Utilize este identificador para referenciar este registo:
https://hdl.handle.net/1822/92231
Título: | Emotion detection in school failure prevention |
Autor(es): | Magalhães, Renata Sofia Vieira |
Orientador(es): | Araújo, Sílvia Durães, Dalila |
Palavras-chave: | Emotion detection School failure Machine Learning Natural language processing Deteção de emoção Insucesso escolar Processamento de linguagem natural |
Data: | 2-Mai-2024 |
Resumo(s): | The issue of school failure and dropout is persisting and alarming as it presents repercussions to society on
the whole. Emotion detection, also known as affective computing, is an evolving field of research focused
on enabling intelligent systems to detect, perceive, understand, and interpret human emotions. This has
great potential in many fields, including education.
This dissertation presents an emotion detection approach through tools that were not developed for
that purpose. By annotating a Likert-Scale questionnaire, student emotional traits were extracted and
analyzed, including correlation to students’ risk of failing. Additionally, four machine learning models
were tested and Support Vector Machine showed the best performance in accurately predicting student
emotions.
This approach was applied to a sample of 845 students from northern Portugal, within the context
of the the Northern Regional Operational Programme (NORTE 2020), under Portugal 2020 within the
scope of the project “Hello: Plataforma inteligente para o combate ao insucesso escolar”, Ref. NORTE-01-
0247-FEDER-047004, which aimed to develop a digital platform comprising a conversational agent and an
education intelligence system capable of predicting students’ risk of failure, allowing for a timely detection
and consequent action.
Findings report that anxiety was the emotion that presented the highest scores, with male students
scoring slightly higher than female students for this particular emotion. It was also found that there was a
gradual decrease in positive emotions (happiness, trust, optimism, interest) as students progressed from
the fifth to the ninth grade, with the eighth grade showing the lowest scores overall, though with positive
emotions declining more than negative emotions (boredom, anxiety, distraction, shame). Students at low
risk of failure presented higher scores for all emotions compared to other risk clusters, and higher optimism
was associated with lower failure risk.
This emotion detection model presents itself as an approach to combating school failure, contributing
to the identification of students emotional traits. O problema do insucesso e do abandono escolar é persistente e alarmante, pois tem repercussões na sociedade em geral. A deteção de emoções, também conhecida como computação afectiva, é um campo de investigação em evolução que visa permitir que os sistemas inteligentes detectem, percebam, compreendam e interpretem as emoções humanas. Isto tem um grande potencial em muitos domínios, incluindo a educação. Esta dissertação apresenta uma abordagem de deteção de emoções através de ferramentas que não foram desenvolvidas para esse fim. Através da anotação de um questionário de escala de Likert, foram extraídos e analisados os traços emocionais dos alunos, incluindo a correlação com o risco de reprovação. Além disso, foram testados quatro modelos de aprendizagem automática e o Support Vector Machine apresentou o melhor desempenho na previsão exacta das emoções dos alunos. Estas técnicas foi aplicada a uma amostra de 845 alunos do norte de Portugal, no âmbito do Northern Regional Operational Programme (NORTE 2020), under Portugal 2020 within the scope of the project “Hello: Plataforma inteligente para o combate ao insucesso escolar”, Ref. NORTE-01-0247-FEDER-047004, que teve como objetivo desenvolver uma plataforma digital composta por um agente conversacional e um sistema de inteligência educacional capaz de prever o risco de insucesso dos alunos, permitindo a sua deteção atempada e consequente atuação. Os resultados indicam que a ansiedade foi a emoção que apresentou as pontuações mais elevadas, com os alunos do sexo masculino a obterem pontuações ligeiramente superiores às das alunas nesta emoção específica. Verificou-se também que houve um decréscimo gradual das emoções positivas (felicidade, confiança, otimismo, interesse) à medida que os alunos progrediam do quinto para o nono ano, com o oitavo ano a apresentar as pontuações mais baixas em geral, embora com as emoções positivas a diminuírem mais do que as emoções negativas (aborrecimento, ansiedade, distração, vergonha). Os alunos com baixo risco de insucesso apresentaram pontuações mais elevadas para todas as emoções, em comparação com outros grupos de risco, e um maior otimismo foi associado a um menor risco de insucesso. Este modelo de deteção de emoções apresenta-se como uma abordagem de combate ao insucesso escolar, contribuindo para a identificação das características emocionais dos alunos. |
Tipo: | Dissertação de mestrado |
Descrição: | Dissertação de mestrado em Digital Humanities |
URI: | https://hdl.handle.net/1822/92231 |
Acesso: | Acesso aberto |
Aparece nas coleções: | BUM - Dissertações de Mestrado ELACH - Dissertações de Mestrado |
Ficheiros deste registo:
Ficheiro | Descrição | Tamanho | Formato | |
---|---|---|---|---|
Renata Sofia Vieira Magalhaes.pdf | Dissertação de mestrado | 1,65 MB | Adobe PDF | Ver/Abrir |
Este trabalho está licenciado sob uma Licença Creative Commons