Las distribuciones a priori juegan un rol muy importante en la estadistica Bayesiana por que son usadas junto con los datos para hacer inferencia. Estas distribuciones pueden construirse con relacion a uno o varios parametro de interes, con informacion existente o proporcionadas por expertos en el tema estudiado. En este sentido, se pueden usar metodos de elicitacion para obtener informacion de diferentes expertos relacionada con los parametro y con estas realizar las construcciones de las distribuciones a priori correspondientes. Cuando los expertos estan organizados en jerarquias anidadas se pueden utilizar modelos multinivel para modelar su aprendizaje, teniendo en cuenta la informacion interes y entre grupos de sujetos. Sin embargo, la informacion suministrada por los sujetos y los datos a modelar pueden presentar observaciones atipicas o extremas. En este trabajo se modelara el aprendizaje de individuos en procesos de elicitacion a traves del tiempo utilizando modelos multiniveles que incorporen distribuciones de colas pesadas, tanto en la distribucion a priori como en la verosimilitud. Para lo anterior, se estudiara la distribucion predictiva a priori, diferentes estructuras multinivel utilizando distribuciones de colas pesadas y se realizaran comparaciones de los modelos hallados a partir de estudios de simulacion.