Bienvenido al Repositorio Institucional de la UTPL (RiUTPL) que tiene como propósito centralizar los recursos educativos y objetos de aprendizaje generados por la comunidad académica;
este repositorio permitirá preservar, organizar y visibilizar la producción institucional
bajo la licencia Creative Commons 4.0.
Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.utpl.edu.ec/jspui/handle/20.500.11962/27635| Título : | Modelo para detectar la atención de los estudiantes en un salón de clases basado en redes neuronales convolucionales |
| Autor : | Saavedra García, Diego Medardo |
| metadata.dc.contributor.advisor: | Cordero Zambrano, Jorge Marco |
| Palabras clave : | Redes neuronales. Inteligencia artificial. Magíster en ciencias y tecnologías de la computación.- |
| metadata.dc.date.available: | 2021-04-09T14:27:21Z |
| Fecha de publicación : | 2021 |
| Citación : | Saavedra García, Diego Medardo. (2021). Modelo para detectar la atención de los estudiantes en un salón de clases basado en redes neuronales convolucionales. (Trabajo de Titulación de Magister en Ciencias y Tecnologías de la Computación ). UTPL, Loja. |
| Descripción : | Resumen: En esta investigación se emplearon técnicas de Visión Artificial (VA) utilizando una arquitectura de Red Neuronal Convolucional (RNC) para poder determinar los niveles de atención. La RNC crea un modelo de Inteligencia artificial (IA) que permite detectar la atención. Esta investigación se desarrolla con casos de estudio aislados, utilizando el sensor de la cámara del computador en tiempo real o a través de grabaciones en video. Se implementa la metodología SCRUM, así como diversas herramientas para la creación de RNC y sus diferentes etapas de clasificación, preentrenamiento, entrenamiento, compilación, almacenamiento, evaluación, pruebas y experimentación. Los resultados permiten observar que el modelo de IA alcanza un aprendizaje superior al 90%,si el reconocimiento facial supera el 0.5% de detección del rostro. El modelo de IA alcanza una confiabilidad de 99.64% para la detección de atención y 64.26% para la detección de inatención. Finalmente, este modelo podría permitirá las autoridades educativas en distintos niveles a tomar mejores decisiones respecto a las clases que se imparten en las aulas de forma presencial o virtual. |
| metadata.dc.identifier.other: | 1346974 |
| URI : | http://dspace.utpl.edu.ec/handle/20.500.11962/27635 |
| metadata.dc.type: | bachelorThesis |
| Aparece en las colecciones: | Magister en Ciencias y Tecnologías de la Computación |
Ficheros en este ítem:
| Fichero | Tamaño | Formato | |
|---|---|---|---|
| 125598.pdf | 2.14 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.