Acceso usuarios
Juan José Silva Torres, Luz Martínez-Martínez, Ubaldo Cuesta Cambra 
La salud es una de las principales preocupaciones de la sociedad. La evidencia empírica subraya la importancia creciente de la prevención y la educación para la salud (Eps) como instrumento fundamental para mejorar la calidad de la salud pública. Las recientes crisis sanitarias, como la del ébola, la gripe A, el SARS o la del Covid-19 han puesto en relieve la importancia de la comunicación. La rapidez en la creación de mensajes y su eficacia en el diseño de campañas comunicación en tiempos de crisis tiene consecuencias sociales relevantes. El objetivo de este trabajo ha sido diseñar y desarrollar una herramienta matemática, basada en técnicas de machine learning, que permita predecir las áreas de atención visual de forma rápida y precisa sin necesidad de utilizar tecnología de eye-tracking. La metodología combina algoritmos de deep learning, para extraer las características de las imágenes, y el uso de técnicas matemáticas de modelización supervisada para predecir las áreas de atención. La validación se realiza analizando diferentes comunicaciones institucionales de la campaña de Covid-19 comparándolos con las áreas de atención obtenidas con una solución de eye-tracking de validez contrastada. Finalmente se analizan los resultados obtenidos mediante la herramienta en las piezas de comunicación Covid-19 investigadas, planteando conclusiones de interés para el desarrollo de nuevas campañas.
