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.
Please use this identifier to cite or link to this item:
http://dspace.utpl.edu.ec/jspui/handle/20.500.11962/27635| Title: | Modelo para detectar la atención de los estudiantes en un salón de clases basado en redes neuronales convolucionales |
| Authors: | Saavedra García, Diego Medardo |
| metadata.dc.contributor.advisor: | Cordero Zambrano, Jorge Marco |
| Keywords: | Redes neuronales. Inteligencia artificial. Magíster en ciencias y tecnologías de la computación.- |
| metadata.dc.date.available: | 2021-04-09T14:27:21Z |
| Issue Date: | 2021 |
| Citation: | 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. |
| Description: | 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 |
| Appears in Collections: | Magister en Ciencias y Tecnologías de la Computación |
Files in This Item:
| File | Size | Format | |
|---|---|---|---|
| 125598.pdf | 2.14 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.