Durante la operación de Vehículos Aéreos No Tripulados (VANT), el estado cognitivo de los operadores tiende a declinar, lo que representa un riesgo para el rendimiento de las tareas. Sin embargo, muchos de los métodos existentes para evaluar el estado cognitivo se basan directamente en señales de electroencefalografía (EEG) crudas, pero muestran una robustez limitada cuando se aplican a diferentes individuos. Para abordar esta limitación y aprovechar la información espacial y las relaciones interelectrodos capturadas de manera efectiva por las redes de conectividad funcional del cerebro, este artículo propone un método de evaluación basado en redes de conectividad funcional. Se utilizaron datos de diez participantes bajo tres estados cognitivos para entrenar y probar varios modelos de manera individual, donde los datos de cada participante se dividieron en conjuntos de entrenamiento y prueba separados. Los resultados demuestran que el método propuesto logra una precisión media de reconocimiento del 98.76% con una varianza de 0.0113, lo que representa una mejora de al menos 7.01% en precisión y una reducción de al menos 0.0191 en varianza en comparación con enfoques convencionales. Este enfoque facilita la identificación oportuna del estado cognitivo, mejorando así la fiabilidad de la interacción humano-máquina en sistemas no tripulados.