Clasificación con Machine Learning de la actividad cerebral durante los procesos de aprendizaje

Abstract

Este trabajo de fin de grado explora la relación entre las respuestas emocionales básicas (atracción-rechazo) y el aprendizaje académico, mediante el análisis de señales EEG y técnicas de aprendizaje automático. Se entrenó un modelo Random Forest con registros cerebrales de tres participantes ante estímulos visuales agradables y desagradables, y posteriormente se aplicó a nuevas tareas escolares (matemáticas y lengua, en versiones concretas y abstractas). Los resultados indican que ciertos patrones de activación cerebral especialmente en bandas gamma de regiones como Pz, Fp1 y C3 permiten identificar estados afectivos positivos incluso ante contenidos teóricos. A pesar de las limitaciones metodológicas (casco EEG de baja resolución y muestra reducida), la investigación ofrece una prueba de concepto prometedora sobre cómo la claridad conceptual o la corporeización narrativa pueden generar engagement emocional en el aula, aportando nuevas perspectivas pedagógicas desde la neuroeducación.