A medida que las sociedades avanzan hacia la integración de robots, es importante estudiar cómo los robots pueden utilizar su cognición para elegir eficazmente sus acciones en un entorno humano y, posiblemente, adaptarse a nuevos contextos. Al modelar estos datos contextuales, es común en la robótica social trabajar con datos extraídos de las ciencias humanas, como la sociología, la anatomía o la antropología. Estos datos heterogéneos deben ser utilizados de manera eficiente para que el robot adapte rápidamente sus acciones. En este artículo describimos una metodología para el uso de conocimientos heterogéneos e incompletos, a través de un algoritmo basado en el clasificador de Bayes ingenuo. El modelo se aplicó con éxito a dos experimentos diferentes de interacción humano-robot.