ECA con estudiantes de magisterio: añadir RV 360° al entrenamiento de voz resultó atractivo, pero a corto plazo no superó a imaginar el aula

Contexto

Los trastornos de la voz son frecuentes en el profesorado, con estimaciones de prevalencia que oscilan aproximadamente entre el 20% y el 80%, y las señales de alerta aparecen pronto: una parte considerable de los estudiantes de magisterio ya refiere síntomas vocales recurrentes antes de comenzar su carrera. La docencia impone exigencias sostenidas y de alta intensidad a la voz en salas acústicamente difíciles, y las consecuencias de las dificultades vocales van mucho más allá de la propia voz, afectando al absentismo, la identidad profesional, el bienestar e incluso la capacidad del alumnado para seguir lo que se dice.

Tanto los programas de entrenamiento de voz indirectos (centrados en la educación) como los directos (centrados en los ejercicios) pueden mejorar los síntomas y la conciencia vocales, pero persisten dos problemas: los efectos suelen ser modestos en participantes sanos y - lo más importante para este estudio - resulta difícil llevar las técnicas vocales recién aprendidas fuera de la sala de entrenamiento y al aula real. Se ha propuesto la realidad virtual inmersiva como una forma de cerrar esa brecha, permitiendo que las personas practiquen dentro de simulaciones realistas y controlables de los entornos donde realmente necesitan usarse las habilidades.

Este estudio se basa directamente en el trabajo previo de Remacle y colegas, quienes crearon un aula virtual generada por ordenador para el entrenamiento de voz de estudiantes de magisterio. Aquel trabajo anterior comparaba un programa indirecto con un programa directo apoyado en RV, lo que hacía imposible aislar el efecto de la RV en sí del efecto del contenido del entrenamiento. Bostyn y colegas se propusieron corregir esa confusión: mantuvieron constante el contenido del entrenamiento en ambos grupos y variaron únicamente si los ejercicios se realizaban dentro de un entorno escolar inmersivo en 360° o mientras simplemente se imaginaba uno.

Lo que hicieron los investigadores

Se trató de un ensayo controlado aleatorizado con un diseño de grupo de control pretest-postest, llevado a cabo por un equipo de la Universidad de Gante / KU Leuven en Bélgica. Participaron sesenta y tres estudiantes de magisterio inscritos en un programa flamenco de docencia de primaria o secundaria (todos neerlandófonos; 49 mujeres cisgénero y 14 hombres cisgénero; edad media de 28,9 años, DE 10,8). Los participantes eran vocalmente sanos: se excluyó a cualquiera con problemas auditivos autoinformados, una patología vocal orgánica diagnosticada, tabaquismo regular reciente o entrenamiento de voz intensivo previo. Se organizaron en pequeños grupos de entrenamiento de cuatro personas y se asignaron mediante aleatorización por conglomerados con bloques (con el sexo al nacer como factor de bloqueo) al grupo de RV (n=30) o al grupo de control (n=33), y se les mantuvo enmascarados respecto a la existencia de la otra condición.

Ambos grupos recibieron las mismas tres sesiones grupales de entrenamiento de voz de 90 minutos a lo largo de tres semanas consecutivas, impartidas por estudiantes de máster de logopedia con formación que ellos mismos estaban enmascarados respecto a la asignación. Las sesiones abarcaron higiene vocal más ejercicios de postura, respiración, resonancia (incluidos ejercicios de tracto vocal semiocluido), calentamiento vocal y proyección de la voz con articulación. La única diferencia experimental fue la forma de impartir los ejercicios:

• El grupo de RV realizó los ejercicios mientras llevaba puesto un visor Meta Quest 3, inmerso en vídeos 360° de un aula, una cafetería y un patio de recreo que los autores habían grabado en una escuela primaria flamenca real.
• El grupo de control realizó los ejercicios idénticos mientras se le pedía que visualizara mentalmente los mismos entornos escolares.

El ruido de fondo (por ejemplo, alrededor de 75 dB en el patio de recreo y 40 dB en un aula tranquila) se equiparó entre los dos grupos, de modo que lo único que realmente difería era la inmersión visual proporcionada por la RV.

Antes de la primera sesión y después de la tercera, cada participante fue evaluado individualmente en:

1. Esfuerzo vocal autopercibido en la escala Borg CR10, tras leer un pasaje largo bajo 65 dB de ruido blanco.
2. Postura, tensión muscular y proyección de la voz evaluadas por los investigadores en una escala analógica visual de 0-100, más los seis parámetros perceptuales del CAPE-V (severidad, aspereza, soplo, esfuerzo, tono, intensidad), puntuados a partir del audio y el vídeo de una tarea espontánea de un minuto de “explicar un tema al aula” bajo ruido blanco.
3. Medidas acústicas - frecuencia fundamental, rango de frecuencia fundamental y rango de intensidad (sonoridad) - analizadas en Praat a partir de vocales sostenidas y un pasaje leído.
4. Un cuestionario sobre la experiencia de entrenamiento (preguntas generales para todos, más preguntas de realismo de la RV para el grupo de RV y preguntas de dificultad de imaginación para el grupo de control).

Los datos se analizaron con modelos lineales de efectos mixtos con tamaños del efecto d de Cohen. Los autores no aplicaron deliberadamente ninguna corrección para comparaciones múltiples y encuadran el ensayo como exploratorio; la fiabilidad de los evaluadores se comprobó con coeficientes de correlación intraclase.

Lo que encontraron

Ambos grupos mejoraron en los dos resultados más sensibles al entrenamiento a corto plazo, sin ventaja de la RV. El esfuerzo vocal autopercibido descendió significativamente en ambos grupos (RV -1,05, control -0,83 puntos Borg; efectos de medianos a grandes), y ambos ampliaron significativamente su rango de intensidad (RV +3,99 dB, control +3,35 dB; efectos moderados). No hubo diferencias significativas entre grupos ni interacciones en ninguna de las dos medidas - los dos métodos de impartición funcionaron aproximadamente igual de bien.

Donde los grupos difirieron, el grupo de control lo hizo ligeramente mejor - pero con salvedades. El grupo de control mostró mejoras significativas en la postura y la tensión muscular evaluadas por los investigadores, mientras que el grupo de RV no. Los autores son cautos aquí: el grupo de control partió con más tensión visible que el grupo de RV, los dos grupos acabaron siendo similares tras el entrenamiento, y varios participantes de RV refirieron sentirse abrumados o distraídos por el entorno inmersivo y señalaron que el visor dificultaba mantener una buena postura. Por tanto, el patrón de que “el control lo hizo mejor” es plausiblemente una mezcla de desequilibrio en la línea base, un artefacto del visor sobre la postura y la fiabilidad limitada de estas calificaciones perceptuales, más que una verdadera desventaja de la RV para la técnica vocal.

La mayoría de las demás medidas no se movieron. La proyección de la voz no cambió en ninguno de los grupos (las puntuaciones ya eran buenas en la línea base), y los parámetros perceptuales del CAPE-V se mantuvieron en gran medida planos, mejorando solo débilmente el “esfuerzo” (strain) en el conjunto de la muestra. La frecuencia fundamental y el rango de frecuencia no variaron - algo nada sorprendente, dado que los ejercicios se dirigían al apoyo respiratorio y la proyección más que al tono, y que los participantes eran vocalmente sanos, con poco margen de mejora. En casi todos los resultados no significativos, los intervalos de confianza eran lo bastante amplios como para que el estudio simplemente no pudiera descartar un efecto real; tenía potencia insuficiente.

El triunfo más claro de la RV fue experiencial. La mayoría de los participantes de RV calificaron el aula (76,7%) y la cafetería (80%) como realistas y los entornos como agradables para practicar (70%); el patio de recreo salió peor parado (53,3%), lo que se atribuyó a los alumnos virtuales del vídeo 360°, escasos y de reacción lenta. En contraste, una amplia minoría del grupo de control no pudo imaginar con viveza los entornos escolares en absoluto (alrededor del 42-45% en cada caso), y quienes nunca habían enseñado fueron los que más dificultades tuvieron. Todos los participantes calificaron el entrenamiento como útil, dos tercios encontraron fáciles los ejercicios, y la práctica en casa autoinformada no difirió entre los grupos.

Por qué es importante

Este es uno de los primeros ensayos que aísla el efecto de la inmersión visual de la RV en el entrenamiento de voz manteniendo idéntico el contenido del entrenamiento entre los grupos - la confusión que limitó los trabajos anteriores de RV con estudiantes de magisterio. Su titular honesto es un resultado nulo: a lo largo de tres sesiones, la RV inmersiva 360° no mejoró los resultados de voz a corto plazo más allá de los mismos ejercicios realizados mientras se imaginaba el aula, e incluso pudo desplazar la postura y la tensión en la dirección equivocada por la interferencia del visor.

La señal más interesante tiene que ver con el compromiso y el acceso. Pedir a un participante que nunca se ha puesto frente a una clase que “imagine el aula” fracasó con frecuencia, mientras que las escenas de RV se calificaron como realistas y agradables. Si un contexto vívido y con sensación de presencia ayuda a los participantes a mantenerse motivados y a practicar de forma constante - el mecanismo que proponen los autores - eso podría importar en un programa preventivo cuyo objetivo central es construir hábitos duraderos antes de que comiencen los problemas de voz. Pero los autores son explícitos en que esto es una hipótesis: aquí la motivación no fue un resultado controlado, el programa fue breve, los participantes eran vocalmente sanos, y cualquier beneficio de transferencia requeriría ensayos más largos con seguimiento en un aula real para demostrarse.

Para Therapy withVR en concreto: este estudio no utilizó, evaluó ni comparó con Therapy withVR. El sistema ensayado fue vídeo 360° personalizado grabado por el equipo de investigación y reproducido en una Meta Quest 3, utilizado para entrenar la técnica vocal de cara a la prevención de trastornos de la voz - un ámbito distinto del enfoque de Therapy withVR en ensayar situaciones de habla y gestionar la ansiedad relacionada con el habla. El artículo de Bostyn se incluye en el Evidence Hub porque añade evidencia a la base más amplia sobre RV inmersiva en logopedia, no porque se relacione con Therapy withVR.

Limitaciones

Los autores señalan lo siguiente en su discusión:

• Fiabilidad interevaluador limitada. El acuerdo entre los tres investigadores-evaluadores fue a veces pobre (ICC tan bajo como 0,339), y no calibraron sus calificaciones juntos de antemano. Esto debilita la confianza en los resultados perceptuales (CAPE-V, postura, tensión, proyección), que según los autores deben interpretarse con cautela.
• Potencia insuficiente para varias medidas. Con 63 participantes repartidos entre dos grupos, los intervalos de confianza para los resultados no significativos fueron amplios; el estudio no pudo descartar efectos reales que no tenía potencia para detectar.
• Sin corrección para comparaciones múltiples. Con muchos resultados evaluados y sin corrección aplicada, algunos hallazgos estadísticamente significativos podrían ser falsos positivos. Los autores califican explícitamente sus resultados como generadores de hipótesis y no como confirmatorios.
• Programa preventivo, breve y con participantes vocalmente sanos. Los participantes no tenían quejas vocales y se entrenaron durante solo tres sesiones, lo que dejaba poco margen para un cambio acústico medible; el programa buscaba construir hábitos, no remediar un trastorno.
• CAPE-V aplicado fuera de su estándar clínico. Las calificaciones perceptuales se tomaron a partir de habla producida bajo ruido blanco de 65 dB, que puede inducir habla Lombard, por lo que las puntuaciones del CAPE-V reflejan diferencias relativas dentro del estudio, no diagnósticos clínicos válidos.
• Desequilibrio en la línea base y un posible efecto del visor. El grupo de control comenzó con más tensión visible que el grupo de RV, lo que complica la única interacción límite, y el propio visor de RV pudo afectar a la postura y la conciencia corporal de los participantes.
• Realismo auditivo limitado y formato de grupos pequeños. Las propias voces de los participantes no se integraron con el sonido ambiental y no se simuló la reverberación de la sala, lo que redujo la validez ecológica; el entrenamiento en grupos de cuatro permitió la retroalimentación entre iguales, pero también añadió variabilidad.
• Mayoritariamente mujeres. Alrededor de tres cuartas partes de los participantes eran mujeres (que en general son más susceptibles a los trastornos de la voz), lo que podría sesgar los resultados, aunque esto también refleja la población docente real.