Detecção e predição de estados afetivos baseadas em mineração de dados educacionais: considerando a personalidade do aluno para aumentar a precisão da detecção

Resumo

Este trabalho utiliza a mineração de dados, provenientes da interação dos alunos com um STI baseado em passos, para detectar quatro emoções de aprendizagem: confusão, engajamento, frustração e tédio. Diferente de outros trabalhos, este tem como objetivo verificar se os dados da personalidade dos alunos pode impactar de forma positiva na precisão da detecção. Além disso, os rótulos de emoções foram obtidos por meio de um novo protocolo de anotação, que permite a captura das transições das emoções dos alunos. Como resultados, foi possível identificar que apenas o detector de engajamento, treinado com dados da personalidade dos alunos, obteve uma pequena melhora na precisão da detecção. Porém, com a utilização de um algoritmo de seleção de características, foi possível verificar que entre 348 características disponíveis, apenas dez foram selecionadas, incluindo dados da personalidade.