Programa del congreso
Resúmenes y datos de las sesiones para este congreso. Seleccione una fecha o ubicación para mostrar solo las sesiones en ese día o ubicación. Seleccione una sola sesión para obtener una vista detallada (con resúmenes y descargas, si están disponibles).
|
Resumen diario |
| Sesión | |
|
Mi-P1: Sesión de pósteres I Lugar: Zona pósteres P1: Sesión de pósteres I | |
    | |
EEG por bandas y aprendizaje automático en entornos escolares: modelos para la detección de altas capacidades Universidad de Castilla-La Mancha, España La identificación de alumnos con altas capacidades en entornos escolares sigue siendo un reto complejo, tradicionalmente basado en evaluaciones psicométricas subjetivas. Los enfoques neurocientíficos con EEG ofrecen una vía complementaria al capturar marcadores neurofisiológicos objetivos de la función cognitiva. Este trabajo presenta un protocolo EEG práctico y escalable diseñado para su implementación en el aula, que incluye un segmento en reposo y una tarea de atención sostenida. Se registró a 108 niños de 9 a 13 años con un sistema semiseco de 32 canales, incluyendo 37 previamente identificados como de altas capacidades. Las señales se procesaron con el paquete \emph{MNE-Python} y se extrajeron características estadísticas a lo largo de las bandas de frecuencia estándar. Los análisis sugieren mayor actividad gamma y alfa en el grupo de altas capacidades, especialmente en electrodos prefrontales y posteriores. La clasificación exploratoria con características de gamma y alfa arrojó precisiones medias en torno a 0.77; XGBoost obtuvo el mayor F1 macro, mientras que Random Forest alcanzó la mejor precisión media. Estos hallazgos apoyan la viabilidad del análisis espectral EEG para la identificación basada en datos de altas capacidades en contextos educativos reales, y sientan las bases para comparativas más amplias en trabajos futuros.
| |