007).Challenging the role of implicit processes in probabilistic category learning. Psychonomic Bulletin & Review, 14, 505–511.

Newell, B. R., Moore, C. P., Wills, A. J., & Milton, F. (2013). Reinstating the frontal lobes? Having more time to think improves “implicit” perceptual categorization. A comment on Filoteo, Lauritzen & Maddox, 2010. Psychological Science, 24, 386–389.

Newell, B. R., &Rakow, T. (2011).Revising beliefs about the merits of unconscious thought: Evidence in favor of the null hypothesis. Social Cognition, 29, 711–726.

Newell, B. R., & Shanks, D. R. (2014). Unconscious influenceson decision making: A critical review. Behavioral & BrainSciences, 37, 1–63.

Newell, B. R., Wong, K. Y., Cheung, J. C., & Rakow, T. (2009).Think, blink or sleep on it? The impact of modes of thought on complex decision making. Quarterly Journal of Experimental Psychology, 62, 707–732.

Payne, J. W., Samper, A., Bettman, J. R., &Luce, M. F. (2008). Boundary conditions on unconscious thought in complex decision making. Psychological Science, 19, 1118–1123.

Rey, A., Goldstein, R. M., & Perruchet, P. (2009). Does unconscious thought improve complex decision making? Psychological Research, 73, 372–379.

Shanks, D. R. (2006). Complex choices better made unconsciously? Science, 313, 760–761.

Tharp, I. J., & Pickering, A. D. (2009). A note on DeCaro,Thomas, and Beilock (2008): Further data demonstrate complexities in the assessment of information-integration category learning. Cognition, 111, 410–414.

Thompson, V. A. (2014). What intuitions are . . . and are not. Psychology of Learning and Motivation, 60, 35–75.

Waroquier, L., Abadie, M., Klein, O., & Cleeremans, A. (2014). The effect of the cognitive demands of the distraction task on unconscious thought. Behavioral & Brain Sciences, 37, 44–45.

Wilson, T. D., & Schooler, J. W. (1991).Thinking too much: Introspection can reduce the quality of preferences and decisions. Journal of Personality and Social Psychology, 60, 181–192.

Zeithamova, D., &Maddox, W. T. (2006). Dual-task interferencein perceptual category learning. Memory & Cognition,34, 387–398.