Resumen de Metodología para la identificación de emociones en un ambiente educativo con aprendizaje computacional

Yesenia Nohemí González Meneses

• español

  “En este trabajo de investigación se planteó la identificación de emociones en ambientes educativos, utilizando algoritmos de aprendizaje computacional y tecnologías de adquisición de señales fisiológicas y de comportamiento. Se consideraron dos emociones centradas en el aprendizaje: interés y aburrimiento. Con la finalidad de acotar el alcance de los objetivos, se seleccionaron las que se presentan más comúnmente en el proceso de enseñanza aprendizaje y que representan estados emocionales opuestos. Se probaron cuatro propuestas para la identificación de emociones utilizando algoritmos tradicionales de aprendizaje automático. Para la captura de datos se utilizaron dos tecnologías para la adquisición de señales fisiológicas (sensor de ritmo cardíaco y cámara térmica) y una de comportamiento (cámara de video); con ello se creó una base de datos con el propósito de identificar las emociones de una manera más precisa. El desarrollo de la base de datos es una tarea fundamental para el reconocimiento automático de emociones, por lo que se puso énfasis en el diseño de un protocolo formal para la captura de los datos; este, guio la ejecución de experimentos en un ambiente de aprendizaje real, con la participación de alumnos de nivel superior en un ambiente de aprendizaje en línea”.

• English

  The objective of this research work is to identify emotions in educational environments using machine learning algorithms and physiological and behavioral signal acquisition technologies. Two learning-centered emotions are considered: interest and bored. In order to limit the scope of the objectives, those that are most commonly presented in the teaching-learning process and that represent opposite emotional states were selected.

  Four proposals for the identification of emotions were tested using traditional machine learning algorithms. Moreover, two technologies for the acquisition of physiological signals (heart rate sensor and thermal camera) and one for behavioral signals (video camera) are used, with the aim of creating a data base that helps us identify emotions with better accuracy. The development of an appropriate database for the automatic recognition of emotions is a fundamental task, thus, the formal design of a protocol for data capture is put into practice. This guided the execution of experiments in a wild learning environment with the participation of college students in an online learning environment. For the classification of emotions, different machine learning algorithms were trained and those that achieved the best results for the testing stage were selected. The chosen algorithms were K- nearest neighbors, tree assembly and artificial neural networks. The results of the classification of the interested and bored emotions with neural networks are satisfactory and allow a good comparison with similar works identified in the state of the art.