The Cognitive Processing of an Educational App with EEG and 'Eye Tracking'

<span style="color:#FFFFFF; background:#ffffcc"><span id="article_es"></span>[[#article_en|Pulsa aquí para ver la versión en Español (ES)]]</span>
==== Abstract ====

The use of apps in education is becoming more frequent. However, the mechanisms of attention and processing of their contents and their consequences in learning have not been sufficiently studied. The objective of this work is to analyze how information is processed and learned and how visual attention takes place. It also investigates the existence of gender differences. The responses to 15 images are analyzed using 'Eye Tracking' and EEG in a sample of 22 young students. The recall and liking of the stimuli is also analyzed. The characteristics of the images are evaluated by experts. The results indicate that there is a different pattern of visual activity between men and women which does not affect subsequent recall. The recall is determined by the emotional value of the image and its simplicity: more complex images demand more time of visual fixation but are less remembered. EEG responses confirm the importance of the playful component of the memory and low involvement processing. The conclusion is that the behavior against an app of this type resembles the low commitment behavior of advertising itself. Finally, some considerations for the app content design are proposed.

[[Media:Draft_Content_471701362-58984.pdf|<span style="color:#0645AD; font-weight: bold">Download the PDF version</span>]]

==== 1. Introduction and state of the art ====

The aim of this study is to analyse how cognitive processing is produced when using an educational application. The objective is to conduct this analysis using the recent techniques provided by Neuromarketing, more specifically, EEG (electroencephalogram) and Eye Tracking. In this way, the research work will try to set the basis of the new area of neurocommunication, an area that although stemming from Neuromarketing, possesses its own characteristics and objectives. The application of neuroscience to communication studies has very recent origins (Timoteo, 2007). It stems from the evolution produced within the field of neurology, especially in the branch applied to behavioural neurology, which seeks to explain the relationship that exists between neurological processes and their behavioural manifestation. Although it is often forgotten, the origins of this model come from Russian psychophysiology with the works by Pavlov on “conditioned reflexes”, where the neuroanatomical and functional basis that would later be used to connect the brain and the behavioural processes, volitional as well as automatic or preconscious, were established. Posteriorly, other Russian authors delved deeper into the discovery of the functional basis of the brain, providing then the basis of the future field of neuroscience. Vygotski’s disciple, the neurologist Alexander Luria is notable as well. He authored “The Working Brain” (1973), and “The human brain and psychological processes” (1966). At present, neuroscience is a discipline that incorporates different sciences that together share the objective of studying, from a multi-disciplinary perspective, the structure and the functional organization of the Nervous System, particularly, the brain. It is from neuroscience and its posterior applications that neuroscience of the consumer and Neuromarketing were born. Disciplines that combine psychology, neuroscience and economy to study how advertising and marketing campaigns affect the minds of potential consumers (Lee, Broderick, & Chamberlain, 2007; Madan, 2010). The term “Neuromarketing” was coined for the first time in the 1980’s by Ale Schmidts, Nobel prize winner and professor at the Department of Marketing at the Rotterdam School of Management in The Netherlands (Ramsoy, 2015). Human behaviours are marked by operational processes that are shaped under the threshold of consciousness (Calvert & Brammer, 2012), so that delving into the unconscious plane to understand what brings the consumers to activate a behavioural process is vital for the making of decisions. It is evident that the brain’s activity can provide information that is otherwise not able to be obtained through traditional methods of research such as “focus groups”, questionnaires or interviews (Ariely & Berns, 2010). A research methodology should be made available that allows for the reaching of these objectives and the understanding of the human cognitive system. Therefore, the direct reaching into the human brain is necessary (Le-Doux 1996; Zaltman, 2003). The use of methodologies that simultaneously combine the techniques of “Eye Tracking” with EEG could be relevant for obtaining information outside of the range of capacities of conventional methodologies. The biometric technique “Eye Tracking”, or monitoring of eye movement, allows for the analysis of patterns of visual attention in terms of visual fixation, as eye movement is linearly identified with visual attention (Duchowski, 2013; Añaños-Carrasco, 2015) and offers results on the communicative impact with respect to the variables impact, appeal and effectiveness (Arbulú & del-Castillo, 2013). There is solid empirical evidence that shows the relationship between the stimuli shown and the brain reactions measured with an EEG (Ohmea & al., 2009). All of this allows us to think that these methodologies, which are usually employed in the field of Neuromarketing, could be very useful for the study of communication foundations, thereby constituting the new field of “neurocommunication”.

Also, the ICT (Information and Communication Technologies) are defining a new way to communicate, in which the digital audiences demand interactive content that can be adapted to a new pattern of media consumption, in which the “smartphone” and “tablets” occupy a dominant place. These digital natives demand content that connects their information needs, but also their leisure, social and educational needs as well. In this scenario, it is easy to understand the rapid rise of the applications (apps). According to the “5th report on the apps in Spain”, presented in 2014 by “The App Date”, there are 23 million active app users, 3.8 million apps are downloaded per day, and there is an average of 39 apps installed per “smartphone” (Niño & Fernández, 2015). One of the sectors that has quickly progressed is the sector of health apps. This new field of activity is identified by the concepts “eHealth” and “mHealth”, which is an answer to medical practice and public health through mobile devices. The apps used in this field are tools that allow for the fomenting and development of care and prevention of health, and their use in education is becoming ever more frequent. However, until now, the mechanisms of attention and processing of the app’s images and content, as well the manner in which these processes influence learning have not been sufficiently studied.

The main objective of this study consisted in analysing a few of the cognitive elements (such as attention and recall) that lie underneath the cognitive process of communication. More specifically, it focuses on the study of these mechanisms just as they are produced during the processing of content (images and texts) that are habitually used in specific apps, since, in spite of their increased use (especially among the young), their mechanisms of action have hardly been experimentally studied. In this research work, we have focused the study on the images from a health education app for the younger population: the application Viquiz. This application uses a game-oriented procedure, or “gamification”, in the framework of the so-called “serious game”, within the context of education entertainment (“edutainment”). We will try to analyse the processing of prototypical images and texts from these apps, employing objective research techniques: the EEG and “Eye Tracking”, belonging to the area of neurocommunication. Additionally, we will explore the gender differences in this field, with the objective of understanding the possible existence of different patterns of visual and cognitive conduct.

As the secondary objective, we will try to contribute objective and empirical data that allow the academic community to move forward in the construction of the field of neurocommunication, recovering and adapting techniques and procedures belonging to Neuromarketing to the science of communication and education. There is a limited number of research works that, by applying the techniques of neuroscience and psychobiology, propose the study of cognitive processes of communication. In general, these types of works have focused on applying the result of the brain, visual, electrodermal, cardiac, etc. responses to the study of communication efficiency (advertising, almost always). Hence their origins are Neuromarketing. However, in this work, we present a different focus, in which the main objective is to understand the mechanisms that regulate the cognitive responses when subjects are faced with specific stimuli. Also, we are especially interested in developing this area in the fields of communication and education, more than in the fields of advertising and marketing. Likewise, within the context of the ICT, which are especially important for the young, and more specifically, within the education apps through “gamification”, the use of neurocommunication techniques will allow us to objectively study specific gender differences as just discussed. There is empirical evidence that women, in general, pay more attention to health information than men, and also have more interest for the health ICT (Cuesta, 2016). However, objective measurements of visual attention or differences in EEG have never been taken. In this context, the hypothesis of the research planned is the following:

• Hypothesis 1: Women will score higher in the indexes of attention, appeal and recall. On the other hand, taking into account the existing works on attention and perception (Goldstein, 2005; Pinillos, 1975), which suggest that complex images require more time for extracting their meaning (“prise of signification”), we hypothesise that:

• Hypothesis 2: The more complex images will require more time for analysis, which will translate into longer times of observation of the image (ocular fixation time in milliseconds, ms).

Lastly, as we are dealing with a leisure activity belonging to “edutainment”, the subjects will find themselves in a situation of “low cognitive involvement”, which will induce peripheral processing of information (Petty & Cacioppo, 1983; Cuesta, 2006). Peripheral processing is characterised for extracting meaning through simple processing routes, through “heuristics”. Therefore, we hypothesise that:

• Hypothesis 3: Recall will not be linked to the complexity of the stimulus, but to its ability to “appeal”, meaning more linked temotional than rational attraction.

====2. Materials and methods====

Images from the Viquiz app were used as the stimuli. Viquiz is a mobile application for fomenting healthy habits through gaming or gamification, developed by Wake App Health, and has counted with the financial support of the FECYT, the Spanish Foundation for Science and Technology from the Ministry of Economy and Competitiveness. It is available in Google Play for Android devices. It can be downloaded for free through the following link: http://bit.ly/1sX1db1. For the selection of images, the following criteria were used: “All the images on the homescreen or the ones from the start screen from each different section of the game”.

A total of 15 images that allowed for studying the interest created by each screen were chosen, allowing for a comparison between the different types of images. Among these 15 images, the first one of them is the homescreen image (image “entry”), and has the advantage of offering, within the same image, different “areas of interest”, that are very suitable for being studied through the use of the “Eye Tracking” technology. There is a total of 9 “areas of interest” (entry 1, entry 2, entry 3…). The homescreen image, along with its 9 areas of interest (AI) are shown in figure 1, which also shows the average values obtained with the “Eye Tracking” technology.


[[Image:Draft_Content_471701362-58984-en017.jpg|center|px|]]

The entry images were classified by 2 judges who were experts on “edutaiment” apps, with the aim of classifying them as a function of 2 variables:

• Variable “complexity of the image”, using a Likert scale from 0 to 7, with 0=not complex, and 7=very complex, as a function of semionarrative interpretation complexity. It was conducted with the usual “interjudge agreement” (Dubé, 2008). The agreement’s Cronbach’s coefficient was 100%.

• Variable “type of image”, with dichotomic values that depended on the predominance, within the image, of an emotive figure or text, with values being 1=emotive picture, 0=text.

As the measuring tool, the “Eye Tracker” model Tobii X60 (www.tobii.com) was used. For the filtering of data and clean-up of noise, the software program used by Fusión Comunicación based on the methodology and software by SMIVision (www.smivision.com) was utilized. For a review on the use and analysis of data with “Eye Tracking” and the state of the art, please consult the work by Blascheck, Kurzhals, Raschke, Burch, Weiskopf and Ertl (2014). After performing an initial calibration for each subject, a minimum of 95% of the visual recordings were attained. For EEG monitoring, the unit “Emotiv EPOC” was used. This is a high-resolution unit for the monitoring and processing of the neuronal electrical signal that monitors 14 EEG channels. The electrodes were distributed in the positions labelled in Figure 2, according to the “International system of electrode placement” guidelines (Cacioppo, Tassinary & Berntson, 2000). The signals from the prefrontal, frontal, temporal, parietal and occipital regions were recorded. The EEG signal was monitored and recorded continuously during the viewing of the images on the screen.


[[Image:Draft_Content_471701362-58984-en018.jpg|center|px|]]

The study was divided into two different phases as far the procedures. In Phase 1, the EEG and “Eye Tracking” were monitored on 22 subjects, 11 men and 11 women, who were students at the Faculty of Information Science in Madrid (aged 19-21 years old). This specific sample was used as the app analyzed was designed for a young target audience with a mid-to-high socio-cultural status. All the subjects took part in he study voluntarily, without receiving additional university credits. They were briefly informed individually about the activity to perform, explaining to them that it would consist on viewing images from a health app that suggests a competitive game, but that they would not be competing. They would only view the screens. As the selection criteria, their lack of previous knowledge about the app was the deciding factor. All the subjects were subjected to the same experimental setting, and would view the same previously-mentioned stimuli while they were monitored. Therefore, an exploratory study with an intra-subject design and with the random assignment of the different levels of experimental treatment (sequences of images), is conducted. The stimuli were presented randomly, and the display of each of them was randomly rotated as well. When the monitoring was finalized, all the subjects completed a questionnaire in which they were asked about the sections or images that were most interesting to them (open-ended question), with the aim of measuring the “salience” of the images in order to detect the ones that had special impact.

During phase II of the study, the subjects were presented with a recall questionnaire a week after Phase I. This time interval is sufficient for producing a “forgetting curve” that allows for discriminating recall (Cuesta, 2006), although a few authors have proposed 3 weeks (Allende, 2010). This questionnaire evaluated two variables: a) Recall: the subjects describe the images they remember (the % recall is calculated); b) Appeal: the subjects have to score, the image’s appeal, using a scale of 0 to 10 (“liking” scale).

The dependent variables were the following: 1) Degree of attention paid to the images, evaluated from the “Eye Tracking” data, measured with two of the most-utilized parameters in this type of research studies (Añaños, 2015): a) Duration of ocular fixation (in ms); b) Number of ocular fixations. 2) Cognitive activity provoked by the images according to the EEG: a) Attention: divided into short-term (instant) and long-term (minutes); b) Degree of involvement: concentration with the content of the image. Implication: the degree of cognitive re-enforcement dedicated to the image; c) Appeal: level of positive emotion that the image provokes; d) Recall and appeal of the images seven days after their viewing. As for the independent variables, the following were used: a) The images described; b) Gender (man, woman); c) The image characteristics according to the evaluation by the experts: Complexity of the image (Likert scale 0-7) and Type of image (1=emotive, 2=text).

====3. Analysis and results====

As shown in the heatmaps in Figure 3, the ocular fixations were concentrated in the points of greater interest for the subjects. The analysis of these ocular fixation targets comprise an objective measurement of the areas of perceptual interest of the subjects. However, the empirical evidence available is not consistent with respect to what exactly the attention given to the stimulus indicates (Ohme, Reykowska, Wiener, & Choromanska, 2009). The heatmaps are very useful when developed in the field of applied Neuromarketing, where it is used for detecting global areas of interest of the consumer. For example, to detect fixation points in a product line in a large surface area shop. However, this information is qualitative in nature, and does not allow for the empirical analysis of cognitive processes (attention, activation, recall, etc.) that underlie this behaviour. To quantitatively analyse this cognitive-perceptual behaviour, areas of interest (AI) were defined through “Eye Tracking”, as defined in the methods section and shown in Figure 1. The recording of the ocular behaviour (average time of fixation and number of ocular fixations) and the EEG recordings were simultaneously conducted for these AI. The quantitative data obtained for both cases, together with the data obtained by the questionnaires, were processed with the IBM SPSS Statistics 22 software program. The results of “Eye Tracking”, did not support hypothesis 1 (Women will score higher in the indexes of attention, appeal and recall). Table 1 shows results that were contrary to what was expected: women had an ocular behaviour that was characterized by a greater number of fixations (2,056 as compared to the 1,720 in men), which implied a greater frequency of fixations per second (2.34 versus 1.96 in men), as well as faster fixations (386 ms as compared to 459). This means that the ocular behaviour of women showed a faster pattern of movements. This movement was more visually “saccadic” than that of men. Saccadic movements are the fast and intermittent jumps of the eye’s position when fixing onto a foveal object.


[[Image:Draft_Content_471701362-58984-en019.jpg|center|px|]]

It is very likely that these results are due to the ocular behaviour pattern of women, which is independent of the type of task they are facing. Although visual conduct has barely been studied from the point of view of differences in gender according to optical psychophysiology, there is some evidence that suggests the presence of a different behaviour between men and women in this field (Stemmler, 2005). The EEG results (Table 2) show that women scored higher in the “appeal” variable with respect to the men, without showing differences in the rest of the EEG variables: attention (short and long-term), degree of involvement and implication (p<.055). However, this result was only found in the image that showed a spontaneous recall of 100% in the final questionnaire (“salience” questionnaire, or impact of stimulation), while the average value for spontaneous recall for all the images was 37%, which allowed us to suppose that the image had a special impact on the subjects, given its high score as compared to the average recall value, and given that it was the only one that was recalled 100% (image 14 of the heading “sexual conduct”, showed a condom). This result could indicate that when faced with an image of high impact (high ability of impact, in terms of Neuromarketing or advertising) the EEG shows higher values with the variable appeal, especially among the women group. Table 2 shows the results found through an ANOVA, which was performed for the 5 EEG dependent variables (short and long-term attention, appeal, involvement and implication).

A new Analysis of Variance conducted after the EEG of this high-impact image (image 4-I4) as compared to a medium-impact image (image 7-17), showed the following pattern: the EEG variables involvement, attention (ST and LT) and implication had higher values (p<.000) as compared to the variable appeal with respect to the medium-impact image, while the pattern is inverted for the high-impact image. These data suggests the existence of a possible EEG response pattern in this type of experimental design, leading us to conduct an analysis of the factorial structure of the EEG responses to the entire set of stimuli presented. A principal component factor analysis with Varimax rotation was performed. The results are shown in Table 3.


[[Image:Draft_Content_471701362-58984-en020.jpg|center|px|]]


[[Image:Draft_Content_471701362-58984-en021.jpg|center|px|]]

The data show the appearance of 3 factors in the EEG responses:


[[Image:Draft_Content_471701362-58984-en022.jpg|center|px|]]

• In the first factor, the variables “involvement” and “implication” are saturated. This could represent a factor of “cognitive effort”, as both involvement and implication are variables that have been traditionally associated to the effort a subject is willing to make when processing information.

• In the second factor, both short-term and long-term “attention” variables are saturated. This represents the degree of “focusing or overall attention” paid by the subject.

• The third factor is saturated with the variable “appeal”, which represents the appeal value of the stimulus for the subjects.

The EEG factor analysis seems to indicate that the cognitive activity in this type of game-based learning tasks through an app can be grouped into three areas: a) cognitive effort; b) attention; c) appeal. Both cognitive effort and appeal are not completely orthogonal, which allows for proposing the following idea: the EEG discriminates two cognitive activities between the subjects: one linked to effort and attention, and another linked to appeal. Hypothesis 2 (the most complex images will require more time for analysis, which will translate into longer times of observation of the image) was analysed together with hypothesis 3 (recall will not be linked to the complexity of the stimulus, but to its ability to “appeal”, meaning more emotional than rational attraction). Pearson’s correlation was used for this, and it was conducted on all the variables included in the hypotheses: viewing time (fixation of the areas of interest in ms), recall and appeal (evaluated with a questionnaire) and emotiveness and complexity of the image (defined by external evaluators with interjudge agreement). The analysis was conducted on the 9 areas of interests (AI) of the “entry” image (homescreen). The results are shown in Table 4.

The results indicate the following: a) a statistically-significant negative correlation (p<.024) between the variables recall and image complexity; b) a positive correlation between recall and emotiveness of the image (p<.007); c) a negative correlation between emotiveness and complexity (p<.017).


[[Image:Draft_Content_471701362-58984-en023.jpg|center|px|]]

Therefore, hypothesis 2 is supported, but only marginally: there is a “tendency” towards the direction proposed by the hypothesis, but the degree of significance is marginal (p<.070). In summary: the most complex images require a longer ocular fixation time (marginally significant) but are less remembered, while the most emotive images are better remembered. This could be due to the “edutainment” or a leisure game effect: the condition of a leisure context provokes a state of “low involvement “, belonging to peripheral or weak processing. This could mean that the more complex images are not remembered because the subject does not make the necessary effort for its mnesic storage. This could also fit with the EEG pattern found after the factor analysis: the images with greater impact (salience) provoked a greater appeal according to the EEG, which would link it to the greater recall of this situation of low involvement. Something similar occurred with hypothesis 3, which was only partially accepted: recall does seem to be linked to the image emotiveness (p<.007), but not to its “appeal” or impact (measured with the “liking” scale used by the subjects). However, this result could be consistent with the current bibliography on Neuromarketing (Ariely & Berns, 2010); it is very common for authors to say that the reasoning behind the use of psychophysical measuremens (such as the EEG) in motivation research related to advertising is due to the fact that sometimes the verbal responses of the subjects do not always co-incide with the emotions they truly feel (Khushaba & al., 2013).

====4. Discussion and conclusions====

The data seems to back the existence of a visual behaviour “model” that is different in women as compared to men: the visual behaviour of women in these types of tasks seems to be characterized by a more “saccadic” pattern as compared to the men. This means that they “travel” through the images faster than men, also blinking more times and faster than them. However, this pattern of visual behaviour does not result in greater learning (recall) of the stimulus, as statistically-significant differences were not found between men and women for the variable recall. Through the factorial analysis of the EEG, a pattern of responses of three factors was detected: appeal, attention and involvement. In this pattern, the variable recall was linked to the variable impact (saliency of the stimulus). However, the complexity of the stimulus would be more linked to attention and the degree of involvement with the stimulus according to the EEG pattern: it’s possible that the more complex stimuli demand greater attention by the subjects, which obliges them to be more involved in their visual analysis. Nevertheless, the fact that they are more involved and dedicate more viewing time does not mean that they will remember it more due to the “low involvement” that entails peripheral processing (Petty & Cacioppo, 1983). In this type of processing, the stimuli that are easiest to perceive are more easily memorized, although according to the Elaboration Likelihood Model (ELM), learning is also weaker, and the stimuli are forgotten sooner (Petty & Cacciopo, 1981; Petty & Cacciopo, 1986). In the present research, only a week was used as the interval of forgetfulness, which does not allow for the analysis of the forgetting curve with respect to this last item.

In summary, the results of this research can be interpreted in the following manner: women have a different visual pattern than men (they are less “saccadic”), but this differential pattern does not affect the posterior recall of the stimuli viewed. The immediate recall (impact) seems to be linked to the emotional stimulus variable (p<.007) and non-complexity (p<.024), as the recall is negatively correlated with the complexity of the stimulus. In line with this idea, the data showed a correlation between the time dedicated to the stimulus and its complexity (p<.070) and a negative correlation between time and recall (p<.090). This means that dedicating more time for viewing more complex elements in order to extract meaning does not mean that they are better memorized, as memory depends on the emotiveness of the stimuli. Also in line with this result, the EEG showed that it was the pattern of brain waves classified as appeal (due to the factorial analysis), the ones that better predicted recall. This phenomenon is similar to what has been shown in the reception to advertising: the most efficient advertisement is the simplest one and the one that touches upon the affective/valorative aspect of the spectator (audience or target), not the most rational. In 1965, Krugman named this phenomenon “learning without involvement” when speaking about passive or low involvement audiences. Later, Krugman (1971; 1980) tried to validate his theory through the analysis of an EEG during the viewing of a TV ad, becoming the pionner of modern Neuromarketing techniques.

The data are sufficiently significant as to recommend the developers of this type of app that the design of their content should be emotive and low in complexity. To achieve greater learning, it is necessary that the content incides in the leisure aspect of the activity, avoiding complex content, as it is not well remembered later even though it captures the attention of the subjects. Also, the data presented indicate the need to be prudent with the application of neurocommunication techniques to academic research. The data indicate that the fact that the subjects focus their vision on specific areas of interest does not imply that there is a greater active attention that results in better recall. These results are in agreement with other research studies using “Eye Tracking” on the usability of 2.0 tools, in which it was verified that the measurements of attention through “Eye Tracking” and the self-informed recall differed between them (Hernández-Méndez, Muñoz-Leiva, Liébana-Cabanillas, Marchito, 2016).

In the famous “Eye-mind hypothesis” from Just and Carpenter (1976a; 1976b) it was specified that a noticeable delay was not produced between the object a person fixes his/her sight on and what is being processed, so that when a person looks at a word or an object, it is cognitively processed during exactly the same amount of time of ocular fixation. This hypothesis resulted in an important boost of “Eye Tracking” studies. Already some authors have postulated on the relationship between attention and ocular fixation, specifying that the direction of the stare was linked to the focus of attention, therefore providing a mechanism with which the information received by the organism could be filtered (Deutsch & Deutsch, 1963; Posner & Peterson, 1990; Treisman, 1964). However, this hypothesis has been frequently called into question, as modern research has systematically shown that the shifting of attention without ocular movement frequently occurs (Posner, 1980), and as soon as attention is directed to a new position, the eyes can conduct different types of fixations, which are not always linked to the stimulus that had originally capture the subject’s attention (Hoffman, 1998).

The questions that arise are evident: what characteristics evoque the shifting of attention to specific stimuli?, what is the nature of the emotional and motivational processes that underlie visual attention?

The limitations of this study include the size of the sample as well as its composition. Another limitation has been the use of images that were specific to the Viquiz app. In future research, it will be necessary to increase the size of the sample in order to analyse the behaviour of adult and senior subjects. This will allow us to understand if the results found were dependent on learning or on basic cognitive principles. The young subjects (aged 19-21 years old) had a specific behaviour when facing gamification tasks using apps. It seems that these digital natives have developed specific patterns of behaviour within these audiovisual environments (Payne, 2014). It could also be, as shown by Añaños (2015), that the seniors do not modify their processes of attention, doing so with the processing of information, so that their conduct with these types of apps could be different. It would be necessary to widen the samples of stimuli to be used, within the realm of the “serious game” but widening the composition of the stimuli. The behavior in high/low involvement situations of the subjects should also be studied (manipulating the involvement through instructions, for example) and also increasing the interval of forgetfulness so that it is longer than a week.

Funding Agency

The research study was partially financed by the Laboratory of Neuromarketing in the Department of the Audiovisual Communication and Advertising II at the Complutense University of Madrid (Spain).

====References====

Allende, V.S. (2010). La publicidad emocional e informativa y su relación con el recuerdo en la población de adolescentes. Universidad Siglo 21, Repositorio Institucional. (https://goo.gl/vjxuJD) (2016-09-22).

Añaños-Carrasco, E. (2015). La tecnología del «Eyetracker» en adultos mayores: cómo se atienden y procesan los contenidos integrados de televisión. [Eyetracker Technology in Elderly People: How Integrated Televisión Content is Paid Attention to and Processed]. Comunicar, 45(XXIII), 75-83. https://doi.org/10.3916/C45-2015-08

Arbulú, M.F., & Del-Castillo, A. (2013). Potenciando el alcance del análisis publicitario con la técnica del eyetracking: desarrollo de un software para la evaluación del impacto publicitario. Redmarka, 11(2), 125-136. (https://goo.gl/aPGnRb) (2016-09-28).

Ariely, D., & Berns, G.S. (2010). Neuromarketing: The Hope and Hype of Neuroimaging in Business. Nature Reviews Neuroscience, 11, 284-292. https://doi.org/10.1038/nrn2795.

Cacioppo, J., Tassinary, L.G., & Berntson, G.G. (2000). Handbook of Psychophisiology. Cambridge: Cambridge University Press.

Calvert, G.A., & Brammer, M.J. (2012). Predicting Consumer Behavior: Using Novel Mind-reading Approaches. IEEE Pulse, 3(3), 38-41. https://doi.org/10.1109/MPUL.2012.2189167

Cuesta, U. (2006). Psicología social de la comunicación. Madrid: Cátedra.

Cuesta, U., & al. (2016). Comunicación y Salud. Madrid: Dextra.

Deutsch, J.A., & Deutsch, D. (1963). Attention: Some Theoretical Considerations. Psychological Review, 70, 80-90. https://doi.org/10.1037/h0039515

Dubé, J.E. (2008). Evaluación del acuerdo interjueces en investigacion clinica. Breve introducción a la confiabilidad interjueces. Revista Argentina de Clínica Psicológica, XVII(1), 75-80. (https://goo.gl/XyCNZD) (2016-10-6).

Duchowski, A. (2013). Eye Tracking Methodology: Theory and Practice. London: Springer-Verlag.

Goldstein, E.B. (2005). Sensation and Perception. Belmont: Wadsworth & Cengage.

Hoffman, J.E. (1998). Visual Attention an Eye Movements. In Pashler, H. (Ed.). Attention (pp. 119-154). Philadelphia: Taylor & Francis Press.

Just, M.A., & Carpenter, P.A. (1976a). Eye Fixations and Cognitive Processes. Cognitive Psychology, 8, 441-80. (https://goo.gl/ONjT9U) (2016-10-9).

Just, M.A., & Carpenter, P.A. (1976b). The Role of Eye-Fixation Research in Cognitive Psychology. Behavior Research Methods and Instrumentation, 8, 139-43. https://doi.org/10.3758/BF03201761.

Khushaba, R.N., Wise, C., Kodagoda, S., Louviere, J., Kahn, B.E., & Townsend, C. (2013). Consumer Neuroscience: Assessing the Brain Response to Marketing Stimuli Using Electroencephalogram (EEG) and Eye Tracking. Expert Systems with Applications, 40(9), 3803-3812. https://doi.org/10.1016/j.eswa.2012.12.095

Krugman, H.E. (1965). The Impact of Television Advertising: Learning without Involvement. Public Opinion Quarterly, 30, 349-356. https://doi.org/10.1086/267335

Krugman, H.E. (1971). Brain Wave Measures of Media Involvement. Journal of Advertising Research, 11(1), 3-9. (https://goo.gl/t9KUKd) (2016-10-25).

Krugman, H.E. (1980). Sustained Viewing of Television. Journal of Advertising Research, 20(3), 65-68. (https://goo.gl/t9KUKd) (2016-11-7).

LeDoux, J.E. (1996). The Emotional Brain. Nueva York: Simon & Schuster.

Lee, N., Broderick, A.J., & Chamberlain, L. (2007). What is “Neuromarketing”? A Discussion and Agenda for Future Research. International Journal of Psychophysiology, 63(2), 199-204. https://doi.org/10.1016/j.ijpsycho.2006.03.007

Luria, A.R. (1966). Human Brain and Psychological Processes. Nueva York: Harper & Row.

Luria, A.R. (1973). The Working Brain. Nueva York: Basic Books.

Madan, C.R. (2010). Neuromarketing: The Next Step in Market Research? Eureka, 1(1), 34-42. (https://goo.gl/pba81H) (2016-11-14).

Niño, J.I., & Fernández, B. (2015). Comunicación, Salud y Tecnología: mHealth. Revista de Comunicación y Salud, 5, 144-153. (https://goo.gl/o9L7U9) (2016-11-17).

Ohme, R., Reykowska, D., Wiener, D., & Choromanska, A. (2009). Analysis of Neurophysiological Reactions to Advertising Stimuli by Means of EEG and Galvanic Skin Response Measures. Journal of Neuroscience, Psychology and Economics, 2(1), 21-31. https://doi.org/10.1037/a0015462

Payne, R. (2014). Eye Tracking to Establish a Hierarchy of Attention with an Online Fashion Video. Shapeshifting Conference. Conference by Auckland University of Technology. Nueva Zelanda.

Petty, R. Cacioppo, J., & Schumann, D. (1983). Central and Peripheral Routes to Advertising Effectiveness: The Moderating Role of Involvement. Journal of Consumer Research, 10(2), 135-146. (https://goo.gl/WlUdCb) (2016-11-29).

Petty, R., & Cacciopo, J. (1981). Attitudes and persuasion. Classic and Contemporary Approaches. Dubuque: Wm. C. Brown.

Petty, R., & Cacciopo, J. (1986). The Elaboration Likelihood Model of Persuasion. In L. Berkowitz (Ed.), Advances in Experimental Social Psychology, 19, 123-205. Nueva York: Academic Press.

Pinillos, J.L. (1975). Principios de Psicología. Madrid: Alianza.

Posner, M.I. (1980). Orienting of Attention. Quarterly Journal of Experimental Psychology, 32, 3-25. https://doi.org/10.1080/00335558008248231

Posner, M.I., & Petersen, S.E. (1990). The Attention System of the Human Brain. Annual Review of Neuroscience, 13, 25-42. https://doi.org/10.1146/annurev.ne.13.030190.000325

Ramsoy, T.Z. (2015). Introduction to Neuromarketing & Consumer Neuroscience. Copenhagen: Neurons Inc.

Stemmler, G. (2005). Differential Psychophysiology: Person in Situations. New York: Springer-Verlag.

Timoteo, J. (2007). Neurocomunicación. Propuesta para una revisión de los fundamentos teóricos de la comunicación y sus aplicaciones industriales y sociales. Mediaciones Sociales, 1, 355-386. (https://goo.gl/NSMD8Q) (2016-12-13).

Treisman, A. (1964). Selective Attention in Man. British Medical Bulletin, 20, 12-16. (https://goo.gl/z3JsnO).

Zaltman, G. (2003). How Costumers Thinks. Boston: Harvard Business School Press.



<hr>
<span style="color:#FFFFFF; background:#ffffcc"><span id="article_en"></span>[[#article_es|Click to see the English version (EN)]]</span>
==== Resumen ====

El empleo de apps en educación es cada vez más frecuente. Sin embargo, no se han estudiado suficientemente los mecanismos de atención y procesamiento de sus contenidos y sus consecuencias en el aprendizaje. El objetivo de este trabajo es analizar cómo se procesa y aprende la información y qué tipo de atención visual se le presta. También se investiga la posible existencia de diferencias de género. Sobre un total de 22 jóvenes se analizan las respuestas de «Eye Tracking» y electroencefalograma (EEG) frente a 15 estímulos de una app de educación en salud. También se analiza el recuerdo y agrado de los estímulos por parte de los sujetos. Las características de las imágenes son evaluadas por expertos. Los resultados indican que existe un patrón de actividad visual diferente entre hombres y mujeres el cual no incide sobre el recuerdo posterior. El recuerdo viene determinado por el valor emocional de la imagen y su simplicidad: las imágenes más complejas absorben más tiempo de fijación visual pero son recordadas menos. Las respuestas del EEG confirman la importancia del aspecto lúdico sobre el recuerdo. La conclusión es que la conducta frente a una app de este tipo se asemeja a la conducta de bajo compromiso propio de la publicidad.

[[Media:Draft_Content_471701362-58984_ov.pdf|<span style="color:#0645AD; font-weight: bold">Descarga aquí la versión PDF</span>]]

==== 1. Introducción y estado de la cuestión ====

En este trabajo se pretende investigar cómo se produce el procesamiento cognitivo en una app educativa. Su objetivo es realizarlo mediante el empleo de las recientes técnicas que proporciona el Neuromarketing, concretamente el EEG (electroencefalograma) y el «Eye Tracking». De esta manera, este trabajo intenta también ayudar a sentar las bases del nuevo área de la neurocomunicación en cuanto área que surge del Neuromarketing pero posee características y objetivos propios. La neurociencia aplicada al estudio de la comunicación tiene orígenes muy recientes (Timoteo, 2007). Surge a partir de la evolución producida en el seno de la neurología, especialmente la rama aplicada a la neurobiología de la conducta, la cual intenta explicar la relación que existe entre los procesos neurológicos y sus manifestaciones conductuales. Aunque se olvida con frecuencia, los orígenes de este modelo se encuentran en la psicofisiología soviética, con los trabajos de Pavlov sobre los «reflejos condicionados» donde comienzan a establecerse las bases neuroanatómicas y funcionales que conectarán funcionalmente el cerebro y sus procesos con la conducta, tanto volitiva como automática o pre-consciente. Posteriormente, autores también soviéticos profundizaron en el descubrimiento de las bases funcionales del cerebro, proporcionando así las bases de la futura neurociencia. Destaca el discípulo de Vygotski, el neurólogo Alexander Luria autor de «El Cerebro en Acción» (1973) y «El cerebro y los procesos psíquicos» (1966). Actualmente la neurociencia es una disciplina que incorpora diferentes ciencias que tienen por objeto estudiar desde una perspectiva multidisciplinar la estructura y la organización funcional del sistema nervioso, particularmente del cerebro. A partir de la neurociencia y sus posteriores aplicaciones surge la neurociencia del consumidor y el Neuromarketing en cuanto disciplinas que combinan la psicología, la neurociencia y la economía para estudiar cómo las campañas de publicidad y marketing impactan en la mente de los potenciales consumidores (Lee, Broderick, & Chamberlain, 2007; Madan, 2010). El termino «Neuromarketing» fue acuñado por primera vez en los años 80 por Ale Schmidts, premio Nobel y profesor del departamento de marketing de la Escuela de Administración de Rotterdam en Holanda (Ramsoy, 2015). El comportamiento humano está marcado por procesos operativos que se configuran por debajo del umbral de conciencia (Calvert & Brammer, 2012), por lo que profundizar en el plano del inconsciente y conocer qué lleva al consumidor a activar un proceso de conducta es vital para la toma de decisiones. Es evidente que la actividad del cerebro puede suministrar información que no es posible obtener a través de metodologías tradicionales de investigación como «focus groups», cuestionarios o entrevistas (Ariely & Berns, 2010). Hay que disponer de una metodología de investigación que permita alcanzar estos objetivos y entender el sistema cognitivo humano, por tanto, es necesario llegar directamente a analizar el cerebro humano (Le Doux 1996; Zaltman, 2003). El uso de metodologías que combinan simultáneamente técnicas de «Eye Tracking» con EEG se muestran pertinentes para obtener información fuera del rango de capacidades de las metodologías convencionales. La técnica biométrica «Eye Tracking» o técnica de seguimiento ocular, permite analizar los patrones de la atención visual en términos de fijaciones oculares ya que el movimiento de los ojos se identifica linealmente con la atención visual (Duchowski, 2013; Añaños-Carrasco, 2015) y ofrece resultados sobre el impacto comunicativo respecto a las variables potencia, atracción y efectividad (Arbulú & del-Castillo, 2013). Existe sólida evidencia empírica que demuestra la relación entre los estímulos mostrados y las reacciones cerebrales medidas con EEG (Ohme & al., 2009). Todo ello permite pensar que estas metodologías, habitualmente empleadas en el área del Neuromarketing, pueden resultar de gran utilidad para el estudio de los fundamentos de la comunicación, constituyendo así el nuevo campo de la «neurocomunicación».

Por otro lado, las TIC están definiendo una nueva forma de comunicación en la que las audiencias digitales exigen contenidos interactivos capaces de adaptarse a un nuevo patrón de consumo mediático en el que el «smartphone» y las «tablets» ocupan un lugar preponderante. Estas audiencias digitales demandan contenidos que conecten con sus necesidades informativas, pero también de ocio, sociales y educativas. En este escenario, es fácil entender el auge de las apps. Según el «5º Informe Estado de las apps en España» presentado en 2014 por The App Date, hay 23 millones activos de usuarios de apps, se descargan 3,8 millones de apps al día y hay una media de 39 apps instaladas por «smartphone» (Niño & Fernández, 2015). Uno de los sectores con más progresión es el sector de las aplicaciones para la salud. Este nuevo campo de actuación se identifica con los conceptos «eHealth» y «mHealth» y responden a la práctica de la medicina y la salud pública a través de dispositivos móviles. Las apps aplicadas en este ámbito son herramientas que permiten fomentar y desarrollar el cuidado y la prevención de la salud y su empleo en educación es cada vez más frecuente. Sin embargo, hasta el momento no se han estudiado suficientemente los mecanismos de atención y procesamiento de sus imágenes y de sus contenidos, así como la manera en la que estos procesos inciden sobre el aprendizaje.

El objetivo fundamental de este trabajo ha consistido en analizar algunos de los mecanismos cognitivos (como la atención y el recuerdo) que subyacen al procesamiento cognitivo de la comunicación. Más concretamente, se focaliza en el estudio de estos mecanismo tal y como se producen en el procesamiento de los contenidos (imágenes y textos) que se emplean habitualmente en determinadas apps, dado que, a pesar de su empleo creciente (especialmente entre los jóvenes), sus mecanismos de acción no han sido apenas estudiados experimentalmente. En esta investigación, nos hemos centrado en el estudio de las imágenes de una app de educación para la salud para jóvenes: la aplicación Viquiz. Esta aplicación emplea un procedimiento lúdico o de «gamification», en el marco de los denominados «serious games», en el contexto del modelo de la educación entretenida (edutainment). Se pretende analizar el procesamiento de imágenes y contenidos prototípicos de estas apps, empleando técnicas objetivas de investigación: el EEG y el «Eye Tracking», propias del área de la neurocomunicación. Adicionalmente se explorarán las diferencias de género en este campo, con el objetivo de conocer la posible existencia de patrones de conducta visual y cognitiva diferentes.

Como objetivo secundario, se busca aportar datos objetivos y empíricos que permitan a la comunidad académica avanzar en la construcción del área de la neurocomunicación, recuperando y adaptando técnicas y procedimientos propios del Neuromarketing a la ciencia de la comunicación y la educación. Existe un número muy limitado de trabajos de investigación que, aplicando las técnicas de la neurociencia y la psicofisiología, se plantee el estudio de los procesos cognitivos de la comunicación. En general, este tipo de trabajos se han centrado en aplicar al estudio de la eficacia de la comunicación (publicitaria, casi siempre) los resultados de las respuestas cerebrales, visuales, electrodérmicas, cardíacas, etc. De ahí sus orígenes como Neuromarketing. Sin embargo, en este trabajo, planteamos un enfoque diferente, en el cual el principal objetivo consiste en conocer los mecanismos que regulan las respuestas cognitivas frente a determinados estímulos. Además, estamos especialmente interesados en desarrollar este campo en el ámbito de la comunicación y la educación, más que en el ámbito de la publicidad y el marketing. Todo ello, además, en el contexto de las TIC, de especial importancia en los jóvenes, y más específicamente, de las apps de educación mediante gamificación. El empleo de las técnicas de neurocomunicación permitirá estudiar, con medidas objetivas, determinadas diferencias de género actualmente discutidas. Existe evidencia empírica que indica que las mujeres prestan, en general, más atención a la información sobre salud que los hombres y también más interés por las TIC de salud (Cuesta & al., 2016), pero nunca se han tomado medidas objetivas de atención visual ni de diferencias en EEG en este sentido. En este contexto, las hipótesis planteadas en esta investigación han sido las siguientes:

• Hipótesis 1: Las mujeres mostrarán mayores puntuaciones en los índices de atención, agrado y recuerdo. Por otro lado, considerando los trabajos existentes sobre atención y percepción (Goldstein, 2005; Pinillos, 1975), a partir de los cuales se plantea que las figuras complejas requieren más tiempo para extraer el significado («prise of signification») se hipotetiza que:

• Hipótesis 2: Las imágenes de mayor complejidad requerirán mayor tiempo de análisis, lo que se traducirá en mayores tiempos de observación de la imagen (tiempo de fijación visual en msg).

Finalmente, dado que se trata de una actividad lúdica propia del «edutainment», los sujetos se encontrarán en situación de «bajo compromiso cognitivo» lo que inducirá a un procesamiento de la información de tipo periférico (Petty & Cacioppo, 1983; Cuesta, 2006). El procesamiento periférico se caracteriza por extraer significados mediante rutas muy simples del procesamiento, mediante «atajos heurísticos». Por lo tanto, se hipotetiza que:

• Hipótesis 3: El recuerdo no estará vinculado a la complejidad del estímulo, sino a su capacidad de «appealing», es decir, de atracción más emocional que racional.

====2. Material y métodos====

Como estímulo se presentaron imágenes de la app Viquiz, que es una aplicación móvil para fomentar hábitos saludables a través de la ludificación o gamificación desarrollada por Wake App Health y ha contado con el apoyo y financiación de FECYT, la Fundación Española para la Ciencia y la Tecnología, adscrita al Ministerio de Economía y Competitividad. Se trata de una aplicación estándar, de contrastada usabilidad, validada por el Ministerio. Está disponible en Google Play para dispositivos móviles con sistema operativo Android. Se puede descargar de forma gratuita a través del siguiente link: http://bit.ly/1sX1db1. Para la selección de las imágenes se empleó el siguiente criterio: la elección de todas las imágenes de «cabecera» o entrada en cada sección del juego.

Un total de 15 imágenes que permiten realizar un estudio del interés generado por cada pantalla, lo cual permite la comparación entre los diferentes tipos de imágenes. Entre estas 15 imágenes la primera de ellas se considera la imagen de entrada al juego (imagen «entra») y presenta la ventaja de ofrecer, dentro de la misma imagen, diferentes «áreas de interés» muy adecuadas para someterse al estudio mediante el empleo de la tecnología «Eye Tracking». Son un total de 9 «áreas de interés» (entra 1, entra 2, entra 3,…). Esta imagen con sus 9 áreas de interés (AI) puede verse en la Figura 1 (además en la figura se presentan los valores medios obtenidos por el «Eye Tracking»).


[[Image:Draft_Content_471701362-58984_ov-es017.jpg|center|px|]]

Las imágenes de entrada fueron clasificadas por 2 jueces expertos en apps de «edutainment» con el fin de clasificarlas en función de 2 variables:

• Variable «complejidad de la imagen», en una escala tipo Likert de 0 a 7, siendo 0=nada compleja y 7=muy compleja, en función de la complejidad de lectura semionarrativa. Se realizó siguiendo el procedimiento de «acuerdo inter-jueces» habitual (Dubé, 2008). El coeficiente Cronbach de acuerdo fue del 100%.

• Variable «tipo de imagen», con valores dicotómicos en función de que en la imagen predominara una figura emotiva o un texto, siendo los valores 1=figura emotiva, 0=texto.

Como instrumento de medida se empleó el «Eye Tracker» modelo Tobii X60 (www.tobii.com). Para la depuración de datos y limpieza de ruidos se empleó el software utilizado por Fusión Comunicación basado en la metodología y software de SMIVision (www.smivision.com). Sobre esta tecnología, Blascheck, Kurzhals, Raschke, Burch, Weiskopf y Ertl (2014) realizaron una revisión del estado de la cuestión sobre su empleo y el análisis de datos con el «Eye Tracking». Tras la calibración inicial de cada sujeto se consigue un mínimo del 95% de los registros visuales. Para la monitorización del EEG se empleó la unidad «Emotiv EPOC». Se trata de una unidad de alta resolución para la monitorización y procesamiento de la señal eléctrica neuronal que monitoriza 14 canales de EEG. Los electrodos se distribuyen en la posición que se señala en la Figura 2 de acuerdo con las normas del «sistema internacional de colocación de electrodos» (Cacioppo, Tassinary, & Berntson, 2000). El registro de la señal se obtuvo de las regiones prefrontal, frontal, temporal, parietal y occipital. La señal de EEG fue registrada y grabada de manera continua durante la presentación de las imágenes en la pantalla.


[[Image:Draft_Content_471701362-58984_ov-es018.jpg|center|px|]]

El estudio se dividió en dos fases diferentes en cuanto al procedimiento. En la fase I se monitorizó con EEG y «Eye Tracking» a 22 sujetos, 11 hombres y 11 mujeres alumnos de la Facultad de Ciencias de la Información de Madrid (edad 19-21 años). Se empleó esta muestra considerando que la app analizada fue diseñada para un target juvenil con nivel socio-cultural medio-alto. Todos los sujetos acudieron voluntariamente y sin recibir créditos adicionales. Se les informó brevemente y de forma individual de la actividad a realizar, explicándoles que consistiría en visionar las imágenes de una app de salud que plantea un juego de competición pero que ellos no competirían, únicamente visionarían las pantallas. Como criterio de selección se marca que no conocieran la app previamente. Todos los sujetos son sometidos a idéntica situación experimental y visionan los mismos estímulos señalados anteriormente mientras son monitorizados. Se realiza así un estudio exploratorio con un diseño intra-sujetos y asignación de forma aleatoria a los distintos niveles de tratamiento experimental (secuencias de imagen). Los estímulos se presentaron de forma aleatoria y la aparición de cada uno de ellos se rotó también de forma aleatoria. Al finalizar la monitorización, todos los sujetos cumplimentaron un cuestionario donde se les preguntó por las secciones o imágenes más interesantes para ellos (pregunta abierta) con el fin de medir la «saliencia» de las imágenes y detectar aquellas de especial impacto.

Durante la fase II del estudio se presenta a los mismos sujetos un cuestionario de recuerdo una semana después de la fase I. Este intervalo de tiempo es suficiente para producir una «curva de olvido» que permita discriminar el recuerdo (Cuesta, 2006) aunque algunos autores han llegado a proponer hasta 3 semanas (Allende, 2010). Este cuestionario evalúa dos variables: a) Recuerdo: los sujetos describen las imágenes que recuerdan (se calcula así el porcentaje de recuerdo); b) Agrado: los sujetos deben valorar en una escala de 0 a 10 (escala tipo «liking») el agrado de la imagen. Las variables dependientes fueron las siguientes: 1) Nivel de atención prestada a las imágenes evaluado a partir del «Eye Tracking» mediante los dos parámetros más comúnmente empleados en este tipo de investigaciones (Añaños, 2015): a) Duración de la fijación ocular (en msg); b) Número de fijaciones oculares; 2) Actividad cognitiva provocada por las imágenes según el EEG: a) Atención: dividida en corto plazo (instantánea) y largo plazo (minutos); b) Nivel de compromiso: concentración con el contenido de la imagen. Implicación: grado de esfuerzo cognitivo dedicado a la imagen; c) Agrado: nivel de emoción positiva que provoca la imagen; d) Recuerdo y agrado de las imágenes siete días después de la exposición a las mismas.

Como variable independiente actuaron: a) Las imágenes descritas; b) El género (hombre, mujer); c) Las características de la imagen según la evaluación de los expertos: Complejidad de la imagen (escala Likert 0-7) y Tipo de imagen (1=emotiva, 0=texto).

====3. Análisis y resultados====

Como puede observarse en la Figura 3 de los mapas de calor (heat map), las fijaciones oculares se concentran en aquellos puntos de mayor interés para los sujetos. El análisis de estos puntos de fijación ocular constituye una medida objetiva de las áreas de interés perceptual de los sujetos. Sin embargo, la evidencia empírica disponible no es consistente respecto a qué indica exactamente esta atención prestada al estímulo (Ohme, Reykowska, Wiener, & Choromanska, 2009). Los mapas de calor resultan muy útiles cuando se desarrollan en el campo del Neuromarketing aplicado, con el objeto de detectar áreas de interés global por parte del consumidor. Por ejemplo, para detectar los puntos de fijación en un lineal de productos en una gran superficie. Sin embargo, se trata de una información cualitativa que no permite analizar con rigor empírico los procesos cognitivos (atención, activación, recuerdo, etc.) que subyacen a esa conducta.


[[Image:Draft_Content_471701362-58984_ov-es019.jpg|center|px|]]

Para analizar cualitativamente esta conducta cognitivo-perceptual, se definen las áreas de interés (AI) mediante el «Eye Tracking» tal y como se definió en el apartado método y se expuso en la figura 1. El registro de comportamiento visual (tiempo medio de fijación y número de fijaciones oculares) y el registro EEG se realizan simultáneamente sobre estas AI. Los datos cuantitativos obtenidos en ambos casos, junto con los datos obtenidos por los cuestionarios, son procesados con el programa SPSS S22.

Los resultados del «Eye Tracking» respecto a la hipótesis 1 (Las mujeres mostrarán mayores puntuaciones en los índices de atención, agrado y recuerdo) no confirman la hipótesis. La Tabla 1 muestra unos resultados contrarios a los esperados: las mujeres presentan una conducta ocular caracterizada por un mayor número de fijaciones (2.056 frente a 1.720 de los hombres), lo cual implica una mayor frecuencia de fijaciones por segundo (2,34 frente a 1,96 de los hombres) y unas fijaciones más rápidas (368 mgs frente a 459). Es decir, la conducta visual de las mujeres muestra un patrón más rápido de movimientos. Se trata de una conducta más «sacádica» visualmente que la de los hombres. Los movimientos sacádicos son los saltos rápidos e intermitentes en la posición del ojo para fijar un objeto en la visión foveal. Es muy posible que estos resultados se deban a un patrón de conducta visual propio de las mujeres, con independencia del tipo de tarea al que se enfrentan. Aunque la conducta visual no ha sido apenas estudiada desde el punto de vista de las diferencias de género desde la óptica psicofisiológica, existen evidencias que apuntan hacia un comportamiento diferencial entre hombres y mujeres en este campo (Stemmler, 2005). Los resultados del EEG (Tabla 2) muestran que las mujeres arrojan mayores puntuaciones en la variable «agrado» respecto a los hombres, sin arrojar diferencias en el resto de las variables del EEG: atención (largo plazo y corto plazo), nivel de compromiso e implicación (p<.055). Sin embargo, este resultado se encontró únicamente en aquella imagen que demostró un recuerdo espontáneo en el cuestionario final (cuestionario de «saliencia» o impacto estimular) del 100% (valor medio de recuerdo espontáneo para total imágenes 37%) lo que permite suponer que se trataba de una imagen de especial impacto entre los sujetos, dado su alto valor respecto al valor medio de recuerdo y que fue la única con un 100% de recuerdo (imagen 14 de la cabecera de «conducta sexual», la imagen reflejaba un condón). Este resultado podría indicar que, frente a una imagen de elevado impacto (alta capacidad de impacto, en términos de Neuromarketing o publicitarios) el EEG arroja valores más elevados en la variable agrado especialmente entre el grupo de mujeres. La Tabla 2 muestra este resultado mediante un ANOVA realizado para las cinco variables dependientes del EEG (atención CP y LP, agrado, compromiso e implicación). Un nuevo análisis de varianza realizado posteriormente del EEG de esta imagen de alto impacto (imagen 4-I4) frente a otra imagen de impacto medio (imagen 7-I7) indicó el siguiente patrón: Las variables del EEG compromiso, atención (LP y CP) e implicación muestran valores superiores (p<.000) frente a la variable agrado para la imagen de impacto medio mientras que el patrón se invierte para la imagen de alto nivel de impacto. Estos datos sugirieron la existencia de un posible patrón de respuesta del EEG en este tipo de diseño experimental, lo cual nos llevó a realizar un análisis de la estructura factorial de las respuestas del EEG a la totalidad de los estímulos presentados. Se realizó un análisis factorial de componentes principales empleando una rotación Varimax. Los resultados se presentan en la Tabla 3.


[[Image:Draft_Content_471701362-58984_ov-es020.jpg|center|px|]]


[[Image:Draft_Content_471701362-58984_ov-es021.jpg|center|px|]]

Estos datos indican la aparición de tres factores en las respuestas del EEG:


[[Image:Draft_Content_471701362-58984_ov-es022.jpg|center|px|]]

• En el primer factor saturan las variables «compromiso» e «implicación». Podría representar un factor de «esfuerzo cognitivo», dado que tanto el compromiso como la implicación son variables tradicionalmente asociadas al esfuerzo que el sujeto está dispuesto a realizar a la hora de procesar una información.

• En el segundo factor saturan las variables «atención», tanto a corto como a largo plazo. Representaría el grado de «focalización o atención global» prestado por el sujeto.

• El tercer factor satura en la variable «agrado» y representa el valor de atracción del estímulo para los sujetos.

El análisis factorial del EEG parece indicar que la actividad cognitiva en este tipo de tareas de aprendizaje lúdico mediante app, se agrupan en tres áreas: a) esfuerzo cognitivo; b) atención; c) agrado. Los factores esfuerzo cognitivo y agrado no son totalmente ortogonales lo que permite proponer la siguiente idea: el EEG discrimina entre los sujetos básicamente dos actividades cognitivas: una vinculada al esfuerzo y atención y otra vinculada al agrado. La hipótesis 2 (las imágenes de mayor complejidad requerirán mayor tiempo de análisis, lo que se traducirá en mayores tiempos de observación de la imagen), fue analizada de forma conjunta con la hipótesis 3 (el recuerdo no estará vinculado a la complejidad del estímulo, sino a su capacidad de «appealing», es decir, de atracción, de tipo emocional más que racional) mediante una correlación de Pearson realizada entre todas las variables incluidas en las hipótesis: tiempo de visualización (fijación en msg de las áreas de interés), recuerdo y agrado (evaluado con cuestionario) y emotividad y complejidad de la imagen (definido por evaluadores externos con acuerdo inter-jueces). El análisis se realizó sobre las 9 áreas de interés (AE) de la figura «entra». Los resultados aparecen en la Tabla 4 (página siguiente).

Estos resultados indican lo siguiente: a) Existe una correlación negativa estadísticamente significativa (p<.024) entre la variable recuerdo y complejidad de la imagen; b) Una correlación positiva entre recuerdo y emotividad de la imagen (p<.007); c) Una correlación negativa entre emotividad y complejidad (p<.017).


[[Image:Draft_Content_471701362-58984_ov-es023.jpg|center|px|]]

Por lo tanto la hipótesis 2 se confirma, pero, de forma marginal, apareciendo una tendencia en la dirección propuesta en la hipótesis pero su grado de significación es marginal (p<.070). En síntesis: las imágenes más complejas requieren más tiempo de fijación visual (marginalmente significativo) pero son menos recordadas, mientras que las más emotivas lo son más. Quizá esto podría deberse al efecto «edutainment» o juego lúdico: la situación contextual lúdica provoca un estado de «bajo compromiso», propio del procesamiento periférico o procesamiento débil. De esta manera podría ocurrir que las imágenes más complejas se recuerden porque el sujeto no realiza el esfuerzo necesario para su almacenamiento mnésico. Esto también encajaría con el patrón de EEG encontrado en el análisis factorial: las imágenes con mayor impacto (saliencia) provocan mayor agrado según el EEG lo cual se vincularía a mayor recuerdo en esta situación de bajo compromiso. Algo similar ocurre con la hipótesis 3 que se confirma solo parcialmente: el recuerdo sí parece estar vinculado a la emotividad de la imagen (p<.007), pero no a su grado de «appealing» o impacto (medido con la escala de agrado que cumplimentan los sujetos). Sin embargo este resultado puede resultar muy congruente con la bibliografía actual sobre Neuromarketing (Ariely & Berns, 2010); es muy frecuente que estos autores citen como motivo de empleo de las medidas psicofísicas (como el EEG) en las investigaciones motivacionales de publicidad el hecho de que a veces no coinciden las respuestas verbalizadas por los sujetos con las emociones que realmente sienten (Khushaba & al., 2013).

====4. Discusión y conclusiones====

Los datos parecen avalar la existencia de una conducta visual que muestra un «modelo» diferente en mujeres frente a hombres: la conducta visual de las mujeres en este tipo de tareas parece caracterizarse por un patrón más «sacádico» que los hombres. Es decir, «viajan» a lo largo de las imágenes más rápidamente que los hombres realizando también más parpadeos y más breves que estos. Sin embargo, este patrón de conducta visual no deriva en un mayor aprendizaje (recuerdo) del estímulo, dado que no se encuentran diferencias estadísticamente significativas entre hombres y mujeres en la variable de recuerdo. A través del análisis factorial del EEG se ha detectado un patrón de respuestas de tres factores: agrado, atención e involucración. En este patrón se vincularía la variable recuerdo con la variable impacto (saliencia del estímulo). En cambio, la complejidad del estímulo estaría más vinculada con la atención y con el grado de involucración con el estímulo dentro del patrón EEG: posiblemente aquellos estímulos más complejos exijan mayor atención por parte de los sujetos, lo que les obliga a involucrarse más en su análisis visual. Sin embargo, el hecho de que se involucren más y le dediquen más tiempo de visualización no hace que lo recuerden más seguramente debido a la situación de «bajo compromiso» (low involvement) que comporta un procesamiento periférico (Petty & Cacioppo, 1983). En este tipo de procesamiento son los estímulos más fáciles de percibir los que se memorizan mejor aunque, según el modelo de Elaboración Probable (ELM) también el aprendizaje sea más débil y se olvide antes (Petty & Cacciopo, 1981; Petty & Cacciopo, 1986). En la presente investigación se empleó únicamente una semana como intervalo de olvido, lo que no permite analizar la curva de olvido en relación con este punto.

En síntesis, los resultados de esta investigación pueden ser interpretados en el siguiente sentido: las mujeres muestran un patrón visual diferente al de los hombres –los cuales son menos «sacádicos»–, pero este patrón diferencial no afecta al recuerdo posterior de los estímulos visualizados. El recuerdo inmediato –impacto– aparece vinculado a las variables del estímulo emotividad (p<.007) y no-complejidad (p<.024), dado que el recuerdo correlaciona negativamente con complejidad del estímulo. Coherente con esta idea, los datos arrojan una correlación entre el tiempo dedicado al estímulo y su complejidad (p<.070) y negativa entre tiempo y recuerdo (p<.090). Es decir: dedican más tiempo a visualizar elementos más complejos para extraer el sentido pero no los memorizan mejor, porque la memorización depende de la emotividad del estímulo. También coherentemente con este resultado, el EEG muestra que son el patrón de ondas cerebrales clasificadas como agrado –por el análisis factorial– las que mejor predicen el recuerdo. El fenómeno es similar al que aparece en la recepción publicitaria: la publicidad más eficaz es la más simple y la que moviliza los aspectos afectivos/valorativos del espectador –de la audiencia o el target–, no la más racional. En 1965, Krugman llamó a este fenómeno «aprendizaje sin atención» al hablar de las audiencias pasivas o de bajo compromiso (low involvement). Posteriormente, Krugman (1971; 1980) intentó validar su teoría mediante el análisis del EEG durante el visionado de la publicidad en TV, convirtiéndose así en pionero de las actuales técnicas del Neuromarketing.

Los datos son lo suficientemente significativos como para recomendar a los desarrolladores que en este tipo de apps los diseños de los contenidos sean emotivos y de baja complejidad. Para conseguir mayor aprendizaje, es necesario que los contenidos incidan en el aspecto lúdico de la actividad evitando contenidos complejos que a pesar de captar la atención de los sujetos son posteriormente peor recordados. Por otro lado, los datos expuestos indican la necesidad de ser prudentes con la aplicación de las técnicas de neurocomunicación a la investigación académica. El hecho de que los sujetos centren su visión en determinadas áreas de interés no implica que haya mayor atención activa que conduzca a un mayor recuerdo. Estos resultados concuerdan con otras investigaciones realizadas con «Eye Tracking» sobre la usabilidad en herramientas 2.0 en la cual se comprobó que las medidas de atención mediante «Eye Tracking» y de recuerdo autoinformado diferían en sí.

En la famosa «Hipótesis fuerte ojo-mente» de Just y Carpenter (1976a; 1976b) se especificaba que no se producía un retraso apreciable entre lo que una persona fija en su mirada y lo que se procesa, así que cuando una persona mira una palabra o un objeto, también procesa cognitivamente esa palabra u objeto durante exactamente el tiempo que la fijación ocular permanece. Esta hipótesis supuso un importante impulso a los estudios de «Eye Tracking». Previamente ya algunos autores habían postulado la relación entre la atención y la fijación ocular, especificando que la dirección de la mirada estaba vinculada al foco de atención, proporcionando así un mecanismo para filtrar la información recibida por un organismo (Deutsch & Deutsch, 1963; Posner & Peterson, 1990; Treisman, 1964). Sin embargo, esta hipótesis ha sido puesta en duda con cierta frecuencia dado que la investigación moderna ha demostrado sistemáticamente que los cambios de atención sin movimiento ocular ocurren con cierta frecuencia (Posner, 1980) y tan pronto como la atención se mueve a una nueva posición los ojos pueden realizar diferentes tipos de fijaciones, no siempre vinculados al estímulo que ha captado la atención inicialmente (Hoffman, 1998).

Las preguntas que surgen son evidentes: ¿qué características evocan cambios de atención a estímulos específicos?, ¿cuál es la naturaleza de los procesos emocionales y motivacionales que subyacen a la atención visual?

Las limitaciones de este estudio hacen referencia al tamaño de la muestra así como a su composición. Otra limitación ha sido el empleo de imágenes específicas de la app Viquiz. En futuras investigaciones será necesario ampliar la muestra para analizar el comportamiento de sujetos adultos y mayores. Ello permitirá conocer si los resultados encontrados dependen del aprendizaje o se trata más bien de principios cognitivos básicos. Los sujetos jóvenes (19-21 años) demuestran una conducta particular cuando se enfrentan a tareas de gamificación empleando apps. Parece ser que estos nativos digitales han desarrollado patrones específicos de conducta en estos entornos audiovisuales (Payne, 2014). También podría ocurrir, como ha demostrado Añaños (2015), que los mayores no modifiquen sus procesos de atención pero sí los de procesamiento de la información, por lo que su conducta en este tipo de apps podría ser diferente. Sería necesario ampliar la muestra de estímulo a emplear, dentro del ámbito de las apps de «juego serio» pero ampliando la composición de los estímulos. También deberá estudiarse la conducta en situaciones de alto/bajo compromiso de los sujetos (manipulando el compromiso mediante instrucciones, por ejemplo) y también ampliando el intervalo de olvido más allá de una semana.

Apoyos

Investigación parcialmente financiada por el Laboratorio de Neuromarketing del Departamento de Comunicación Audiovisual y Publicidad II de la Universidad Complutense de Madrid (España).

====Referencias====

Allende, V.S. (2010). La publicidad emocional e informativa y su relación con el recuerdo en la población de adolescentes. Universidad Siglo 21, Repositorio Institucional. (https://goo.gl/vjxuJD) (2016-09-22).

Añaños-Carrasco, E. (2015). La tecnología del «Eyetracker» en adultos mayores: cómo se atienden y procesan los contenidos integrados de televisión. [Eyetracker Technology in Elderly People: How Integrated Televisión Content is Paid Attention to and Processed]. Comunicar, 45(XXIII), 75-83. https://doi.org/10.3916/C45-2015-08

Arbulú, M.F., & Del-Castillo, A. (2013). Potenciando el alcance del análisis publicitario con la técnica del eyetracking: desarrollo de un software para la evaluación del impacto publicitario. Redmarka, 11(2), 125-136. (https://goo.gl/aPGnRb) (2016-09-28).

Ariely, D., & Berns, G.S. (2010). Neuromarketing: The Hope and Hype of Neuroimaging in Business. Nature Reviews Neuroscience, 11, 284-292. https://doi.org/10.1038/nrn2795.

Cacioppo, J., Tassinary, L.G., & Berntson, G.G. (2000). Handbook of Psychophisiology. Cambridge: Cambridge University Press.

Calvert, G.A., & Brammer, M.J. (2012). Predicting Consumer Behavior: Using Novel Mind-reading Approaches. IEEE Pulse, 3(3), 38-41. https://doi.org/10.1109/MPUL.2012.2189167

Cuesta, U. (2006). Psicología social de la comunicación. Madrid: Cátedra.

Cuesta, U., & al. (2016). Comunicación y Salud. Madrid: Dextra.

Deutsch, J.A., & Deutsch, D. (1963). Attention: Some Theoretical Considerations. Psychological Review, 70, 80-90. https://doi.org/10.1037/h0039515

Dubé, J.E. (2008). Evaluación del acuerdo interjueces en investigacion clinica. Breve introducción a la confiabilidad interjueces. Revista Argentina de Clínica Psicológica, XVII(1), 75-80. (https://goo.gl/XyCNZD) (2016-10-6).

Duchowski, A. (2013). Eye Tracking Methodology: Theory and Practice. London: Springer-Verlag.

Goldstein, E.B. (2005). Sensation and Perception. Belmont: Wadsworth & Cengage.

Hoffman, J.E. (1998). Visual Attention an Eye Movements. In Pashler, H. (Ed.). Attention (pp. 119-154). Philadelphia: Taylor & Francis Press.

Just, M.A., & Carpenter, P.A. (1976a). Eye Fixations and Cognitive Processes. Cognitive Psychology, 8, 441-80. (https://goo.gl/ONjT9U) (2016-10-9).

Just, M.A., & Carpenter, P.A. (1976b). The Role of Eye-Fixation Research in Cognitive Psychology. Behavior Research Methods and Instrumentation, 8, 139-43. https://doi.org/10.3758/BF03201761.

Khushaba, R.N., Wise, C., Kodagoda, S., Louviere, J., Kahn, B.E., & Townsend, C. (2013). Consumer Neuroscience: Assessing the Brain Response to Marketing Stimuli Using Electroencephalogram (EEG) and Eye Tracking. Expert Systems with Applications, 40(9), 3803-3812. https://doi.org/10.1016/j.eswa.2012.12.095

Krugman, H.E. (1965). The Impact of Television Advertising: Learning without Involvement. Public Opinion Quarterly, 30, 349-356. https://doi.org/10.1086/267335

Krugman, H.E. (1971). Brain Wave Measures of Media Involvement. Journal of Advertising Research, 11(1), 3-9. (https://goo.gl/t9KUKd) (2016-10-25).

Krugman, H.E. (1980). Sustained Viewing of Television. Journal of Advertising Research, 20(3), 65-68. (https://goo.gl/t9KUKd) (2016-11-7).

LeDoux, J.E. (1996). The Emotional Brain. Nueva York: Simon & Schuster.

Lee, N., Broderick, A.J., & Chamberlain, L. (2007). What is “Neuromarketing”? A Discussion and Agenda for Future Research. International Journal of Psychophysiology, 63(2), 199-204. https://doi.org/10.1016/j.ijpsycho.2006.03.007

Luria, A.R. (1966). Human Brain and Psychological Processes. Nueva York: Harper & Row.

Luria, A.R. (1973). The Working Brain. Nueva York: Basic Books.

Madan, C.R. (2010). Neuromarketing: The Next Step in Market Research? Eureka, 1(1), 34-42. (https://goo.gl/pba81H) (2016-11-14).

Niño, J.I., & Fernández, B. (2015). Comunicación, Salud y Tecnología: mHealth. Revista de Comunicación y Salud, 5, 144-153. (https://goo.gl/o9L7U9) (2016-11-17).

Ohme, R., Reykowska, D., Wiener, D., & Choromanska, A. (2009). Analysis of Neurophysiological Reactions to Advertising Stimuli by Means of EEG and Galvanic Skin Response Measures. Journal of Neuroscience, Psychology and Economics, 2(1), 21-31. https://doi.org/10.1037/a0015462

Payne, R. (2014). Eye Tracking to Establish a Hierarchy of Attention with an Online Fashion Video. Shapeshifting Conference. Conference by Auckland University of Technology. Nueva Zelanda.

Petty, R. Cacioppo, J., & Schumann, D. (1983). Central and Peripheral Routes to Advertising Effectiveness: The Moderating Role of Involvement. Journal of Consumer Research, 10(2), 135-146. (https://goo.gl/WlUdCb) (2016-11-29).

Petty, R., & Cacciopo, J. (1981). Attitudes and persuasion. Classic and Contemporary Approaches. Dubuque: Wm. C. Brown.

Petty, R., & Cacciopo, J. (1986). The Elaboration Likelihood Model of Persuasion. In L. Berkowitz (Ed.), Advances in Experimental Social Psychology, 19, 123-205. Nueva York: Academic Press.

Pinillos, J.L. (1975). Principios de Psicología. Madrid: Alianza.

Posner, M.I. (1980). Orienting of Attention. Quarterly Journal of Experimental Psychology, 32, 3-25. https://doi.org/10.1080/00335558008248231

Posner, M.I., & Petersen, S.E. (1990). The Attention System of the Human Brain. Annual Review of Neuroscience, 13, 25-42. https://doi.org/10.1146/annurev.ne.13.030190.000325

Ramsoy, T.Z. (2015). Introduction to Neuromarketing & Consumer Neuroscience. Copenhagen: Neurons Inc.

Stemmler, G. (2005). Differential Psychophysiology: Person in Situations. New York: Springer-Verlag.

Timoteo, J. (2007). Neurocomunicación. Propuesta para una revisión de los fundamentos teóricos de la comunicación y sus aplicaciones industriales y sociales. Mediaciones Sociales, 1, 355-386. (https://goo.gl/NSMD8Q) (2016-12-13).

Treisman, A. (1964). Selective Attention in Man. British Medical Bulletin, 20, 12-16. (https://goo.gl/z3JsnO).

Zaltman, G. (2003). How Costumers Thinks. Boston: Harvard Business School Press.