Metodología
Enfoque metodológico
El enfoque de esta investigación es mixto, combinando métodos cuantitativos y cualitativos. Los métodos cuantitativos nos permiten obtener datos objetivos y comparables sobre el rendimiento del sistema (recorrido ocular, caracteres ahorrados, precisión de la predicción). Los métodos cualitativos nos ayudan a capturar la experiencia subjetiva de los usuarios: qué les parece el sistema, si sienten que les ayuda y si lo usarían en su día a día.
El diseño de la parte experimental es de tipo cuasi-experimental: comparamos el rendimiento con y sin las mejoras de EyeSense (tipo de teclado, predicción de IA, contexto emocional) sobre las mismas tareas, sin asignación aleatoria de participantes a grupos, dado el tamaño limitado de la muestra propio de un proyecto de investigación escolar.
Fases del proyecto
Fase 1 — Revisión bibliográfica y análisis del estado del arte: estudio de los sistemas existentes, investigación sobre frecuencia de letras en español, revisión de literatura sobre reconocimiento emocional con señales biométricas y sobre LLM para predicción de texto.
Fase 2 — Diseño del sistema: diseño del teclado optimizado, arquitectura de la aplicación Android, diseño del circuito LED con Arduino y diseño de la montura 3D para las gafas.
Fase 3 — Desarrollo e implementación: codificación de todos los módulos del sistema (Android, OpenCV, IA, Shimmer3R, Arduino), integración con las gafas XReal One y pruebas de funcionamiento interno.
Fase 4 — Experimentación y validación: realización de las pruebas cuantitativas de recorrido ocular y de las pruebas A y B con usuarios.
Fase 5 — Análisis de resultados y elaboración de la memoria: análisis de los datos obtenidos, contraste de hipótesis y redacción del informe final.
Participantes
Para las pruebas de predicción con usuarios (Prueba A y Prueba B) se contó con una muestra de conveniencia de varios centros educativos, mayores de edad, sin afecciones visuales que pudieran interferir con el uso del sistema. Todos los participantes completaron un período de práctica con el sistema antes de las pruebas formales para familiarizarse con el eye tracking y el teclado.
Para las pruebas de recorrido ocular no fue necesaria participación humana directa, ya que el cálculo se realizó de forma completamente automática mediante un script Python sobre el mismo corpus de texto para los dos tipos de teclado.
Instrumentos de recogida de datos
Script Python de análisis de recorrido ocular: calcula la distancia geométrica total que recorre el ojo al escribir un texto dado, comparando el teclado QWERTY estándar y el teclado EyeSense. Se probó con el texto completo de El Principito.
Hoja de registro Excel — Prueba A: para cada participante y cada frase de prueba recoge la respuesta esperada, el número de caracteres de esa respuesta y los caracteres realmente escritos hasta aceptar una predicción de la IA. Se calcula así el ahorro de caracteres.
Cuestionario de satisfacción con escala Likert de 5 niveles — Prueba B: evalúa la percepción subjetiva del usuario sobre la precisión y utilidad de las predicciones.