En los espacios de formación, el rendimiento no depende solo del conocimiento, la preparación o la exigencia de las actividades. El entorno también puede influir en cómo una persona atiende, recuerda, responde y toma decisiones. La calidad del aire, el ruido, la temperatura o la humedad no son factores secundarios cuando hablamos de concentración, fatiga y rendimiento en situaciones de alta demanda.
Esta relación cobra especial importancia en entornos donde el personal en adiestramiento debe mantener la atención durante periodos prolongados, reaccionar con rapidez y operar en condiciones que pueden ser exigentes. Aulas de alta concurrencia, laboratorios, simuladores, plataformas navales o espacios confinados pueden presentar condiciones ambientales que afectan tanto el bienestar como la eficacia operativa.
Con este punto de partida se desarrolla CUD-NeurAmb, un proyecto que busca analizar y modelar cómo las condiciones ambientales influyen en el rendimiento cognitivo, la fatiga y los tiempos de respuesta del personal en adiestramiento en el entorno CUD-ENM (Centro Universitario de la Defensa en la Enm de Marín). El proyecto se fundamenta en la neurociencia cognitiva y la neuroergonomía aplicadas a la defensa, dos disciplinas que permiten estudiar la relación entre el entorno, los factores fisiológicos y procesos como la atención, la memoria de trabajo, la velocidad de reacción y la toma de decisiones.
El reto: entender el entorno para reducir el riesgo cognitivo
En escenarios de formación y entrenamiento, una disminución en la capacidad de respuesta puede tener consecuencias importantes. El cansancio, el estrés, la mala calidad del aire, el ruido constante o las condiciones térmicas poco adecuadas pueden afectar la atención, ralentizar los tiempos de reacción y aumentar la posibilidad de error.
Por eso es importante medir estas variables de forma continua. Muchas veces, los efectos del ambiente no son evidentes de inmediato: una concentración elevada de CO₂, una temperatura poco adecuada o un nivel de ruido persistente pueden parecer condiciones normales dentro de un espacio de formación, pero con el tiempo pueden influir en la concentración, la fatiga mental y la toma de decisiones.
El valor de NeurAmb está en abordar este problema de manera integral. No se trata de observar una variable aislada, sino de comprender cómo interactúan los factores ambientales, fisiológicos y cognitivos en situaciones reales o simuladas de instrucción. Medir la calidad del aire, el ruido, la temperatura y la humedad permite identificar patrones que podrían pasar desapercibidos si solo se analiza el rendimiento final de una persona.
Esta información es especialmente relevante en el ámbito naval, donde pueden darse espacios cerrados, ruido permanente, turnos exigentes y condiciones de trabajo que demandan una alta capacidad de concentración. En este tipo de entornos, anticipar señales de fatiga cognitiva puede ayudar a reducir riesgos, ajustar protocolos, mejorar la gestión de los espacios y apoyar decisiones antes de que el rendimiento se vea comprometido.
Así, NeurAmb no solo busca saber cómo es el ambiente, sino entender cómo ese ambiente puede influir en las personas. Esa diferencia es clave: cuando los datos ambientales se relacionan con indicadores fisiológicos y pruebas cognitivas, es posible avanzar hacia entornos de formación más seguros, eficientes y adaptados a las exigencias reales del personal en adiestramiento.
Qué busca el proyecto NeurAmb
El objetivo principal de CUD-NeurAmb es evaluar y modelar el impacto de variables como la calidad del aire, el ruido, la temperatura y la humedad sobre el rendimiento cognitivo, la fatiga y los tiempos de respuesta del personal en adiestramiento.
A partir de ese análisis, el proyecto plantea el desarrollo de un sistema integral de monitorización y predicción. La finalidad es que los datos recogidos en el entorno no se queden únicamente como registros técnicos, sino que puedan convertirse en información útil para detectar patrones, anticipar posibles descensos en el rendimiento mental y apoyar la toma de decisiones en espacios de formación y entrenamiento.
En la práctica, estas recomendaciones estarían orientadas a la gestión de turnos de guardia, la mitigación de la fatiga cognitiva y la generación de alertas tempranas cuando las condiciones ambientales puedan asociarse con un descenso del rendimiento mental. Por ejemplo, si el análisis detecta una relación entre variables como el CO₂, el ruido o la temperatura y tiempos de reacción más lentos, esa información podría ayudar a revisar protocolos operativos y anticipar situaciones de riesgo antes de que el rendimiento se vea comprometido.
El proyecto también contempla un valor de transferencia dual. Aunque se desarrolla en un entorno vinculado a la Armada y al adiestramiento naval, su aplicación puede extenderse a ámbitos civiles como la marina mercante o la pesca, donde la fatiga ambiental también puede afectar la seguridad y el rendimiento de las personas.
Cómo se mide la relación entre ambiente, cuerpo y respuesta cognitiva
Para comprender mejor esta relación, NeurAmb combina tres tipos de información: datos ambientales, datos fisiológicos y pruebas cognitivas.
Por un lado, la monitorización ambiental permite registrar variables como CO₂, partículas en suspensión, ruido, temperatura y humedad. Estos datos ayudan a caracterizar las condiciones reales de los espacios de formación, laboratorios, plataformas navales o simuladores.
A esto se suma la monitorización fisiológica mediante dispositivos wearables, que permiten observar parámetros como la frecuencia cardíaca, la variabilidad de la frecuencia cardíaca, la saturación de oxígeno, los niveles de estrés y la calidad del sueño.
El tercer componente es la evaluación cognitiva, realizada mediante pruebas breves orientadas a medir la atención, la memoria de trabajo y los tiempos de reacción. Al integrar estas tres capas de información, el proyecto puede construir una lectura más completa del rendimiento humano en relación con el ambiente.
Tecnología para anticipar, no sólo para medir
Uno de los aportes más importantes de NeurAmb es que la medición no se plantea como un fin en sí mismo. El objetivo es transformar grandes volúmenes de datos en conocimiento operativo. Para ello, el proyecto incorpora estadística avanzada, inteligencia artificial y modelos predictivos capaces de identificar correlaciones entre variables ambientales y respuestas cognitivas. Por ejemplo, analizar cómo determinadas concentraciones de CO₂, niveles de ruido o cambios térmicos pueden relacionarse con los tiempos de reacción o con indicadores de fatiga.
También se contempla el desarrollo de un gemelo digital del entorno naval. Esta herramienta permitiría simular escenarios ambientales críticos y observar cómo podrían afectar la salud, la fatiga o la eficacia operativa del personal. De esta manera, el sistema no solo describe lo que ocurre, sino que ayuda a anticipar riesgos y a plantear alertas tempranas.
Nuestro papel en CUD-NeurAmb
Nuestra participación se centra en la conexión entre sensorización, analítica digital e inteligencia artificial aplicada a la gestión ambiental. Aportamos experiencia en sistemas IoT, Big Data y modelos inteligentes para que los datos recogidos en campo puedan integrarse en plataformas digitales y convertirse en información accionable.
Este papel es clave porque el proyecto necesita una infraestructura tecnológica capaz de conectar dispositivos, recoger datos en tiempo real, procesarlos y transformarlos en modelos que ayuden a interpretar el impacto del entorno sobre el rendimiento humano.
Además, nuestra experiencia previa en proyectos de sensorización permite contribuir a una integración metodológica más fluida. En CUD-NeurAmb, la tecnología no funciona como un elemento aislado, sino como el puente entre la medición ambiental, el análisis de datos y la generación de herramientas predictivas.
Una solución a una problemática concreta
La problemática que aborda NeurAmb es clara: en entornos de formación, entrenamiento y operación, las condiciones ambientales pueden afectar el rendimiento cognitivo y aumentar el riesgo de fatiga o error humano. Si estos factores no se miden ni se analizan de forma conjunta, es difícil anticipar cuándo un espacio puede estar generando condiciones poco favorables para la atención, la respuesta o la toma de decisiones.
La solución que plantea el proyecto es desarrollar un sistema capaz de observar el entorno, relacionarlo con indicadores fisiológicos y cognitivos, y convertir esa información en recomendaciones útiles. Esto puede ayudar a mejorar la gestión de turnos, ajustar condiciones de los espacios, identificar momentos de mayor riesgo y diseñar protocolos para mitigar la fatiga.
En otras palabras, NeurAmb busca pasar de una gestión reactiva a una gestión predictiva. No esperar a que aparezca el problema, sino utilizar los datos para anticiparlo.
.
Por qué es importante
La importancia de CUD-NeurAmb está en su capacidad para unir investigación aplicada, tecnología y bienestar humano. Medir la calidad del aire, el ruido o la temperatura tiene valor cuando esa información permite tomar mejores decisiones sobre los espacios y las personas que los utilizan.
En entornos donde la atención y la velocidad de respuesta son críticas, anticipar la fatiga cognitiva puede contribuir a mejorar la seguridad, reducir el error humano y optimizar el rendimiento. Al mismo tiempo, el enfoque del proyecto abre nuevas posibilidades para otros sectores donde las condiciones ambientales también influyen en el desempeño diario.
Para nosotros, este proyecto representa una línea de trabajo especialmente relevante: usar los datos ambientales, no solo para describir un espacio, sino para comprender cómo ese espacio afecta a las personas. Esa es la diferencia entre monitorizar y generar conocimiento aplicado.
CUD-NeurAmb muestra cómo la sensorización, la inteligencia artificial y la modelización pueden ayudar a diseñar entornos más seguros, eficientes y adaptados a las capacidades humanas. Su valor está en convertir una problemática compleja (la relación entre ambiente, fatiga y rendimiento cognitivo) en una oportunidad para anticipar riesgos, mejorar decisiones y avanzar hacia espacios de formación más inteligentes.
