Resumen Técnico: Investigación de la Influencia de la Capacidad Espacial en la Programación de Robots Asistida por Realidad Aumentada

Planteamiento del Problema

Si bien la Realidad Aumentada (RA) es ampliamente reconocida por su potencial para mejorar el aprendizaje mediante la visualización en 3D, el aprendizaje situado y la inmersión, los mecanismos específicos por los cuales afecta los resultados del aprendizaje aún no se comprenden completamente. La literatura existente presenta hallazgos contradictorios sobre la eficacia de la RA, fallando a menudo al no considerar las características individuales del estudiante. Específicamente, el papel de la capacidad espacial —la habilidad cognitiva para percibir, interpretar y manipular mentalmente las relaciones espaciales— en el aprendizaje apoyado por RA es ambiguo. Algunos estudios sugieren que una alta capacidad espacial potencia los beneficios de la RA (la hipótesis de "la capacidad como potenciadora"), mientras que otros sugieren que la RA compensa una menor capacidad espacial (la hipótesis de "la capacidad como compensadora").

Este estudio aborda esta brecha dentro del dominio de la programación de robots, una tarea que requiere intrínsecamente una alta complejidad espacial (comprensión de posiciones, orientaciones y movimientos en 3D). Las preguntas de investigación se centran en:

1. Si la RA mejora la experiencia de aprendizaje de la programación de robots en comparación con los métodos tradicionales.
2. Cómo influye la capacidad espacial en la experiencia de aprendizaje.
3. Si la RA modera la relación entre la capacidad espacial y la experiencia de aprendizaje.

Metodología

Diseño Experimental

El estudio empleó un experimento aleatorio entre sujetos con $N=71$ participantes. Los participantes fueron asignados a una de dos condiciones:

• Grupo de Control: Utilizó un teach pendant de robot convencional (Universal Robots PolyScope 5.0) para el control y una tableta que mostraba instrucciones en PDF para el aprendizaje.
• Grupo Experimental (RA): Utilizó un Meta Quest 3 (HMD de video-passthrough) ejecutando una aplicación personalizada de Unity. Esta aplicación replicaba la funcionalidad principal del teach pendant, pero añadía visualizaciones específicas de RA.

Tarea de Aprendizaje

Los participantes aprendieron a programar un brazo robótico UR5e con una pinza OnRobot RG2 para ejecutar una secuencia de recogida y colocación (pick-and-place). La tarea consistió en:

• Comprender la rotación de las articulaciones frente al movimiento de traslación (Punto Central de la Herramienta - TCP).
• Programar puntos de paso (waypoints) y gestionar la prevención de colisiones.
• Ejecutar un programa final para mover una pieza entre transportadores.
  La tarea fue diseñada para ser lo suficientemente desafiante como para inducir carga cognitiva, pero accesible para novatos sin conocimientos previos de robótica.

Intervención de RA

La aplicación de RA utilizó las capacidades del HMD para proporcionar tres aumentos espaciales específicos:

1. Visualización de Rotación: Flechas dinámicas superpuestas en las articulas rotatorias para indicar el eje y la dirección.
2. Visualización del Sistema de Coordenadas: Un sistema de coordenadas mundial visualizado directamente en la posición real del TCP para ayudar a comprender los ejes de movimiento de traslación relativos a la perspectiva del usuario.
3. Visualización de Trayectoria: Los puntos de paso guardados y las trayectorias del programa se visualizaron como objetos en forma de diamante conectados en el espacio 3D, permitiendo a los usuarios trazar la ruta de ejecución antes de ejecutarla.

Mediciones

• Capacidad Espacial: Evaluada mediante el Test de Rotación Mental (MRT).
• Experiencia de Aprendizaje: Medida mediante:
  • Escala de Usabilidad del Sistema (SUS): Para evaluar la usabilidad percibida.
  • Carga Cognitiva: Evaluada mediante una escala de calificación validada que distingue entre Carga Cognitiva Extraña (ECL), Carga Cognitiva Intrínseca (ICL) y Carga Cognitiva Germinal (GCL).
• Variables de Control: Afinidad por la Interacción Tecnológica (ATI), experiencia previa en robótica, programación y RA, y sexo.

Análisis

El análisis estadístico incluyó estadísticas descriptivas, análisis de correlación y modelos de regresión lineal múltiple. Se realizaron análisis de subgrupos para explorar el efecto moderador de la RA en la relación entre las puntuaciones de MRT y los resultados de aprendizaje.

Resultados Clave

1. Experiencia de Aprendizaje General (RQ1)

Contrario a la hipótesis de que la RA mejoraría significamente la experiencia de aprendizaje, no se encontraron diferencias estadísticamente significativas entre los grupos de RA y de control con respecto a:

• Carga Cognitiva Extraña (ECL): La RA no redujo significativamente la ECL en comparación con el grupo de control.
• Usabilidad del Sistema (SUS): Ambos grupos reportaron una alta usabilidad (RA: $M=82.57$, Control: $M=79.29$), sin diferencias significativas.
• Carga Cognitiva Intrínseca y Germinal: No se observaron diferencias significativas.
  Los autores señalan que la condición de control ya era altamente efectiva (pedagógicamente sólida), lo que pudo crear un efecto techo que limitó la ventaja observable de la intervención de RA.

2. Influencia de la Capacidad Espacial (RQ2)

A través de toda la muestra, la capacidad espacial (puntuaciones de MRT) fue un predictor significativo de la experiencia de aprendizaje:

• Asociación Negativa con la ECL: Una mayor capacidad espacial se correlacionó con una menor carga cognitiva extraña ($p < .01$).
• Asociación Positiva con la Usabilidad: Una mayor capacidad espacial se correlacionó con puntuaciones de SUS más altas ($p < .01$).
• Sin Asociación con ICL o GCL: La capacidad espacial no predijo significativamente la carga cognitiva intrínseca o germinal.

3. Efecto Moderador de la RA (RQ3)

Los análisis exploratorios de subgrupos revelaron un patrón distinto que sugiere un efecto compensatorio de la RA:

• Grupo de Control: Existía una fuerte relación entre la capacidad espacial y la experiencia de aprendizaje. Puntuaciones de MRT más altas predijeron significativamente una menor ECL y un mayor SUS.
• Grupo de RA: Estas relaciones desaparecieron. La capacidad espacial no fue un predictor significativo de la ECL o el SUS en la condición de RA.
  Esto indica que el soporte de la RA mitigó la desventaja experimentada típicamente por los estudiantes con menores capacidades espaciales, nivelando el campo de juego.

Significado y Reivindicaciones

El artículo sostiene que, si bien la RA no superó universalmente a los métodos tradicionales en este entorno específico y controlado, su valor principal reside en su función compensatoria.

• Compensación sobre Potenciación: El estudio desafía la hipótesis de "la capacidad como potenciadora" en este contexto, proporcionando evidencia para la hipótesis de "la capacidad como compensadora". La RA parece externalizar relaciones espaciales complejas (por ejemplo, la visualización de sistemas de coordenadas y trayectorias), reduando así la carga cognitiva de los estudiantes con menores habilidades espaciales.
• Implicaciones de Diseño: Los hallazgos sugieren que la RA puede servir como una herramienta para reducir las barreras para poblaciones de estudiantes diversas. Al mitigar la influencia de los perfiles cognitivos individuales (específicamente la capacidad espacial), la RA puede apoyar entornos de aprendizaje más equitativos.
• Matiz Contextual: Los autores enfatizan que la falta de ganancia de rendimiento general puede deberse a la alta calidad de la condición de control y a la naturaleza aislada de las características de la RA (solo aumentación espacial). Argumentan que la investigación futura debe ir más allá de las simples comparaciones de medios para investigar cómo las características de diseño específicas de la RA interactúan con las características del estudiante.

El estudio concluye que comprender las características del estudiante es crítico para diseñar entornos de aprendizaje de RA efectivos. Si bien la RA no aumentó significativamente la experiencia de aprendizaje promedio en este experimento, su capacidad para desacoplar el éxito del aprendizaje de la capacidad espacial sugiere un papel prometedor en la educación personalizada y el entrenamiento industrial para no expertos.