Asistente virtual para el aula basado en estilos de aprendizaje utilizando herramientas de reconocimiento.

AVREA (Asistente Virtual para el Reconocimiento de Estilos de Aprendizaje) es una herramienta que apoya a los docentes de básica primaria en la orientación personalizada de los estudiantes según sus estilos de aprendizaje. Basado en las teorías de Honey y Alonso (1994) y Fleming y Mills (1992), util...

Full description

Autores:
Carreño Gómez, Carlos David
López Murcia, Erick Mauricio
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Universidad Pedagógica Nacional
Repositorio:
Repositorio Institucional UPN
Idioma:
spa
OAI Identifier:
oai:repository.pedagogica.edu.co:20.500.12209/20547
Acceso en línea:
http://hdl.handle.net/20.500.12209/20547
Palabra clave:
Estilos de aprendizaje
Machine learning
Cuestionario CHAEA
Cuestionario VARK
Reconocimiento de emociones
Learning styles
Machine learning
CHAEA questionnaire
VARK questionnaire
Emotion recognition
Rights
openAccess
License
https://creativecommons.org/licenses/by-nc-nd/4.0/
id RPEDAGO2_5dca346c8d8e9c5b7ca96b435c1ba93e
oai_identifier_str oai:repository.pedagogica.edu.co:20.500.12209/20547
network_acronym_str RPEDAGO2
network_name_str Repositorio Institucional UPN
repository_id_str
dc.title.spa.fl_str_mv Asistente virtual para el aula basado en estilos de aprendizaje utilizando herramientas de reconocimiento.
title Asistente virtual para el aula basado en estilos de aprendizaje utilizando herramientas de reconocimiento.
spellingShingle Asistente virtual para el aula basado en estilos de aprendizaje utilizando herramientas de reconocimiento.
Estilos de aprendizaje
Machine learning
Cuestionario CHAEA
Cuestionario VARK
Reconocimiento de emociones
Learning styles
Machine learning
CHAEA questionnaire
VARK questionnaire
Emotion recognition
title_short Asistente virtual para el aula basado en estilos de aprendizaje utilizando herramientas de reconocimiento.
title_full Asistente virtual para el aula basado en estilos de aprendizaje utilizando herramientas de reconocimiento.
title_fullStr Asistente virtual para el aula basado en estilos de aprendizaje utilizando herramientas de reconocimiento.
title_full_unstemmed Asistente virtual para el aula basado en estilos de aprendizaje utilizando herramientas de reconocimiento.
title_sort Asistente virtual para el aula basado en estilos de aprendizaje utilizando herramientas de reconocimiento.
dc.creator.fl_str_mv Carreño Gómez, Carlos David
López Murcia, Erick Mauricio
dc.contributor.advisor.spa.fl_str_mv Martínez Vásquez, David Alejandro
dc.contributor.author.none.fl_str_mv Carreño Gómez, Carlos David
López Murcia, Erick Mauricio
dc.subject.spa.fl_str_mv Estilos de aprendizaje
Machine learning
Cuestionario CHAEA
Cuestionario VARK
Reconocimiento de emociones
topic Estilos de aprendizaje
Machine learning
Cuestionario CHAEA
Cuestionario VARK
Reconocimiento de emociones
Learning styles
Machine learning
CHAEA questionnaire
VARK questionnaire
Emotion recognition
dc.subject.keywords.eng.fl_str_mv Learning styles
Machine learning
CHAEA questionnaire
VARK questionnaire
Emotion recognition
description AVREA (Asistente Virtual para el Reconocimiento de Estilos de Aprendizaje) es una herramienta que apoya a los docentes de básica primaria en la orientación personalizada de los estudiantes según sus estilos de aprendizaje. Basado en las teorías de Honey y Alonso (1994) y Fleming y Mills (1992), utiliza los cuestionarios CHAEA y VARK para identificar estilos de aprendizaje y un sistema de reconocimiento facial para identificar emociones como felicidad, tristeza, neutralidad, sorpresa y enojo. La plataforma ofrece actividades adaptadas a los estilos identificados y almacena datos relevantes de los estudiantes. Los resultados identifican patrones en los estilos de aprendizaje y emociones, permitiendo a los docentes personalizar métodos educativos para optimizar el rendimiento y el bienestar emocional de los alumnos.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2024-12-17T19:09:24Z
dc.date.available.none.fl_str_mv 2024-12-17T19:09:24Z
dc.date.issued.none.fl_str_mv 2024
dc.type.spa.fl_str_mv info:eu-repo/semantics/bachelorThesis
dc.type.local.spa.fl_str_mv Tesis/Trabajo de grado - Monografía - Pregrado
dc.type.coar.eng.fl_str_mv http://purl.org/coar/resource_type/c_7a1f
dc.type.driver.eng.fl_str_mv info:eu-repo/semantics/bachelorThesis
format http://purl.org/coar/resource_type/c_7a1f
dc.identifier.uri.none.fl_str_mv http://hdl.handle.net/20.500.12209/20547
dc.identifier.instname.spa.fl_str_mv instname:Universidad Pedagógica Nacional
dc.identifier.reponame.spa.fl_str_mv reponame:Repositorio Institucional de la Universidad Pedagógica Nacional
dc.identifier.repourl.none.fl_str_mv repourl: http://repositorio.pedagogica.edu.co/
url http://hdl.handle.net/20.500.12209/20547
identifier_str_mv instname:Universidad Pedagógica Nacional
reponame:Repositorio Institucional de la Universidad Pedagógica Nacional
repourl: http://repositorio.pedagogica.edu.co/
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.spa.fl_str_mv Abadi, M., Barham, P., Chen, J., Chen, Z., Davis, A., Dean, J., ... & Zheng, X. (2016). TensorFlow: A system for large-scale machine learning. 12th {USENIX} Symposium on Operating Systems Design and Implementation (OSDI} 16), 265-283
Accom, (2024) ¿Qué es un asistente virtual? Accom Agencia digital de ventas. https://www.we-accom.com/tendencias/que-es-un-asistentevirtual/#:~:text=Un%20asistente%20virtual%20puede%20ser,y%20están%20en%2 0continua%20evolución
Aguilar Mejía, J. R. (2022) Uso de asistente virtual para el aprendizaje de temas selectos de la física (Tesis de maestría). Tecnológico de Monterrey, México. https://repositorio.tec.mx/handle/11285/636395
Arturo Castro, V. (2013). Enseñanza de tecnologías de la información y comunicación mediante el uso de herramientas virtuales en una institución de nivel superior no universitario
Bashyal, S., & Venayagamoorthy, G. K. (2008). Recognition of facial expressions using Gabor wavelets and learning vector quantization. Engineering Applications of Artificial Intelligence, 21(7), 1056-1064
Bethel University Online. (s. f.). The Importance of Small Class Sizes in Education. Recuperado de https://online.betheluniversity.edu/articles/small-class-sizes-ineducation
Blanco (2023). Chat Bot: Asistentes Virtuales en la Educación. Up Informa diario digital. https://upinforma.com/nuevo/info.php?cat=opinion&id=1307
Bradski, G., & Kaehler, A. (2008). Learning OpenCV: Computer vision with the OpenCV library. O'Reilly Media, Inc
Brownlee, J. (2019). Deep learning for computer vision: Image classification, object detection, and face recognition in Python with Keras, PyTorch, and TensorFlow. Machine Learning Mastery
Cabero, J., & Marín, V. (2019). Las TIC en la educación y su impacto en los estilos de aprendizaje. Revista de Educación y Tecnología, 23(1), 45-62
Calderón Angulo, JA, & Rosales Chalen, AD (2024). estilo de aprendizaje VARK y su influencia en el rendimiento académico de los estudiantes de la carrera de pedagogía de la actividad física y deporte de la universidad técnica de Babahoyo, periodo académico octubre 2023 - marzo 2024 http://dspace.utb.edu.ec/handle/49000/16262
Campaña, L., Castro, M., Guerrero, L., & Hernández, A. (2018). Utilización de software libre. Atlante Cuadernos de Educación y Desarrollo. Revista: Atlante (marzo). https://www.eumed.net/rev/atlante/2018/03/software-libre-geometria.html
Casos-Gerónimo, E. R., Romero-Rodríguez, F. R., & Cieza-Mostacero, S. E. (2022). Asistente Virtual para Mejorar el Aprendizaje en Anatomía en los grados 5to y 6to de primaria en una Institución Educativa de Trujillo. En Memorias de la Vigésima Primera Conferencia Iberoamericana en Sistemas, Cibernética e Informática (CISCI 2022) (pp. 146-151). https://doi.org/10.54808/CISCI2022.01.146
Chollet, F. (2015). Keras. GitHub. https://github.com/fchollet/keras
Cira Thania, P. M., Quispe-Paiva , M., Carhuas-Arzapalo, I. A., & Ríos-Cataño , C. (2021). Estilos de aprendizaje en estudiantes universitarios: una revisión descriptiva de la literatura. Desafíos, 12(2), 144–151. https://doi.org/10.37711/desafios.2021.12.2.345
Corvalán Cantero, J. A., Gómez Giménez, R. E., & Arrua Ginés, J. L. (2022). Automatización del hogar mediante asistente virtual en placa computadora simple. FPUNE Scientific, (16). http://servicios.fpune.edu.py:83/fpunescientific/index.php/fpunescientific/article/vie w/231
Pérez, M., Villalonga, P., Guillén, J., & Baños, J. (2020). La integración de las TIC en el aula: Un derecho para el alumnado y una necesidad para el profesorado. Revista Iberoamericana de Tecnología Educativa, 15(3), 27-38
Déniz, O., Bueno, G., Salido, J., & De la Torre, M. (2011). Face recognition using Histograms of Oriented Gradients. Pattern Recognition Letters, 32(12), 1598-1603
Django Software Foundation. (s.f). Meet Django. Recuperado el 12 de Julio de 2024, de https ://www .djangoproject .com/
Django Software Foundation. (s.f.). Models | Django documentation. Recuperado el 12 de Julio de 2024, de https://docs.djangoproject.com/en/stable/topics/db/models/
Django Software Foundation. (s.f.). Templates | Django documentation. Recuperado el 12 de Julio de 2024, de https://docs.djangoproject.com/en/stable/topics/templates/
Django Software Foundation. (s.f.). The Django admin site | Django documentation. Recuperado el 12 de Julio de 2024, de https://docs.djangoproject.com/en/stable/ref/contrib/admin/
Django Software Foundation. (s.f.). Views | Django documentation. Recuperado el 12 de Julio de 2024, de https://docs.djangoproject.com/en/stable/topics/http/views/
Entrena, S., & Javier, R. (2012). Face detection in C
Figueroa, M. Á. H., Báez, R. G. V., & Rangel, J. O. C. (2020). Propuesta de asistente virtual basado en inteligencia artificial en la integración de un brazo robótico para aplicaciones en la industria 4.0. Research in Computing Science, 149(8), 353-364. https://rcs.cic.ipn.mx/rcs/2020_149_8/Propuesta%20de%20asistente%20virtual%20 basado%20en%20inteligencia%20artificial%20en%20la%20integracion.pdf
Fleming, N., & Mills, C. (1992). Not Another Inventory, Rather a Catalyst for Reflection. To Improve the Academy, 11, 137-155
Fleming, Neil D. (2001). Teaching and Learning Styles: VARK Strategies, Editorial Christchurch, Nueva Zelanda
GeeksforGeeks. (2023,). Python Web Development - Django. GeeksforGeeks. Recuperado el 17 de noviembre de 2024, de https://www.geeksforgeeks.org/pythonweb-development-django/
Gil Vera, V. D. (2021) Metodología para predecir el desempeño estudiantil en cursos universitarios virtuales a distancia (Tesis de doctorado). Universidad Nacional de Colombia, Medellín, Colombia. http://repositorio.unal.edu.co/handle/unal/81113
Herrera Torres, L. & E. Buitrago Bonilla, R. (2019). Emociones en la educación en Colombia, algunas reflexiones. http://surl.li/cztyff
Honey, P. y Mumford, A. (1994). Los Estilos de Aprendizaje: Procedimientos de diagnóstico y mejora. Bilbao: Editions Mensajero https://www.researchgate.net/publication/311452891_Los_Estilos_de_Aprendizaje_ Procedimientos_de_diagnostico_y_mejora
Iglesias Torres, M. (2018). Presencia de las emociones a lo largo de la jornada escolar. Una propuesta educativa para cuatro años. http://surl.li/xzqnfy
Jiang, S., & Zavala, V.M. (2021). Convolutional Neural Nets: Foundations, Computations, and New Applications. ArXiv, abs/2101.04869
Kumar, M.S., M.Chitra, Sharma, A., Ragavendiran, S.D., Banappagoudar, S.B., & Kumar, A.N. (2023). RECOGNITION OF EMOTIONS THROUGH SPEECH USING MACHINE LEARNING TECHNIQUES
Li, S., & Deng, W. (2020). Deep facial expression recognition: A survey. IEEE Transactions on Affective Computing, 13(3), 1195-1215
Manjarrés-Betancur, R., & Echeverri-Torres, M. M. (2020). Asistente virtual académico utilizando tecnologías cognitivas de procesamiento de lenguaje natural. Revista Politécnica, 16(31), 85-96. https://doi.org/10.33571/rpolitec.v16n31a7
McKinney, W. (2010). Data Structures for Statistical Computing in Python. Proceedings of the 9th Python in Science Conference (pp. 56-61)
McKinney, W. (2017). Python for Data Analysis: Data wrangling with Pandas, NumPy, and IPython. O'Reilly Media
Microsoft (2022). Asistente Virtual https://www.microsoft.com/esco/Asistente_virtual - Cortana
Ministerio De Educación Nacional. (2022). Orientaciones curriculares para el área de tecnología e informática en educación básica y media. https://www.mineducacion.gov.co/1780/articles-411706_recurso_5.pdf
Murrieta Ortega, R. (2021). Identificación de los estilos de aprendizaje, estrategia para mejorar la formación de docentes en la escuela normal. Revista De Estilos De Aprendizaje, 14(27), 112–123. https://doi.org/10.55777/rea.v14i27.2611
Navas Ten, R. (2020). Metodologías de Reconocimiento facial en modelos bidimensionales (Tesis de pregrado). Universidad Autónoma de Madrid, España. https://repositorio.uam.es/bitstream/handle/10486/693421/navas_ten_raul_tfg.pdf?s equence=1
Finn, J. D., & Achilles, C. M. (1999). Tennessee's Class Size Study: Findings, Implications, Misconceptions. Educational Evaluation and Policy Analysis, 21(2), 97-109
Izquierdo-Valladarez, J.I., & Cuenca-Tapia, J.P. (2020). Reconocimiento de objetos del hogar, usando redes neuronales convolucionales para personas con discapacidad visual
Kolb, D. A. (1984). Experiential learning: Experience as the source of learning and development. Prentice-Hall
Parra Robledo, R. (2017). Ambientes virtuales de aprendizaje colaborativo desde la web social 2.0. [PDF]
Peralta Caballero, A. & Díaz Barriga, F. (2010). Diseño instruccional de ambientes virtuales de aprendizaje desde una perspectiva constructivista. [PDF]
Pulli, K. (2012). Mobile visual computing. IEEE Computer Graphics and Applications, 32(2), 86-90
Quiroga, F. (2020). Medidas de invarianza y equivarianza a transformaciones en redes neuronales convolucionales
Saipullah, K.M. (2012). OpenCV Based Real-Time Video Processing Using Android Smartphone
Sanz, C., Gibelli, T., Lovos, E., Suárez, P., Saldivia, Álvaro, Condó, S., Cariaga, R., Luján Colueque, M., & Cuevas, V. (2017). Tecnologías innovadoras como mediadoras de procesos de enseñanza y aprendizaje. [PDF]
Sariyanidi, E., Gunes, H., & Cavallaro, A. (2015). Automatic analysis of facial affect: A survey of registration, representation, and recognition. IEEE Transactions on Pattern Analysis and Machine Intelligence, 37(6), 1113-1133
Saz-Pérez, F. & Pizà-Mir, B. (2024). Estudio exploratorio sobre usos y adaptaciones de las tareas escolares ante la irrupción de software de inteligencia artificial generativa. osf.io
Sethi, Karan. (2020). Emotion Detection Using OpenCV and Keras. Medium. Emotion Detection Using OpenCV and Keras | by Karan Sethi | The Startup | Medium
Sobrevilla Reséndiz, E. (2021). Asistente virtual para la selección de objetos de aprendizaje bajo la influencia del estilo de enseñanza-aprendizaje y perfil de personalidad del estudiante en un ambiente LMS (Tesis de maestría). Tecnológico Nacional de México, Madero – Tamaulipas, México. https://rinacional.tecnm.mx/handle/TecNM/2892
T2ó. (2021). Chatbots y Asistentes de voz en el sector Educación. T2ó. https://www.t2o.com/t2o-industry/chatbots-asistentes-de-voz-sector-educacion/
Torres-Carrión, P., Soledad González, C., Rodrigo Barba-Guamán, L., & Cecilia Torres-Torres, A. (2017). Experiencia Afectiva de Usuario (UAX): Modelo desde sensores biométricos en aula de clase con plataforma gamificada de Interacción Gestual. http://surl.li/ccjhwh
Vaishali, & Singh, S. (2019). Real-Time Object Detection System using Caffe Model
Vera Briones, R. J. (2018). Los estilos de aprendizaje en el desempeño escolar en matemática de los estudiantes de décimo año de educación general básica (Tesis de pregrado). Universidad de Guayaquil, Guayaquil, Ecuador. http://repositorio.ug.edu.ec/handle/redug/54591
Villegas-Ch., W.E., Garcia-Ortiz, J.V., & Sánchez-Viteri, S. (2023). Identification of Emotions from Facial Gestures in a Teaching Environment With the Use of Machine Learning Techniques. IEEE Access, 11, 38010-38022
Viola, P., & Jones, M. (2001). Rapid object detection using a boosted cascade of simple features. Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 1, I-I
Zheng Lim, J., Mountstephens, J., & Teo, J. (2020). Emotion Recognition Using EyeTracking: Taxonomy, Review and Current Challenges. ncbi.nlm.nih.gov
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://purl.org/coar/access_right/c_abf2
dc.rights.creativecommons.none.fl_str_mv Attribution-NonCommercial-NoDerivatives 4.0 International
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
http://purl.org/coar/access_right/c_abf2
Attribution-NonCommercial-NoDerivatives 4.0 International
eu_rights_str_mv openAccess
dc.format.mimetype.spa.fl_str_mv application/pdf
dc.coverage.spatial.spa.fl_str_mv Bogotá, Colombia
dc.publisher.spa.fl_str_mv Universidad Pedagógica Nacional
dc.publisher.program.spa.fl_str_mv Licenciatura en Electrónica
dc.publisher.faculty.spa.fl_str_mv Facultad de Ciencia y Tecnología
institution Universidad Pedagógica Nacional
bitstream.url.fl_str_mv http://repository.pedagogica.edu.co/bitstream/20.500.12209/20547/7/asistente%20virtual.pdf.jpg
http://repository.pedagogica.edu.co/bitstream/20.500.12209/20547/5/license.txt
http://repository.pedagogica.edu.co/bitstream/20.500.12209/20547/6/202403650223943-12%20DIC%2024%20CARLOS%20Y%20ERICK.pdf
http://repository.pedagogica.edu.co/bitstream/20.500.12209/20547/1/asistente%20virtual.pdf
bitstream.checksum.fl_str_mv 5252c6501cecde25bdab00ebd45f01a7
8a4605be74aa9ea9d79846c1fba20a33
4d5d7bc27cf2e57b28f8d07b3750056a
5f21001ff46d3326d953b0904526cb1e
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Institucional Universidad Pedagógica Nacional
repository.mail.fl_str_mv repositorio@pedagogica.edu.co
_version_ 1831931926432186368
spelling Martínez Vásquez, David AlejandroCarreño Gómez, Carlos DavidLópez Murcia, Erick MauricioBogotá, Colombia2024-12-17T19:09:24Z2024-12-17T19:09:24Z2024http://hdl.handle.net/20.500.12209/20547instname:Universidad Pedagógica Nacionalreponame:Repositorio Institucional de la Universidad Pedagógica Nacionalrepourl: http://repositorio.pedagogica.edu.co/AVREA (Asistente Virtual para el Reconocimiento de Estilos de Aprendizaje) es una herramienta que apoya a los docentes de básica primaria en la orientación personalizada de los estudiantes según sus estilos de aprendizaje. Basado en las teorías de Honey y Alonso (1994) y Fleming y Mills (1992), utiliza los cuestionarios CHAEA y VARK para identificar estilos de aprendizaje y un sistema de reconocimiento facial para identificar emociones como felicidad, tristeza, neutralidad, sorpresa y enojo. La plataforma ofrece actividades adaptadas a los estilos identificados y almacena datos relevantes de los estudiantes. Los resultados identifican patrones en los estilos de aprendizaje y emociones, permitiendo a los docentes personalizar métodos educativos para optimizar el rendimiento y el bienestar emocional de los alumnos.Submitted by Carlos David Carreño Gomez (cdcarrenog@upn.edu.co) on 2024-12-13T00:12:17Z No. of bitstreams: 2 asistente virtual.pdf: 3395924 bytes, checksum: 5f21001ff46d3326d953b0904526cb1e (MD5) licencia de uso.pdf: 239561 bytes, checksum: 06028e821cbd6a901c59b53bcd294b82 (MD5)Rejected by Biblioteca UPN (repositoriobiblioteca@pedagogica.edu.co), reason: Cordial saludo. Volver a cargar la licencia de uso, pues el archivo PDF cargado tiene errores. on 2024-12-14T22:34:37Z (GMT)Submitted by Carlos David Carreño Gomez (cdcarrenog@upn.edu.co) on 2024-12-14T23:06:49Z No. of bitstreams: 2 asistente virtual.pdf: 3395924 bytes, checksum: 5f21001ff46d3326d953b0904526cb1e (MD5) licencia de uso.pdf: 182320 bytes, checksum: 4d5d7bc27cf2e57b28f8d07b3750056a (MD5)Approved for entry into archive by Biblioteca UPN (repositoriobiblioteca@pedagogica.edu.co) on 2024-12-14T23:11:28Z (GMT) No. of bitstreams: 2 asistente virtual.pdf: 3395924 bytes, checksum: 5f21001ff46d3326d953b0904526cb1e (MD5) licencia de uso.pdf: 182320 bytes, checksum: 4d5d7bc27cf2e57b28f8d07b3750056a (MD5)Approved for entry into archive by Elsy Carolina Martínez (ecmartinezb@pedagogica.edu.co) on 2024-12-17T19:09:24Z (GMT) No. of bitstreams: 2 asistente virtual.pdf: 3395924 bytes, checksum: 5f21001ff46d3326d953b0904526cb1e (MD5) licencia de uso.pdf: 182320 bytes, checksum: 4d5d7bc27cf2e57b28f8d07b3750056a (MD5)Made available in DSpace on 2024-12-17T19:09:24Z (GMT). No. of bitstreams: 2 asistente virtual.pdf: 3395924 bytes, checksum: 5f21001ff46d3326d953b0904526cb1e (MD5) licencia de uso.pdf: 182320 bytes, checksum: 4d5d7bc27cf2e57b28f8d07b3750056a (MD5) Previous issue date: 2024Licenciado en ElectrónicaPregradoAVREA (Virtual Assistant for the Recognition of Learning Styles) is a tool that supports primary school teachers in the personalized guidance of students according to their learning styles. Based on the theories of Honey and Alonso (1994) and Fleming and Mills (1992), it uses the CHAEA and VARK questionnaires to identify learning styles and a facial recognition system to identify emotions such as happiness, sadness, neutrality, surprise, and anger. The platform offers activities tailored to the identified styles and stores relevant student data. The results identify patterns in learning styles and emotions, allowing teachers to personalize educational methods to optimize students' performance and emotional well-being.application/pdfspaUniversidad Pedagógica NacionalLicenciatura en ElectrónicaFacultad de Ciencia y Tecnologíahttps://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Attribution-NonCommercial-NoDerivatives 4.0 InternationalEstilos de aprendizajeMachine learningCuestionario CHAEACuestionario VARKReconocimiento de emocionesLearning stylesMachine learningCHAEA questionnaireVARK questionnaireEmotion recognitionAsistente virtual para el aula basado en estilos de aprendizaje utilizando herramientas de reconocimiento.info:eu-repo/semantics/bachelorThesisTesis/Trabajo de grado - Monografía - Pregradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/bachelorThesisAbadi, M., Barham, P., Chen, J., Chen, Z., Davis, A., Dean, J., ... & Zheng, X. (2016). TensorFlow: A system for large-scale machine learning. 12th {USENIX} Symposium on Operating Systems Design and Implementation (OSDI} 16), 265-283Accom, (2024) ¿Qué es un asistente virtual? Accom Agencia digital de ventas. https://www.we-accom.com/tendencias/que-es-un-asistentevirtual/#:~:text=Un%20asistente%20virtual%20puede%20ser,y%20están%20en%2 0continua%20evoluciónAguilar Mejía, J. R. (2022) Uso de asistente virtual para el aprendizaje de temas selectos de la física (Tesis de maestría). Tecnológico de Monterrey, México. https://repositorio.tec.mx/handle/11285/636395Arturo Castro, V. (2013). Enseñanza de tecnologías de la información y comunicación mediante el uso de herramientas virtuales en una institución de nivel superior no universitarioBashyal, S., & Venayagamoorthy, G. K. (2008). Recognition of facial expressions using Gabor wavelets and learning vector quantization. Engineering Applications of Artificial Intelligence, 21(7), 1056-1064Bethel University Online. (s. f.). The Importance of Small Class Sizes in Education. Recuperado de https://online.betheluniversity.edu/articles/small-class-sizes-ineducationBlanco (2023). Chat Bot: Asistentes Virtuales en la Educación. Up Informa diario digital. https://upinforma.com/nuevo/info.php?cat=opinion&id=1307Bradski, G., & Kaehler, A. (2008). Learning OpenCV: Computer vision with the OpenCV library. O'Reilly Media, IncBrownlee, J. (2019). Deep learning for computer vision: Image classification, object detection, and face recognition in Python with Keras, PyTorch, and TensorFlow. Machine Learning MasteryCabero, J., & Marín, V. (2019). Las TIC en la educación y su impacto en los estilos de aprendizaje. Revista de Educación y Tecnología, 23(1), 45-62Calderón Angulo, JA, & Rosales Chalen, AD (2024). estilo de aprendizaje VARK y su influencia en el rendimiento académico de los estudiantes de la carrera de pedagogía de la actividad física y deporte de la universidad técnica de Babahoyo, periodo académico octubre 2023 - marzo 2024 http://dspace.utb.edu.ec/handle/49000/16262Campaña, L., Castro, M., Guerrero, L., & Hernández, A. (2018). Utilización de software libre. Atlante Cuadernos de Educación y Desarrollo. Revista: Atlante (marzo). https://www.eumed.net/rev/atlante/2018/03/software-libre-geometria.htmlCasos-Gerónimo, E. R., Romero-Rodríguez, F. R., & Cieza-Mostacero, S. E. (2022). Asistente Virtual para Mejorar el Aprendizaje en Anatomía en los grados 5to y 6to de primaria en una Institución Educativa de Trujillo. En Memorias de la Vigésima Primera Conferencia Iberoamericana en Sistemas, Cibernética e Informática (CISCI 2022) (pp. 146-151). https://doi.org/10.54808/CISCI2022.01.146Chollet, F. (2015). Keras. GitHub. https://github.com/fchollet/kerasCira Thania, P. M., Quispe-Paiva , M., Carhuas-Arzapalo, I. A., & Ríos-Cataño , C. (2021). Estilos de aprendizaje en estudiantes universitarios: una revisión descriptiva de la literatura. Desafíos, 12(2), 144–151. https://doi.org/10.37711/desafios.2021.12.2.345Corvalán Cantero, J. A., Gómez Giménez, R. E., & Arrua Ginés, J. L. (2022). Automatización del hogar mediante asistente virtual en placa computadora simple. FPUNE Scientific, (16). http://servicios.fpune.edu.py:83/fpunescientific/index.php/fpunescientific/article/vie w/231Pérez, M., Villalonga, P., Guillén, J., & Baños, J. (2020). La integración de las TIC en el aula: Un derecho para el alumnado y una necesidad para el profesorado. Revista Iberoamericana de Tecnología Educativa, 15(3), 27-38Déniz, O., Bueno, G., Salido, J., & De la Torre, M. (2011). Face recognition using Histograms of Oriented Gradients. Pattern Recognition Letters, 32(12), 1598-1603Django Software Foundation. (s.f). Meet Django. Recuperado el 12 de Julio de 2024, de https ://www .djangoproject .com/Django Software Foundation. (s.f.). Models | Django documentation. Recuperado el 12 de Julio de 2024, de https://docs.djangoproject.com/en/stable/topics/db/models/Django Software Foundation. (s.f.). Templates | Django documentation. Recuperado el 12 de Julio de 2024, de https://docs.djangoproject.com/en/stable/topics/templates/Django Software Foundation. (s.f.). The Django admin site | Django documentation. Recuperado el 12 de Julio de 2024, de https://docs.djangoproject.com/en/stable/ref/contrib/admin/Django Software Foundation. (s.f.). Views | Django documentation. Recuperado el 12 de Julio de 2024, de https://docs.djangoproject.com/en/stable/topics/http/views/Entrena, S., & Javier, R. (2012). Face detection in CFigueroa, M. Á. H., Báez, R. G. V., & Rangel, J. O. C. (2020). Propuesta de asistente virtual basado en inteligencia artificial en la integración de un brazo robótico para aplicaciones en la industria 4.0. Research in Computing Science, 149(8), 353-364. https://rcs.cic.ipn.mx/rcs/2020_149_8/Propuesta%20de%20asistente%20virtual%20 basado%20en%20inteligencia%20artificial%20en%20la%20integracion.pdfFleming, N., & Mills, C. (1992). Not Another Inventory, Rather a Catalyst for Reflection. To Improve the Academy, 11, 137-155Fleming, Neil D. (2001). Teaching and Learning Styles: VARK Strategies, Editorial Christchurch, Nueva ZelandaGeeksforGeeks. (2023,). Python Web Development - Django. GeeksforGeeks. Recuperado el 17 de noviembre de 2024, de https://www.geeksforgeeks.org/pythonweb-development-django/Gil Vera, V. D. (2021) Metodología para predecir el desempeño estudiantil en cursos universitarios virtuales a distancia (Tesis de doctorado). Universidad Nacional de Colombia, Medellín, Colombia. http://repositorio.unal.edu.co/handle/unal/81113Herrera Torres, L. & E. Buitrago Bonilla, R. (2019). Emociones en la educación en Colombia, algunas reflexiones. http://surl.li/cztyffHoney, P. y Mumford, A. (1994). Los Estilos de Aprendizaje: Procedimientos de diagnóstico y mejora. Bilbao: Editions Mensajero https://www.researchgate.net/publication/311452891_Los_Estilos_de_Aprendizaje_ Procedimientos_de_diagnostico_y_mejoraIglesias Torres, M. (2018). Presencia de las emociones a lo largo de la jornada escolar. Una propuesta educativa para cuatro años. http://surl.li/xzqnfyJiang, S., & Zavala, V.M. (2021). Convolutional Neural Nets: Foundations, Computations, and New Applications. ArXiv, abs/2101.04869Kumar, M.S., M.Chitra, Sharma, A., Ragavendiran, S.D., Banappagoudar, S.B., & Kumar, A.N. (2023). RECOGNITION OF EMOTIONS THROUGH SPEECH USING MACHINE LEARNING TECHNIQUESLi, S., & Deng, W. (2020). Deep facial expression recognition: A survey. IEEE Transactions on Affective Computing, 13(3), 1195-1215Manjarrés-Betancur, R., & Echeverri-Torres, M. M. (2020). Asistente virtual académico utilizando tecnologías cognitivas de procesamiento de lenguaje natural. Revista Politécnica, 16(31), 85-96. https://doi.org/10.33571/rpolitec.v16n31a7McKinney, W. (2010). Data Structures for Statistical Computing in Python. Proceedings of the 9th Python in Science Conference (pp. 56-61)McKinney, W. (2017). Python for Data Analysis: Data wrangling with Pandas, NumPy, and IPython. O'Reilly MediaMicrosoft (2022). Asistente Virtual https://www.microsoft.com/esco/Asistente_virtual - CortanaMinisterio De Educación Nacional. (2022). Orientaciones curriculares para el área de tecnología e informática en educación básica y media. https://www.mineducacion.gov.co/1780/articles-411706_recurso_5.pdfMurrieta Ortega, R. (2021). Identificación de los estilos de aprendizaje, estrategia para mejorar la formación de docentes en la escuela normal. Revista De Estilos De Aprendizaje, 14(27), 112–123. https://doi.org/10.55777/rea.v14i27.2611Navas Ten, R. (2020). Metodologías de Reconocimiento facial en modelos bidimensionales (Tesis de pregrado). Universidad Autónoma de Madrid, España. https://repositorio.uam.es/bitstream/handle/10486/693421/navas_ten_raul_tfg.pdf?s equence=1Finn, J. D., & Achilles, C. M. (1999). Tennessee's Class Size Study: Findings, Implications, Misconceptions. Educational Evaluation and Policy Analysis, 21(2), 97-109Izquierdo-Valladarez, J.I., & Cuenca-Tapia, J.P. (2020). Reconocimiento de objetos del hogar, usando redes neuronales convolucionales para personas con discapacidad visualKolb, D. A. (1984). Experiential learning: Experience as the source of learning and development. Prentice-HallParra Robledo, R. (2017). Ambientes virtuales de aprendizaje colaborativo desde la web social 2.0. [PDF]Peralta Caballero, A. & Díaz Barriga, F. (2010). Diseño instruccional de ambientes virtuales de aprendizaje desde una perspectiva constructivista. [PDF]Pulli, K. (2012). Mobile visual computing. IEEE Computer Graphics and Applications, 32(2), 86-90Quiroga, F. (2020). Medidas de invarianza y equivarianza a transformaciones en redes neuronales convolucionalesSaipullah, K.M. (2012). OpenCV Based Real-Time Video Processing Using Android SmartphoneSanz, C., Gibelli, T., Lovos, E., Suárez, P., Saldivia, Álvaro, Condó, S., Cariaga, R., Luján Colueque, M., & Cuevas, V. (2017). Tecnologías innovadoras como mediadoras de procesos de enseñanza y aprendizaje. [PDF]Sariyanidi, E., Gunes, H., & Cavallaro, A. (2015). Automatic analysis of facial affect: A survey of registration, representation, and recognition. IEEE Transactions on Pattern Analysis and Machine Intelligence, 37(6), 1113-1133Saz-Pérez, F. & Pizà-Mir, B. (2024). Estudio exploratorio sobre usos y adaptaciones de las tareas escolares ante la irrupción de software de inteligencia artificial generativa. osf.ioSethi, Karan. (2020). Emotion Detection Using OpenCV and Keras. Medium. Emotion Detection Using OpenCV and Keras | by Karan Sethi | The Startup | MediumSobrevilla Reséndiz, E. (2021). Asistente virtual para la selección de objetos de aprendizaje bajo la influencia del estilo de enseñanza-aprendizaje y perfil de personalidad del estudiante en un ambiente LMS (Tesis de maestría). Tecnológico Nacional de México, Madero – Tamaulipas, México. https://rinacional.tecnm.mx/handle/TecNM/2892T2ó. (2021). Chatbots y Asistentes de voz en el sector Educación. T2ó. https://www.t2o.com/t2o-industry/chatbots-asistentes-de-voz-sector-educacion/Torres-Carrión, P., Soledad González, C., Rodrigo Barba-Guamán, L., & Cecilia Torres-Torres, A. (2017). Experiencia Afectiva de Usuario (UAX): Modelo desde sensores biométricos en aula de clase con plataforma gamificada de Interacción Gestual. http://surl.li/ccjhwhVaishali, & Singh, S. (2019). Real-Time Object Detection System using Caffe ModelVera Briones, R. J. (2018). Los estilos de aprendizaje en el desempeño escolar en matemática de los estudiantes de décimo año de educación general básica (Tesis de pregrado). Universidad de Guayaquil, Guayaquil, Ecuador. http://repositorio.ug.edu.ec/handle/redug/54591Villegas-Ch., W.E., Garcia-Ortiz, J.V., & Sánchez-Viteri, S. (2023). Identification of Emotions from Facial Gestures in a Teaching Environment With the Use of Machine Learning Techniques. IEEE Access, 11, 38010-38022Viola, P., & Jones, M. (2001). Rapid object detection using a boosted cascade of simple features. Proceedings of the 2001 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 1, I-IZheng Lim, J., Mountstephens, J., & Teo, J. (2020). Emotion Recognition Using EyeTracking: Taxonomy, Review and Current Challenges. ncbi.nlm.nih.govTHUMBNAILasistente virtual.pdf.jpgasistente virtual.pdf.jpgIM Thumbnailimage/jpeg2623http://repository.pedagogica.edu.co/bitstream/20.500.12209/20547/7/asistente%20virtual.pdf.jpg5252c6501cecde25bdab00ebd45f01a7MD57LICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repository.pedagogica.edu.co/bitstream/20.500.12209/20547/5/license.txt8a4605be74aa9ea9d79846c1fba20a33MD55202403650223943-12 DIC 24 CARLOS Y ERICK.pdf202403650223943-12 DIC 24 CARLOS Y ERICK.pdfLICENCIA APROBADAapplication/pdf182320http://repository.pedagogica.edu.co/bitstream/20.500.12209/20547/6/202403650223943-12%20DIC%2024%20CARLOS%20Y%20ERICK.pdf4d5d7bc27cf2e57b28f8d07b3750056aMD56ORIGINALasistente virtual.pdfasistente virtual.pdfapplication/pdf3395924http://repository.pedagogica.edu.co/bitstream/20.500.12209/20547/1/asistente%20virtual.pdf5f21001ff46d3326d953b0904526cb1eMD5120.500.12209/20547oai:repository.pedagogica.edu.co:20.500.12209/205472025-02-19 23:00:59.489Repositorio Institucional Universidad Pedagógica Nacionalrepositorio@pedagogica.edu.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