Resumen
En la presente investigación se realiza una comparación de los niveles de atención entre participantes ciegos y normovisuales durante una tarea enfocada al aprendizaje, que consta de observar un video de divulgación científica y la posterior resolución de un breve cuestionario enfocado al video. El estudio está centrado en el análisis de las señales electroencefalográficas, adquiridas a partir del headset MindWave Mobile, mediante la implementación de un algoritmo de Machine Learning (utilizado en Minería de Datos) llamado Information Gain (InfoGain), que mide el grado en que un atributo “aporta información” a la clase. Los atributos que conforman el dataset son el tiempo, la época, las potencias y las señales de las ondas cerebrales Delta, Theta, Low Alpha, High Alpha, Low Beta, High Beta, Low Gamma y Mid Gamma, las señales Meditation, Attention y la señal EEG en crudo. La clase “Nivel de Atención” se formó a partir de Attention, dividiendo el rango de la señal (0-100) en cinco, considerándose de 0-20 “Muy Mala”, 21-40 “Mala”, 41-60 “Regular”, 61--80 “Buena” y 81-100 “Muy Buena”. La experimentación se efectuó con cinco participantes ciegos y diez normovisuales, quienes eligieron el video de divulgación científica de su preferencia y a la postre contestaron el cuestionario. Después de un análisis estadístico se encontró que el Nivel de Atención promedio en ambos grupos tuvo una diferencia de diez puntos aproximadamente, 41.0804 para ciegos, 51.7644 para normovisuales, mientras que, en conjunto, el de ambos grupos fue 46.4224. cayendo en la categoría de Atención “Regular”. En cuanto a los resultados obtenidos con la aplicación de InfoGain, ambos grupos presentaron las mismas ondas con mayor incidencia en el Nivel de Atención: Delta, Theta y Attention, a excepción de la presencia de High Beta también en los participantes normovisuales.
Palabras clave: EEG, Information Gain, Machine Learning, Minería de Datos.
Abstract
In the current research, a comparison of the levels of attention between blind and normovisual participants is made during a task focused on learning, which consists of observing a scientific dissemination video and the subsequent resolution of a brief test focused on the video. The study focuses on the analysis of electroencephalographic signals, acquired from the MindWave Mobile headset, through the implementation of a Machine Learning algorithm (used in Data Mining) called Information Gain (InfoGain), which measures the degree to which an attribute "provides information" to the class. The attributes that make up the dataset are time, epoch, power and signals of the brain waves Delta, Theta, Low Alpha, High Alpha, Low Beta, High Beta, Low Gamma and Mid Gamma, Meditation, Attention and EEG signal in raw. The class "Attention Level" was formed from Attention, dividing the signal range (0-100) in five, considering 0-20 "Very Bad", 21-40 "Bad", 41-60 "Regular", 61-80 "Good" and 81-100 "Very Good". The experimentation was carried out with five blind and ten normovisual participants, who chose the scientific dissemination video of their preference and at the end answered the test. After a statistical analysis it was found that the average Level of Attention in both groups had a difference of approximately ten points, 41.0804 for the blind, 51.7644 for normovisuals, while, together, that of both groups was 46.4224. falling into the category of "Regular" Attention. As for the results obtained with the application of InfoGain, both groups presented the same waves with greater incidence in the Level of Attention: Delta, Theta and Attention, except for the presence of High Beta also in the normovisual participants.
Key Words: EEG, Information Gain, Machine Learning, Data Mining.
