Revista: | Computación y Sistemas |
Base de datos: | PERIÓDICA |
Número de sistema: | 000456947 |
ISSN: | 1405-5546 |
Autores: | Hernández Pérez, Marco A1 Rosado Martínez, Emmanuel2 Menchaca Méndez, Rolando1 Menchaca Méndez, Ricardo1 Rivero Ángeles, Mario E1 González, Víctor M1 |
Instituciones: | 1Instituto Politécnico Nacional, Centro de Investigación en Computación, Ciudad de México. México 2Instituto Politécnico Nacional, Escuela Superior de Cómputo, Ciudad de México. México |
Año: | 2019 |
Periodo: | Oct-Dic |
Volumen: | 23 |
Número: | 4 |
Paginación: | 1199-1214 |
País: | México |
Idioma: | Español |
Tipo de documento: | Artículo |
Enfoque: | Aplicado, descriptivo |
Resumen en español | En este trabajo se presentan los resultados de un estudio donde se monitorizó la respuesta fisiológica de un conjunto de cincuenta estudiantes de nivel medio superior, durante su participación en un curso en línea. Por cada uno de los sujetos de prueba, se recolectaron series de tiempo obtenidas por medio de sensores de señales fisiológicas como actividad eléctrica cerebral, ritmo cardiaco, respuesta galvánica de la piel, temperatura corporal, entre otros. A partir de los primeros cuatro momentos estadísticos (media, varianza, asimetría y curtosis) de dichas series de tiempo, se entrenaron modelos de redes neuronales y máquinas de vector de soporte que demostraron ser efectivas para determinar el sexo del sujeto de prueba, el tipo de actividad que se encuentra realizando, su estilo de aprendizaje, así como si contaban o no con conocimientos previos acerca del contenido del curso. La importancia de estos resultados radica en que demuestran que las señales fisiológicas contienen información relevante acerca de las características de los estudiantes y que dicha información puede ser extraída y utilizada para mejorar la calidad de plataformas de educación en línea |
Resumen en inglés | In this work, we present the results of a stud} where we monitored the physiological response of a se of fifty high-school students during their participation in an online course. For each of the subjects, we recollected time-series obtained from sensors o physiological signals such as electrical cerebral activity heart rate, galvanic skin response, body temperature among others. From the first four moments (mean variance, skewness and kurtosis) of the time-series we trained Artificial Neural Network and Support Vecto Machine models that showed to be effective fo determining the gender of the subjects, as well as the type of activity they were performing, their learning style and whether they had previous knowledge about the course contents. These results show that the physiological signals contain relevant information abou the characteristics of a user of an online learning platform and that this information can be extracted to develop better online learning tools |
Disciplinas: | Ciencias de la computación |
Palabras clave: | Inteligencia artificial, Procesamiento de datos, Programación, Aprendizaje de máquinas, Electroencefalografía, Respuesta fisiológica, Educación en línea |
Keyword: | Artificial intelligence, Data processing, Programming, Machine learning, Electroencephalography, Physiological response, e-learning |
Texto completo: | Texto completo (Ver HTML) Texto completo (Ver PDF) |