Autorità predittiva nell’apprendimento statistico: acquisizione, disponibilità e impiego in un paradigma visivo globale–locale

Statistical learning is commonly defined as the ability to extract regularities from structured input. However, behavioural success does not transparently reveal what has been learned, whether the acquired structure is concurrently available, or whether it can guide behaviour when competing predictions coexist. This dissertation addresses these issues through a novel visual statistical-learning paradigm in which participants were exposed to two probabilistic dependencies embedded in the same stream: a local dependency and a temporally more extended global contingency, matched in predictive strength and later placed in direct conflict. Two experiments examined complementary levels of the learning-to-use trajectory. Experiment 1 was conducted in person with counterbalanced stimulus lists and assessed whether the paradigm elicited interpretable group-level behavioural signatures across accuracy-based, deployment-related, and response-dynamic indices. Experiment 2 was administered online with a standardized list and evaluated whether the same index architecture could support participant-level characterization through diagnostic analyses of reliability, distributional adequacy, and within-family redundancy. Across experiments, the paradigm did not provide robust evidence for dual accuracy-based acquisition. Crucially, however, accuracy and deployment did not collapse into the same behavioural dimension. The in-person sample showed a group-level tendency to deploy the globally consistent alternative under conflict, despite the absence of a corresponding global-specific acquisition advantage. Conversely, the online sample did not reproduce this shared deployment bias but showed stronger participant-level alignment between relative learning balance and conflict choice. These findings suggest that statistical learning in probabilistic multi-regularity environments cannot be reduced to above-baseline accuracy. Rather, behaviour reflects the conditional interaction among sensitivity to structure, availability of predictive alternatives, decisional authority under conflict, and measurement stability. Although exploratory, the paradigm offers a principled framework for studying when statistical regularities become behaviourally operative under uncertainty.

L'apprendimento statistico è comunemente definito come la capacità di estrarre regolarità da un input strutturato. Tuttavia, il successo comportamentale non rivela in modo trasparente che cosa sia stato appreso, se la struttura acquisita sia simultaneamente disponibile, né se possa guidare il comportamento quando coesistono predizioni concorrenti. Questa tesi affronta tali questioni attraverso un nuovo paradigma di apprendimento statistico visivo, nel quale i partecipanti sono stati esposti a due dipendenze probabilistiche incorporate nello stesso flusso: una dipendenza locale e una contingenza globale temporalmente più estesa, appaiate per forza predittiva e successivamente poste in conflitto diretto. Due esperimenti hanno esaminato livelli complementari della traiettoria che conduce dall’apprendimento all’uso. L’Esperimento 1 è stato condotto in presenza con liste di stimoli controbilanciate e ha valutato se il paradigma elicitasse firme comportamentali interpretabili a livello di gruppo attraverso indici basati sull’accuratezza, indici relativi all'uso e indici legati alla dinamica della risposta. L’Esperimento 2 è stato somministrato online con una lista standardizzata e ha valutato se la stessa architettura di indici potesse sostenere una caratterizzazione a livello del partecipante attraverso analisi diagnostiche di affidabilità, adeguatezza distribuzionale e ridondanza entro famiglia. Nel complesso, il paradigma non ha fornito evidenze robuste di acquisizione duale basata sull’accuratezza. In modo cruciale, tuttavia, accuratezza e deployment non sono collassati nella stessa dimensione comportamentale. Il campione in presenza ha mostrato una tendenza a livello di gruppo a selezionare l’alternativa globalmente coerente in condizioni di conflitto, pur in assenza di un corrispondente vantaggio di acquisizione specificamente globale. Al contrario, il campione online non ha replicato questa tendenza condivisa di uso, ma ha mostrato un più forte allineamento a livello del partecipante tra il bilanciamento relativo dell’apprendimento e la scelta in condizioni di conflitto. Questi risultati suggeriscono che l'apprendimento statistico in ambienti probabilistici caratterizzati da molteplici regolarità non possa essere ridotto all’accuratezza sopra baseline. Piuttosto, il comportamento riflette l’interazione condizionale tra sensibilità alla struttura, disponibilità di alternative predittive, autorità decisionale in condizioni di conflitto e stabilità della misurazione. Pur rimanendo esplorativo, il paradigma offre una cornice teoricamente fondata per studiare quando le regolarità statistiche diventino operative sul piano comportamentale in condizioni di incertezza.