Zona 3 Algorítmica - EEG Eye-tracking fNIRS
Zona 3 Algorítmica - EEG Eye-tracking fNIRS
FESBE 2026, IA, EEG, eye-tracking y fNIRS en la disputa por la atención
Antes de hablar de inteligencia artificial, algoritmos o redes sociales, volvemos al cuerpo. Ojos. Respiración. Mandíbula. Pulgar. Cuello inclinado. Pecho levemente contenido. Atención fragmentada. El cuerpo sabe que está siendo arrastrado antes de que la conciencia lo perciba completamente.
Este blog nace de una pregunta central:
¿qué ocurre con los yoes tensionales cuando la atención es capturada por ambientes digitales diseñados para mantener el cuerpo en alerta, comparación y deseo?
El programa de FESBE 2026 abre espacio para esta discusión al traer temas como inteligencia artificial, ciencia abierta, neurociencia del aprendizaje, ritmos biológicos, tecnologías avanzadas, educación científica y salud mental.
En el lenguaje BrainLatam2026, Zona 3 Algorítmica es el estado en que el cuerpo deja de percibir el territorio real y comienza a responder a estímulos digitales que secuestran atención, emoción y pertenencia. No es solo “usar mucho el celular”. Es cuando el algoritmo empieza a organizar los yoes tensionales: el yo que necesita mostrarse, el yo que necesita consumir, el yo que necesita probar valor, el yo que necesita odiar para pertenecer.
La memoria, en este contexto, deja de servir solo al hacer creativo. Pasa a sostener personajes digitales. El sujeto recluta memorias afectivas, miedos, creencias, inseguridades y deseos para mantener una figura social online. El cuerpo sigue intentando pertenecer, pero el territorio percibido fue reemplazado por una arquitectura de estímulos.
La IA no necesita “dominar” la mente de forma mágica. Basta con modular repetidamente atención, recompensa, comparación social y previsibilidad. Estudios recientes sugieren que el uso intenso de redes sociales puede relacionarse con cambios neurocognitivos vinculados a atención, respuesta emocional y patrones cerebrales medidos por EEG.
Aquí, el eye-tracking es fundamental. Permite observar hacia dónde va la mirada, cuánto tiempo fija, qué evita, qué busca y qué captura saliencia. En ambientes digitales, ayuda a medir cómo imágenes, rostros, notificaciones, métricas sociales y llamados visuales disputan el campo atencional.
El EEG permite observar la dinámica rápida de la atención: vigilancia, sorpresa, error, conflicto, fatiga, impulsividad, expectativa y respuesta a estímulos. Si el algoritmo opera en milisegundos, el EEG es una herramienta coherente para escuchar esa temporalidad.
El fNIRS/NIRS entra cuando la pregunta involucra corteza prefrontal, carga cognitiva, control, toma de decisiones y tareas más ecológicas. Estudios recientes apuntan al uso de fNIRS junto con eye-tracking para medir carga cognitiva y atención en contextos educativos y digitales.
La hipótesis BrainLatam2026 sería:
la Zona 3 Algorítmica aparece cuando la atención deja de servir a la percepción del cuerpo-territorio y empieza a sostener personajes digitales de pertenencia performática.
En este estado, APUS se debilita: el cuerpo percibe menos el espacio, la postura, la respiración y el territorio. Tekoha se confunde: ansiedad se vuelve urgencia, comparación se vuelve deseo, miedo se vuelve engagement, soledad se vuelve consumo. Jiwasa también se distorsiona: la sincronía colectiva se transforma en contagio afectivo algorítmico, no en pertenencia real.
Un diseño experimental posible:
Comparar adolescentes o jóvenes adultos en tres condiciones:
lectura tranquila en ambiente sin notificaciones;
uso de feed corto con contenido neutro;
uso de feed con alta saliencia social: métricas, conflicto, comparación, aprobación y urgencia.
Medidas posibles:
EEG para atención rápida, sorpresa y control;
fNIRS para carga prefrontal;
eye-tracking para captura visual;
HRV/RMSSD para regulación autonómica;
respiración para ritmo corporal;
GSR para activación emocional;
EMG mandibular para tensión del yo tensional;
autorrelatos breves sobre pertenencia, ansiedad y comparación.
La pregunta no sería “¿las redes sociales hacen mal?”. Eso sería pobre. La pregunta seria sería:
¿qué arquitecturas digitales empujan el cuerpo hacia Zona 3 y cuáles permiten volver a Zona 2?
La crítica decolonial es esencial. Los jóvenes latinoamericanos no usan redes sociales en el vacío. Las usan en contextos de desigualdad, escuelas precarizadas, violencia simbólica, racismo, presión estética, desempleo, religión, política, consumo y búsqueda de pertenencia. La Zona 3 Algorítmica no es solo tecnológica. Es social, económica y territorial.
Por eso, Brainlly es un avatar central aquí: traducir esta discusión para adolescentes sin moralismo. Tekoha ayuda a percibir lo que ocurre dentro del cuerpo. APUS recuerda que el territorio real necesita volver a sentirse. Jiwasa pregunta si existe pertenencia verdadera o solo sincronización por presión. Math/Hep exige método: una hipótesis por vez, sin transformar crítica cultural en conclusión automática.
El DREX Cidadão también entra en este debate. Si la economía de la atención lucra con cuerpos inseguros, comparables y siempre en falta, una política de pertenencia y metabolismo ciudadano podría reducir la vulnerabilidad basal a la captura algorítmica. Un cuerpo menos presionado por la supervivencia tal vez necesite representar menos, consumir menos identidad y odiar menos para pertenecer.
Al final, la Zona 3 Algorítmica no es el celular. No es la IA. No es la pantalla aislada. Es el encuentro entre tecnología persuasiva, inseguridad corporal, memoria afectiva, desigualdad social y personajes digitales que cuestan demasiado al cuerpo.
La pregunta BrainLatam2026 queda:
¿quién está educando la atención de nuestros yoes tensionales: el cuerpo-territorio o el algoritmo?
Referencias recientes que respaldan este texto
Satani et al. (2025) — estudio sobre impacto neurocognitivo de las redes sociales usando EEG para evaluar patrones de actividad cerebral y respuestas cognitivas/emocionales.
Cha (2026) — estudio con eye-tracking y fNIRS sobre atención visual y respuestas cognitivas prefrontales ante personajes generados por IA.
Pinheiro et al. (2024) — artículo sobre eye-tracking y fNIRS como herramientas neurocientíficas para investigar atención, memoria y procesos cognitivos en aprendizaje.
Chen et al. (2025) — estudio que integra fNIRS y eye-tracking para predecir carga cognitiva individual mediante modelos de machine learning.
Li et al. (2025) — revisión bibliométrica sobre tecnologías móviles de eye-tracking y neuroimagen, destacando el papel de fNIRS en aprendizaje social y ambientes reales.
Social Attention Research (2023) — artículo sobre el uso de eye-tracking en investigación de atención social e interacción de segunda persona.
Rivas-Vidal et al. (2026) — revisión sobre integración de EEG y eye-tracking para evaluar atención, percepción y conciencia situacional.
