Los niños con discapacidad intelectual (DI) pueden desarrollar nuevas habilidades y adquirir más conocimientos, pero necesitan de herramientas que les permitan hacerlo a su ritmo, que frecuentemente no es el mismo que el de muchos niños de edades similares. El aprendizaje basado en el juego es una forma útil de aportar en este aprendizaje. A pesar de que existen muchos juegos para computadoras y móviles, estos no necesariamente son adecuados en el caso de DI. Por ello, este artículo presenta JIT, una aplicación web desarrollada tratando de ayudar a personas con DI en el aprendizaje de temas básicos (como colores, figuras geométricas, números, la espacialidad, etc.). La aplicación fue diseñada y evaluada con la colaboración de docentes y técnicos dedicados a trabajar con personas con DI, apuntando a que los usuarios se sientan motivados a aprender, y puedan practicar y recordar los temas estudiados de forma lúdica. Así, JIT puede ser utilizada por docentes de educación especial y afines como una herramienta educativa, contando también con la posibilidad de agregar más temas y personalizar las diferentes actividades disponibles.

Los trastornos mentales son cada vez más comunes, principalmente la ansiedad. Este trastorno, al no ser detectado a tiempo, puede volverse algo grave llevando a extremos como el suicidio. Sin embargo, dado que varias personas que lo padecen optan por la interacción en línea, existe la posibilidad de recurrir a la minería de texto enfocada a redes sociales. En este sentido, con el presente trabajo se buscó revisar la bibliografía que reporte estudios empleando minería de texto para determinar los usuarios que padecían de ansiedad mediante sus publicaciones o comentarios en sus redes sociales. La revisión se organizó a partir de las fases de minería de texto; es decir, recopilación de datos, preparación o preprocesamiento y clasificación. Entre los aspectos a resaltar están (i) la tendencia a utilizar una red social para obtener datos, especialmente Twitter; (ii) la relevancia de la limpieza de datos, aplicando técnicas como lemmatization; (iii) los algoritmos más destacados en la detección de ansiedad, como Naive Bayes, regresión logística, SVM y random forest. Más allá de los aportes de los trabajos revisados, se puede notar que persiste la necesidad de desarrollar más modelos que detecten el trastorno de interés.