Este proyecto tiene como principal objetivo diseñar un clasificador automático de anuncios, según su calidad, a partir del análisis de señales fisiológicas. Además, se desean obtener conclusiones acerca de los procesos cognitivos y las reacciones del ser humano ante la exposición de diferentes contenidos publicitarios.

A partir de registros de electroencefalografía (EEG), electrocardiografía (ECG), conductividad de la piel (GSR) y respiración es posible extraer características relevantes que cuantifiquen el nivel de atención, agrado y memorización que suscitan ciertos contenidos audiovisuales. El principal objetivo de este proyecto es el de crear un software automático de clasificación de contenidos publicitarios a partir de los parámetros más representativos extraídos del análisis de bioseñales. Dichas bioseñales se adquieren mientras los participantes visualizan un documental en el que se intercalan los contenidos publicitarios a evaluar.

Tras un acondicionamiento de las señales que garantice unos resultados fiables, se aplican métricas propias para caracterizar lo que siente cada usuario durante la visualización de los diferentes anuncios. Con la información extraída se crean diferentes modelos de clasificación empleando técnicas avanzadas de Machine Learning.

Además de la creación de este software, el proyecto aquí descrito también tiene como objetivo dar respuesta a una serie de preguntas acerca del comportamiento del ser humano ante la exposición de los contenidos mencionados anteriormente:

• ¿Se perciben diferencias en cuanto a actividad cerebral durante la visualización de los anuncios entre los participantes que a posteriori recuerdan el anuncio y los participantes que lo olvidan?
• ¿Es posible mediante el análisis de señales fisiológicas distinguir si un anuncio gusta o no gusta?
• ¿Se pueden determinar los fotogramas en los que se produce un incremento de actividad cerebral y correlacionarlos con un análisis pupilométrico?