21 de Septiembre de 2026
4 MINUTOS DE LECTURA
El proyecto –impulsado por Avanza UC– busca comprender cómo se forman las ideas en el cerebro al momento de "conversar" con estos agentes, y explorar si la interacción con una interfaz de inteligencia artificial puede estimular el razonamiento en lugar de reemplazarlo. Esto podría ayudar a entrenar nuevos agentes educativos más personalizados y efectivos.
Por Instituto de Ingeniería Matemática y Computacional UC
Recopilar evidencia científica sobre los patrones cerebrales que operan cuando las personas piensan y aprenden en el momento en que interactúan con sistemas de inteligencia artificial, es uno de los objetivos de una novedosa investigación que desarrollan académicos de la Universidad Católica.
El estudio –financiado con fondos de Avanza UC– lo desarrollan Mircea Petrache, académico del Instituto de Ingeniería Matemática y Computacional (IMC) y de la Facultad de Matemáticas UC, y Marcela Peña, directora del Laboratorio de Neurociencias Cognitivas de la Escuela de Psicología UC.
“Esta investigación surge de un objetivo mayor, que consiste en estudiar cómo funciona el razonamiento en general, en cómo se forman las ideas en nuestro cerebro. El beneficio adicional es que nuestros experimentos nos podrían ayudar a explorar si, mediante la interacción con una interfaz, la inteligencia artificial es capaz de estimular el razonamiento en lugar de reemplazarlo”, explica Mircea Petrache, quien además es investigador del Centro Nacional de Inteligencia Artificial (CENIA).
El docente señala que el trabajo apunta a generar evidencia científica sólida sobre los procesos cognitivos involucrados en el aprendizaje y usarla para entrenar nuevos chatbots educativos más personalizados, efectivos y motivadores.
Primeros hallazgos: desde respuestas complejas a monosílabos
El proyecto considera tres fases: la primera etapa, que ya está en curso, se orienta a la recolección de datos multimodales –audio, video y anotaciones del chat de texto– durante la interacción de estudiantes universitarios voluntarios que resuelven problemas con la ayuda de un chatbot con IA. “Son fuentes de información muy distintas, con componentes que se pueden separar y que tienen alta densidad de información”, señala Petrache.
Durante los primeros tests realizados en la fase inicial, los investigadores ya han detectado algunos patrones. “Lo primero que hemos visto es que hay una gran variabilidad entre los participantes del estudio. Hay algunos que entregan respuestas muy complejas y otros que ingresan solo monosílabos. También hemos observado que algunos se distraen muy rápido. Es un gran desafío para nosotros, ya que hay una gran diversidad en el accionar de los sujetos”, señala.
En una segunda fase, se sumarán mediciones de señales cerebrales y comunicativas mediante electroencefalogramas (EEG); mientras que una tercera etapa estará destinada a incorporar los entendimientos generados desde el EEG y evaluar una nueva versión del chatbot optimizado. “(Los EEG) consisten en fuentes de información completamente diferentes, es decir las señales eléctricas del cerebro, además de la detección del movimiento ocular mediante un dispositivo especial”, explica el académico.
En esa línea, señala que el dispositivo de EEG ya fue adquirido y “ahora trabajaremos en crear otra versión del chatbot que integre esta señal y se sincronice adecuadamente, ya que el electroencefalograma logra detectar reacciones mucho más rápidas, en el orden de milisegundos”.
Desarrollar un chatbot que perciba señales de bloqueo u otras dificultades del estudiante
A largo plazo, se espera identificar indicadores cognitivos clave para detectar niveles de pasividad o actividad durante la interacción, con el fin de mejorar el diseño de estos sistemas.
Por ejemplo, los datos recogidos podrían ayudar a desarrollar un chatbot que detecte bloqueos y dificultades de un estudiante a partir de su postura, expresión y voz. Al hacer preguntas, dar indicios, corregir y reformular su interacción, mantendría a la persona en “modo activo”.
La idea es que el chatbot reconozca patrones de pensamiento y se dé cuenta de las dificultades del estudiante en tiempo real, lo que abriría una nueva línea de investigación que conecte las neurociencias cognitivas con el desarrollo de herramientas de IA educativas.
“Nuestra aspiración sería contar con referencias, como la dirección de la mirada, el tono de voz o el reconocimiento de señales faciales para entregarle a un chatbot información similar a la que tendría un profesor humano que conversa con un estudiante y se da cuenta, por ejemplo, que está distraído o no entiende algo. Para eso necesitamos validar todo lo que estamos investigando ahora”, concluye Mircea Petrache.
