El reconocimiento de palabras y rostros son procesos de interés para una gran cantidad de campos, incluyendo la psicología clínica y los cálculos informáticos. La investigación examinada aquí tiene como objetivo evaluar el papel de la capacidad de frecuencia en línea para predecir tanto el reconocimiento de rostros como de palabras al examinar la estabilidad de estos procesos en una cantidad determinada de tiempo. El estudio también examinará las diferencias entre las teorías tradicionales y los enfoques actuales de frecuencia contextual. Los tiempos de reacción fueron registrados a través de una transformación logarítmica y a través de un enfoque bayesiano. El factor de Bayes fue utilizado como una prueba adicional para respaldar la evidencia proporcionada por los datos. Aunque se encontraron diferencias entre el reconocimiento de rostros y nombres, los resultados sugieren que las latencias tanto para el reconocimiento de rostros como de nombres son estables durante un período de seis meses y que las frecuencias de noticias en línea predicen mejor el tiempo de reacción para ambos análisis frecuentistas clásicos. Estos hallazgos respaldan el uso del enfoque de diversidad contextual.