Una conversación entre varias voces
En un restaurante concurrido, una persona sigue la voz de su acompañante mientras los clientes vecinos mantienen conversaciones que llegan a los mismos oídos. Reconoce una pregunta sobre las vacaciones, responde y continúa escuchando. A veces una palabra pronunciada en otra mesa captura su atención; si coincide con su nombre, puede incluso hacer que abandone durante unos segundos la conversación principal. La experiencia parece sencilla hasta que se considera la señal física, en la que las ondas procedentes de todos los hablantes se superponen y no existe un canal acústico exclusivo para cada conversación.
El llamado problema de la fiesta de cóctel impulsó el estudio moderno de la atención auditiva. La audición debe organizar varias fuentes, seleccionar una y conservar suficiente información para reconocer palabras y relaciones. La atención contribuye a esas operaciones sin controlar cada etapa por completo. Un estímulo que no es prioritario puede todavía modificar el reconocimiento o captar la conducta.
El problema reaparece en la lectura, donde los ojos fijan fragmentos del texto, anticipan información de palabras próximas y regresan cuando una interpretación tropieza con material inesperado. El contenido que llega a comprenderse depende de la señal visual y de conocimientos lingüísticos adquiridos, pero también de dónde se distribuyen los recursos de procesamiento. Una persona puede mirar una página durante minutos y conservar apenas el argumento general de lo leído.
La atención interviene en el lenguaje de formas distintas. Selecciona fuentes perceptivas, cambia la accesibilidad de candidatos lexicales, ayuda a recuperar relaciones sintácticas y mantiene los objetivos que dan continuidad al discurso. El lenguaje, a su vez, orienta la atención hacia objetos y propiedades. Esta relación en dos direcciones impide colocar la atención como una puerta por la que tendría que pasar toda la información antes de convertirse en lenguaje.
Los filtros clásicos y aquello que parecía ignorado
Colin Cherry (1953) presentó mensajes diferentes a los dos oídos de sus participantes y les pidió repetir inmediatamente uno de ellos, tarea denominada shadowing. Los oyentes seguían razonablemente bien la voz seleccionada y luego recordaban poco del contenido de la otra. Podían advertir algunas características físicas de la señal ignorada, como cambios de voz, sin poder describir lo que esa voz había contado.
En el sistema de selección temprana que propuso Broadbent (1958), la información entraba en una memoria sensorial breve y un filtro, guiado por propiedades físicas, escogía una fuente antes de que sus contenidos fueran analizados en profundidad. El modelo respondía con elegancia a una restricción real, la capacidad limitada de procesamiento. Los experimentos posteriores mostraron que el filtro no era tan impermeable.
Algunas palabras muy relevantes, especialmente el propio nombre, podían detectarse en el canal que se suponía ignorado. Treisman (1964) explicó parte del fenómeno mediante la atenuación, según la cual el mensaje secundario recibe un procesamiento de menor intensidad y ciertas palabras conservan suficiente activación para atravesar ese límite. Deutsch y Deutsch (1963), por su parte, defendieron modelos de selección más tardía, en los que varias señales pueden alcanzar análisis de significado antes de competir por el control de la respuesta.
Tras décadas de investigación organizadas en torno a la distinción entre selección temprana y tardía, los resultados acabaron mostrando que la localización de la selección depende de las condiciones. La carga perceptiva cambia cuánto procesamiento llega a los distractores. Lavie (2005) mostró cómo una tarea principal muy exigente puede reducir el procesamiento de información irrelevante que, en una tarea más sencilla, habría recibido mayor atención.
La carga perceptiva y la carga de memoria de trabajo no tienen necesariamente el mismo efecto. Una tarea visual exigente puede limitar cuánto se registra de un distractor periférico. En cambio, mantener una instrucción compleja mientras se escucha puede dificultar el control que mantiene seleccionado al hablante principal y favorecer distracciones. Las interacciones observadas dependen del diseño. En una habitación ruidosa, el costo de atender no se predice simplemente contando cuántas cosas ocurren; importa qué recursos compiten y con qué propósito.
Estas teorías históricas siguen siendo útiles porque separan preguntas que a menudo se mezclan. Una cosa es registrar información sensorial, otra analizar su significado y otra conservarla hasta poder informar sobre ella. No recordar lo que dijo un hablante secundario no demuestra que ninguna parte de su señal haya sido procesada. La memoria del mensaje, la selección de una respuesta y la percepción son resultados diferentes.
Antes de entender las palabras hay que identificar una fuente
En una conversación con varias voces, el sistema auditivo necesita atribuir fragmentos de sonido a fuentes relativamente estables. Las diferencias de frecuencia fundamental, timbre, localización espacial, ritmo y continuidad temporal facilitan esa segregación. Cuando dos voces tienen características muy semejantes o llegan desde la misma dirección, seguir una de ellas es más costoso.
La selección atencional modifica esta organización. Orientarse hacia un hablante aumenta la fidelidad con que algunas propiedades de su señal se representan y disminuye la influencia de competidores. Sin embargo, la formación de objetos auditivos y la atención se afectan mutuamente. Una voz fácil de separar también es más fácil de seguir; al mantener la atención sobre ella, la representación de esa voz se vuelve más estable.
El conocimiento previo participa en la segregación. Reconocer el acento o el timbre de alguien conocido facilita mantener su voz como fuente identificable. Las pistas visuales añaden otra ventaja. Ver quién mueve los labios permite relacionar movimientos y sonido, sobre todo cuando la señal acústica está degradada.
Esta interacción explica por qué la dificultad cotidiana para comprender en ruido no equivale automáticamente a un déficit lingüístico. Puede fallar la audición periférica, la segregación de fuentes, la selección atencional o alguna combinación. Un oyente puede comprender oraciones complejas en silencio y perder buena parte de su contenido cuando dos personas hablan al mismo tiempo.
La señal cerebral sigue el ritmo del habla
Parte de la actividad cortical varía siguiendo las fluctuaciones que las sílabas, las pausas y los cambios de intensidad imprimen a la envolvente acústica del habla. Los investigadores utilizan expresiones como neural speech tracking o seguimiento neural del habla para describir la relación temporal entre propiedades de la señal y respuestas cerebrales.
Ding y Simon (2012) estudiaron cómo emergen representaciones de objetos auditivos cuando compiten varios hablantes. Mesgarani y Chang (2012), mediante electrodos intracraneales, encontraron que representaciones corticales de un hablante atendido podían diferenciarse fuertemente de las del competidor. Zion Golumbic y colaboradores (2013) contribuyeron a describir cómo varía esa representación a lo largo de niveles de procesamiento.
La imagen que surge de estos trabajos es graduada. En etapas auditivas relativamente tempranas puede mantenerse información sobre más de una fuente. En regiones de procesamiento superior, la representación del objetivo suele adquirir mayor peso. Es más adecuado hablar de un sesgo de procesamiento que de la desaparición inmediata de todo sonido ignorado.
El seguimiento neural admite interpretaciones limitadas. Una correspondencia temporal con la envolvente puede reflejar propiedades acústicas, respuestas a eventos importantes para la tarea o actividad lingüística asociada. Una correlación alta no demuestra que el oyente haya comprendido todas las proposiciones de la frase ni implica que la actividad cerebral copie literalmente la señal acústica. Para distinguir representaciones jerárquicas hacen falta modelos de regresión, controles acústicos y contrastes que separen señal y significado.
O'Sullivan y colaboradores (2015) mostraron que puede decodificarse, a partir de EEG, a cuál de dos hablantes presta atención una persona. El procedimiento compara la actividad registrada con propiedades de cada corriente y tiene aplicaciones potenciales, por ejemplo en audífonos que adapten su amplificación al interlocutor seleccionado. Su resultado es una estimación de la prioridad neural bajo una tarea definida y no permite leer libremente qué está pensando el oyente.
Hablar de distractores exige precisión
La terminología experimental puede introducir inferencias que el diseño no ha demostrado. En un experimento se indica a los participantes que deben ignorar una voz. Los autores la llaman «no atendida» y concluyen que un efecto asociado con ella muestra procesamiento sin atención, aunque la instrucción no garantiza que la prioridad del oyente permanezca fija durante todo el ensayo.
Makov, Pinto, Har-Shai Yahav, Miller y Zion Golumbic (2023) estudiaron justamente estas ambigüedades. Diferenciaron términos definidos por la tarea, como objetivo y distractor, de términos que describen estados cognitivos, como atendido e ignorado. La distinción importa porque la atención puede cambiar de manera espontánea. Una palabra particularmente relevante puede capturar recursos aun cuando el participante deba ignorarla.
Si dos mensajes son relevantes, la distribución de atención tampoco tiene por qué ser constante. El sistema puede alternar de uno a otro y producir la impresión de una escucha paralela. Diferenciar con datos neurales la selección simultánea de la alternante exige diseños temporales finos. El oyente puede conservar información parcial de ambos y carecer de recursos para una comprensión profunda de los dos.
En investigación, una condición llamada no atendida debe describirse inicialmente como señal presentada fuera del objetivo instruido. Solo medidas independientes permiten estimar qué procesamiento recibió efectivamente. Este cuidado terminológico evita discusiones aparentes entre estudios que manipularon cosas distintas.
Predicción y esfuerzo de escucha
La comprensión utiliza conocimientos sobre palabras, sintaxis, eventos y hablantes. Después de El camarero dejó la cuenta sobre la…, algunas continuaciones son más probables que otras. Una señal acústica incompleta puede interpretarse aprovechando esas expectativas, aunque la predicción no elimina la necesidad de evidencia sensorial.
La atención influye en el uso de ese conocimiento. Cuando la señal llega clara, las palabras pueden identificarse con poco esfuerzo y quedan recursos disponibles para elaborar el discurso o vigilar información secundaria. En ruido, se hace necesario completar fragmentos y resolver confusiones entre fonemas y voces. La precisión final puede conservarse a costa de un trabajo mayor.
La diferencia puede demostrarse sin cambiar las palabras si se presenta una misma oración primero con un ruido de fondo y después con una señal más limpia. Si las preguntas de comprensión tienen el mismo porcentaje de aciertos, podría parecer que ambas condiciones fueron equivalentes. Al agregar una tarea secundaria, medir pupila o examinar el recuerdo diferido, puede revelarse un costo adicional en la condición degradada. La interpretación de cada medida debe ser específica. La dilatación pupilar también depende de iluminación, activación y otras variables. El recuerdo posterior puede afectarse por estrategias de codificación.
En conversación natural, el esfuerzo se acumula. Comprender tres frases ruidosas puede ser posible sin mucha dificultad aparente. Seguir cuarenta minutos de reunión puede exigir una vigilancia que termina agotando al oyente. La atención sostenida y la selección instantánea son componentes diferentes de la experiencia cotidiana de escuchar.
Peelle (2018) distingue el desempeño de comprensión del esfuerzo de escucha. Dos oyentes pueden responder correctamente a las mismas preguntas y diferir mucho en el costo cognitivo. Ese esfuerzo puede afectar el recuerdo posterior y producir fatiga, incluso cuando la persona tiene la impresión de que entendió todo.
La experiencia con el tema también ayuda, como sucede en una conferencia especializada, donde reconocer el vocabulario y las estructuras esperadas permite anticipar el material. Si el contenido es desconocido, el sistema dispone de menos restricciones y necesita más atención para resolver la entrada. La relación entre expectativa y esfuerzo no es lineal. Una predicción muy fuerte que no se cumple también puede imponer un costo de revisión.
La audición reducida y el envejecimiento hacen visible este compromiso. Un adulto mayor puede comprender bien una conversación tranquila y encontrar agotadora una reunión concurrida. La medida clínica que utiliza frases aisladas en silencio captura solo una parte de su dificultad cotidiana.
Los ojos participan también cuando escuchamos
Ver el rostro de un interlocutor aporta información sobre el momento y la forma de sus emisiones. El movimiento de los labios y la mirada ayudan a asociar una voz con una fuente visual. Cuando la audición es difícil, esas pistas pueden mejorar el reconocimiento de palabras. La integración audiovisual es suficientemente fuerte como para generar ilusiones perceptivas cuando los movimientos labiales no coinciden con el sonido.
La relación entre mirada y audición es aún más estrecha de lo que sugiere esa ventaja evidente. Gehmacher y colaboradores (2024) registraron movimientos oculares junto con MEG durante escucha selectiva. Encontraron que las fluctuaciones de la mirada podían seguir propiedades temporales del habla atendida y distinguir, en condiciones específicas, al objetivo del distractor, fenómeno que denominaron ocular speech tracking.
El hallazgo no indica que comprender una oración requiera mover deliberadamente los ojos al ritmo de las sílabas. Muestra que redes involucradas en atención auditiva y control oculomotor mantienen relaciones dinámicas. También obliga a controlar la contribución de movimientos oculares cuando se interpretan diferencias de señal cerebral.
El laboratorio puede aislar la señal acústica y mantener inmóviles a los participantes. La conversación natural incluye giros de cabeza, miradas y movimientos corporales que cambian continuamente las condiciones de entrada. Straetmans, Adiloglu y Debener (2024) exploraron seguimiento neural y decodificación de atención con EEG móvil en situaciones cotidianas. La investigación gana realismo, pero aparecen artefactos de movimiento y variabilidad que los diseños estáticos reducen. La ecología del lenguaje importa. Escuchar en una cafetería es una tarea diferente de escuchar dos voces sintetizadas dentro de una cabina silenciosa. Los dos diseños son necesarios para responder preguntas diferentes.
Leer exige distribuir mirada y atención
En lectura, la distribución de atención puede observarse con una precisión conductual difícil de obtener durante escucha. Los movimientos oculares alternan fijaciones breves y sacadas. Durante una fijación se extrae información en la fóvea y en parte de la parafóvea, en una región útil que no es simétrica y que, en lectores de escrituras de izquierda a derecha, suele extenderse más hacia la derecha, donde aparecen las palabras próximas.
Rayner (1998, 2009) mostró cómo estas medidas permiten examinar reconocimiento e integración durante lectura natural. Las palabras frecuentes suelen recibir fijaciones más breves que las raras y una palabra muy predecible puede saltarse. Una anomalía sintáctica o semántica puede aumentar el tiempo total y generar una regresión hacia material anterior.
La mirada indica dónde se obtienen datos visuales; la atención no coincide de manera perfecta con el punto fijado. Durante una fijación se puede adquirir información parafoveal sobre la palabra siguiente. Este beneficio de vista previa muestra que las palabras no necesariamente se procesan como unidades aisladas que comienzan solo cuando llegan al centro de la mirada.
Un lector también adapta su distribución de fijaciones a la tarea. Buscar una fecha en una página exige un patrón de exploración diferente de comprender el argumento de un ensayo. Los movimientos oculares cambian cuando se lee para memorizar, detectar errores o disfrutar de una narración. Esto limita la generalización desde una sola tarea. Un incremento en tiempo de fijación puede reflejar dificultad lexical, relectura estratégica o una decisión de estudiar deliberadamente una frase.
Las regresiones son especialmente informativas en las oraciones de vía muerta. El lector puede volver al verbo anterior para revisar una adjunción que creyó resuelta. Una regresión revela dónde busca evidencia adicional, pero su ausencia no prueba que no haya ocurrido revisión interna. La P600 de la lectura Reanálisis sintáctico y P600 registra otro aspecto del mismo problema con una resolución temporal diferente.
Modelos como E-Z Reader y SWIFT intentan explicar cómo se coordinan reconocimiento lexical y movimientos oculares. El primero vincula de manera relativamente serial las etapas lexicales y la decisión de mover los ojos. El segundo modela una distribución más gradual de recursos sobre varias palabras. Los registros oculares restringen ambas propuestas porque obligan a explicar duraciones, saltos y regresiones además de las respuestas finales de comprensión.
La lectura puede ser aparentemente continua mientras la atención está en otra parte. Los ojos avanzan y el lector descubre que no puede explicar lo recién visto. Tal episodio puede incluir reconocimiento ortográfico parcial, comprensión local sin integración discursiva o fallos de memoria posterior. La ausencia de un recuerdo no identifica por sí sola el momento de la desconexión.
La ceguera por inatención muestra un límite relacionado. Cuando se asigna a una persona una tarea visual exigente, un acontecimiento llamativo que ocurre simultáneamente puede pasar inadvertido. En lectura aparecen omisiones de anomalías o repeticiones cuando la atención está concentrada en extraer el sentido global. A veces el detalle fue procesado superficialmente y no llegó al informe consciente; otras veces la competencia alteró su codificación. Los experimentos que registran mirada y respuesta permiten diferenciar parcialmente esos casos. La mera presencia física de información en la página no garantiza que esa información haya sido objeto del mismo nivel de análisis.
El lenguaje también conduce la mirada
El paradigma del mundo visual invierte la relación. En él se escucha una frase mientras se observan objetos y se miden movimientos oculares. Al oír Toma la vela, la mirada puede desplazarse hacia la vela antes de que termine la instrucción. Si hay un objeto cuyo nombre comparte el inicio fonológico, ese competidor puede atraer transitoriamente la atención.
Tanenhaus y colaboradores (1995) mostraron que la interpretación lingüística interactúa con información visual disponible durante el procesamiento. La mirada da una pista temporal sobre referentes y análisis que compiten. Una expresión como el vaso sobre la servilleta se interpreta de manera distinta según cuántos vasos hay y qué ubicaciones comparten.
El procedimiento ha permitido observar la influencia temprana del contexto visual sobre decisiones que antiguamente se atribuían solo a la sintaxis y también conecta pragmática con atención. Un hablante puede dirigir la mirada hacia un objeto para preparar la referencia; el oyente usa la escena para restringir candidatos lexicales. La orientación ocular sigue siendo una medida indirecta. Mirar un objeto puede indicar consideración de un referente y no aceptación de una interpretación definitiva. Lo que se infiere debe contrastarse con respuestas y propiedades de la tarea.
Léxico, sintaxis y control general
Reconocer una palabra frecuente puede requerir poca atención deliberada. Sin embargo, cuando varios candidatos compiten o una acepción menos habitual es pertinente, la selección necesita mayor control. Un ejemplo es la ambigüedad lexical, en la que banco puede activar significados distintos y el contexto determina cuál permanece útil.
El efecto Stroop, en el que una palabra incongruente con el color de la tinta aumenta el tiempo de respuesta, muestra que la lectura automatizada puede interferir con una tarea que exige nombrar ese color. Esto demuestra que ciertas representaciones lexicales se activan aun cuando leer no sea la meta. La magnitud del efecto depende de contexto e instrucciones, de modo que la automatización tampoco equivale a una obligación absoluta e invariable.
La sintaxis introduce problemas de selección semejantes. Una relativa de objeto requiere recuperar un constituyente anterior mientras compiten otros sintagmas de rasgos parecidos. Los modelos de recuperación por claves atribuyen parte del costo a interferencia en memoria. Los recursos atencionales pueden modificar el desempeño, aunque las restricciones gramaticales sigan siendo específicas del lenguaje.
La memoria de trabajo introduce otra dimensión. Durante una instrucción larga, ciertos referentes o pasos deben mantenerse disponibles mientras llegan elementos nuevos. El fracaso puede deberse a pérdida temporal de información, interferencia entre representaciones o dificultad para mantener el objetivo. Esos mecanismos producen errores semejantes en una prueba de comprensión, por lo que el investigador necesita variar longitud, competencia y retardo de manera independiente. Una frase breve con estructura compleja y una frase larga con estructura simple permiten comparar demandas que habitualmente se presentan mezcladas.
Desde la neuroimagen se distingue una red frontotemporal del lenguaje, predominantemente izquierda, de regiones de demanda múltiple que responden a tareas exigentes de numerosos dominios (Fedorenko, Ivanova y Regev, 2024). Una oración compleja puede activar ambas. Atribuir todo aumento frontal al cálculo sintáctico mezcla la operación lingüística con el control que exige resolverla.
Corbetta y Shulman (2002) describieron sistemas de orientación dorsal relacionados con metas y sistemas ventrales, especialmente derechos, sensibles a eventos relevantes y reorientación. Estas redes interactúan con corteza auditiva, visual y lingüística. Un cambio abrupto de hablante o una anomalía durante lectura puede movilizar mecanismos que también funcionan fuera del lenguaje (Posner y Petersen, 1990).
Una misma dificultad lingüística puede tener varias causas
La evaluación clínica da ejemplos en los que es fácil atribuir al lenguaje lo que depende en parte de la atención. Una persona con afasia puede tener problemas para seleccionar palabras y, además, sostener la atención en presencia de ruido. La tarea de denominación en silencio y la participación en una conversación familiar numerosa ponen a prueba combinaciones muy diferentes de capacidades.
La negligencia espacial posterior a lesión derecha puede producir omisiones de letras o palabras situadas hacia el lado izquierdo del espacio. En la alexia por negligencia, una palabra se identifica de manera incompleta por la distribución anómala de atención espacial. La conducta final se parece a un error lector; el mecanismo no es una pérdida lexical central. Contrastar la lectura de palabras en posiciones distintas con tareas espaciales ayuda a delimitar el problema.
En delirium, la atención fluctúa y puede deteriorar la continuidad del discurso. El paciente pierde la pregunta o salta hacia estímulos periféricos. En un trastorno de atención de curso crónico, las dificultades de seguir una clase o una lectura extensa pueden coexistir con competencias lexicales y sintácticas conservadas. Ninguno de estos patrones se diagnostica a partir de una única respuesta lingüística.
En la esquizofrenia se han observado diferencias de atención y control junto con alteraciones de asociación y organización discursiva. La tangencialidad no equivale automáticamente a distraibilidad. El análisis debe considerar las relaciones semánticas entre proposiciones y el curso del discurso, además de atención. La psicopatología del lenguaje se desarrollará en lecturas posteriores sin reducirse a un sistema general de recursos.
La distinción tiene especial utilidad en adultos mayores con hipoacusia. Ante la queja entiendo bien de a uno, pero no en reuniones, una evaluación de memoria o de comprensión sintáctica en silencio puede ser normal. La dificultad aparece cuando disminuye la relación señal-ruido y varias fuentes compiten. Mejorar las condiciones acústicas o aportar señales visuales puede revelar cuánto de la pérdida aparente de comprensión dependía de la escena.
Atención lingüística, bilingüismo y habla interna
Las personas bilingües pueden mantener activas representaciones de más de una lengua. Elegir el idioma apropiado y evitar interferencias requiere control en determinadas situaciones. Durante años se propuso que ese entrenamiento cotidiano generaba una ventaja ejecutiva general. Los resultados posteriores fueron heterogéneos y muy sensibles al diseño. De la necesidad de control lingüístico no se deduce automáticamente una mejor atención para todas las tareas ajenas al lenguaje.
El habla interna permite mantener instrucciones y metas. Repetirse primero termino el informe; después contesto el correo puede ayudar a sostener un orden de acciones, en un uso del lenguaje como herramienta atencional que es diferente del reconocimiento auditivo. Las palabras aportan una representación estable que puede reactivarse para volver al objetivo después de una distracción.
La conversación real combina atención externa e interna. Mientras escucha, una persona intenta comprender el turno y empieza a preparar una respuesta. Una planificación prematura puede desplazar recursos y hacer que se pierda la última parte de lo dicho. El beneficio, por otra parte, es que los turnos se suceden con pausas breves porque la preparación empieza antes de que termine la voz ajena. La atención opera, por tanto, sobre información sensorial, representaciones de memoria e intenciones de acción, con una función que cambia según la fase comunicativa.
Lo que una máquina llama atención
En los Transformers, el mecanismo denominado attention calcula pesos entre representaciones para combinar información de tokens y contextos. La operación ha sido extraordinariamente eficaz para modelar secuencias lingüísticas. Su nombre coincide con el de una capacidad psicológica, pero los términos no tienen una equivalencia neurocognitiva demostrada.
La atención humana incluye selección perceptiva, orientación corporal, metas, resistencia a distracción y un vínculo variable con conciencia. El mecanismo de un Transformer es una transformación matemática definida por su arquitectura. Se pueden comparar ambos sistemas a nivel funcional porque priorizan información contextual y su ponderación cambia con la tarea. Equipararlos por el nombre llevaría más allá de la evidencia.
Otra comparación procede de los sistemas que decodifican atención auditiva mediante EEG y estiman qué señal externa corresponde mejor con la actividad cerebral registrada. Si se adaptan a un audífono, pueden tener utilidad tecnológica real. Seguir una envolvente acústica no implica que el sistema haya recuperado la intención consciente del usuario. La distinción es análoga a la de la lectura Neuroimagen, causalidad y límites de inferencia. Un patrón predictivo puede ser útil sin representar el mecanismo completo que se le atribuye.
Seguir un mensaje y comprenderlo
Considérese una prueba con dos hablantes en la que se solicita atender a la voz femenina y responder después preguntas sobre su contenido. El rendimiento mejora cuando se agrega un video de esa persona y disminuye con ruido. La señal neural muestra mayor seguimiento del habla objetivo. Las observaciones son entonces compatibles con que la atención favoreció esa fuente, las pistas visuales ayudaron a segregarlas y el oyente comprendió mejor.
Aun con esa convergencia, permanece una diferencia entre seleccionar la voz y construir una representación del discurso. Un oyente puede seguir bien la señal acústica y fracasar ante vocabulario desconocido o una dependencia sintáctica difícil. Otro puede responder correctamente porque el contexto permite inferir el contenido aunque haya perdido algunas palabras. En ambos casos la relación entre señal y comprensión es parcial.
Para estudiar esa diferencia conviene manipular por separado la competencia acústica, la complejidad lingüística y la carga de otras tareas. Los movimientos oculares y las medidas neurales permiten localizar momentos de selección, las preguntas de comprensión evalúan el significado recuperado y el recuerdo posterior muestra qué se consolidó. La investigación gana cuando las variables no se convierten unas en sinónimos de otras.
La atención acompaña al lenguaje durante toda su trayectoria. Cambia qué voz se vuelve figura, qué palabra gana prioridad, qué referente se recupera y cuánto permanece del discurso. El lenguaje también captura y dirige la atención. Una palabra pronunciada inesperadamente, una instrucción o un foco prosódico pueden reorganizar la escena. Estas interacciones preparan la lectura Lenguaje y memoria, donde se examina qué información persiste después de que la señal desaparece y de qué formas la memoria sostiene el lenguaje.
Para quien investiga o evalúa clínicamente, la consecuencia concreta es que un mal rendimiento lingüístico debe describirse bajo las condiciones que lo produjeron. La misma persona puede comprender un texto breve y fracasar cuando la lectura exige inhibir distractores, retener instrucciones y alternar con otra tarea. El patrón permite decidir qué debe medirse después. Es menos útil resumirlo de inmediato como un trastorno global de atención o de comprensión, etiquetas que borran la interacción entre ambas.
Referencias
Broadbent, D. E. (1958). Perception and communication. Pergamon Press.
Cherry, E. C. (1953). Some experiments on the recognition of speech, with one and with two ears. Journal of the Acoustical Society of America, 25(5), 975-979.
Corbetta, M., y Shulman, G. L. (2002). Control of goal-directed and stimulus-driven attention in the brain. Nature Reviews Neuroscience, 3(3), 201-215.
Deutsch, J. A., y Deutsch, D. (1963). Attention: Some theoretical considerations. Psychological Review, 70(1), 80-90.
Ding, N., y Simon, J. Z. (2012). Emergence of neural encoding of auditory objects while listening to competing speakers. Proceedings of the National Academy of Sciences, 109(29), 11854-11859.
Fedorenko, E., Ivanova, A. A., y Regev, T. I. (2024). The language network as a natural kind within the broader landscape of the human brain. Nature Reviews Neuroscience, 25(5), 289-312.
Gehmacher, Q., Schubert, J., Schmidt, F., Hartmann, T., Reisinger, P., Rösch, S., Schwarz, K., Popov, T., Chait, M., y Weisz, N. (2024). Eye movements track prioritized auditory features in selective attention to natural speech. Nature Communications, 15, 3692.
Lavie, N. (2005). Distracted and confused?: Selective attention under load. Trends in Cognitive Sciences, 9(2), 75-82.
Makov, S., Pinto, D., Har-Shai Yahav, P., Miller, L. M., y Zion Golumbic, E. (2023). “Unattended, distracting or irrelevant”: Theoretical implications of terminological choices in auditory selective attention research. Cognition, 231, 105313.
Mesgarani, N., y Chang, E. F. (2012). Selective cortical representation of attended speaker in multi-talker speech perception. Nature, 485(7397), 233-236.
O'Sullivan, J. A., Power, A. J., Mesgarani, N., Rajaram, S., Foxe, J. J., Shinn-Cunningham, B. G., Slaney, M., Shamma, S. A., y Lalor, E. C. (2015). Attentional selection in a cocktail party environment can be decoded from single-trial EEG. Cerebral Cortex, 25(7), 1697-1706.
Peelle, J. E. (2018). Listening effort: How the cognitive consequences of acoustic challenge are reflected in brain and behavior. Ear and Hearing, 39(2), 204-214.
Posner, M. I., y Petersen, S. E. (1990). The attention system of the human brain. Annual Review of Neuroscience, 13, 25-42.
Rayner, K. (1998). Eye movements in reading and information processing: 20 years of research. Psychological Bulletin, 124(3), 372-422.
Rayner, K. (2009). The 35th Sir Frederick Bartlett Lecture: Eye movements and attention in reading, scene perception, and visual search. Quarterly Journal of Experimental Psychology, 62(8), 1457-1506.
Straetmans, L., Adiloglu, K., y Debener, S. (2024). Neural speech tracking and auditory attention decoding in everyday life. Frontiers in Human Neuroscience, 18, 1483024.
Tanenhaus, M. K., Spivey-Knowlton, M. J., Eberhard, K. M., y Sedivy, J. C. (1995). Integration of visual and linguistic information in spoken language comprehension. Science, 268(5217), 1632-1634.
Treisman, A. M. (1964). Monitoring and storage of irrelevant messages in selective attention. Journal of Verbal Learning and Verbal Behavior, 3(6), 449-459.
Zion Golumbic, E. M., Ding, N., Bickel, S., Lakatos, P., Schevon, C. A., McKhann, G. M., Goodman, R. R., Emerson, R., Mehta, A. D., Simon, J. Z., Poeppel, D., y Schroeder, C. E. (2013). Mechanisms underlying selective neuronal tracking of attended speech at a “cocktail party”. Neuron, 77(5), 980-991.