Las distribuciones a priori juegan un rol muy importante en la estadística Bayesiana por que son usadas junto con los datos para hacer inferencia. Estas distribuciones pueden construirse con relación a uno o varios parámetro de interés, con información existente o proporcionadas por expertos en el tema estudiado. En este sentido, se pueden usar métodos de elicitación para obtener información de diferentes expertos relacionada con los parámetro y con estas realizar las construcciones de las distribuciones a priori correspondientes. Cuando los expertos están organizados en jerarquías anidadas se pueden utilizar modelos multinivel para modelar su aprendizaje, teniendo en cuenta la información interés y entre grupos de sujetos. Sin embargo, la información suministrada por los sujetos y los datos a modelar pueden presentar observaciones atípicas o extremas. En este trabajo se modelará el aprendizaje de individuos en procesos de elicitación a través del tiempo utilizando modelos multiniveles que incorporen distribuciones de colas pesadas, tanto en la distribución a priori como en la verosimilitud. Para lo anterior, se estudiará la distribución predictiva a priori, diferentes estructuras multinivel utilizando distribuciones de colas pesadas y se realizarán comparaciones de los modelos hallados a partir de estudios de simulación.