Experimentos de lectura – Keith Rayner El efecto McGurk (ilusión audiovisual) –

La comprensión del lenguaje humano constituye uno de los desafíos intelectuales más formidables de la ciencia cognitiva contemporánea. Lejos de ser un acto pasivo de decodificación lineal, la aprehensión del significado verbal —ya sea manifestado mediante la grafía impresa sobre una superficie o articulado a través de perturbaciones acústicas en el aire— exige una coordinación neuromuscular, perceptiva y computacional de extraordinaria complejidad. En las últimas cinco décadas, la psicolingüística experimental ha transformado radicalmente nuestra apreciación de estos procesos, transitando desde postulados introspectivos y modelos conductistas rígidos hacia una neurociencia cognitiva rigurosa, basada en mediciones cronométricas con precisión de milisegundos y en paradigmas de estimulación multisensorial altamente controlados.

En el epicentro de esta revolución metodológica destacan dos figuras y líneas de investigación pioneras cuyos hallazgos redefinieron para siempre los límites del conocimiento sobre la mente humana: por un lado, el trabajo monumental de Keith Rayner en el ámbito del control oculomotor y la lectura; por el otro, el descubrimiento fundacional de Harry McGurk y John MacDonald respecto a la fusión audiovisual en la percepción del habla. Aunque tradicionalmente parcelados en dominios independientes —la visión y el texto frente a la audición y la orofacialidad—, ambos fenómenos convergen en una verdad epistemológica profunda: el cerebro humano no procesa la señal lingüística de manera aislada ni puramente ascendente, sino que despliega arquitecturas predictivas complejas, coordinando activamente el muestreo atencional y la síntesis multimodal de la información disponible.

El presente tratado monográfico analiza con minuciosidad experimental y teórica los descubrimientos de Rayner y McGurk, explorando desde las micropropiedades de la biomecánica ocular y las dinámicas foveales/parafoveales durante el escaneo del texto, hasta los mecanismos neurobiológicos en el surco temporal superior que dan lugar a ilusiones categoriales de fusión fonética. A través de este recorrido exhaustivo, se articulan las conexiones teóricas entre la activación fonológica encubierta durante la lectura silente y la lectura labial en la percepción del habla, proponiendo una síntesis crítica que ilumina tanto la investigación básica como las aplicaciones clínicas, educativas y computacionales de vanguardia.

1. 1. Introducción a la psicolingüística experimental: De la decodificación visual a la percepción multisensorial

1.1 1.1. Fundamentos epistemológicos de la ciencia de la lectura y la percepción del habla

La evolución histórica de los paradigmas experimentales en el procesamiento del lenguaje refleja un cambio paradigmático en la epistemología de la psicología cognitiva. Durante la primera mitad del siglo XX, las aproximaciones empiristas y conductistas relegaron el estudio de los procesos mentales internos a la categoría de epifenómenos inaccesibles, concibiendo el lenguaje como un conjunto de respuestas condicionadas ante estímulos léxicos o sonoros. La denominada revolución cognitiva iniciada en la década de 1950, influenciada por la teoría de la información y la lingüística generativa, replanteó la mente humana como un sistema computacional de procesamiento de información dotado de representaciones internas y algoritmos específicos para la manipulación de símbolos fonológicos, sintácticos y semánticos.

Este cambio conceptual requirió la transición urgente desde modelos conductuales estáticos hacia arquitecturas cognitivas dinámicas. En el centro de esta metamorfosis científica se situó la cronometría mental: la premisa de que la duración temporal requerida para ejecutar una operación cognitiva refleja directamente la complejidad y la naturaleza de las etapas de procesamiento subyacentes. Las técnicas de tiempo de reacción manual y las tareas de categorización forzada, si bien productivas, presentaban limitaciones estructurales para capturar el despliegue dinámico y microgenético del lenguaje natural. Ello impulsó el desarrollo de índices conductuales objetivos y continuos, capaces de monitorizar el flujo informativo en tiempo real sin requerir decisiones metalingüísticas artificiales por parte de los participantes.

Asimismo, la delimitación metodológica clásica entre modalidades sensoriales comenzó a fracturarse. El código lingüístico, históricamente analizado a través de la vía auditiva para el habla y de la vía visual para el texto escrito, reveló ser un fenómeno intrínsecamente unificado a nivel neurocognitivo. Los seres humanos no sólo correlacionan representaciones ortográficas con valores fonéticos abstractos mediante reglas de recodificación simbólica, sino que integran pistas biomecánicas, señales cinemáticas articulatorias y patrones acústicos en un espacio perceptivo común. Esta articulación entre modalidades sensoriales demostró que el cerebro lingüístico opera como un sistema de inferencia probabilística donde las señales visuales y auditivas se calibran recíprocamente para optimizar la velocidad y la certidumbre de la comunicación humana.

1.2 1.2. El papel pionero de Keith Rayner y el descubrimiento de Harry McGurk

El estudio contemporáneo del lenguaje debe dos de sus piedras angulares metodológicas a Keith Rayner y a Harry McGurk. A comienzos de la década de 1970, el análisis empírico de la lectura se encontraba empantanado en conjeturas teóricas sobre la amplitud de la atención visual y el control foveal. Keith Rayner transformó de raíz esta disciplina al concebir el registro continuo de los movimientos oculares no meramente como una métrica fisiológica periférica, sino como una ventana directa y milimétrica hacia la arquitectura cognitiva del lector. Al diseñar paradigmas interactivos controlados por ordenador donde el texto visual cambiaba de forma invisible y contingente a la posición de la mirada, Rayner desmanteló décadas de especulaciones intuitivas, sentando las bases del paradigma moderno de la psicolingüística visual.

Casi en paralelo cronológico, en 1976, los psicólogos del desarrollo Harry McGurk y John MacDonald se toparon de manera accidental con una anomalía perceptiva desconcertante en el University of Surrey. Mientras estudiaban cómo los lactantes y niños pequeños procesaban la información comunicativa en grabaciones de vídeo, su asistente técnico combinó por error la pista de audio de una consonante bilabial con la imagen en vídeo de una cara que articulaba una consonante velar. En lugar de percibir un conflicto irresoluble o una dominancia visual absoluta, los investigadores experimentaron una tercera categoría fonética, nítida y robusta, inexistente en la señal de audio física. El bautizado como efecto McGurk reveló la naturaleza ineludible y categórica de la integración cross-modal en la percepción del habla.

La convergencia disciplinar entre la psicolingüística visual de Rayner y la percepción auditiva-motora de McGurk radica en una premisa compartida: la cognición lingüística depende críticamente de la captura e integración espacio-temporal de patrones visuales dinámicos o estáticos. Mientras Rayner dilucidó cómo el sistema oculomotor muestrea activamente fragmentos discretos de información ortográfica parafoveal y foveal para coordinar la mente lectora, McGurk y MacDonald evidenciaron que la retina y el córtex auditivo operan en una retroalimentación continua e inseparable durante el acto de escuchar a un interlocutor. Ambas líneas de investigación derribaron la concepción del procesamiento perceptivo pasivo, sustituyéndola por una visión activa, predictiva y multisensorial de la cognición humana.

1.3 1.3. Objetivos y alcance del análisis comparativo y sintético

El propósito fundamental de esta investigación radica en proporcionar una disección teórica y metodológica de ambos paradigmas, evaluando rigurosamente cómo el cerebro humano resuelve la decodificación lingüística bajo diferentes condiciones sensoriales. A pesar del éxito de ambas corrientes, la literatura especializada a menudo mantiene separados los avances del rastreo ocular en la lectura de los modelos de integración multisensorial del habla. Esta escisión oscurece la profunda homología funcional que subyace a la resolución de ambigüedades en señales ortográficas estáticas frente a señales fonéticas dinámicas distribuidas en el tiempo.

A lo largo de este análisis se contrastarán sistemáticamente las discrepancias físicas entre el estímulo impreso continuo —el cual goza de permanencia espacial y permite la relectura mediante movimientos oculares regresivos autónomos— y la señal acústico-visual del habla, caracterizada por su transitoriedad irreversible y por la necesidad de una síntesis instantánea ‘al vuelo’ (on-line). Se prestará particular atención a la interacción entre representaciones ortográficas, redes fonológicas abstractas y patrones cinemáticos articulatorios, indagando en cómo la activación fonológica encubierta en la lectura silenciosa dialoga funcionalmente con los procesos de integración audiovisual observados en el laboratorio de percepción auditiva.

Finalmente, se delineará un marco conceptual integrador capaz de unificar las ilusiones perceptivas cross-modales y las restricciones biomecánicas oculares dentro de la teoría del procesamiento predictivo y los modelos bayesianos de inferencia sensorial. Al contrastar las metodologías contingentes a la mirada de Rayner con los paradigmas de conflicto audiovisual de McGurk, este estudio busca desvelar los principios de optimización computacional que rigen la arquitectura del lenguaje humano, trazando puentes entre la psicofísica visual, la neurobiología cortical y la ciencia del aprendizaje.

2. 2. Keith Rayner y la revolución del registro de movimientos oculares en la lectura

2.1 2.1. Desarrollo histórico de la tecnología de seguimiento ocular (Eye-Tracking)

El anhelo empírico por registrar el comportamiento de los ojos durante la lectura se remonta a finales del siglo XIX, con los intentos pioneros de Émile Javal, Edmund Huey y Charles Judd. Sin embargo, los métodos primigenios eran invasivos y rudimentarios: empleaban ventosas mecánicas aplicadas directamente sobre la córnea desensibilizada, conectadas a palancas de registro que trazaban los movimientos sobre cilindros ahumados. Estos dispositivos generaban un considerable traumatismo ocular, distorsionaban el comportamiento natural del lector y carecían de la resolución temporal indispensable para aislar los microeventos del procesamiento cognitivo del texto.

La verdadera revolución técnica sobrevino en la segunda mitad del siglo XX con la introducción de sistemas ópticos no invasivos fundamentados en la reflexión corneal y el rastreo de la pupila mediante iluminación infrarroja. Rayner aprovechó los avances en la optoelectrónica para implementar sistemas que proyectaban un haz infrarrojo invisible hacia el ojo del sujeto, capturando mediante sensores de alta sensibilidad tanto la imagen del centro pupilar como el reflejo especular en la superficie anterior de la córnea (el denominado primer reflejo de Purkinje). La relación angular y la distancia diferencial entre el centro de la pupila y este reflejo corneal permitieron calcular con extraordinaria precisión matemática la dirección de la línea de mirada, independientemente de pequeños movimientos traslacionales de la cabeza.

Estos desarrollos alcanzaron una resolución temporal sin precedentes, registrando coordenadas espaciales a frecuencias de muestreo de hasta 1000 Hz o superiores, lo que equivale a mediciones milisegundo a milisegundo de la posición de la fóvea sobre el texto. Para lograr dicha fidelidad, Rayner y sus colaboradores formalizaron rigurosos protocolos de calibración de cuadrícula multipunto y algoritmos de corrección en tiempo real de artefactos de deriva ocular (drift) y parpadeos. Estas innovaciones metodológicas transformaron el seguimiento ocular de una curiosidad psicofísica en una herramienta de precisión neurocognitiva de primer orden.

2.2 2.2. La hipótesis ojo-mente: Acoplamiento temporal entre fijación y procesamiento

La viabilidad teórica del seguimiento ocular como herramienta psicolingüística descansa sobre la célebre «hipótesis ojo-mente» (Eye-Mind Hypothesis), formulada originalmente por Marcel Just y Patricia Carpenter en 1980 y refinada minuciosamente a lo largo de décadas por Keith Rayner. En su formulación más pura, esta conjetura postula que no existe un desfase apreciable entre lo que el ojo está fijando espacialmente y lo que la mente está procesando a nivel léxico y conceptual; el ojo permanece estacionario sobre una palabra el tiempo exacto que le toma al sistema cognitivo decodificar, recuperar e integrar dicha entrada lingüística en el modelo discursivo en desarrollo.

No obstante, la investigación de Rayner demostró que este acoplamiento temporal, si bien íntimo, no es lineal ni absoluto. El procesamiento cognitivo exhibe límites de inmediatez impuestos por el desfase neurofisiológico de las vías visuales y motores (aproximadamente 150-200 ms entre la activación foveal y la ejecución del comando motor para disparar una sacada). Más crítico aún fue el hallazgo de los efectos de desbordamiento o spillover effects: cuando una palabra presenta una dificultad de decodificación extrema (debido a su baja frecuencia léxica, morfología infrecuente o ambigüedad estructural), los costos de procesamiento cognitivo a menudo no se agotan durante la fijación foveal de dicha palabra diana, sino que se proyectan temporalmente hacia la fijación de la palabra inmediatamente subsiguiente.

Esta disociación temporal entre la captura fotónica de la información visual y el procesamiento léxico superior obligó a rechazar visiones mecanicistas ingenuas. Rayner demostró que las decisiones sobre cuándo mover los ojos y hacia dónde dirigirlos están desacopladas en el tiempo, respondiendo a una interacción dinámica entre procesos de bajo nivel —como la extracción retiniana de la longitud física de la palabra adyacente— y procesos semánticos de alto nivel que modulan la permanencia sobre la palabra actual.

2.3 2.3. Parámetros oculomotores básicos: Fijaciones, sacadas y microsacadas

El comportamiento lector visualmente continuo que experimentamos de forma subjetiva es, en realidad, una ilusión perceptual generada por el sistema nervioso central. En el plano biomecánico, la lectura consiste en una secuencia balística e intermitente de pausas estáticas, denominadas fijaciones, intercaladas por saltos de reposicionamiento hiperveloces llamados sacadas. En lectores humanos adultos y diestros en lenguas alfabéticas, la duración promedio de una fijación oscila entre los 200 y los 250 milisegundos, aunque con una distribución asimétrica y una considerable variabilidad interna que puede abarcar desde los 100 ms hasta más de 500 ms en función de la complejidad del estímulo.

Las sacadas constituyen los movimientos más veloces producidos por la musculatura esquelética humana, alcanzando velocidades angulares pico de hasta 500 a 800 grados por segundo. Con una duración típica de 20 a 35 milisegundos y una amplitud media de 7 a 9 caracteres tipográficos en sistemas ortográficos basados en el alfabeto latino, la sacada tiene una naturaleza fundamentalmente balística: una vez iniciada su trayectoria en el tronco encefálico (a nivel de la formación reticular pontina paramediana), su destino espacial no puede ser corregido en pleno vuelo. Durante el trayecto del salto sacádico, el cerebro experimenta el fenómeno fisiológico de la supresión sacádica, una elevación transitoria del umbral perceptivo que causa una ceguera funcional total al movimiento y a la degradación visual por barrido, evitando que el lector perciba un torbellino borroso intolerable cada cuarto de segundo.

Incluso durante la aparente inmovilidad de una fijación foveal, los ojos nunca permanecen estáticos. El sistema neuromuscular genera constantemente movimientos involuntarios a microescala: derivas lentas (drifts), temblores fisiológicos de alta frecuencia (tremor) y microsacadas espasmódicas de amplitud inferior a 1 grado visual. Lejos de constituir un defecto o ruido del aparato motor, estas microdinámicas refrescan continuamente la estimulación retiniana, evitando la rápida saturación y adaptación de los fotorreceptores que causaría la desaparición completa de la imagen estacionaria del texto, al tiempo que contribuyen al posicionamiento micrométrico sobre las letras críticas de la palabra fijada.

3. 3. Metodologías paradigmáticas de Rayner: Ventana móvil y técnica del límite de activación

3.1 3.1. El paradigma de la ventana móvil contingente a la mirada

En 1975, Keith Rayner publicó en la revista Cognitive Psychology un artículo histórico donde introdujo el paradigma de la ventana móvil contingente a la mirada (Moving Window Paradigm). Esta técnica informática y psicofísica vanguardista permitió evaluar empíricamente cuál es la región espacial exacta del texto de la que un lector extrae información útil durante una fijación foveal. El procedimiento requería una sincronización computacional extrema: mediante la lectura en tiempo real de las coordenadas del ojo a través del sistema de seguimiento ocular, el ordenador redibujaba la pantalla de texto a medida que el lector avanzaba en la línea, presentando un fragmento de texto intacto únicamente en el punto exacto de la mirada del sujeto, mientras que todo el resto del texto a la derecha e izquierda de dicha «ventana» se enmascaraba (típicamente sustituyendo las letras por una cadena uniforme de ‘x’ o por letras visualmente semejantes).

Si la ventana de texto nítido que viaja acoplada al ojo es lo suficientemente amplia como para abarcar todo el campo visual útil del lector, la lectura prosigue a una velocidad normal y sin alteraciones biomecánicas perceptibles; el lector no llega a percibir que el resto del texto exterior es una masa de caracteres enmascarados. En cambio, si la ventana se reduce por debajo del umbral funcional del sujeto, la velocidad de lectura se desploma, las fijaciones se alargan y se dispara la tasa de movimientos regresivos. Mediante la variación paramétrica sistemática del tamaño y geometría de la ventana, Rayner demostró de forma concluyente que la región de extracción de información no es simétrica ni se extiende de manera uniforme en el campo visual.

En lectores de sistemas alfabéticos de izquierda a derecha como el inglés o el español, el campo visual funcional o amplitud perceptiva abarca aproximadamente 3 a 4 posiciones de caracteres a la izquierda del punto de fijación y entre 14 y 15 posiciones de caracteres hacia la derecha. La degradación periférica artificial permitió comprobar que más allá de esos 15 caracteres hacia la derecha, el cerebro del lector es completamente incapaz de extraer identidad léxica o morfológica, aunque continúe capturando información de muy baja frecuencia espacial, como la presencia de espacios en blanco que delimitan las fronteras de las palabras venideras.

3.2 3.2. El paradigma del límite de activación (Boundary Paradigm)

Para determinar qué tipos específicos de información lingüística (ortográfica, fonológica, semántica) se extraen de las palabras antes de que el ojo las fije de manera directa, Keith Rayner concibió la paradigmática técnica del límite de activación o Boundary Paradigm (Rayner, 1975). En este diseño, se define un límite invisible en una coordenada espacial específica de la línea del texto, ubicado inmediatamente a la izquierda de una determinada palabra crítica diana. Mientras el ojo del lector se encuentra fijando cualquier posición previa a dicho límite invisible, la palabra diana se presenta alterada en la pantalla por una máscara previa o estímulo cebador (preview).

En el instante milimétrico en que el ojo del sujeto inicia una sacada que cruza físicamente ese límite virtual invisible, el sistema informático detecta el cruce de coordenadas y conmuta la máscara por la palabra diana correcta. Gracias al fenómeno neurobiológico de la supresión sacádica, el cambio de estímulo ocurre durante el salto del ojo y resulta completamente invisible para el lector. Cuando el ojo finalmente aterriza sobre la palabra diana, esta ya exhibe su grafía original. Si la previsualización parafoveal previa compartía propiedades con la palabra diana, el tiempo que el ojo invierte en procesar dicha palabra una vez fijada se reduce drásticamente, un efecto conocido como beneficio de previsualización parafoveal (parafoveal preview benefit).

Manipulando las características de la máscara parafoveal previa —utilizando cadenas de letras que comparten ortografía idéntica (ej. cebadores visuales), pseudohomófonos que comparten fonología pero difieren en grafía, palabras semánticamente congruentes o cadenas no relacionadas—, Rayner y sus sucesores desentrañaron la naturaleza temporal del procesamiento pre-foveal. Demostraron que el sistema cognitivo decodifica rasgos abstractos de las letras y códigos de sonido fonológicos sustanciales de la palabra adyacente *antes* de que la fóvea descienda sobre ella, desbaratando la hipótesis de que las palabras se procesan como entidades aisladas en una estricta caja negra foveal.

3.3 3.3. Control experimental y eliminación de variables espurias

La sofisticación empírica de los experimentos de Rayner estableció nuevos estándares de rigor científico en la psicología experimental, obligando a un control meticuloso de numerosas variables espurias que históricamente habían contaminado las conclusiones sobre la lectura. La principal de ellas es la frecuencia léxica (la probabilidad estadística de ocurrencia de una palabra en un corpus lingüístico natural), la cual ejerce un impacto gravitacional masivo sobre la duración de la fijación: las palabras infrecuentes retienen la mirada de 20 a 50 milisegundos más que las palabras sumamente comunes. Toda investigación rigurosa debía emparejar escrupulosamente los estímulos en longitud física (número de caracteres y píxeles) y vecindad ortográfica.

Otro factor crucial aislado por Rayner fue la predecibilidad contextual, formalizada psicométricamente mediante el procedimiento de compleción de Cloze (la probabilidad de que un grupo normativo independiente adivine la palabra diana leyendo la oración hasta el punto anterior a ella). Las palabras altamente predecibles son frecuentemente omitidas por el ojo durante la lectura (word skipping) o fijadas durante periodos significativamente más breves, lo que obligaba a equilibrar matemáticamente la sorpresa probabilística en los diseños de oraciones experimentales para no confundir la facilitación contextual con la decodificación visual neta.

Asimismo, los paradigmas de Rayner demostraron su poder epistémico al ser sometidos a rigurosas pruebas de replicabilidad translingüística. La metodología de la ventana móvil y el límite de activación fue adaptada sistemáticamente a lenguas con sistemas ortográficos no alfabéticos o con direcciones de lectura divergentes. Los experimentos en sistemas silábicos como el kana japonés, logográficos densos como los caracteres hànzì del chino mandarín o escrituras con orientación de derecha a izquierda revelaron cómo los parámetros oculomotores basales se adaptan elásticamente a las demandas espaciales y a la densidad informativa de cada ortografía, demostrando la universalidad de la arquitectura computacional propuesta por Rayner.

4. 4. Procesamiento foveal y parafoveal: El alcance perceptual durante la lectura

4.1 4.1. Anatomía funcional de la retina: Fóvea, parafóvea y periferia

Para comprender cabalmente las restricciones computacionales que gobiernan el movimiento ocular durante la lectura es imperativo analizar la arquitectura citoarquitectónica de la retina humana. La retina no es un sensor homogéneo ni opera con una distribución uniforme de píxeles biológicos; muy por el contrario, exhibe una diferenciación funcional extrema dictada por el gradiente de densidad celular de los fotorreceptores. El centro óptico de máxima discriminación es la fóvea central (y en su núcleo más íntimo, la fovéola), una microdepresión avascular que subtiende aproximadamente 1 a 2 grados de ángulo visual (equivalente a unas 3 a 6 letras impresas a una distancia de lectura convencional de 40 a 50 cm).

En la fovéola, la convergencia neural es prácticamente de 1:1, donde un cono individual sinapta directamente con una célula bipolar y esta con una célula ganglionar enana, garantizando una agudeza visual y espacial insuperable. Sin embargo, a medida que nos alejamos de este epicentro hacia la parafóvea —que subtiende desde los 2 hasta aproximadamente los 5 grados de ángulo visual a cada lado del centro de fijación— y finalmente hacia la periferia retiniana visual, la densidad de conos decrece de manera exponencial, siendo sustituidos por bastones acromáticos agrupados con una altísima tasa de convergencia neural. Esta degradación citoarquitectónica genera una caída estrepitosa e irreversible de la resolución espacial y del poder de discriminación de altas frecuencias espaciales.

Esta limitación anatómica impuesta por el sistema retino-genículo-estriado dicta que el sistema cognitivo humano no pueda procesar una línea completa de texto de forma instantánea ni paralela. Para que la corteza visual primaria y las áreas de reconocimiento de formas de palabras logren descomponer los rasgos finos de las letras impresas, es una necesidad biológica ineludible desplazar la diminuta fóvea a lo largo del renglón mediante el control oculomotor sacádico. El ojo actúa, en términos computacionales, como un cuello de botella físico que obliga a serializar o segmentar activamente el muestreo de la información visual.

4.2 4.2. Extensión y asimetría del campo perceptual (Perceptual Span)

Las investigaciones sistemáticas de Keith Rayner establecieron que la amplitud perceptiva o perceptual span no se corresponde simplemente con el límite anatómico de la agudeza foveal, sino que es un constructo funcional modulado por la atención encubierta. En lectores adultos competentes de lenguas occidentales (con ortografías que progresan de izquierda a derecha), la amplitud perceptiva funcional se extiende de forma marcadamente asimétrica: abarca tan solo 3 o 4 espacios de caracteres a la izquierda del punto de fijación, mientras que se proyecta hasta 14 o 15 posiciones de caracteres hacia la derecha (incluyendo letras y espacios interpalabra).

Esta notable asimetría no se debe a un sesgo anatómico inherente a la retina o a la corteza visual de los hemisferios cerebrales, sino al enrutamiento atencional prospectivo modulado por el hábito lector. La confirmación concluyente de esta tesis provino de los experimentos transculturales de Rayner y sus colaboradores al evaluar a lectores nativos de lenguas con dirección de lectura de derecha a izquierda, como el hebreo o el árabe. En estos sujetos, la asimetría funcional de la amplitud perceptiva se invierte geométricamente con absoluta precisión: su campo funcional útil abarca apenas 3 o 4 caracteres a la derecha y se proyecta ampliamente hacia la izquierda, en el sentido en que debe avanzar la mirada.

Asimismo, Rayner demostró que la amplitud perceptiva no es una métrica estática ni universalmente rígida; experimenta una modulación dinámica continua determinada por la dificultad de procesamiento del texto y por el nivel de pericia o competencia lectora del individuo. Cuando un lector experto se enfrenta a un texto densamente cargado de tecnicismos, términos sintácticamente opacos o ambigüedades estructurales profundas, la amplitud perceptiva se contrae de forma automática, replegándose hacia los límites de la fóvea. En contraste, en textos de alta predictibilidad y baja exigencia léxica, la atención encubierta se expande hacia la parafóvea profunda, optimizando la tasa de muestreo visual por unidad de tiempo.

4.3 4.3. Previsualización parafoveal y facilitación léxica

El fenómeno de la previsualización parafoveal (parafoveal preview) constituye una de las piedras angulares de la teoría de la lectura desarrollada por Rayner. Mediante el uso del paradigma del límite de activación, se ha demostrado de manera incontrovertible que el lector no espera a situar la fóvea sobre una palabra para comenzar su procesamiento sensorial y lingüístico. Mientras la palabra $N$ está siendo fijada directamente en la fóvea, la palabra subsiguiente $N+1$ ya está siendo sometida a un escrutinio preliminar en la parafóvea.

¿Qué nivel de abstracción lingüística logra extraerse parafovealmente antes de la fijación consciente? La evidencia empírica acumulada por Rayner demuestra que la información sobre la longitud física de la palabra adyacente y los rasgos espaciales gruesos de las letras iniciales se extraen de forma prácticamente universal y obligatoria, sirviendo como guía balística primaria para calcular la longitud del próximo salto sacádico. Además, se produce una extracción robusta de las identidades ortográficas tempranas y de las correspondencias abstractas grafema-fonema, facilitando sustancialmente el reconocimiento léxico una vez que el ojo se posa sobre la diana.

No obstante, el alcance de la extracción semántica temprana en la parafóvea ha sido objeto de uno de los debates más intensos y apasionados de la psicolingüística moderna. Mientras que los modelos de procesamiento serial estricto liderados por Rayner han argumentado tradicionalmente que la extracción del significado semántico parafoveal es mínima o inexistente en ortografías alfabéticas espaciadas (salvo bajo condiciones de altísima predictibilidad contextual o en sistemas densos como el chino mandarín), los defensores de los modelos de gradiente atencional en paralelo sostienen que el cerebro puede procesar simultáneamente múltiples significados en diferentes posiciones del campo visual. La evidencia contemporánea de cronometría ocular sugiere que la previsualización ortográfica y fonológica es indiscutible, mientras que la penetración semántica parafoveal sigue sujeta a severas restricciones de carga cognitiva y competencia atencional.

5. 5. Arquitectura computacional del procesamiento léxico: Modelos E-Z Reader y SWIFT

5.1 5.1. El modelo E-Z Reader de Keith Rayner y colaboradores

Para sistematizar la abrumadora cantidad de datos conductuales derivados de décadas de experimentación con seguimiento ocular, Keith Rayner, Erik Reichle, Alexander Pollatsek e Irene Fisher formalizaron el modelo computacional E-Z Reader. Concebido como una arquitectura teórica de procesamiento serial estricto, el modelo E-Z Reader explica con precisión matemática cómo la decodificación visual y el acceso léxico regulan de forma causal las decisiones del sistema motor sobre cuándo y hacia dónde desplazar los ojos durante la lectura natural.

El núcleo del modelo postula que el procesamiento de una palabra no ocurre como un bloque atómico, sino que se divide en dos fases cronométricas sucesivas:

• Fase L1 (Verificación de familiaridad): Constituye una etapa temprana y rápida de procesamiento léxico preliminar. Tan pronto como el sistema cognitivo completa la fase L1 sobre la palabra actualmente fijada, se envía automáticamente un comando motor no balístico a los centros de control oculomotor en el colículo superior para programar la preparación de la siguiente sacada (decidiendo el cuándo del movimiento ocular).
• Fase L2 (Acceso léxico completo): Esta fase culmina la recuperación léxica exhaustiva, incluyendo el significado semántico y los rasgos morfológicos de la palabra. Una vez alcanzado el éxito en L2, el foco de la atención visual encubierta se desacopla de la palabra actual y se traslada de forma inmediata e instantánea a la palabra contigua ($N+1$), iniciando el procesamiento preliminar de esta última antes de que el ojo físico haya ejecutado físicamente el salto sacádico programado en la fase L1.

Este mecanismo computacional de desacoplamiento entre el cambio de atención encubierto y el desencadenamiento del programa motor explica de manera magistral fenómenos como el salto de palabras (word skipping). Si una palabra adyacente es sumamente breve, frecuente o altamente predecible a partir del contexto, su verificación de familiaridad (L1) puede completarse íntegramente durante la previsualización parafoveal previa; en consecuencia, el programa motor en curso se cancela o actualiza rápidamente, ordenando al ojo omitir dicha palabra y aterrizar directamente sobre la palabra subsiguiente ($N+2$).

5.2 5.2. El modelo alternativo SWIFT: Procesamiento en paralelo distribuido

Frente al enfoque de procesamiento serial estricto defendido por Rayner en E-Z Reader, emergió un modelo computacional alternativo de gran potencia explicativa: el modelo SWIFT (Synchronous Wandering Individuals Forward Traffic), desarrollado principalmente por Ralf Engbert, Reinhold Kliegl y sus colaboradores. La premisa arquitectónica diferencial de SWIFT radica en su asunción de un procesamiento en paralelo continuo y distribuido a lo largo del campo visual funcional.

En el marco teórico de SWIFT, la atención visual durante la lectura no opera como un foco discreto que salta linealmente de una palabra a otra como propone E-Z Reader, sino como un gradiente o campo atencional dinámico y expandido que abarca múltiples palabras adyacentes de manera simultánea. En cualquier fijación dada, las palabras situadas dentro de este gradiente atencional (típicamente $N-1$, $N$, $N+1$ y $N+2$) son procesadas de forma concurrente, acumulando niveles continuos de activación léxica en una red competitiva distribuida.

El control del movimiento ocular en SWIFT está gobernado por una dinámica de competición interléxica estocástica: un marcapasos neuronal autónomo e intrínseco genera comandos sacádicos a intervalos temporales basales (determinando el cuándo), mientras que la decisión de hacia dónde dirigir el ojo surge de un mapa probabilístico de activación donde la palabra que exhibe el mayor déficit de información o el estado de activación óptimo «gana» la atracción del vector de aterrizaje sacádico. Aunque el debate entre serialistas y paralelistas continúa abierto en la psicología matemática, la confrontación de ambos modelos con grandes corpus de datos empíricos de seguimiento ocular ha refinado profundamente nuestra comprensión de las complejas interacciones entre cognición y motricidad.

5.3 5.3. El fenómeno de las regresiones y la reparación sintáctica

A pesar de que el flujo macroscópico de la lectura avanza de forma prospectiva, aproximadamente entre un 10% y un 15% de todos los movimientos sacádicos ejecutados por un lector competente se dirigen en sentido opuesto: hacia palabras previamente leídas. Keith Rayner categorizó minuciosamente estos movimientos, diferenciando las pequeñas regresiones oculomotoras de bajo nivel —ajustes mecánicos involuntarios provocados por un aterrizaje sacádico impreciso o por un error de calibración en la fóvea— de las regresiones cognitivas superiores, impulsadas por un fallo estructural en la decodificación sintáctica o semántica.

La investigación de Rayner sobre oraciones sintácticamente ambiguas, paradigmáticamente representadas por las oraciones de vía muerta o garden-path sentences (estructuras oracionales transitoriamente ambiguas que inducen al analizador sintáctico del lector a seleccionar una interpretación estructural inicial que posteriormente resulta ser gramaticalmente errónea), arrojó luz directa sobre los mecanismos de reanálisis. En cuanto el ojo del lector arriba a la palabra desambiguadora que contradice la hipótesis sintáctica previa (el disconfirmation point), el comportamiento oculomotor refleja una sacudida dramática: las fijaciones inmediatas se alargan sustancialmente y se desencadenan sacadas regresivas de gran amplitud dirigidas específicamente hacia la región crítica que causó la bifurcación sintáctica.

El registro de estos patrones diagnósticos permitió calcular con precisión de milisegundos los costos de reprocesamiento cognitivo y la carga impuesta sobre la memoria de trabajo. Demostró que el sistema de procesamiento del lenguaje no avanza a ciegas acumulando palabras desarticuladas, sino que construye activamente modelos jerárquicos estructurados; ante el colapso del análisis probabilístico primario, el sistema oculomotor es reclutado de manera refleja como un instrumento de búsqueda física en el espacio bidimensional de la página para reanudar el equilibrio interpretativo.

6. 6. El efecto McGurk: Descubrimiento, fenomenología y principios perceptivos

6.1 6.1. La experiencia fenomenológica: Discrepancia auditiva y visual

Publicado formalmente en un breve y contundente artículo en la revista Nature bajo el elocuente título de «Hearing lips and seeing voices» (McGurk & MacDonald, 1976), el descubrimiento del efecto McGurk demostró que la percepción del habla es inherentemente un fenómeno multimodal y no una función exclusivamente auditiva. La configuración experimental arquetípica implica la presentación sincronizada de dos canales sensoriales deliberadamente incongruentes: un estímulo auditivo grabado nítidamente que articula una sílaba consonante-vocal con oclusiva bilabial sorda o sonora (por ejemplo, el sonido acústico puro de /ba-ba/) acoplado a un registro visual en vídeo donde los labios y movimientos orofaciales de un hablante ejecutan la cinemática de una oclusiva velar sorda o sonora (como la articulación de /ga-ga/).

Frente a esta colisión de señales sensoriales incompatibles, el sistema perceptivo humano no colapsa en la indecisión ni tampoco suprime un canal en beneficio absoluto del otro. En su lugar, el cerebro sintetiza de forma automática e inconsciente una experiencia fenomenológica completamente nueva: el observador escucha con total claridad, nitidez y certidumbre la sílaba /da-da/ (una consonante oclusiva alveolar), a pesar de que el fonema /da/ no está presente físicamente en absoluto en la señal de presión acústica ni fue articulado de manera aislada por el modelo visual.

La fenomenología del fenómeno McGurk abarca dos clases principales de respuestas perceptivas según los contrastes fonéticos puestos en conflicto:

• Fusiones perceptivas ilusorias: Casos como el clásico Audio /ba/ + Video /ga/ = Percepción /da/. La consonante alveolar resultante representa una síntesis de compromiso intermedio entre el punto de articulación visual anterior (velar) y las propiedades acústicas del espectro sonoro bilabial.
• Combinaciones perceptivas: Ocurren cuando se invierten los roles del emparejamiento sensorial, como al acoplar un Audio /ga/ con un Video /ba/. En esta constelación, el sistema perceptivo tiende a resolver la contradicción mediante una amalgama secuencial oclusiva, escuchándose frecuentemente /bga/, /gab/ o /bda/.

6.2 6.2. Robustez, automaticidad y resistencia a la introspección

Una de las propiedades epistemológicas más extraordinarias del efecto McGurk radica en su impenetrabilidad cognitiva y su resistencia absoluta al conocimiento introspectivo o voluntario. Incluso cuando un sujeto experimental es plenamente consciente del artificio informático —e incluso cuando el propio investigador que conoce el diseño milimétrico de las pistas de vídeo y audio se somete al estímulo—, la ilusión persiste de manera inexorable. La única maniobra voluntaria capaz de destruir la ilusión es cerrar los ojos: en el instante exacto en que la retina deja de capturar el movimiento de los labios del hablante, el cerebro vuelve a percibir de forma limpia y transparente el audio bilabial original /ba-ba/.

Esta automaticidad obligatoria revela que la integración multisensorial ocurre en etapas sumamente tempranas de la cascada del procesamiento perceptivo, muy por debajo del umbral de la deliberación metacognitiva. No se trata de un juicio inferencial reflexivo o tardío sobre lo que el hablante «pudo haber dicho», sino de un cálculo sensorial directo que altera la formación misma del objeto perceptivo fenoménico en la corteza cerebral.

Asimismo, el efecto McGurk exhibe una sorprendente robustez frente a la degradación física y a las asincronías temporales moderadas. Los estudios psicofísicos de tolerancia temporal han revelado la existencia de una «ventana de enlace temporal» (temporal binding window) relativamente flexible para la percepción multisensorial del habla. Las personas continúan fusionando el audio y el vídeo de forma ilusoria incluso cuando el canal auditivo se retrasa entre 100 y 200 ms respecto a la señal visual cinemática, o cuando el audio se adelanta hasta aproximadamente 50 a 60 ms. Esta tolerancia asimétrica refleja las regularidades físicas del mundo real: en la física natural, la luz viaja infinitamente más rápido que el sonido y, además, los movimientos orofaciales articulatorios anteceden por necesidad biomecánica al estallido acústico de la voz.

6.3 6.3. Variabilidad interindividual y determinantes lingüísticos

A pesar de la universalidad biomecánica del aparato fonador, la susceptibilidad empírica al efecto McGurk dista de ser homogénea, presentando fluctuaciones notables dictadas por factores individuales, clínicos y sociolingüísticos. Diversos estudios translingüísticos y transculturales han demostrado que la lengua materna ejerce un impacto directo en el peso atencional relativo otorgado a la información visual en el habla. Por ejemplo, se ha observado de forma sistemática que los hablantes nativos de japonés o chino mandarín suelen manifestar tasas de susceptibilidad a la ilusión McGurk sustancialmente menores que los hablantes de inglés o lenguas romances bajo condiciones óptimas de laboratorio.

Esta divergencia cultural y lingüística parece derivarse de factores combinados: por una parte, normas contextuales de interacción comunicativa (como la tendencia en ciertas culturas asiáticas a evitar el contacto visual directo y sostenido hacia el rostro y la boca del interlocutor); por otra parte, la presencia de contrastes tonales fonémicos o restricciones fonotácticas estrictas que obligan al córtex auditivo nativo a procesar con un sesgo hiperpreciso las fluctuaciones puramente espectro-acústicas, reduciendo la penetración moduladora del canal visual periférico.

En el curso del neurodesarrollo y del envejecimiento biológico se aprecian igualmente transformaciones gravitacionales. En lactantes y niños en etapas preescolares, la integración multisensorial es más lábil e inmadura, mostrando una marcada dominancia acústica sobre la visual; no es sino hasta la maduración de las redes asociativas frontotemporales cuando el efecto McGurk alcanza su plenitud robusta. En contraste, en adultos mayores, ante la atenuación presbiacúsica neurosensorial del oído interno, el sistema nervioso tiende a sobrecompensar la pérdida auditiva incrementando masivamente la ponderación del canal visual orofacial, volviéndose hiperdependiente de la información cinemática de los labios.

Por último, en poblaciones clínicas como los individuos dentro del Trastorno del Espectro Autista (TEA) y pacientes con esquizofrenia, la literatura neurocientífica documenta alteraciones cualitativas profundas en el efecto McGurk. En el TEA, suele reportarse una marcada atenuación de la ilusión McGurk, atribuida tanto a patrones atípicos de escaneo ocular que evitan la región orofacial inferior como a fallas intrínsecas en la sincronía de la ventana de integración temporal. En la esquizofrenia, por el contrario, se identifican anomalías en los mecanismos de predicción sensoriomotora que distorsionan la resolución categorial del conflicto audiovisual.

7. 7. Mecanismos neurobiológicos de la integración multisensorial en la percepción del habla

7.1 7.1. El surco temporal superior (STS) como nodo de convergencia

El desentrañamiento de los correlatos neuroanatómicos del efecto McGurk ha proporcionado una comprensión profunda de cómo el córtex cerebral coordina información dispar en una experiencia holística. Los estudios pioneros de resonancia magnética funcional (fMRI) y tomografía por emisión de positrones (PET) identificaron de forma inequívoca al surco temporal superior (STS, por sus siglas en inglés: Superior Temporal Sulcus), con particular énfasis en su segmento posterior (pSTS), como el nodo de convergencia neurobiológica crítico para la síntesis cross-modal del habla.

El pSTS se ubica estratégicamente en la encrucijada anatómica entre la corteza auditiva asociativa en el giro temporal superior y las áreas de reconocimiento visual de patrones dinámicos en la corteza occipitotemporal lateral (área MT+/V5 y el área fusiforme de las caras). La evidencia funcional revela que el pSTS posterior incrementa dramáticamente su tasa de disparo neuronal ante la presentación de estímulos audiovisuales convergentes en comparación con la estimulación unisensorial aislada, exhibiendo el fenómeno fisiológico de la superaditividad multisensorial. Frente al paradigma McGurk, el grado de activación metabólica en el pSTS predice con altísima precisión si el sujeto experimentará o no la fusión ilusoria categorial /da/.

La demostración de la necesidad causal directa del STS en la generación del efecto McGurk provino de elegantes estudios mediante estimulación magnética transcraneal (TMS). Al aplicar pulsos de estimulación magnética transcraneal repetitiva sobre el pSTS izquierdo para inducir una «lesión virtual» transitoria y localizada, los investigadores lograron suprimir de manera inmediata y reversible la ilusión multisensorial en los participantes, quienes pasaron a reportar con fidelidad mecánica el estímulo puramente auditivo /ba/. Este hallazgo confirmó que el pSTS no actúa como un mero espectador metabólico, sino como la maquinaria computacional indispensable donde se ensambla el compromiso categórico perceptivo.

7.2 7.2. Procesamiento temprano frente a procesamiento tardío de la señal cross-modal

Uno de los debates más apasionados en la neurobiología del lenguaje concierne a la cronometría de la integración multisensorial: ¿ocurre la fusión McGurk en etapas perceptivas ultratempranas de la corteza sensorial primaria o se trata de una resolución asociativa tardía en áreas frontotemporales jerárquicamente superiores? Los registros electrofisiológicos de alta resolución temporal mediante electroencefalografía (EEG) y magnetoencefalografía (MEG) han aportado respuestas esclarecedoras.

Los análisis de potenciales provocados auditivos han demostrado que la presencia de la cinemática labial visual modula los componentes electrofisiológicos auditivos primarios, de manera destacada el complejo de ondas N1 (que emerge aproximadamente a los 100 ms tras el inicio del sonido) y P2 (a los 200 ms). De forma asombrosa, la información visual previa de los labios no solo reduce la latencia temporal de la respuesta N1 en la corteza auditiva primaria, sino que disminuye significativamente su amplitud; el cerebro «ahorra» recursos neuronales auditivos porque el movimiento visible de la boca ha precargado ya un marco de predicción de lo que está a punto de sonar.

Este fenómeno apoya fuertemente la hipótesis del recableado interactivo temprano mediado por densas conexiones córtico-corticales directas que comunican el córtex visual extraestriado con el giro de Heschl (corteza auditiva primaria), pasando por alto las jerarquías sensoriales lentas. Sin embargo, la resolución categorial del conflicto ilusorio estricto (la asignación del fonema abstracto /da/) parece requerir un bucle recurrente de retroalimentación en dos fases: un primer momento de preparación atencional y sincronización oscilatoria en bandas gamma y theta (entre 80 y 150 ms), seguido por una síntesis integrativa formal en el pSTS y áreas perisilvianas motoras entre los 180 y 280 ms post-estímulo.

7.3 7.3. Modelos computacionales bayesianos de inferencia multisensorial

Para formalizar de forma axiomática el procesamiento del efecto McGurk, la neurociencia cognitiva ha recurrido al marco formal de la inferencia bayesiana y la teoría del observador ideal. En este modelo, el cerebro humano opera como una máquina probabilística que genera hipótesis sobre el estado real del mundo físico externo a partir de estimaciones sensoriales ruidosas e incompletas, ponderando cada canal de acuerdo con su fiabilidad o certidumbre relativa.

La regla de máxima verosimilitud (Maximum Likelihood Estimation) postula que la integración multisensorial pondera linealmente la pista visual y la pista auditiva en función del recíproco de sus varianzas de ruido sensorial:

$$S_{integrado} = w_{aud} \cdot S_{aud} + w_{vis} \cdot S_{vis}$$

Donde los pesos $w_{aud}$ y $w_{vis}$ suman 1 y dependen inversamente de la incertidumbre asociada a cada modalidad. En el habla natural libre de ruido, la señal acústica es altamente precisa para discernir el modo de articulación y la sonoridad, pero puede ser relativamente vulnerable para resolver el punto de articulación fino (dónde tocan la lengua o los labios el tracto vocal). El canal visual, en contraste, proporciona información cinemática de alta certidumbre sobre el punto de articulación (movimiento de labios y mandíbula), pero es completamente ciego a la sonoridad (la vibración de las cuerdas vocales internas).

Bajo el prisma del modelado de atribución de causa común (Causal Inference Models), el cerebro ante el estímulo de McGurk debe resolver primero un problema de inferencia causal probabilística de orden superior: determinar si el fotograma en vídeo y la onda acústica provienen del mismo evento espaciotemporal o si son dos fuentes independientes. Dado que el desfase temporal es mínimo y la cinemática labial coincide con la envolvente del sonido, la probabilidad a posteriori de causa común es abrumadoramente alta. Al verse obligado a unificar ambas fuentes bajo una hipótesis unitaria, el modelo bayesiano demuestra matemáticamente que la categoría intermedia /da/ representa el óptimo de compromiso probabilístico que minimiza el error de predicción frente al conflicto cinemático-acústico.

8. 8. Fonología silenciosa: La activación fonológica encubierta durante la lectura de Rayner

8.1 8.1. El debate entre la vía directa ortográfica y la vía fonológica indirecta

Una de las controversias fundamentales en la ciencia de la lectura ha sido la disputa sobre la necesidad funcional de la fonología durante la aprehensión del significado en la lectura silenciosa. Durante décadas, los defensores del modelo de doble ruta postularon dos vías disociadas e independientes: una vía directa léxica u ortográfica, mediante la cual la configuración visual de la palabra impresa activa de inmediato su significado en el lexicón mental sin intermediación de sonido alguno, y una vía indirecta o subléxica, indispensable solo para lectores principiantes o para decodificar pseudopalabras desconocidas mediante reglas de conversión grafema-fonema.

Keith Rayner y sus colaboradores revolucionaron este debate utilizando la microcronometría del registro de movimientos oculares. Mediante una batería sistemática de experimentos basados en el paradigma del límite de activación, Rayner aportó evidencia aplastante de que la activación del código fonológico en lectores expertos adultos no es una estrategia de apoyo tardía ni un epifenómeno de emergencia, sino un proceso automático, obligatorio y extremadamente veloz que coadyuva a la decodificación en las primeras fases de la fijación visual.

La prueba empírica irrefutable emergió del estudio de los efectos de previsualización de pseudohomófonos. En estos experimentos, Rayner introdujo máscaras parafoveales invisibles que sonaban de forma idéntica a la palabra diana a pesar de diferir en su grafía exacta; por ejemplo, utilizando la máscara pseudohomófona «koat» antes de fijar la palabra inglesa legítima «coat», en comparación con una máscara de control ortográficamente similar pero fonológicamente incongruente como «roat». Los registros demostraron de forma concluyente que las fijaciones foveales sobre «coat» eran sustancialmente más cortas cuando el ojo había recibido la previsualización pseudohomófona, demostrando que el código sonoro abstracto de la palabra se extrae de forma obligatoria e invisible en la parafóvea antes del escaneo foveal directo.

8.2 8.2. Cronometría de la recodificación fonológica en el texto impreso

El refinamiento cronométrico logrado por Rayner permitió cartografiar la ventana temporal exacta en la que se despliegan las representaciones fonológicas. Lejos de demorarse hasta fases avanzadas del procesamiento oracional, los índices oculomotores demuestran que la activación de los representaciones de sonido fonológico se consuma dentro de los primeros 80 a 100 milisegundos a partir del inicio de la fijación visual, solapándose estrechamente con la extracción de rasgos ortográficos primarios.

Esta recodificación fonológica ultratemprana no se limita a cadenas de consonantes y vocales aisladas, sino que abarca la construcción de la prosodia interna implícita y el ritmo métrico de la lectura silenciosa. Mediante experimentos donde se manipulaba la longitud silábica, la acentuación léxica y las pausas impuestas por la puntuación sintáctica, se evidenció que los patrones de duración de las fijaciones y la planificación de las sacadas reflejan directamente la métrica prosódica interna: palabras monosilábicas de igual longitud física reciben fijaciones más breves que palabras polisilábicas de idéntica extensión tipográfica, reflejando el tiempo biológico invertido en su articulación interna imaginada.

Asimismo, los paradigmas de interferencia y conflicto fonológico en tareas de decisión léxica durante el seguimiento de la mirada demostraron que la activación del sonido puede inducir costos cognitivos severos si colisiona con el contexto oracional. La presencia de homófonos contextuales incongruentes (por ejemplo, leer «The boy rode on a horse’s mane» en lugar de «main») desencadena una cascada inmediata de interrupciones oculares y regresiones masivas, ratificando que el cerebro lector genera representaciones de sonido automáticas que no pueden ser silenciadas a voluntad.

8.3 8.3. La voz interna como fenómeno multimodal atenuado

La presencia ineludible de la activación fonológica silenciosa identificada por Rayner abre un puente directo hacia la percepción del habla y el efecto McGurk: la denominada «voz interna» o habla encubierta no es un concepto etéreo o puramente simbólico, sino una manifestación física y sensoriomotora atenuada del propio aparato articulatorio. Investigaciones neurofisiológicas paralelas al registro de movimientos oculares han corroborado la presencia de microactivaciones electromiográficas (EMG) sutiles e involuntarias en la musculatura de la laringe, los labios y la lengua durante la lectura silente de textos complejos.

Desde el punto de vista del procesamiento distribuido, leer en silencio activa de forma recurrente las redes cerebrales clásicas de la producción motora del lenguaje, con un reclutamiento marcado del área de Broca (giro frontal inferior izquierdo), el córtex premotor y la ínsula anterior. El cerebro lector simula internamente las consecuencias biomecánicas y auditivas de la vocalización a través de circuitos de copia eferente y modelos directos predictivos, de forma conceptualmente idéntica a cómo el cerebro de un oyente en el laboratorio de McGurk proyecta internamente la cinemática visible de los labios del hablante sobre las representaciones motoras de la articulación fonética.

Esta conexión funcional sugiere que tanto el lector de Rayner frente a la página impresa como el espectador de McGurk ante la pantalla de vídeo comparten un sustrato neurocognitivo común: un sistema de mediación sensoriomotora donde los símbolos espaciales estáticos (grafemas) y las imágenes dinámicas orofaciales (visemas) se traducen de forma continua en órdenes articulatorias y mapas auditivos internos, demostrando que el lenguaje humano, en todas sus modalidades, está profundamente encarnado (embodied) en la motricidad biológica.

9. 9. Análisis comparativo: Procesamiento de señales dinámicas vs. estáticas en el lenguaje

9.1 9.1. La naturaleza temporal transitoria del habla frente a la permanencia espacial del texto

La confrontación epistemológica entre el procesamiento del texto escrito explorado por Keith Rayner y la percepción de la señal audiovisual examinada por Harry McGurk exige delimitar con rigurosidad las propiedades físicas de ambas fuentes de estimulación. La diferencia cardinal radica en el eje de la persistencia física:

Dimensión de Comparación	Lectura de Texto (Paradigma de Rayner)	Habla Audiovisual (Paradigma de McGurk)
Naturaleza de la señal	Espacial, estática y permanente sobre un soporte físico.	Temporal, dinámica y transitoria (desvanece en milisegundos).
Control del muestreo	Autónomo y activo por parte del sujeto (control oculomotor).	Pasivo respecto al flujo temporal impuesto por el emisor.
Mecanismo de reanálisis	Regresión sacádica directa al segmento espacial problemático.	Dependencia exclusiva de la memoria fonológica de trabajo.
Resolución del conflicto	Reprocesamiento secuencial, desaceleración o titubeo ocular.	Fusión perceptual categórica automática (ilusión /da/).
Señales anticipatorias	Previsualización parafoveal de rasgos ortográficos y longitud.	Cinemática labial visible precursora del estallido acústico.

La señal del habla articulada es inherentemente evanescente: una vez emitido un formante o un pulso de presión glótica, la perturbación acústica se desvanece de inmediato en el tiempo. El oyente se ve sometido de manera inexorable al ritmo temporal dictado por la velocidad articulatoria del hablante, sin posibilidad física directa de «re-escuchar» la señal原 estricta en el mundo exterior salvo acudiendo a las memorias de eco en el bucle fonológico. Para amortiguar esta fragilidad temporal, la evolución y el desarrollo lingüístico han optimizado la explotación del canal visual dinámico: la cinemática orofacial observable ofrece una señal predictiva temprana de alta certidumbre que precede en aproximadamente 100 a 300 ms a la explosión acústica fonética, permitiendo al sistema nervioso preconfigurar el córtex auditivo para la llegada inminente de la onda de sonido.

Por el contrario, el texto impreso goza de una estabilidad y permanencia bidimensional completa en el espacio físico. Esta arquitectura espacial estática libera al lector del yugo temporal impuesto por un emisor externo, transfiriéndole el control soberano sobre el muestreo del flujo informativo. Como desentrañó magistralmente Rayner, el lector gobierna de forma activa, mediante micromovimientos balísticos y fijaciones calculadas al milisegundo, la velocidad, el ritmo y la densidad de captura de cada morfema, contando permanentemente con el recurso biomecánico de la sacada regresiva para solventar cualquier discrepancia o ambigüedad surgida durante la lectura.

9.2 9.2. Información cinemática labial frente a procesamiento grafémico espacial

La naturaleza del rasgo visual extraído diverge igualmente de forma sustancial entre ambos dominios. En la lectura analizada por Rayner, el estímulo visual está compuesto por unidades discretas, rígidas e invariables: las letras del alfabeto o grafemas. La discriminación de un grafema demanda la descomposición analítica de configuraciones espaciales estáticas de alta frecuencia: orientaciones angulares de trazos, curvas, simetrías e intersecciones cerradas. Aunque existe una variabilidad tipográfica o caligráfica formidable, el cerebro alfabetizado normaliza estas representaciones hacia identidades de letras abstractas invariantes en el giro fusiforme medio izquierdo (el área de la forma visual de las palabras, VWFA).

En el efecto McGurk, el estímulo visual no es un símbolo arbitrario estático, sino una señal biomecánica continua de deformación tridimensional: el movimiento dinámico de la musculatura orofacial, la apertura y retracción labial, el descenso de la mandíbula y la posición visible de la lengua y los dientes (los denominados visemas). La extracción de visemas depende del córtex visual motor (área MT+/V5 y STS) especializado en cinemática biológica. Mientras que el grafema es una convención cultural inventada recientemente en la historia humana hace apenas unos 5000 años —lo que requirió el «reciclaje neuronal» de circuitos de la corteza visual occipital—, la lectura labial y la coordinación audiovisual del habla constituyen habilidades biológicamente primarias, profundamente ancladas en la evolución filogenética del cerebro social humano.

Esta distinción se refleja también en la robustez ante la degradación de la señal. Cuando la señal auditiva se ensucia con ruido blanco o acústica ambiental en el paradigma de McGurk, la ponderación del visema facial se dispara exponencialmente, actuando como un salvavidas perceptual indispensable. En el texto de Rayner, ante el enmascaramiento visual de las letras o la degradación tipográfica, el sistema no puede recurrir a una fuente externa concurrente: se ve forzado a alargar drásticamente las fijaciones foveales y a depender de forma asimétrica de la predecibilidad del contexto oracional.

9.3 9.3. Resolución de ambigüedades perceptivas en ambas modalidades

La discrepancia sensorial revela las diferencias en cómo el cerebro aborda el conflicto informativo. En el caso del efecto McGurk, el cerebro se enfrenta a dos señales sensoriales coocurrentes en el presente inmediato que son físicamente incompatibles respecto a su punto de articulación: la pista auditiva grita /ba/ (bilabial), la pista visual muestra de forma incontrovertible /ga/ (velar). La respuesta de la arquitectura computacional humana es una fusión de compromiso integrativa: no existe vacilación consciente ni dilación temporal; el sistema colapsa ambas pistas en una única e irrefutable experiencia ilusoria holística (/da/), protegiendo la coherencia de la percepción.

En el dominio lector de Rayner, el conflicto o la ambigüedad (como en las oraciones de vía muerta o ante palabras polisémicas no resueltas) no se zanja mediante una síntesis mágica ilusoria de los términos incompatibles, sino mediante la gestión de costos oculomotores de reprocesamiento. El conflicto provoca una ruptura inmediata de la fluidez lectora: las fijaciones foveales se disparan, el avance sacádico se paraliza súbitamente y se activan mecanismos de reparación sintáctico-espacial a través de regresiones hacia el foco de la discordia gramatical.

En términos de conciencia perceptual, la diferencia es abismal: mientras el observador de McGurk es víctima de una ilusión irrefutable, categórica y ciega a la introspección (no experimenta duda alguna de haber escuchado /da/), el lector de Rayner experimenta plenamente el tropiezo cognitivo, el titubeo ocular y la necesidad deliberada de reanalizar el segmento de texto impreso. Ambos mecanismos, no obstante, persiguen idéntico fin computacional: maximizar la consistencia representacional frente al error de predicción biológico.

10. 10. Sinergias metodológicas: Rastreo ocular aplicado a rostros, labios e ilusiones multimodales

10.1 10.1. Eye-Tracking en la percepción del habla y el efecto McGurk

Una de las hibridaciones más prolíficas en la ciencia cognitiva contemporánea consiste en la aplicación directa de la metodología de seguimiento ocular refinada por Keith Rayner al estudio empírico de la percepción del habla audiovisual y del propio efecto McGurk. Históricamente, en el diseño experimental original de McGurk y MacDonald se asumía que el participante fijaba visualmente de manera pasiva el rostro proyectado en la pantalla. Sin embargo, la monitorización continua de la mirada reveló que los patrones de exploración ocular sobre una cara parlante son sumamente dinámicos y condicionan decisivamente la magnitud del efecto.

Los mapas de calor y las fijaciones foveales de los observadores fluctúan entre la región ocular (ojos y cejas, rica en información socioemocional y pragmática) y la región de la boca y los labios (fuente primaria de información biomecánica articulatoria). Se ha constatado empíricamente que la probabilidad de experimentar la fusión ilusoria de McGurk se incrementa de forma sustancial cuando las fijaciones del sujeto descienden y se clavan de manera directa sobre los labios del hablante en el intervalo milimétrico previo a la emisión acústica de la consonante. Cuando el lector fija los ojos del interlocutor, la información articulatoria debe capturarse a través de la parafóvea y la periferia visual baja, donde la atenuación de la agudeza cinemática reduce la saliencia de la pista labial, atenuando la robustez de la ilusión fonética.

El empleo avanzado de los paradigmas de mirada contingente heredados de Rayner ha permitido llevar esta investigación al límite del control psicofísico: utilizando ventanas móviles contingentes que oscurecen o degradan de forma dinámica y en tiempo real la boca en el momento exacto en que el ojo intenta fijarla, o que borran selectivamente los ojos del interlocutor, los investigadores han podido cuantificar con precisión de milisegundos qué fragmentos temporales del movimiento mandibular y labial son indispensables y suficientes para desencadenar la integración neurobiológica en el surco temporal superior.

10.2 10.2. El paradigma del mundo visual (Visual World Paradigm)

La interacción metodológica más trascendental entre el registro de movimientos oculares de Rayner y el procesamiento lingüístico auditivo dinámico cristalizó en la creación del paradigma del mundo visual (Visual World Paradigm), introducido por Michael Tanenhaus, Michael Spivey-Knowlton, Kathleen Eberhard y Julie Sedivy en un trabajo histórico publicado en Science en 1995. Inspirado directamente en el instrumental del seguimiento de la mirada de Rayner, este enfoque acopla la audición de oraciones en tiempo real con la presentación visual concurrente de escenas o conjuntos de objetos en una pantalla física.

El descubrimiento cardinal del paradigma del mundo visual fue que el movimiento ocular no es un proceso reactivo retardado respecto a la audición, sino un índice hipersensible y casi instantáneo de la incrementalidad y la predictibilidad del lenguaje oral. A medida que el flujo acústico continuo de una palabra se despliega milisegundo a milisegundo en el oído del sujeto, los ojos ejecutan sacadas hacia objetos o imágenes en la pantalla que compiten fonológica o semánticamente mucho antes de que la palabra acústica haya alcanzado su terminación física.

Por ejemplo, ante la instrucción auditiva «Coge el caramelo», en cuanto el oído procesa el fragmento silábico inicial `/ca-/`, los movimientos oculares del oyente se distribuyen probabilísticamente entre el «caramelo» y un competidor fonológico visualmente presente como un «caracol», descartando de inmediato competidores irrelevantes como una «manzana». Esta técnica demostró que la corteza auditiva y el sistema oculomotor operan en un estado de sincronización interactiva permanente, fusionando la percepción auditiva del habla con el contexto visual espacial en escalas de tiempo microscópicas (150 a 200 ms tras el inicio del fonema), derribando para siempre la noción de módulos sensoriales aislados y encapsulados.

10.3 10.3. Métricas combinadas de cronometría ocular y neuroimagen

La frontera metodológica más sofisticada en este campo reside en la combinación simultánea o co-registro de técnicas: el acoplamiento directo entre el rastreo de movimientos oculares y la electroencefalografía de alta densidad, dando lugar a los denominados potenciales provocados por fijación (FRP, por sus siglas en inglés: Fixation-Related Potentials). Tradicionalmente, la realización de registros de EEG durante la lectura se veía impedida por el hecho de que las sacadas oculares generan artefactos mioeléctricos y dipolos electrostáticos gigantescos que contaminan de forma masiva las señales cerebrales débiles recogidas por los electrodos craneales.

Los algoritmos contemporáneos de descomposición de fuentes ciegas (como el Análisis de Componentes Independientes, ICA) y el desentrelazado digital avanzado han resuelto este obstáculo biomecánico, permitiendo sincronizar el inicio exacto de una fijación foveal natural sobre una palabra (obtenido con el Eye-Tracker de tipo Rayner) como el desencadenante temporal cero para promediar la señal electrofisiológica de EEG. Gracias a esta sinergia, los científicos pueden monitorizar simultáneamente componentes clásicos como el N400 (asociado a la integración léxico-semántica) o el P600 (asociado a la reestructuración sintáctica) en entornos de lectura absolutamente ecológicos, fluidos y sin restricciones artificiales.

Paralelamente, la pupilometría cognitiva de alta frecuencia temporal se ha incorporado como un biomarcador crucial en ambos paradigmas. La dilatación involuntaria del diámetro pupilar, monitorizada de forma continua por las cámaras infrarrojas del rastreador ocular, responde con sensibilidad extrema a la carga en la memoria de trabajo, el esfuerzo de procesamiento y la sorpresa estadística. Tanto ante la incongruencia cross-modal extrema en el paradigma de McGurk como frente a la ruptura sintáctica de una oración de vía muerta en los paradigmas de Rayner, la respuesta pupilar refleja una dilatación refleja modulada por el sistema noradrenérgico del locus coeruleus, proporcionando una ventana unificada sobre el costo computacional que experimenta el cerebro ante el error de predicción lingüístico.

11. 11. Implicaciones cognitivas y educativas: Lectura, sordera y trastornos del lenguaje

11.1 11.1. Dislexia del desarrollo y alteraciones de la integración sensorial

La intersección entre los descubrimientos de Keith Rayner y los estudios de percepción multisensorial ha arrojado una luz terapéutica y diagnóstica decisiva sobre la dislexia del desarrollo. Históricamente considerada de forma simplista como una disfunción puramente fonológica o como un déficit visual de inversión de letras, la investigación moderna mediante seguimiento ocular ha desvelado que los niños y adultos disléxicos presentan patrones oculomotores profundamente atípicos y desorganizados durante la lectura: duraciones de fijación excesivamente dilatadas, amplitudes sacádicas anormalmente cortas y una tasa hipertrofiada de movimientos regresivos.

Lejos de ser la causa primaria del trastorno, Rayner demostró que este comportamiento oculomotor errático es el reflejo directo de la sobrecarga del sistema cognitivo en su intento desesperado por segmentar y decodificar el texto. Sin embargo, la conexión con los mecanismos del efecto McGurk ha revelado un déficit subyacente más profundo: muchos individuos con dislexia exhiben una marcada alteración en la integración multisensorial temporal. Presentan una ventana de enlace temporal (temporal binding window) anormalmente amplia o asincrónica, lo que les dificulta coordinar de forma congruente los rasgos cinemáticos orofaciales visibles con las ondas acústicas del habla, así como fusionar fluidamente los estímulos grafémicos con sus representaciones fonémicas abstractas.

Bajo este paradigma, la susceptibilidad al efecto McGurk y las métricas de fijación parafoveal se están implementando progresivamente en la investigación traslacional como biomarcadores de riesgo lector en etapas prelingüísticas y de alfabetización temprana. Identificar desfases en la resolución multisensorial audiovisual a los 4 o 5 años de edad permite intervenir clínicamente mediante programas profilácticos de entrenamiento sensoriomotor mucho antes de que el fracaso lector se consume y cristalice de forma traumática en la educación primaria.

11.2 11.2. La comunidad sorda y las personas con hipoacusia neurosensorial

El estudio del control visual en la lectura y de la percepción labiofacial adquiere una relevancia humanitaria y biomédica monumental al examinar a la comunidad de personas sordas y con hipoacusia neurosensorial severa o profunda. En individuos con sordera congénita o prelocutiva profunda que dominan la lengua de signos, los experimentos inspirados en los paradigmas de ventana móvil de Rayner han demostrado una reorganización neuroplástica asombrosa: su amplitud perceptiva funcional en la visión periférica se expande de forma espectacular en comparación con los oyentes típicos.

Debido a la ausencia del anclaje fonológico biológico natural, los lectores sordos fluidos desarrollan estrategias de escaneo oculomotor y compensación visual hiperoptimizadas, extrayendo patrones ortográficos complejos y morfologías abstractas a distancias espaciales que sobrepasan con creces la parafóvea convencional de los lectores normooyentes. Esta plasticidad cortical ratifica que el sistema de asignación de atención periférica estudiado por Rayner posee una maleabilidad extraordinaria, capaz de ser remodelado por las modalidades sensoriales primarias a través de las cuales se adquiere el lenguaje.

Por otro lado, el efecto McGurk juega un papel gravitacional indiscutible en la neuro-rehabilitación de pacientes equipados con implantes cocleares. La señal bioeléctrica entregada por los electrodos del implante en la cóclea es inherentemente degradada, metálica y desprovista de la rica resolución espectro-temporal del oído sano. Para estos usuarios, el soporte de la lectura labiofacial cinemática se convierte en una necesidad adaptativa biológica obligatoria. El análisis de la susceptibilidad McGurk se utiliza en los protocolos audiométricos hospitalarios para monitorizar cómo el cerebro post-implante calibra progresivamente la integración de las nuevas sensaciones auditivas con las plantillas visuales orofaciales preexistentes, constituyendo un índice directo del éxito en la neuroplasticidad restitutiva del paciente.

11.3 11.3. Aplicaciones pedagógicas en la enseñanza inicial de la alfabetización

Las conclusiones combinadas de la psicolingüística visual de Rayner y de la naturaleza multisensorial del lenguaje proporcionan un respaldo empírico contundente a favor de los métodos fónicos explícitos en la pedagogía de la alfabetización temprana, desarmando de forma definitiva los postulados anticientíficos de los métodos globales o de «lenguaje holístico» que pretendían que el niño aprende a leer mediante la memorización visual estática de la silueta completa de las palabras.

La evidencia oculomotora de Rayner demostró que los lectores no leen por el contorno global de la palabra (el mítico word shape), sino que identifican cada una de las letras componentes de izquierda a derecha a través del muestreo foveal y parafoveal. Por su parte, la neurobiología del efecto McGurk ilustra que la consolidación de las representaciones fonológicas se optimiza exponencialmente cuando se refuerza a través de múltiples canales coordinados. La práctica educativa moderna se beneficia sustancialmente del entrenamiento multimodal sistemático que articula explícitamente la correspondencia tripartita:

1. El Grafema: La configuración espacial de la letra impresa en el papel (canal visual estático analizado por Rayner).
2. El Fonema: La representación del sonido puro en el tracto auditivo (canal acústico).
3. El Articolema: El movimiento motor visible de los labios, dientes y lengua requerido para expulsar dicho sonido (canal cinemático-motor analizado por McGurk).

Asimismo, los principios de la óptica foveal y la amplitud perceptiva dictan pautas rigurosas para el diseño tipográfico, la maquetación editorial de textos escolares infantiles y la creación de interfaces de lectura en pantallas digitales. Factores como el espaciado interletra, el espaciado interlínea y la longitud métrica de los renglones no deben responder a modas estéticas subjetivas, sino a la fisiología del alcance perceptual, evitando el abarrotamiento visual periférico (visual crowding) para asegurar que la parafóvea del aprendiz procese con holgura los espacios en blanco que orientan los saltos sacádicos.

12. 12. Horizontes futuros: Tecnologías emergentes, interfaces cerebro-computador e inteligencia artificial

12.1 12.1. Modelado computacional contemporáneo mediante Deep Learning y Redes Neuronales

En la era contemporánea, los postulados teóricos de Rayner y McGurk están experimentando una vigorosa revitalización a través de la inteligencia artificial y el aprendizaje profundo (Deep Learning). Una de las líneas de vanguardia más apasionantes es la alineación de modelos transformadores de procesamiento del lenguaje natural (como las arquitecturas basadas en mecanismos de atención autorregresiva) con los patrones de fijación del ojo humano. Al entrenar redes neuronales profundas para predecir no solo el siguiente token lingüístico, sino para modular sus vectores de autoatención (self-attention weights) de acuerdo con los mapas de duración foveal y saltos de palabras extraídos de grandes corpus de seguimiento ocular, los ingenieros logran representaciones sintácticas y semánticas notablemente más robustas y biológicamente plausibles.

Simultáneamente, la lectura labial automatizada (Automated Lip Reading o VSR: Visual Speech Recognition) ha alcanzado hitos espectaculares mediante el uso de Redes Neuronales Convolucionales tridimensionales (3D-CNN) combinadas con módulos recurrentes y transformadores espacio-temporales. Estos sistemas computacionales son capaces de decodificar fonemas y oraciones completas a partir exclusivamente de la señal en vídeo de caras parlantes silenciadas, superando en muchos benchmarks la agudeza perceptiva de los mejores expertos humanos en labiolectura.

Más fascinante aún resulta la simulación del propio efecto McGurk en arquitecturas conexionistas y redes generativas multimodales. Al someter a agentes de inteligencia artificial entrenados con vídeo y audio sincronizados a estímulos artificiales incongruentes (el clásico audio /ba/ con vídeo /ga/), los nodos latentes intermedios de las redes neuronales colapsan en el mismo atractor fonético alveolar /da/ que los humanos, confirmando la tesis bayesiana de que la ilusión McGurk no es una anomalía orgánica defectuosa, sino la solución matemática universal y óptima a un problema de inferencia causal bajo incertidumbre sensorial.

12.2 12.2. Tecnologías de realidad extendida (XR) y seguimiento ocular de alta frecuencia

La migración inminente del ecosistema digital hacia entornos inmersivos de realidad virtual (VR), realidad aumentada (AR) y realidad mixta (XR) plantea desafíos inéditos que reposicionan los descubrimientos de Rayner y McGurk en el corazón de la computación espacial. Los cascos y dispositivos XR de última generación incorporan sistemas de seguimiento ocular por infrarrojos de alta frecuencia muestreados a cientos de hercios integrados directamente en el visor interno. Esta tecnología posibilita el denominado renderizado foveado (foveated rendering), una técnica computacional que replica exactamente la arquitectura retiniana humana: el motor gráfico proyecta con máxima fidelidad poligonal y sombreado hiperrealista únicamente la diminuta región de 2 grados donde apunta la fóvea del usuario, degradando masivamente la resolución en la periferia visual para ahorrar cómputo sin que el sujeto lo perciba, en un homenaje de ingeniería directo a los paradigmas de ventana móvil ideados por Rayner en 1975.

En el ámbito de la comunicación social inmersiva y los avatares virtuales hiperrealistas en el metaverso, el efecto McGurk se erige como el principal juez del éxito interactivo. Cuando los usuarios interactúan a través de avatares digitales cuyos labios son impulsados sintéticamente por algoritmos de animación facial, cualquier microrretraso temporal superior a la ventana de enlace de 100 ms o cualquier imprecisión cinemática en la apertura de los labios genera una disonancia perceptiva instantánea: el devastador fenómeno del valle inquietante (uncanny valley), donde el usuario rechaza la interacción no por un fallo consciente, sino porque su pSTS detecta la discrepancia audiovisual subconsciente. Lograr una sincronía visomotora articulatoria matemáticamente perfecta en tiempo real es el prerrequisito innegociable para la telepresencia humana del futuro.

12.3 12.3. Hacia una teoría unificada de la percepción lingüística encarnada

Al clausurar esta travesía monográfica a través de los experimentos oculomotores de Keith Rayner y las ilusiones perceptivas de Harry McGurk, emerge con nitidez el contorno de una teoría unificada de la percepción lingüística encarnada. Lejos de constituir dominios dispares regidos por leyes independientes, la lectura silenciosa de símbolos ortográficos y la decodificación viva del habla cara a cara se revelan como dos caras de una misma moneda computacional y adaptativa.

Tanto el ojo que escanea meticulosamente la línea impresa como el oído que se deja guiar por la cinemática labial de un rostro parlante participan de un objetivo común: la resolución de la incertidumbre comunicativa mediante la integración activa y predictiva de información multisensorial. En el texto escrito, el control oculomotor dota al cerebro de un instrumento activo para serializar la riqueza del código alfabético espacial; en la percepción del habla, la visión orofacial aporta el ancla predictiva temprana que estabiliza la fragilidad de la onda acústica en el tiempo. En ambos casos, las redes sensoriomotoras internas de la articulación y la fonología actúan como el puente neurobiológico indispensable que transforma la estimulación física en significado inteligible.

El legado interdisciplinar imperecedero de Keith Rayner y Harry McGurk continuará guiando a las generaciones venideras de psicólogos, lingüistas, neurocientíficos e ingenieros. Sus investigaciones nos legaron una lección epistemológica indeleble: que para comprender la magia sublime del lenguaje humano no basta con estudiar pasivamente las estructuras abstractas de la gramática ni las propiedades físicas de las ondas sonoras o la tinta sobre el papel; es imperativo descender a la microdinámica de la carne, a la danza balística de los ojos y a la comunión indisoluble de todos nuestros sentidos.

Referencias

• Engbert, R., Longtin, A., & Kliegl, R. (2002). A dynamical model of saccade generation in reading based on spatially distributed lexical processing. Vision Research, 42(5), 621–636. https://doi.org/10.1016/S0042-6989(01)00301-7
• Just, M. A., & Carpenter, P. A. (1980). A theory of reading: From eye fixations to comprehension. Psychological Review, 87(4), 329–354. https://doi.org/10.1037/0033-295X.87.4.329
• Liberman, A. M., Cooper, F. S., Shankweiler, D. P., & Studdert-Kennedy, M. (1967). Perception of the speech code. Psychological Review, 74(6), 431–461. https://doi.org/10.1037/h0020279
• McGurk, H., & MacDonald, J. (1976). Hearing lips and seeing voices. Nature, 264(5588), 746–748. https://doi.org/10.1038/264746a0
• Rayner, K. (1975). The perceptual span and peripheral cues in reading. Cognitive Psychology, 7(1), 65–81. https://doi.org/10.1016/0010-0285(75)90005-5
• Rayner, K. (1998). Eye movements in reading and information processing: 20 years of research. Psychological Bulletin, 124(3), 372–422. https://doi.org/10.1037/0033-2909.124.3.372
• Rayner, K. (2009). Eye movements and attention in reading, scene perception, and visual search. Quarterly Journal of Experimental Psychology, 62(8), 1457–1506. https://doi.org/10.1080/17470210902816461
• Reichle, E. D., Pollatsek, A., Fisher, D. L., & Rayner, K. (1998). Toward a model of eye movement control in reading. Psychological Review, 105(1), 125–157. https://doi.org/10.1037/0033-295X.105.1.125
• Reichle, E. D., Rayner, K., & Pollatsek, A. (2003). The E-Z Reader model of eye-movement control in reading: Comparisons to other models. Behavioral and Brain Sciences, 26(4), 445–476. https://doi.org/10.1017/S0140525X03000104
• Rosenblum, L. D. (2008). Speech perception as a multimodal phenomenon. Current Directions in Psychological Science, 17(6), 405–409. https://doi.org/10.1111/j.1467-8721.2008.00615.x
• Tanenhaus, M. K., Spivey-Knowlton, M. J., Eberhard, K. M., & Sedivy, J. C. (1995). Integration of visual and linguistic information in spoken language comprehension. Science, 268(5217), 1632–1634. https://doi.org/10.1126/science.7777863