Presentacin de PowerPoint

1Culiacn Sinaloa, Diciembre del 2014Integrantes:LSI. Francisco Gnzalez HrnandezISC. Ral Oramas Bustillos

Asesor:Dr. Ramn Zatarain Cabada.Ambiente Inteligente de Aprendizaje para Aprender Programacin con Java.Instituto Tecnolgico de Culiacn

1

Contenido2El Agente Pedaggico.Example-Tracing Afectivo.Sistemas Lgicos Difusos para decidir Intervencin del Agente.Reconocimiento de Emociones no Intrusivo.Perfil del Usuario.Tecnologas Implementadas.Video de Demostracin.Referencias.

El Agente Pedaggico - Los Sistemas Afectivos3Segn Picard en la Computacin Afectiva [1] tenemos dos tipos de sistemas:Sistemas que reconocen las emociones humanasSistemas que expresan algo que los humanos lo perciben como una emocin.

Por ello, algunos investigadores se han dado a la tarea de implementar las mejores de un agente pedaggico. El cual expresara emociones que el humano entienda

Ej. Autotutor [2] de Sidney DMello y autores como Atkinson [3] y Graesser [4].

4En presentaciones anteriores, se decidi un framework emocional basado en el sistema Autotutor [4].

El Agente Pedaggico - Framework EmocionalModelo del EstudianteAcciones del TutorEmocin Actual: Neutral, Alegre, Enojado, Frustracin.Retroalimentacin: Positiva, Neutral, Negativa.Emocin Previa: Neutral, Alegre, Enojado, Frustracin.Respuestas empticas y motivacionales.Habilidad Global del Estudiante: Alta o BajaAccin del siguiente Dialogo: Consejo, Recurso, Respuesta, Cambio de EjercicioCalidad de la Respuesta Actual: Alta o BajaExpresin Facial del Agente Pedaggico: Sorprendido, Encantado, Compasivo, Esceptico

Crear tabla (diapositiva nueva) de lo que voy a tomar para el tutor.4

El Agente Pedaggico - Emociones5

EncantadoSorprendidoEscpticoNeutralCon todo esto nos dimos a la tarea de implementar un agente pedaggico el cual exprese las emociones del framework emocional.

Se utilizo el software FaceGen Modeller en el cual basta con manejar algunos parmetros para la ubicacin de algunas partes del rostro (cejas, boca, apertura de ojos).

Example-Tracing Afectivo6De los tipos de STI que haban disponible se eligi el example-tracing. Estos proveen una gua paso a paso de problemas y reconocen mltiples estrategias que el estudiante realice [6].

La representacin de la resolucin de problemas se da por medio de un grafo.

Nuestro diseo incluira como novedad la parte afectiva. Cada nodo dentro del grafo incluira informacin que posteriormente el agente pedaggico usara.

Example-Tracing Afectivo - Diseo7

Example-Tracing Afectivo Implementacin del Comportamiento8El sistema carga el archivo JSON correspondiente al problema seleccionado.Del archivo se crea un tree-tracing. El cual servir para recorrer el grafo [7].Del tree-tracing se carga el paso inicial.De acuerdo a los click del usuario, se pasa a un tipo de paso, los tipos son:Paso InicialPaso ErrneoPaso OptimoPaso SubOptimoPaso Final OptimoPaso Final SubOptimoCada paso dispara dos eventos:Evaluacin de Emocin Actual.Evaluacin de la Acciones del Tutor.

Example-Tracing Afectivo Implementacin del Comportamiento9

Example-Tracing Afectivo Implementacin del Comportamiento10

Example-Tracing Afectivo Implementacin emocional.11

Cuando el agente pedaggico recibe las instrucciones de intervencin toma esos datos del Tree-Tracing (mostrado debajo como el nodo textoEmocional del archivo JSON).

Sistemas Lgicos Difusos para decidir Intervencin del Agente12La mayora de los tutores inteligentes se enfocan en el comportamiento reactivo de un agente [8]. Sin embargo dejar una serie de reglas pre definidas hacen que no se represente con precisin el comportamiento que tendra un tutor humano en la realidad.

Por esto se defini realizar distintos sistemas lgicos difusos. Ya que estos se utilizan en inteligencia artificial para representar la incertidumbre.

Sistemas Lgicos Difusos para decidir Intervencin del Agente13

Paso OptimoPaso ErrneoPor cada tipo de paso en el example-tracing se realizara un sistema lgico difuso. Esto debido a que un tutor no reacciona de la misma forma ante un error que ante una solucin optima.

Sistemas Lgicos Difusos para decidir Intervencin del Agente Uso en el Tutor14

Los valores devuelto por el sistema lgico difuso son los mencionados en el framework emocional. Retroalimentacin, Respuestas empticas y motivacionales, Accin del siguiente Dialogo y Expresin Facial del Agente Pedaggico. El contenido varia de acuerdo a la emocin que se evalu para la expresin Facial.

Expresin FacialRetroalimentacinRespuesta emptica y motivacionalAccin del siguiente dialogo (3 distintas).

Reconocimiento de Emociones No Intrusivo.15Para que un sistema computacional pueda manejar las emociones tiene que reconocerlas [1]. Existen diferentes tcnicas para lograr esto. Las mas actuales son las multimodales (varios medios de comunicacin) [9].

La tcnica utilizada es la de deteccin de patrones por medio de una red neuronal que clasifique ciertas coordenadas versus un corpus de rostros faciales con distintas emociones.

La diferencia ahora es que la deteccin de emociones ser de manera no intrusiva. Esto quiere decir que el usuario no ser interrumpido para dicho proceso [10].

Reconocimiento de Emociones No Intrusivo Diseo e Implementacin16El navegador solicita permisos para usar la cmara.Al momento de inicializar un ejercicio, el navegador inicia a tomar una cantidad de fotos y cada cierto tiempo de acuerdo a la configuracin.

Reconocimiento de Emociones No Intrusivo Diseo e Implementacin17Cada foto es procesada en la red neuronal y se guarda en un listado de emociones.

Finalmente se toma la emocin que mas se repite y se enva al cliente.

Reconocimiento de Emociones No Intrusivo Diseo e Implementacin18Momento en que el sistema solicita los permisos para usar la cmara. Sera al inicio y se mantendr as mientras el navegador este abierto.

Perfil del Usuario19El EIA necesita tener datos sobre el usuario para actualizarse y mantener los intereses de el en el entorno.

Para esto se debe tener un perfil del usuario que debe irse actualizando constantemente con la interaccin que tiene en el EIA [11].

Perfil del Usuario20El perfil se manejara por medio de MongoDB. Los adelantos actuales son guardar los datos del login de facebook en la base de datos, as como la emocin actual.

Tecnologas Implementadas21Listado de Tecnologas Implementadas hasta el momento:

Video de Demostracin22

Referencias23[1]. Picard, R. W. (2000).Affective computing. MIT press.[2]. DMello, S., Picard, R., & Graesser, A. (2007). Towards an affect-sensitive autotutor.IEEE Intelligent Systems,22(4), 53-61.[3]. Atkinson, R. K. (2002). Optimizing learning from examples using animated pedagogical agents.Journal of Educational Psychology,94(2), 416.[4]. Graesser, A. C., VanLehn, K., Ros, C. P., Jordan, P. W., & Harter, D. (2001). Intelligent tutoring systems with conversational dialogue.AI magazine,22(4), 39.[5]. D Mello, S., et al. AutoTutor detects and responds to learners affective and cognitive states. in Workshop on Emotional and Cognitive Issues at the International Conference on Intelligent Tutoring Systems.2008.[6]. Aleven, V., Mclaren, B. M., Sewall, J., & Koedinger, K. R. (2009). A new paradigm for intelligent tutoring systems: Example-tracing tutors.International Journal of Artificial Intelligence in Education,19(2), 105-154.

Referencias24[7] Kumar, R. (2009). Comparison of Algorithms for Automatically Building Example-Tracing Tutor Models.Proceedings of the 7th International Conference on Educational Data Mining.[8] El-Nasr, M. S., Yen, J., & Ioerger, T. R. (2000). Flamefuzzy logic adaptive model of emotions.Autonomous Agents and Multi-agent systems,3(3), 219-257.[9] Kapoor, A., & Picard, R. W. (2005, November). Multimodal affect recognition in learning environments. InProceedings of the 13th annual ACM international conference on Multimedia(pp. 677-682). ACM.[10] Rachuri, K. K., Musolesi, M., Mascolo, C., Rentfrow, P. J., Longworth, C., & Aucinas, A. (2010, September). EmotionSense: a mobile phones based adaptive platform for experimental social psychology research. InProceedings of the 12th ACM international conference on Ubiquitous computing(pp. 281-290). ACM.

Referencias25[11] Brusilovsky, P., & Peylo, C. (2003). Adaptive and intelligent web-based educational systems.International Journal of Artificial Intelligence in Education,13(2), 159-172.