Se centra en el desarrollo de una herramienta tecnológica que utiliza técnicas de inteligencia artificial y análisis de datos para identificar y comprender las emociones expresadas en vídeos con contenido educativo.
Nombre: Adrián Solis Ruiz
Numero de control: 20210641
Carrera: Ing. en Sistemas Computacionales
Materia: Patrones de diseño de Software
En el ámbito educativo, la integración de la tecnología ha transformado radicalmente la forma en que se enseña y se aprende. Entre las herramientas más innovadoras se encuentra el Sistema de Detección de Emociones en Vídeos Educativos, una aplicación de vanguardia que utiliza técnicas de inteligencia artificial y análisis de datos para comprender las respuestas emocionales que muestra el contenido audiovisual educativo. Este sistema no solo ofrece la posibilidad de personalizar la experiencia de aprendizaje según las emociones detectadas, sino que también abre nuevas oportunidades para investigar cómo las emociones influyen en el proceso educativo.
Desarrollar un Sistema de Detección de Emociones en Vídeos Educativos capaz de identificar y comprender las respuestas emocionales en el contenido educativo en formato de vídeo para asi mejorar la experiencia de aprendizaje.
- Identificación de las emociones (alegria, tristeza, enojo, etc).
- Identificar emociones específicas relacionadas con el tema del video.
- Diseño de una solución intuitiva y fácil de usar para los profesores y otros educadores, que les permita comprender las reacciones emocionales de los estudiantes ante los vídeos educativos sin necesidad de conocimientos técnicos especializados.
- Alineación entre las emociones y el contenido del video.
- Claridad e intensidad de las emociones.
- La detección de emociones a través de medios digitales puede no ser siempre precisa. Los algoritmos pueden tener dificultades para interpretar correctamente las expresiones faciales o el tono de voz, lo que puede llevar a interpretaciones erróneas de las emociones.
- Los algoritmos pueden tener sesgos involuntarios, reflejando los sesgos presentes en los datos con los que fueron entrenados.
- Requiere de una gran cantidad de datos para entrenar los algoritmos, lo que puede ser costoso y complejo de obtener.
- Interferencias externas: Factores externos como el ruido ambiental, la calidad del vídeo o la presencia de otras personas pueden afectar la capacidad del sistema para detectar y analizar las emociones de manera precisa.
1.- Python:
- Es un lenguaje versátil y ampliamente utilizado para la inteligencia artificial.
- Cuenta con una amplia biblioteca de herramientas para el procesamiento de imágenes, análisis de video y aprendizaje automático.
- Es relativamente fácil de aprender y usar, lo que lo hace ideal para principiantes.
2.- Java:
- Es un lenguaje robusto y escalable, adecuado para proyectos de gran tamaño.
- Ofrece un buen rendimiento y es compatible con una amplia gama de plataformas.
- Cuenta con una gran comunidad de desarrolladores y una amplia variedad de recursos disponibles.
- Asegurar que el sistema es capaz de detectar emociones en personas de diferentes culturas, etnias y edades.
- Evitar sesgos en la recopilación de datos y el entrenamiento del modelo.
- Promover un diálogo abierto sobre los beneficios y riesgos de la tecnología de detección de emociones.