Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/123456789/6934| Título: | Detecção Automática de Emoções no Aprendizado de Algoritmos |
| Título(s) alternativo(s): | Automatic Emotion Detection in Algorithm Learning |
| Autor(es): | LIMA, Paulo Victor Borges Oliveira |
| Palavras-chave: | Inteligência Artificial; Deep Learning; Detecção de Emoções Artificial Intelligence; Deep Learning; Emotion Detection |
| Data do documento: | 27-Jul-2023 |
| Editor: | UFMA |
| Resumo: | O aprendizado baseado em problemas é uma metodologia vista recorrentemente na literatura para o ensino de algoritmos e estruturas de dados. Há inúmeras plataformas de juízes online disponíveis, onde o aluno resolve problemas computacionais e seus códigos são corrigidos automaticamente comparando se a resposta de saída condiz com o gabarito esperado para aquele problema. Apesar da popularidade, há poucos trabalhos que associam o emprego de técnicas de detecção de emoções como ferramenta de diagnóstico para avaliar a qualidade desses problemas, conduzindo a uma análise mais específica sobre os sucessos, frustrações e alegrias de alunos nessa tarefa. Neste artigo é apresentada uma técnica que define uma linha temporal descrevendo o passo-a-passo de um aluno ao resolver um problema computacional, criando anotações sobre os instantes de tempo em que sentimentos foram percebidos em todas essas etapas, desde a leitura do problema, até a codificação e envio da resposta do juiz online. Nesse contexto, uma contribuição deste artigo é o desenvolvimento de uma API para detecção de emoções em expressões faciais, utilizando técnicas de Deep Learning e redes neurais convolucionais. A API é acessível e escalável via endpoints HTTP e permite a integração fácil em aplicações de terceiros. Os primeiros resultados mostram que a detecção de emoções em tempo real pode ser uma ferramenta valiosa para melhorar a experiência do usuário em plataformas de juízes online. A técnica permite estratificar o diagnóstico dos problemas, analisando se há presença ou predominância de sentimentos indesejáveis em qualquer uma das etapas, seja ela de leitura, codificação ou submissão da solução. |
| Descrição: | Problem-based learning is a methodology seen repeatedly in the literature for teaching algorithms and data structures. There are numerous online judge platforms available, where the student solves computational problems and their codes are automatically corrected by comparing whether the output response matches the expected feedback for that problem. Despite its popularity, there are few works that associate the use of emotion detection techniques as a diagnostic tool to assess the quality of these problems, leading to a more specific analysis of the successes, frustrations and joys of students in this task. This article presents a technique that defines a timeline describing the step-by-step of a student when solving a computational problem, creating notes about the instants of time in which feelings were perceived in all these stages, from reading the problem, to coding and sending the judge’s response online. In this context, a contribution of this article is the development of an API for detecting emotions in facial expressions, using Deep Learning techniques and convolutional neural networks. The API is accessible and scalable via HTTP endpoints and allows for easy integration into third-party applications. The first results show that real-time emotion detection can be a valuable tool to improve the user experience on online judge platforms. The technique makes it possible to stratify the diagnosis of problems, analyzing whether there is a presence or predominance of undesirable feelings in any of the stages, be it reading, coding or submission of the solution. |
| URI: | http://hdl.handle.net/123456789/6934 |
| Aparece nas coleções: | TCCs de Graduação em Ciência da Computação do Campus do Bacanga |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| Paulo Victor Borges Oliveira Lima.pdf | TCC de Graduação | 705,63 kB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.