Breve terapia vocal en RV con feedback clínico provocó prosodia docente en futuros docentes, pero aumentó el malestar vocal autoinformado

Contexto

Los docentes se encuentran entre los usuarios vocales ocupacionales que con mayor frecuencia desarrollan trastornos de la voz: aproximadamente el 57% de los docentes estadounidenses informan de problemas de voz, y entre el 20% y el 35% de los docentes en formación ya muestran síntomas de trastornos vocales antes de incorporarse al trabajo. La mayoría de los programas de bienestar vocal se aplican en entornos clínicos que no reproducen las señales auditivas y visuales de un aula real, lo que contribuye a un persistente desafío de transferencia en la logopedia de voz. Nudelman y Bottalico se propusieron evaluar en fase piloto una breve intervención preventiva de logopedia de voz en RV con docentes en formación, combinando elementos de la Terapia de Entrenamiento Conversacional (TEC) con retroalimentación clínica en tiempo real aplicada dentro de un aula de RV inmersiva.

La intervención se sitúa en la intersección de tres líneas previas: las demostraciones de Remacle y colegas de que las aulas de RV pueden provocar las características vocales de estilo docente de los docentes (2021, 2023); el desarrollo por parte del grupo Gartner-Schmidt/Gillespie de la TEC como logopedia de voz centrada en la generalización (2016, 2019, 2021); y la literatura más amplia de aprendizaje motor que enfatiza la relevancia contextual para la transferencia de habilidades.

Qué hicieron los investigadores

Diez estudiantes universitarias de educación de la Facultad de Educación de la UIUC fueron reclutadas mediante folleto y palabra de boca. Todas superaron las pruebas de cribado de voz (VHI-10, V-RQOL, VFI, estroboscopia) y una prueba de audición (audiometría de tonos puros 250-8000 Hz). Las diez eran femeninas, de 18-19 años (M=18,5, DE=0,7). El experimento tuvo lugar en un solo día en una cámara anecoica de doble pared Whisper Room (226 × 287 × 203 cm) en la UIUC.

Tres condiciones en orden fijo (sin contrabalanceo; los autores señalan esto como una limitación):

1. Condición de control (5 minutos): Participante sentada a un metro de un miembro del equipo de investigación en la Whisper Room. Habló sobre sí misma y describió un día típico. Diseñada para provocar habla conversacional.

2. Condición de estilo docente (20 minutos): Mismo disposición individual. La participante impartió una lección al miembro del equipo de investigación como si estuviera en un aula real. El SPL vocal de la participante fue monitorizado mediante un medidor de nivel sonoro calibrado NTi XL2 (muestreo de 1 segundo). Esta fue una provocación clínica del habla de enseñanza, NO una simulación completa de aula.

3. Condición de intervención de enseñanza en RV (20 minutos): Participante con el casco Meta Quest 2 ejecutando el software Ovation, con auriculares abiertos Sennheiser HD600 ejecutando el software de auralización Reaper (auralización capturada de un aula real mediante un simulador de cabeza y torso). La vista de la participante: un aula virtual con múltiples avatares de estudiantes virtuales. El clínico (Nudelman) controlaba un avatar virtual en la escena; un medidor de nivel sonoro NTi XL2 (retransmitido en vivo mediante una cámara web Logi C270 HD a un miembro del equipo de investigación fuera de la Whisper Room) monitorizaba el SPL vocal de la participante. Cuando el SPL superaba el percentil 85 de la línea base de la participante derivado de la condición de estilo docente, el investigador monitor indicaba al avatar clínico que levantara la mano dentro de la pantalla de RV, señalando a la participante que prestara atención a su producción vocal mediante indicaciones de habla clara al estilo TEC. Mínimo 1 minuto entre indicaciones. Pre-intervención: ensayo de estimulabilidad para indicaciones de habla clara TEC.

Medidas de resultado (tras cada condición):

• Acústica vocal: nivel de presión sonora (SPL), desviación estándar del SPL (SPL_dt), frecuencia fundamental (fo), desviación estándar de fo (fo_dt), dosis de tiempo (Dt%), todas extraídas mediante un script personalizado de MATLAB + Praat 6.0.13 de grabaciones de voz realizadas con un micrófono calibrado NTi Audio M2211 (30 cm, 0° de azimut) a través de un mezclador Tascam UH-7000.
• Estado vocal: esfuerzo vocal, fatiga vocal, malestar vocal, cada uno valorado de 0-100 en una escala analógica visual (EVA).
• Presencia: un Cuestionario de Presencia de Gatineau Modificado (CPG) administrado solo después de la condición de RV, con 5 ítems valorados de 0-100.

Análisis. Modelos lineales de efectos mixtos (LME) ajustados por REML en R 4.2.0, con el ID de participante como intercepto aleatorio. Dentro de la condición de RV, la presencia de retroalimentación se examinó como segundo factor fijo en LME separados. Ventana de 30 segundos tras cada evento de retroalimentación utilizada como segmento de análisis. 13 LME en total. Los autores explícitamente NO aplicaron correcciones por comparaciones múltiples, justificándolo en base al carácter exploratorio en fase temprana.

Qué encontraron

Aceptabilidad y presencia. Valoraciones del CPG modificado (0-100): Presencia M=75,0 (DE=24,6), Realista M=65,5 (DE=29,1), Artificial M=46,0 (DE=31,3), Conciencia de RV M=51,5 (DE=30,8), Voz Afectada M=50,5 (DE=22,9). Son descriptivamente comparables a las medidas paralelas de Remacle et al. (2023) con estudiantes de magisterio, lo que indica niveles ampliamente similares de inmersión y realismo.

Resultados acústicos vocales entre condiciones (frente al control como referencia). El SPL NO difirió significativamente entre ninguna de las tres condiciones. SPL_dt fue mayor en RV (+0,6 dB, p=,045); los autores interpretan esto como un estilo más animado, perceptualmente consistente con patrones de voz más saludables en usuarios vocales ocupacionales. fo fue mayor en la condición de estilo docente (+9,7 Hz, p=,020) pero NO en la condición de RV (p=,120). fo_dt fue mayor TANTO en la condición de estilo docente (+8,4 Hz, p=,014) COMO en la condición de RV (+5,6 Hz, p=,007), ambas provocaron prosodia de estilo docente. Dt% fue MENOR en RV (-5,5%, p<,001) que en la condición de control; el estilo docente no difirió del control en Dt%.

Resultados acústicos vocales dentro de RV: retroalimentación presente vs. ausente. Tras cada episodio de retroalimentación del avatar clínico (dentro de la ventana de análisis de 30 segundos):

• SPL: significativamente MENOR tras la retroalimentación (-1,5 dB, p<,001)
• SPL_dt: significativamente MAYOR tras la retroalimentación (+0,4 dB, p=,007)
• fo: significativamente MENOR tras la retroalimentación (-5,6 Hz, p=,011)
• fo_dt: sin efecto de retroalimentación (p=,332)
• Dt%: significativamente MENOR tras la retroalimentación (-4,7%, p=,001)

Los autores interpretan estos como modulaciones a corto plazo consistentes con la reducción de la carga vocal, y advierten explícitamente que las magnitudes son modestas y pueden no generalizarse.

Estado vocal autoinformado (EVA 0-100). La condición de estilo docente aumentó el esfuerzo vocal (+18,0, p=,013), la fatiga vocal (+15,4, p=,022) y el malestar vocal (+27,9, p=,003) frente al control. La condición de RV aumentó el malestar vocal (+20,5, p=,023) frente al control, pero no difirió significativamente del control en esfuerzo vocal (+11,5, p=,095) ni en fatiga vocal (+4,2, p=,503). El aumento del malestar vocal en la condición de RV es un hallazgo que debe acompañar cualquier interpretación clínica: la RV no fue ‘más fácil’ para los participantes que la línea base conversacional.

Por qué importa

Este estudio piloto es uno de los primeros en integrar retroalimentación clínica al estilo de la Terapia de Entrenamiento Conversacional con un aula de RV inmersiva para el trabajo preventivo de voz con docentes en formación. Los hallazgos acústicos - en particular el mayor fo_dt tanto en la condición de estilo docente como en la condición de RV (que indica prosodia de estilo docente) y las modulaciones a corto plazo en SPL, fo y Dt% tras la retroalimentación del avatar clínico - apoyan la factibilidad del modelo de aplicación y proporcionan una señal inicial de que la RV + TEC puede producir ajustes fonatorios mensurables.

Pero tres advertencias son fundamentales para la interpretación clínica:

1. La condición de RV AUMENTÓ significativamente el malestar vocal autoinformado frente al control. Este aspecto no aparece en el encuadre actual del Evidence Hub, que se centra en los hallazgos acústicos positivos. Cualquier cita clínica debe acompañar los cambios acústicos con el hallazgo de malestar: los participantes no experimentaron la RV como más fácil que la línea base conversacional.

2. Los autores son explícitos en que la significación estadística ≠ significación clínica. Escriben: ‘La significación estadística en este estudio piloto no equivale a significación clínica. Dado el tamaño reducido de la muestra y la breve intervención de sesión única, no debe asumirse que la magnitud de los cambios acústicos observados en los presentes resultados se traduzca en resultados vocales clínicamente significativos.’ Esta advertencia debe trasladarse cuando se cite el estudio.

3. Orden fijo de condiciones, muestra exclusivamente femenina, única universidad de origen, solo participantes con voz sana. El 20-35% de las docentes en formación que ya tienen síntomas de trastornos de la voz no están representadas; el diseño no puede descartar efectos de orden/práctica/calentamiento.

Para Therapy withVR específicamente: este estudio NO utilizó, probó ni evaluó Therapy withVR. El sistema fue una Meta Quest 2 ejecutando el software Ovation con auralización personalizada y un avatar controlado por el clínico: plataforma diferente, modelo de control diferente, enfoque poblacional diferente. El artículo se incluye en el Evidence Hub porque añade evidencia a la base de RV inmersiva para la voz y representa un modelo de aplicación metodológicamente interesante de RV + TEC, no porque se relacione con Therapy withVR.

Limitaciones

Los autores señalan explícitamente las siguientes limitaciones:

• Muestra pequeña, con voz sana, exclusivamente femenina, universitaria de una sola universidad. No representa la población más amplia de docentes en formación, especialmente el 20-35% que ya informan de síntomas de trastornos de la voz antes de incorporarse a la enseñanza. No todas las estudiantes de magisterio serán respondedoras.
• Orden fijo de condiciones (control → estilo docente → RV) sin contrabalanceo. Los participantes pueden haber experimentado efectos de calentamiento vocal, y la creciente familiaridad con la tarea experimental entre condiciones no puede descartarse.
• Duraciones de tareas desiguales entre condiciones (el control fue de 5 min; el estilo docente y la RV fueron de 20 min cada uno). Los autores señalan que esto puede contribuir a las aparentes diferencias entre condiciones.
• Validez ecológica del aula de RV: los avatares de estudiantes virtuales no ejecutaron comportamientos interactivos (sin preguntas espontáneas de los estudiantes, interrupciones o intercambios comunicativos bidireccionales), por lo que la interacción docente reflejó solo un subconjunto de las demandas vocales auténticas del aula.
• Desmenuzamiento TEC vs. RV: la condición de RV combinó la indicación al estilo TEC con la RV inmersiva; el diseño piloto no puede desmenuzar cuál contribuyó a los cambios acústicos observados.
• Ingrediente de volición no medido. La intervención incluyó instrucciones y fundamentos diseñados para apoyar la adherencia de las participantes al enfoque vocal en la vida diaria, pero no se capturaron datos longitudinales para evaluar si esto se transfirió.
• La retroalimentación cuantitativa de umbral de SPL es distinta de la retroalimentación clínica típica: los clínicos más comúnmente proporcionan retroalimentación dirigida al paciente basada en la evaluación perceptual auditiva de la calidad de la voz, no en un umbral de SPL personalizado.
• Significación estadística ≠ significación clínica. Los autores advierten explícitamente que la magnitud de los cambios acústicos en esta muestra pequeña no debe asumirse que se traduzca en resultados vocales clínicamente significativos.
• Estado de artículo en prensa en el momento de esta auditoría (aceptado el 10 de marzo de 2026). Asignación de volumen/número/página pendiente.
• Relación de contexto relevante. El autor correspondiente Charles J. Nudelman es también el primer autor de la revisión de alcance de Nudelman, Niu, Hutz y Edwards (2026) de RV inmersiva en logopedia ya en este Evidence Hub; ambos artículos fueron escritos en 2026 a partir de su trabajo de doctorado en curso.