Diseño de interfaz usando visión artificial para fines de percepción de indicadores de interés para ambientes de enseñanza virtual en la población universitaria

Enderson Ortega Guillina; Oscar Manuel Duque Suarez

doi:10.61799/2216-0388.250

PDF

HTML

Diseño de interfaz usando visión artificial para fines de percepción de indicadores de interés para ambientes de enseñanza virtual en la población universitaria

Enderson Ortega Guillina

Universidad de Pamplona

Oscar Manuel Duque Suarez

Universidad de Pamplona

DOI: https://doi.org/10.61799/2216-0388.250

Publicado

2018-01-01

Número

Vol. 8 Núm. 15 (2018)

Sección

Articulos

Licencia

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.

Cómo citar

[1]

Ortega Guillina, E. y Duque Suarez, O.M. 2018. Diseño de interfaz usando visión artificial para fines de percepción de indicadores de interés para ambientes de enseñanza virtual en la población universitaria. Mundo FESC. 8, 15 (ene. 2018), 31–40. DOI:https://doi.org/10.61799/2216-0388.250.

Descargar cita

Dimensions Metrics

https://plu.mx/plum/a/?doi=10.61799/2216-0388.250

Design, artificial vision, perception, indicators of interest

El presente artículo describe el diseño de un sistema de percepción mediante visión artificial para fines de determinación de indicadores de interés para ambientes de enseñanza virtuales, para medir el interés o asegurarse que el usuario está percibiendo lo proyectado a través de la pantalla o interfaz del sistema. Los criterios de diseño se definieron con base en las características del rostro (reconocimiento de emociones) del usuario, posterior a ello programó el sistema por medio de herramientas y librerías como OpenCV, Python y Dlib los cuales cuentan con una función para la ubicación de los puntos del contorno del rostro de una persona, se determinan los valores de los umbrales tanto para los ojos como para la boca del usuario y se valida el sistema a través de pruebas con 10 usuarios seleccionados, ponderando la mirada y gesticulación y tiempos de distracción y de atención. Los resultados obtenidos permiten evidenciar que el porcentaje de atención promedio de los usuarios fue de 50.68% y el porcentaje de distracción 49,32%. El sistema permite medir a
través del reconocimiento facial el interés o distracción de un estudiante universitario en ambientes virtuales de aprendizaje.

M. García, “Percepción, Atención y Memoria”. [En línea]. Disponible: http://www4.ujaen.es/~mrgarcia/Tema1PAM.pdf. [Accedido: 04-ju1-2017]

A. Ruíz, “Sistemas de percepción y visión por computador”. Universidad de Murcia, 2015.

A. Ruiz-García, Sistemas de percepción y visión por computador, Departamento de Informática y Sistemas, Facultad de Informática, Universidad de Murcia, 2015.

Carol Dweck. Universidad de Stanford 2014. Academic Tenacity, Mindsets and Skills that Promote Long-Term Learning

N. Mendoza. (2016, May 10). Ed100, Qué motiva a los estudiantes.

E. Galvis-Restrepo, “Diseño de un robot localizador de objetos”, Respuestas, vol. 5, no. 1, pp. 11-15, 2000. DOI: https://doi.org/10.22463/0122820X.609

Cognex. “Introduction to machine vision”. A guide to automating process & quality improvements, 2016.

Open CV, 2017. [Online]. Available: https://opencv.org/ [Accessed: 04-ju1-2017]

DirkThomas, Dirk Thomas (OSRF) The ROS build farm - what it can do for me, 2014.

ASUS Company, multinational computer hardware and consumer Electronics Company

M.A. Alvarez. (2003, Nov 19). Qué es Python. DesarrolloWeb.com, Compañía de desarrollo de software y hardware.

Dlib C++ Library. (2015). Qué es Python. DesarrolloWeb.com. Compañía de desarrollo de software y hardware.

C. Martel, 350 Letras. (2009, Jun 12). Duración de un parpadeo. DOI: https://doi.org/10.4074/S0013754509003012

Palabras clave:

Design, artificial vision, perception, indicators of interest

Resumen

Referencias