CIVE17 Paper 46
CIVE17 Paper 46
CIVE17 Paper 46
net/publication/316906609
CITATIONS READS
7 892
4 authors:
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Carina Soledad González González on 14 November 2017.
parámetros.
A. Fase 1: Recolección de Datos 2) Momento de Pre Procesamiento
Esta fase está compuesta de tres momentos continuos de
estudio; se inicia con el proceso de interacción que requiere una El análisis automático de sentimientos se divide en dos
preparación preliminar de recursos y la captura de las principales enfoques: basados en conocimiento y en aprendizaje
características del usuario; pasamos luego al procesamiento (con automático. En 1995 Picard[10] expone que los coumputadores
o sin Machine Learning), que para su estandarización (en los casos están iniciando a adquirir habilidades para expresar y reconocer
de requerirlo) se sugiere la metodologías CRISP-DM; los afectos, y que pronto tendrán la habilidad de mostrar emociones,
resultados son obtenidos bajo un formato estándar, organizados en siendo ahora una tecnología emergente desde HCI.
ventanas de tiempo/emociones y modelos matemáticos
correspondientes (ver Fig1). El formato estándar permite la
posterior correlación entre la variedad de insumos de entrada
generados.
AGRADECIMIENTO
Figura 4. Resultados para curva ROC desde datos Este trabajo cuenta con la ayuda de Fundación Carolina de
de Sensor 1 (HR) España, a través de beca doctoral 2014 asignada a Pablo Torres-
Carrión. Los autores agradecen al grupo de investigación ITED de
la ULL y al grupo de investigación i+IPC de la UTPL
El momento de interacción requiere una fase previa de
planificación (no expuesta en este trabajo) para la preparación
del escenario, recursos didácticos de interacción (Tango:H
Designer), configuración y calibración de sensores para REFERENCIAS
captura de datos, configuración de sistema de [1] R. Buck, M. Khan, M. Fagan, and E. Coman, “The User Affective
interacción(Tango:H cliente) para características de usuario, Experience Scale (UAX): A Measure of Emotions Anticipated in
y adecuación de los sistemas de almacenamiento de Response to Pop-Up Computer Warnings,” Int. J. Human–Computer
información. Las fuentes de entrada de datos consideradas son Interact., p. null-null, Apr. 2017.
dos: sensor de lectura de gestos corporales (desde MS Kinect [2] V. Navarro, C. S. Gonzalez, J. M. del Castillo, C. Quirce, and M.
u otro con similares características) y sensor de ritmo Cairós, “Un programa integrado juego motor-videojuego activo para
cardiaco. El modelo planteado es incremental, siendo posible desarrollar hábitos saludables,” in II Simposio Internacional de Políticas
Educativas y Buenas Prácticas TIC, 2013.
agregar fuentes de data para el análisis, si en el momento 2
(Pre-Process) se extiende una técnica para transformar la data [3] L. Johnson, S. Becker, V. Estrada, and A. Freeman, “NMC Horizon
en un conjunto de emociones. Report: 2015 K-12 Edition,” Austin, TX, 2015.
[4] P. Ekman, “Basic Emotions,” in Handbook of cognition and
IV. CONCLUSIONES emotion,
T. Dalgleish and M. Power, Eds. Sussex: John Wiley & Sons Ltd., 1999,
Se presenta un enfoque de UAX aplicable al análisis de pp. 45–60.
emociones durante la interacción gestual en un aula de clase
[5] P. M. Niedenthal, S. Krauth-Gruber, and F. Ric, Psychology of
con recursos didácticos gamificados. La aplicabilidad es emotion: Interpersonal, experiential, and cognitive approaches.
general, sin embargo la data analizada a modo de prueba Psychology Press, 2006.
general ha sido relacionada a un sensor de ritmo cardiaco, que
[6] J. Panksepp, Affective neuroscience: The foundations of human and
siguiendo la metodología de CRISP-DM ha permito obtener animal emotions. Oxford university press, 2004.
como resultado un gráfico donde se detalla la variación de
[7] C. E. Izard, The psychology of emotions. Springer Science &
cada una de las 6 emociones básicas de Ekman en ventanas
Business Media, 1991.
de tiempo relacionadas a cada una de las actividades
realizadas por el estudiante. Se puede realizar un análisis [8] P. Shaver, J. Schwartz, D. Kirson, and C. O’connor, “Emotion
visual del estado emocional durante toda la sesión. La knowledge: further exploration of a prototype approach.,” J. Pers.
Soc. Psychol., vol. 52, no. 6, p. 1061, 1987.
metodología para el tratamiento de los datos puede variar a
una más sencilla como KDD propuesta por Fayyad en 1995 [9] C. Harmon-Jones, B. Bastian, and E. Harmon-Jones, “The Discrete
compuesta de 5 fases; o SEMMA (Sample, Explore, Modify, Emotions Questionnaire: A New Tool for Measuring State
SelfReported Emotions,” PLoS One, vol. 11, no. 8, p. e0159915,
Model, Assess) del
2016.
Instituto SAS.
[10] R. W. Picard, “Affective Computing,” no. 321, pp. 1–16, 1995.
La curva ROC aplicada de forma individual a la data
obtenida de un algoritmo y datos del sensor en ventanas de [11] F. Zhou, B. Lei, Y. Liu, and R. J. Jiao, “Affective parameter shaping
tiempo de una sesión, permite en primer momento realizar un in user experience prospect evaluation based on hierarchical
Bayesian estimation,” Expert Syst. Appl., vol. 78, pp. 1–15, Jul.
análisis de la sensibilidad y especificidad del algoritmo con
2017.
las seis emociones básicas. Aunque en el documento no se