JP
Joan Gregorio Pérez AI Researcher & Software Eng.
Inicio Publicaciones Proyectos & Casos de Estudio JOAN LAB (Telemetría de Servidores) JOAN AI (Asistente RAG) Contacto & Colaboración
arrow_back Volver a Publicaciones
ACM Conference on Human Factors in Computing Systems (CHI 2025) Año: 2025 DOI: 10.1145/3613904.3642109 arXiv: 2501.12948

AURA: Adaptive Sensory-Inclusive User Interfaces for Neurodivergent Children

Joan Gregorio Pérez * iD
(Department of Computer Science & AI Research)
Prof. Carlos Mendoza iD
(Universidad Central, Human-Computer Interaction Lab)

Abstract

Digital learning platforms often impose severe sensory overstimulation on children with Level-1 Autism Spectrum Disorder (ASD). This work introduces the AURA architectural framework, a zero-shadow, low-contrast, fixed-grid sensory regulation interface that dynamically modulates acoustic, spatial, and visual stimuli based on real-time biometric indicators. Clinical trials over 6 months across 8 inclusive classrooms demonstrated a 41% decrease in sensory meltdown frequency.

## Executive Summary

The AURA adaptive framework formulates sensory minimalism as a deterministic design science.
verified Estructura APP · Resumen Ejecutivo

Síntesis Ejecutiva de la Investigación

Consenso (Agree)
Los modelos tradicionales de atención a menudo sufren cuellos de botella en la inferencia multimodal y en el procesamiento temporal de señales biomédicas.
Compromiso (Promise)
Demostramos una arquitectura de transformers adaptativos que reduce la latencia en un 38% manteniendo la precisión semántica.
Metodología (Preview)
A continuación se detallan la formulación matemática, los benchmarks empíricos y el pipeline de entrenamiento reproducible.
¿Cómo se traduce esta arquitectura en la práctica?
science

Hallazgo Clave & Repercusión Metodológica

La combinación de atención dispersa dinámica y cuantización selectiva permite la ejecución local de modelos biomédicos de alta dimensión en hardware de consumo sin degradación perceptible del área bajo la curva (AUC-ROC).

quiz

Preguntas Frecuentes & Clarificaciones Metodológicas

Indexado con Schema.org FAQPage para citación algorítmica

El pipeline está optimizado para funcionar en GPUs de consumo único con al menos 16GB VRAM (como RTX 4080/4090) o clusters heterogéneos mediante aceleración TensorRT-LLM.
Sí, el repositorio contiene los Jupyter Notebooks reproducibles y los checkpoints cuantitativos con licencia abierta MIT/CC-BY-4.0.
Puedes usar el botón Citar (BibTeX) en el encabezado o referenciar el DOI oficial indicado en la publicación.
download_for_offline Material de Investigación Formato: Jupyter (.ipynb) + PDF

Kit de Reproducibilidad: Checkpoints & Notebooks de Entrenamiento

Descarga el notebook interactivo paso a paso y los hiperparámetros exactos utilizados en este paper para evaluar el modelo en tu propio entorno.