Técnicas de aprendizaje por refuerzo para el análisis y predicción de dinámicas de cambio
Compartir
En este trabajo se presenta un modelo innovador que combina el aprendizaje por refuerzo (RL) con la metodología de rejillas de implicaciones (WimpGrid) para analizar y predecir las dinámicas de cambio en sistemas de constructos personales. El modelo computacional propuesto optimiza estrategias de intervención basadas en distintas medidas de centralidad de los constructos (como el índice PH) y proporciona novedosos indicadores de progreso del paciente hacia los objetivos terapéuticos. Los resultados de validación de la herramienta muestran que el modelo identifica constructos clave y anticipa satisfactoriamente su evolución, ofreciendo una herramienta práctica y personalizada para el diseño de intervenciones. Este enfoque abre nuevas vías en la psicoterapia de precisión, aportando una perspectiva cuantitativa y computacional al entendimiento de las dinámicas psicológicas.
-
Gerardo Gómez Paredes Catedrático de Telecomunicaciones, Universidad de Málaga
