ANÁLISIS DE SENTIMIENTOS EN AMBIENTES EDUCATIVOS

Dr. Juan Manuel González CallerosDra. Josefina Guerrero García

Tesistas de Doctorado: Yesenia Nohemí González Meneses Alfredo García Suárez

Contenido

Referentes Motivación Trabajo Actual Conclusiones

2

Referentes

Angry Bored

Emociones

Confused Embarrassed Excited

Frustrated Guilty Happy Hopeful Jealous Left out

Plutchik’s Psycho-evolutionary Theory of Emotion

5

Motivación

Tecnologías para

adquisición de datos

fisiológicos

Tecnologías para captar el

comportamiento humano

Interacción-Humano-Computadora Cómputo Afectivo “Reconocimiento de Emociones”

6

7

Taxonomia de Emociones. (Desme, 2002)

8

Ejemplo de aplicación – Sistema para adherencia a tratamientos farmacológicos

9

Ejemplo de aplicación – Sistema para adherencia a tratamientos farmacológicos

10

Motivación

Motivación

12

Relación dinámica

Emoción Aprendizaje

Mantenerse en equilibrio

Se paraliza la capacidad mental cognitiva “Memoria

Activa”

Si no

Debe

No se aprende

Observed model of affect dynamics. (Graesser & D’Mello, 2012)

Ciencias computacionales

Ciencias cognitivas

Psicología

Motivación

Selección de características

Clasficación de emociones

Seleccionar y Probar algoritmos de aprendizaje

computacional

Complejidad de los problemas del cómputo afectivo

Pre procesamiento

EMOCIONES CENTRADAS EN EL APRENDIZAJE (Graesser & D’Mello, 2012)

ConfusiónAburrimiento

Interés (Compromiso)FrustraciónExcitaciónSorpresa

13

Cómputo afectivo

Interacción humano-computadora

Reconocimiento de emociones

r e t o

Datos fisiológicos

Datos de comportamiento

RelaciónEmoción-Aprendizaje:

• Apoyo para estrategias educativas

• Mejorar la motivación de los estudiantes

• Pautas para el diseño de software educativo

• Promover el aprendizaje significativo

Tecnologías para adquisiciónde datos

Metodología propuesta

Tecnologías para la adquisición de datos fisiológicos

Modelo de emociones

Ambiente educativo

Algoritmos de aprendizaje

computacional

INVESTIGACIÓN, ANÁLISIS Y SELECCIÓN

Adquisición de datos

Pre procesamiento

Construcción de la base de datos

Implementación de algoritmos de

selección y extracción de características

Integración de características

TRATAMIENTO DE DATOS

Implementación de algoritmos de

clasificación

Entrenamiento de los algoritmos

Clasificación de emociones

centradas en el aprendizaje

IDENTIFICACIÓN DE EMOCIONES

Pruebas

Evaluación de resultados

Interpretación de resultados

Discusión de resultados

VALIDACIÓN

1 2 3 4

14

Trabajo Actual

1. Investigación, analisis y selecciónTecnologías para la captura de señales fisiológicas y de comportamiento:• Cámara de video tradicional. Full HD 1920 X 1080.• Cámara térmica ICI 9320P. Resolución visual 2160 X 1440.• Sensor de pulso cardíaco• Kinect para windows

Modelo de emociones:• Discreto• Continuo

Ambiente educativo:MOOC de Álgebra Básica de Coursera (36 min.)

Tipos de emociones:• Centradas en el aprendizaje: Interés (compromiso), aburrimiento, confusión y

frustración.

17

Investigación, análisis y selección

Sensor de EEG (electroencefalograma)

Sensor de EMG (electromiograma)

Sensor de conductancia de la piel

Sensor de temperatura Sensor de ritmo

cardíaco

Sensor de respiración

Sensor de flujo sanguíneo dentro de la corteza

cerebralNexus 10

(Neuro and Biofeedback Systems)

Cámara Térmica FLIR ONE PRO

18

Dispositivos seleccionados

19

Experimento

20

Sensado del ritmo cardíaco

Grabación de la cámara térmica

Grabación del experimento

GRACIAS

¿PREGUNTAS?

Dr. Juan Manuel González Calleros juanmanuel.gonzalez@correo.buap.mx

Dra. Josefina Guerrero García josefina.guerrero@correo.buap.mx

Tesistas de Doctorado: Yesenia Nohemí González Meneses Alfredo García Suárez