6.c) Esnuka e os algoritmos do modelo de simulação global

Depois de introduzir no Modelo Social a evolução no sentido apontado pela Teoria da Evolução Condicionada da Vida, as limitações funcionais devidas aos problemas genéticos e dotá-lo de processos estatísticos com a capacidade de gerar variáveis quantitativas com perturbações aleatórias que as aproximem às variáveis de dados observados, o modelo completo da herança genética da inteligência funciona satisfatoriamente como se pode verificar com os gráficos de correlação e regressão múltipla que se apresentam em seguida.

A terceira surpresa do Estudo EDI- Evolução e Desenho da Inteligência foi que uma vez validado o modelo completo do Modelo Global contém exatamente os mesmos parâmetros herança biológica, evolução e problemas genéticos que maneja o jogo grátis de bilhar Esnuka (1991). Ou seja, os algoritmos genéticos utilizados na simulação de processos são os mesmos. Eu tinha renunciado a introduzir alguns destes algoritmos genéticos na regressão linear porque não pensei que fossem necessários e que seria muito difícil de justificar.

De fato, para provar o caráter hereditário da inteligência e a presença do método VIG não é preciso nenhum algoritmo genético de geração da variável R quando a regressão linear se faz sobre M e P diretamente.

Esnuka é um jogo de bilhar no qual a cor das bolas depende dos estados evolutivos em função das carambolas conseguidas, de acordo com os algoritmos genéticos deduzidos da Teoria Geral da Evolução Condicionada da Vida. Em Esnuka não faziam falta tantas variáveis aleatórias nos processos de simulação da evolução porque não produzia erros na expressão nem na medição e a evolução estabelece-se numa percentagem constante.

Todos estes gráficos de correlação e regressa múltipla correspondem ao Modelo Global de herança multifuncional incluindo as limitações funcionais derivadas de que existem problemas genéticos. Claro que, para conseguir um efeito óptico satisfatório das variáveis quantitativas, escolheram-se aqueles gráficos da simulação de processos nos que W mais se ajusta a uma das H ou variáveis observadas dos filhos.

6.c.1. Variáveis originais. (Teste de inteligência escala Wechsler e Stanford-Binet)

As variáveis individuais originais facilitadas pelo Young Adulthood Study nem sempre melhoram o ser ajuste com os algoritmos genéticos implementados ou simulados no Modelo Global enquanto que as centradas sim. Para o caso da ordem (M+P)/2 poderia entender-se facilmente porque o referido critério não responde às mudanças nos parâmetros de evolução interna que são os únicos que mudam R e M1P1, em cujo caso as denominamos R ° e M1P1 ° para facilitar os raciocínios.

Para além dos problemas genéticos, pode ser que faltem elementos por precisas, mas a estrutura principal do Modelo Global e os algoritmos genéticos que implica, em minha opinião, é totalmente válida. Também poderia ser que a sensibilidade do modelo com tanta variável aleatória não seja capaz de detectar o limitado efeito dos parâmetros de evolução interna sobre os referidos elementos e o que necessita este modelo de simulação é uma maior precisão quantitativa dos elementos envolvidos.

É cedo para retirar conclusões tão especificas, por exemplo, ocorre-me que, perante estes gráficos, nos quais as três variáveis H se comportam por vezes de forma muito semelhante e às vezes de forma muito diferente, poderia acontecer que os diferentes testes utilizados meçam características diferentes e por isso respondam de forma diferente quando a perspectiva de análise muda.

MODELO GLOBAL: T1, T4 e WB
(Teste de inteligência escala Wechsler e Stanford-Binet)
Ordem Função objetivo
M & P
Gráficos ICMG r² máx. Gráficos ICMG r² máx.
(M+P)/2 q151° 11,73 0,62 q152 13,05 0,80
M1P1° q153° 10,91 0,79 q154° 13,04 0,79
q155° 10,83 0,73 q156° 12,63 0,94
WB q157° 12,26 0,89 q158 14,68 0,99

Esta última questão, já a sabemos, o que seria novo seria a análise quantitativa a partir desta perspectiva.

Por outras palavras, poderia ser que certas funções elementares que conformam a inteligência pertençam a um núcleo duro que não será afetado normalmente pela evolução interna de uma só geração. Em concreto, poderia ser uma melhoria do modelo ao colocar uma constante de inteligência mínima humana que poderia ser de 50 ou 60 pontos, ainda que sempre possa haver exceções por graves alterações cerebrais por problemas genéticos.

Ainda assim, as correlações obtidas com as variáveis individuais chegam a 0.89 para a função R ° definida pela TGECV e a 0,99 se se faz sobre M e P, ainda que, este último resultado é o mesmo que com o Modelo Global de herança genética sem evolução porque os parâmetros da evolução não alteram nem M & P nem o critério estatístico de ordenação WB.

Da mesma forma, quando se utiliza a variável R ° como critério estatístico de ordenação consegue-se 0.94 que não está nada mal. E a 0,79 quando o critério é M1P1 ° para as duas funções objetivo contempladas.

Outro aspecto que não convém esquecer é a melhoria de comportamento da variável W em todos eles. Eu penso que basta ver os gráficos com a simulação de processos de herança biológica e evolução para nos darmos conta de que o modelo não pode estar muito errado.

6.c.2. Variáveis centradas (Médias de testes de inteligência escala Wechsler e Stanford-Binet)

Com as variáveis centradas no Modelo Global de simulação da evolução mantém-se o seu melhor ajuste em relação às individuais que existia no modelo da Inteligência Social.

MODELO GLOBAL: T1-d, X3 e X6
Ordem Função objetivo
M & P
Gráficos ICMG r² máx. Gráficos ICMG r² máx.
(M+P)/2 q161° 14,70 0,77 q162 16,03 0,80
M1P1° q163° 15,61 0,89 q164° 17,77 0,89
q165° 15,55 0,84 q166° 17,40 0,97
X6 q167° 15,05 0,91 q168 17,20 0,88

Poderia dizer-se que os gráficos de correlação e regressa múltipla continuam a ser bastante eloquentes.

Em relação às mesmas variáveis centradas sem os algoritmos genéticos dos processos de simulação da evolução interna e problemas genéticos, observa-se um aumento do ICMG maior quando a função objetivo é M & P do que R º, ainda que seja importante em ambas, e maior com o critério M1P1 ° do que com R °, situando-se em 1,70 pontos e 1,52 respectivamente. 

Tanto para a função objetivo R ° como a M & P os resultados com enfoque quantitativo do modelo de simulação são superiores quando se utilizam os critérios de ordenação R ° e M1P1°.