lunes, 9 de julio de 2012

Emocional Analisis
                        Actualmente han cobrado relevancia las teorías que hacen notar la importancia de las emociones en el aprendizaje. McGaugh y su discípulo Larry Cahill,  indican con claridad cómo las emociones, hasta las más habituales y cotidianas, se asocian a mejor memoria y a mayor capacidad de aprendizaje (Menecier, 2010) . En efecto, la emoción y el aprendizaje están muy relacionados: Por una parte, la emoción es un medio importante para promover el aprendizaje y, por otra, influyen de una manera decisiva en el desarrollo de la afectividad  en cada alumno, por eso, los modernos enfoques cognitivos del aprendizaje han considerado a la emoción como uno de los constructos a tomar en cuenta para comprender  los procesos de aprendizaje.

                        En el proceso de aprendizaje, las emociones aparecen en los procesos de interacción y adaptación, y en ellos, surgen las emociones primordiales, propias del proceso de supervivencia del ser humano: rabia, miedo, tristeza y alegría (Herrera, 2008). Las emociones son muy importantes al momento de explicar o interpretar el comportamiento humano pero son muy difíciles de definir en un contexto computacional. Emociones como  aburrimiento, compromiso, confusión, frustración pueden ser detectadas en un proceso de enseñanza aprendizaje, analizando imágenes de vídeo, el lenguaje utilizado por el estudiante, comportamientos en la clase, etc., (Mello, y otros, 2010).

Para representar a las emociones se han desarrollado ontologías que permiten identificar su aparecimiento en el proceso de aprendizaje.  Lógicamente estas se basan (o son una mezcla) de ontologías que representan el conocimiento en interpretación del lenguaje, comportamiento humano basado en algoritmos de visión artificial, etc.  Pero, obtener soluciones que permitan tomar en cuenta aspectos de las emociones humanas, siempre se ha constituido en un problema, debido a la gran cantidad de modelos de emociones y su complejidad.  Una de las soluciones que se ha desarrollado para representar las emociones es la de representar en una ontología la descripción de las mismas, en donde  se contempla el aparecimiento de las emociones en el comportamiento humano, descrito mediante el análisis facial, de gestos y del lenguaje (Lopez, Gil, Garcia, Cearreta, & Garay, 2008). 

La asignación de etiquetas a los textos que indique si lo que expresan es positivo, negativo o neutro, forman parte de las nuevas investigaciones relacionadas a detectar las emociones en los estudiantes.  La marcación afectiva es un importante paso que tiene aplicación en diversas áreas. Por ejemplo, la marcación afectiva podrá prestar atención a las respuestas afectivas de los usuarios en la comunicación hombre-máquina y detectar cuando se encuentra frustrado para poder ayudarle. En la educación, la marcación afectiva ayudar a al sistema a detectar las emociones de sus alumnos y responder de forma diferente dependiendo del estado anímico de estos (Martin, 2008).

A través de redes neuronales, es posible clasificar las emociones humanas con una precisión del 77% (Sun , 2003).  Allí, la novedad es que en vez de empíricamente seleccionar los parámetros de la red neuronal, es decir, la tasa de aprendizaje, activación de la función parámetro, impulso número, el número de nodos en una capa, etc., se  ha  desarrollado un estrategia que puede automáticamente seleccionar relativamente mejor combinación de éstos parámetros.

Las "expresiones faciales universales" representan las emociones de alegría, tristeza, ira, miedo, sorpresa y disgusto. El estudio de las  expresiones faciales  en las diferentes culturas, incluyendo las culturas ágrafas, y encontró muchos puntos en común en la expresión y el reconocimiento de las emociones en la cara. Sin embargo, se observó  diferencias en las expresiones, así y propuso un modelo en el que el facial expresiones se rigen por reglas "pantalla" en diferentes contextos sociales. Por ejemplo, los sujetos japoneses y americanos sujetos mostraron similares expresiones faciales mientras ven una película. Sin embargo, en presencia de autoridades, los espectadores japoneses eran más reacios a mostrar sus expresiones reales y los bebés parecen exhibir una amplia gama de expresiones faciales, sin ser enseñadas, lo que sugiere que estas expresiones son innatas (Sun , 2003).
(Mase, 1991) utilizó métodos  óptica para reconocer las expresiones faciales (Lanitis, Taylor, & Cootes, 1995) utilizó el modelo de la apariencia de la imagen para la identificación de personas,  por medio del cual se obtuvo  el reconocimiento de género, y la expresión facial.  (Azcarate, Hageloh, Sande, & Valenti, 2007) se presenta un sistema de reconocimiento emociones a través de expresiones faciales que aparecen en  secuencias de vídeo. Allí, el sistema se basa en el algoritmo Piecewise B´ezier Volume Deformation tracker con el cual se obtuvo una que una buena clasificación resultados

No hay comentarios: