Contexto: el estudio y monitorización del comportamiento humano en distintos contextos (instruccional, sanitario, marketing…) ha cambiado en la última década. Los avances en el registro de las conductas desde la aplicación de la tecnología eye tracking multicanal integrada [seguimiento ocular, respuesta psicogalvánica de la piel (GSR), registro encefalográfico (EEG) y reconocimiento facial] durante la realización de una tarea han posibilitado que la monitorización de la conducta humana se efectúe de una forma no subjetiva. Diagnóstico: en el contexto del análisis conductual se puede definir un modelo integrado con datos de distintos espacios: espacio físico, el espacio digital, espacio psicológico (respuestas: fisiológicas de seguimiento ocular, GSR, EEG y expresiones faciales) y espacio psicométrico (percepciones del sujeto a través del uso de instrumentos validados). Para la integración de todos estos datos se precisa la utilización de técnicas de fusión de datos. Solución: para efectuar un análisis comportamental desde un modelo integrado se debe definir claramente la tarea que es objeto de estudio analizando las características de aplicación y de dificultad. También, se tienen que explicitar las definiciones del espacio físico y del espacio digital; la elección de los biomarcadores conductuales de carga cognitiva [fijaciones (número y duración); sacada (velocidad); diámetro de la pupila; GSR (media, número, amplitud); EEG (valencia, memorización y compromiso)]; y de percepción de uso de las estrategias metacognitivas. Todos estos datos se aplicarán en un vector de entrada que se procesará través de técnicas de Machine Learning y/o Modelos Transformer proporcionando un vector de salida. El resultado final será la comprobación de modelos de predicción o de clasificación respecto de las variables consideradas. Resultados: los modelos ayudarán a detectar patrones de aprendizaje distintos respecto de la ejecución de diferentes tipos de tareas. Todo ello, facilitará el desarrollo de propuestas de aprendizaje personalizadas para cada tipo de patrón.

Introducción: en la actualidad, el reto de aplicar asistentes personales en la resolución de dudas, tareas o conversaciones ha experimentado un cambio profundo. Anteriormente se venían utilizando soluciones basadas en reglas, con el soporte de plataformas y herramientas tecnológicas de terceros. Sin embargo, la aparición disruptiva de los modelos de lenguaje de gran tamaño (Large Language Model o LLM) ha cambiado totalmente dicho enfoque. Aunque estos LLMs ofrecen grandes ventajas, también presentan nuevos desafíos relacionados con la privacidad de los datos, los costos económicos y la personalización del asistente para dominios específicos, que deben ser abordados. Metodología: se parte del estudio previo, de análisis, diseño e implantación de soluciones basadas en chatbots con reglas, dentro de una plataforma como DialogFlow de Google. A partir de esta base, se plantea y compara el diseño de un chatbot equivalente usando LLMs, restringiendo el contexto a soluciones de mínimo coste y sin dependencias de terceros, ejecutando modelos localmente y poniendo especial énfasis en la privacidad de los datos. Finalmente, se aplica una solución de Retrieval Augmented Generation (RAG) sobre el LLM para ajustar la resolución de dudas sobre una lista de preguntas y respuestas frecuentes (FAQ), por parte de este asistente personal. Resultados: se propone un primer prototipo y una guía para la implantación de nuevas soluciones con chatbots basados en LLM de fuentes abiertas, desde una nueva perspectiva tecnológica. Conclusiones: la explosión actual de soluciones basadas en inteligencia artificial generativa ha ofrecido un número inmenso de posibilidades para el avance en el diseño y desarrollo de asistentes personales. Sin embargo, ha puesto sobre la palestra un conjunto de retos y limitaciones, que deben ser solventados. Este trabajo propone una solución de diseño, intentando dar una respuesta a estos problemas.

La tecnología multicanal integrada puede definirse como el uso combinado de diferentes métricas neuropsicológicas. Su utilización supone la recogida e interpretación simultánea de información recogida a través de diferentes canales neurofisiológicos como pueden ser el seguimiento ocular, la actividad electrodérmica de la piel, el electroencefalograma (EEG) o la frecuencia cardiaca, entre otras. Las métricas de tipo neurofisiológico se han utilizado habitualmente de forma independiente en el campo de la educación y de las ciencias de la salud. Atendiendo a los estudios publicados, las métricas más utilizadas de forma combinada son el seguimiento ocular y el electroencefalograma, seguidos del seguimiento ocular y la actividad electrodérmica. En la actualidad se puede observar que la utilización de recursos de Inteligencia Artificial está experimentando continuos avances a gran velocidad, incluyendo el aumento de la investigación en tecnología multicanal integrada con todos los retos y las oportunidades que ello implica. Uno de los grandes retos del uso de esta tecnología es la gestión, análisis e interpretación de la información obtenida, que requiere del uso de técnicas de Minería de Datos. Por otra parte, la principal ventaja de la integración multicanal de estas métricas es la profundización en la comprensión de procesos cognitivos complejos, como los que se producen en los contextos de enseñanza-aprendizaje. Todo ello supone grandes oportunidades en las ciencias del comportamiento humano como son la profundización en la comprensión de los procesos cognitivos en diferentes situaciones, el diseño de programas educativos innovadores especialmente en modalidades online o híbridas, optimización de las intervenciones psicológicas, etc. Así la utilización de recursos de inteligencia artificial en contextos prácticos está experimentando continuos avances a gran velocidad, lo que hace necesario incrementar los proyectos de investigación y las propuestas formativas del personal docente e investigador.

Introducción: Debido a la ansiedad que presentan muchos estudiantes universitarios y el impacto que tiene sobre los resultados académicos, desde el Servicio Universitario de Atención a la Salud (SUAS) de la Universidad de Burgos, se han implementado dos programas de intervención: uno para controlar la ansiedad irracional (Control Ansiedad Exámenes) y otro para controlar la ansiedad racional (Autocontrol-Técnicas Estudio). Este trabajo se centra en el análisis de la satisfacción de los participantes en ambos programas con la recogida de datos fisiológicos de la ansiedad a través de un aparato de Biofeddback. Objetivos: Conocer si existen diferencias significativas en el grado de satisfacción percibida, con el Biofeedback, por parte de los estudiantes en función del programa de intervención; Conocer si existen diferencias en el tipo de sentimientos (positivos, negativos y neutros) que genera en los estudiantes la recogida de datos con Biofeedback. Método: Se llevó a cabo una investigación de carácter mixto. En el estudio cuantitativo se utilizó un diseño cuasi-experimental de un factor de efectos fijo. En el estudio cualitativo se utilizó un diseño descriptivo transversal. La muestra estuvo formada por 31 universitarios participantes: 12 en Control Ansiedad Exámenes y 19 en Autocontrol-Técnicas Estudio. Se diseñó ad hoc un cuestionario de satisfacción percibida con la recogida de datos fisiológicos con Biofeedback. Resultados: No se hallaron diferencias significativas en la satisfacción percibida por los estudiantes en función del programa de intervención en el que participaron. La cifra media de satisfacción se situó en 4.95 sobre 5 para todos los participantes. Los estudiantes con mayor porcentaje de sentimientos positivos fueron los del programa Control Ansiedad Exámenes. Conclusiones: La utilización del Biofeedback se percibió como útil e interesante por los participantes de los dos programas de intervención.

Introducción: La ansiedad relacionada con la evaluación es una dificultad frecuente a la que se enfrentan los estudiantes. Desde el Servicio Universitario de Atención a la Salud (SUAS) de la Universidad de Burgos, se ha implementado un programa grupal destinado al control de este tipo ansiedad en estudiantes universitarios. Este estudio se centra en el análisis de la satisfacción con la técnica de desensibilización sistemática implementada en tres condiciones diferentes: Vídeos 360, Realidad Virtual, e Imaginación. Objetivos: Conocer si existen diferencias significativas en el grado de satisfacción percibida por los estudiantes en función de la condición de desensibilización sistemática en la que han participado; Conocer el tipo de sentimientos (positivos, negativos y neutros) que genera en los estudiantes la condición de desensibilización sistemática en la que han participado. Método: Se llevó a cabo una investigación de carácter mixto. En el estudio cuantitativo se utilizó un diseño experimental de un factor de efectos fijo. En el estudio cualitativo se utilizó un diseño descriptivo transversal. La muestra estuvo formada por 10 estudiantes universitarios asignados aleatoriamente a cada una de las tres condiciones de desensibilización sistemática. Se diseñó ad hoc un cuestionario de satisfacción percibida con la desensibilización sistemática implementada. Resultados: No se hallaron diferencias significativas en la satisfacción percibida por los estudiantes dependiendo del tipo de desensibilización sistemática en la que participaron. Los participantes en la condición Vídeos 360 fueron los que mostraron una satisfacción más alta. De la misma forma, estos estudiantes, fueron los que mostraron mayor porcentaje de sentimientos positivos. Conclusiones: La desensibilización sistemática implementada a través de Vídeos 360 se plantea como una intervención novedosa y atractiva para los estudiantes con ansiedad ante la evaluación.