La Fundación Canaria Living Lab para la Investigación (FCLL) es una institución de carácter privado, sin ánimo de lucro, creada recientemente y que, aunque tiene su sede en Las Palmas de Gran Canaria tiene vocación de prestar servicio en toda la Comunidad Autónoma de Canarias.

La FCLL tiene como objeto y fines promover y apoyar la investigación de máxima calidad, contribuyendo al beneficio general de la sociedad y a la mejora de la competitividad de la economía canaria, mediante la generación de conocimiento tecnológico, realizando actividades de I+D+i, desarrollando y gestionando espacios de generación de datos y experimentación en vivo (living labs y hotel labs) y potenciando su aplicación al tejido empresarial con un modelo de colaboración público privada. La Fundación tiene, por tanto, su principal objetivo en la investigación fundamental, investigación industrial o desarrollo experimental y difundir ampliamente los resultados de estas actividades mediante la enseñanza, formación, la publicación o la transferencia de conocimientos; la generación de datos y conocimiento, actuando como elemento de desarrollo e innovación, con especial énfasis en tecnologías disruptivas (pensando en el futuro), habilitantes (pensando en la persona) y sostenibles (pensando en el planeta), lo que hace que se conecte claramente el proyecto solicitado con el perfil de la organización.

En el mundo actual, la digitalización juega un papel cada vez más importante en todo tipo de ámbitos, desde grandes sectores como el turismo hasta despliegues dentro de pequeñas empresas o instituciones. Una de las nuevas tendencias dentro de esta nueva ola de digitalización es la Realidad Virtual (RV), la cual no solo sirve para generar reproducciones fidedignas de entornos y personas, sino que también es extremadamente útil como medio para transmitir conocimientos o como herramienta de formación.

Es precisamente en este campo, la educación, donde la RV está comenzando a ganar gran relevancia. Gracias a esta tecnología, es posible generar experiencias y situaciones para los usuarios en los que estos tengan que resolver problemas o enfrentarse a decisiones críticas en entornos simulados, sin riesgos ni consecuencias reales pero con todo el aprendizaje que las mismas conllevan. Esto permite que un usuario pueda aprender diferentes oficios o desarrollar todo tipo de competencias transversales mediante cursos de introducción o de mejora basados en esta tecnología, facilitando a nuevas empresas la contratación de empleados y el reciclado de desempleados mediante la reducción de todo tipo de períodos de adaptación o de aprendizaje.

Adicionalmente, es necesario mencionar que la ciencia de datos, o data science, posee un papel de extrema importancia en el mundo actual. Las grandes empresas recogen grandes cantidades de datos (big data) generado por millones de clientes con el objetivo de incrementar sus ingresos y mejorar sus servicios mediante el análisis masivo de estos datos y la creación de modelos de inteligencia artificial capaces de realizar clasificaciones y predicciones. Estos modelos de IA son aplicables a cualquier sector o ámbito, siempre que cuenten con los datos adecuados

Es por ello que este proyecto pretende desarrollar un modelo predictivo basado en inteligencia artificial capaz de pronosticar qué competencias son las más adecuadas para un usuario determinado, todo ello realizado sobre una plataforma de entretenimiento y aprendizaje RV en fase de prototipo.

El proyecto se enmarca entre las actividades que realiza la empresa, que se pueden resumir en: realización de proyectos de innovación tecnológica en cooperación con empresas, realización de servicios de asesoramiento tecnológico no estandarizados o atención a las necesidades tecnológicas de las entidades y empresas.

• Desarrollar y entrenar un modelo de IA capaz de predecir las competencias más adecuadas a desarrollar por un usuario de una plataforma de entrenamiento en RV.
• Desplegar el modelo desarrollado de IA en la plataforma para validar sus resultados. OE1. Recoger datos de los usuarios de la plataforma de entrenamiento en RV.
• Analizar cuál es el modelo de IA más adecuado para realizar las predicciones (Métodos Bayesianos, Redes Neuronales, Deep Learning…).
• Entrenar modelo de IA con los datos recogidos en el OE1 y testear el modelo con un dataset de prueba.
• Analizar el desempeño del modelo respecto a las métricas de predicción.
• Desplegar el modelo en la plataforma de entrenamiento en RV y validar sus resultados.