Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.unach.edu.ec/handle/51000/15440
Título : | Aplicación móvil de análisis de sentimientos en tiempo real con IA para medir la interacción en tecnologías de la información. |
Autor : | Quintana López, Ximena Alexandra Guaylla Sagbay, Kevin Ramiro |
Palabras clave : | Análisis de sentimientos Inteligencia Artificial Interacción estudiantil Kanban |
Fecha de publicación : | 18-jun-2025 |
Editorial : | Riobamba |
Citación : | Guaylla S., Kevin R. (2025) Aplicación móvil de análisis de sentimientos en tiempo real con IA para medir la interacción en tecnologías de la información. (Tesis de grado) Universidad Nacional de Chimborazo. Riobamba, Ecuador. |
Resumen : | La presente investigación aborda el desafío que enfrentan los docentes para evaluar de manera objetiva y en tiempo real la interacción de los estudiantes durante el proceso de enseñanza-aprendizaje, especialmente en contextos con grupos numerosos o dinámicas aceleradas. El objetivo principal fue desarrollar una aplicación móvil basada en inteligencia artificial (IA) que permita realizar análisis de sentimientos en tiempo real mediante el reconocimiento facial, con el fin de medir la interacción estudiantil en la carrera de Ingeniería en Tecnologías de la Información. Para ello, se aplicó una metodología de tipo aplicada y experimental, utilizando técnicas de inteligencia artificial como OpenCV y DeepFace para el reconocimiento de emociones, y se desarrolló la aplicación con React Native bajo una arquitectura de microservicios. La gestión del proyecto se llevó a cabo con la metodología ágil Kanban, y se evaluó la usabilidad del sistema conforme a la norma ISO/IEC 25010, mediante encuestas aplicadas a docentes. La medición de la interacción se realizó analizando las emociones faciales de los estudiantes al inicio y al final de cada clase, clasificando los sentimientos detectados en categorías como felicidad, tristeza, enojo, miedo, sorpresa y neutralidad. A partir de estos datos, se construyeron gráficos comparativos que permitieron identificar variaciones emocionales. Se interpretó que emociones positivas (felicidad y sorpresa) reflejan una mayor implicación emocional y, por tanto, un mayor nivel de interacción; mientras que las emociones negativas o neutras sugieren desinterés o desconexión. Esta metodología permitió vincular directamente el estado emocional con la participación activa del estudiante. Los resultados demostraron que la aplicación fue capaz de detectar con precisión las emociones predominantes y evidenciar cambios significativos en los niveles de interacción antes y después de la clase. Más del 60% de los docentes participantes estuvieron totalmente de acuerdo con la utilidad, precisión y usabilidad de la herramienta. Se concluye que la aplicación desarrollada representa una solución innovadora para la medición objetiva de la participación estudiantil, y constituye una herramienta valiosa para docentes al ofrecer información emocional en tiempo real que puede ser utilizada para mejorar las estrategias pedagógicas. |
Descripción : | This research addresses the challenge educators face objectively and in real-time when evaluating student interaction during teaching-learning, especially in contexts involving large groups or fast-paced dynamics. The main objective was to develop a mobile application based on artificial intelligence (AI) capable of performing real-time sentiment analysis through facial recognition to measure student interaction in the Information Technology Engineering program. An applied and experimental methodology was employed, utilizing AI techniques such as OpenCV and DeepFace for emotion recognition. The application was developed using React Native under a microservices architecture. Project management followed the agile Kanban methodology, and the system's usability was evaluated according to the ISO/IEC 25010 standard through surveys administered to instructors. Student interaction was measured by analyzing facial emotions at the beginning and end of each class, classifying detected sentiments such as happiness, sadness, anger, fear, surprise, and neutrality. Based on this data, comparative charts were created to identify emotional variations. Positive emotions (happiness and surprise) were interpreted as indicators of stronger emotional engagement and, therefore, a higher level of interaction, while negative or neutral emotions suggested disinterest or disengagement. This methodology allowed for a direct link between emotional states and active student participation. The results demonstrated that the application could accurately detect predominant emotions and highlight significant changes in interaction levels before and after class. Over 60% of participating instructors strongly agreed with the tool's usefulness, accuracy, and usability. It is concluded that the developed application represents an innovative solution for objectively measuring student participation and provides a valuable tool for educators by offering real-time emotional insights that can enhance pedagogical strategies. |
URI : | http://dspace.unach.edu.ec/handle/51000/15440 |
ISSN : | UNACH-EC-FI-ITINF |
Aparece en las colecciones: | Ingeniería en Tecnologías de la Información |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
Guaylla S., Kevin R. (2025) Aplicación móvil de análisis de sentimientos en tiempo real con IA para medir la interacción en tecnologías de la información.pdf | 3,77 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.