[ES] Comprender el comportamiento humano en situaciones de gestión, planificación y liderazgo dentro de organizaciones constituye un desafío tanto para los científicos como para la sociedad en general y los profesionales de los recursos humanos. Las tomas de decisión, la planificación de recursos, la gestión de equipos y el apoyo y acompañamiento del grupo, son factores que, desde perspectivas como la psicología, sociología, economía o liderazgo, han sido repetidamente estudiados dada su influencia directa en la eficacia final de una organización y de un equipo de trabajo. Actualmente no existe un consenso a la hora de definir el liderazgo. Este concepto, en cambio, se ha abordado desde diferentes perspectivas, por lo que los componentes que se han propuesto para explicar comportamientos de gestión son muy diversos. Una aproximación válida discrimina entre aquellos líderes que focalizan su ejecución en las tareas y en lograr objetivos en base a cumplir plazos y planificación, dando lugar a un liderazgo basado en tareas; y aquellos otros líderes que focalizan su ejecución en cuidar y mejorar las relaciones dentro del equipo, logrando los objetivos mediante la motivación y acompañamiento del grupo, dando lugar a un liderazgo basado en las relaciones. En los estilos de liderazgo basados en tareas y en relaciones se diferencian, por tanto, habilidades de planificación y gestión o hard skills y aspectos relacionales o soft skills, respetivamente. De la misma manera que la definición del estilo de liderazgo se ha abordado desde diferentes aproximaciones, su evaluación también se ha tratado desde diferentes puntos de vista y constituye, hoy en día, un desafío tanto para investigadores como para los profesionales del campo de los recursos humanos y la gestión en organizaciones. Sin embargo, no existe una medida validada para el estilo de liderazgo. La evaluación del liderazgo se ha realizado tradicionalmente mediante metodologías de comportamiento explícitas como cuestionarios o entrevistas, las cuales presentan limitaciones que sesgarían, en última instancia, la evaluación. La relevancia de nuevas técnicas de análisis de comportamiento implícitos, como técnicas ecológicas y basadas en el análisis de la actividad cerebral y ocular en situaciones reales, está despertando un nuevo interés para reconocer y discriminar los diferentes estilos de liderazgo en las organizaciones. De este modo, tareas experimentales y el análisis en laboratorio de conductas y competencias concretas surgen como una solución alternativa capaz de superar barreras interpretativas, pero del mismo modo presentan limitaciones de transferencia a situaciones reales. La realidad virtual surge como una alternativa prometedora para aportar entornos con una mayor transferencia a la vida real y que generen mayor nivel de implicación por parte de los usuarios que los entornos y métodos de evaluación tradicionales, permitiendo aportar medidas implícitas en contexto más reales. Esta propuesta está avalada por numerosos trabajos en el campo de la psicología aplicada, la neuroeconomía y la neurociencia organizacional, que apoyan el uso de la realidad virtual para la evaluación del comportamiento humano. El presente trabajo propone el uso combinado de realidad virtual y metodologías implícitas de la neurociencia organizacional, así como técnicas de análisis de machine learning, para estudiar los comportamientos vinculados al estilo de liderazgo. Partiendo de esta premisa, se describen dos estudios que investigan la sensibilidad de un paradigma pasivo, consistente en la visualización de videos emocionales, y un paradigma activo, consistente en la interacción con un juego serio de realidad virtual, ambos combinando variables implícitas comportamentales y cerebrales o fisiológicas, para determinar el estilo de liderazgo. Los resultados del paradigma pasivo evidenciaron diferencias en la sudoración de la piel, así como en la respuesta eléctrica del cerebro, entre aquellos participante / [CA] Comprendre el comportament humà en situacions de gestió, planificació i lideratge dins d'organitzacions constitueix un desafiament tant per als científics com per a la societat en general i per als professionals dels recursos humans. Les preses de decisió, la planificació de recursos, la gestió d'equips i el suport i acompanyament del grup, són factors que, des de perspectives com la psicologia, la sociologia, l'economia o el lideratge, han estat repetidament estudiats, atesa la seva influència directa en l'eficàcia final una organització i un equip de treball. Actualment no hi ha un consens a l'hora de definir el lideratge. Aquest concepte, en canvi, s'ha abordat des de diferents perspectives, i per això els components que s'han proposat per explicar comportaments de gestió són molt diversos. Una aproximació vàlida discrimina entre aquells líders que focalitzen la seua execució en les tasques i en assolir objectius sobre la base de complir terminis i planificació, donant lloc a un lideratge basat en tasques; i aquells altres líders que focalitzen la seua execució a cuidar i millorar les relacions dins de l'equip, aconseguint els objectius mitjançant la motivació i acompanyament del grup, donant lloc a un lideratge basat en les relacions. En els estils de lideratge basats en tasques i en relacions es diferencien, per tant, habilitats de planificació i gestió o hard skills i aspectes relacionals o soft skills, respectivament. De la mateixa manera que la definició de l'estil de lideratge s'ha abordat des de diferents aproximacions, la seua avaluació també s'ha tractat des de diferents punts de vista i constitueix actualment un desafiament tant per a investigadors com per als professionals del camp dels recursos humans i la gestió en organitzacions. No obstant això, no hi ha una mesura validada per a l'estil de lideratge. L'avaluació del lideratge s'ha realitzat tradicionalment mitjançant metodologies de comportament explícites com ara qüestionaris o entrevistes, les quals presenten limitacions que esbiaixarien, en última instància, l'avaluació. La rellevància de noves tècniques d'anàlisi de comportament implícits, com ara tècniques ecològiques i basades en l'anàlisi de l'activitat cerebral i ocular en situacions reals, està despertant un nou interès per reconèixer i discriminar els diferents estils de lideratge a les organitzacions. D'aquesta manera, tasques experimentals i l'anàlisi al laboratori de conductes i competències concretes sorgeixen com una solució alternativa capaç de superar barreres interpretatives, però de la mateixa manera presenten limitacions de transferència a situacions reals. La realitat virtual sorgeix com una alternativa prometedora per aportar entorns amb una transferència més gran a la vida real i que generen més nivell d'implicació per part dels usuaris que els entorns i mètodes d'avaluació tradicionals, permetent aportar mesures implícites en context més reals. Aquesta proposta està avalada per nombrosos treballs al camp de la psicologia aplicada, la neuroeconomia i la neurociència organitzacional, que donen suport a l'ús de la realitat virtual per a l'avaluació del comportament humà. Aquest treball proposa l'ús combinat de realitat virtual i metodologies implícites de la neurociència organitzacional, així com tècniques d'anàlisi de machine learning per estudiar els comportaments vinculats a l'estil de lideratge. Partint d¿aquesta premissa, es descriuen dos estudis que investiguen la sensibilitat d¿un paradigma passiu, consistent en la visualització de vídeos emocionals, i un paradigma actiu, consistent en la interacció amb un joc seriós de realitat virtual, ambdós combinant variables implícites comportamentals i cerebrals o fisiològiques, per tal de determinar l'estil de lideratge. Els resultats del paradigma passiu van evidenciar diferències en la sudoració de la pell, així com la resposta elèctrica del cervell, entre aquells participants amb estils de lideratge diferent. Els resultats del paradigma / [EN] Understanding human behavior in management, planning and leadership within organizations is a challenge for scientists, society and professionals of human resources. Decision-making, resource planning, team management and group support are factors that, from perspectives such as psychology, sociology, economics or leadership, have been repeatedly studied, motivated by their direct influence on final effectiveness of an organization. Currently, there is no consensus on defining leadership. This concept has been approached from different perspectives and, consequently, the components that have been proposed to explain management behavior are very diverse. An existing valid approach discriminates between those leaders who focus their execution on tasks and on achieving objectives based on meeting deadlines and planning, giving rise to task-oriented leadership; and those leaders who focus their execution on caring for and improving relationships within the team, achieving goals by motivating and accompanying the group, giving rise to relationship-oriented leadership. Task-oriented and relationship-oriented leadership involve, respectively, planning and management skills or hard skills, and relational aspects or soft skills. As for the definition of leadership styles, the evaluation of leadership has also been approached from different points of view and constitutes, today, a challenge for both researchers and professionals in the field of human resources and organizational management. However, there is no validated measure for leadership style. The evaluation of leadership has traditionally been carried out through explicit behavioral methodologies such as questionnaires or interviews, which have limitations that would ultimately bias the evaluation. The relevance of new implicit behavior analysis techniques, such as ecological techniques and those based on the analysis of brain and eye activity in real situations, is awakening a new interest in recognizing and discriminating between different leadership styles in organizations. In this way, experimental tasks and the laboratory analysis of specific behaviors and competencies emerge as an alternative solution capable of overcoming interpretive barriers, but present limitated transference to real situations. Virtual reality emerges as a promising alternative to provide environments with a greater transfer to real life and subjects with a higher level of involvement than traditional environments and evaluation methods, allowing implicit measures to be provided in more real context. This proposal is supported by numerous works in the field of applied psychology, neuroeconomics and organizational neuroscience, which support the use of virtual reality for the evaluation of human behavior. This thesis proposes the combined use of virtual reality and implicit methodologies of organizational neuroscience, as well as machine learning analysis techniques, to study behaviors linked to leadership style. Based on this premise, two studies are described that investigate the sensitivity of a passive paradigm, consisting of viewing emotional videos, and an active paradigm, consisting of interacting with a serious virtual reality-based game, both combining implicit behavioral and brain or physiological responses to determine the leadership style. The results of the passive paradigm showed differences in skin conductance, as well as in the electrical response of the brain, between those participants with different leadership styles. The results of the active paradigm also showed that participants with different leadership styles made different decisions and focused their attention, described by visual behavior variables, on different elements. The results obtained in this thesis, therefore, support the sensitivity of virtual environments and organizational neuroscience methodologies to identify leadership styles, which offers a potential ecological and non-invasive alternative for analyzing leaders / Parra Vargas, E. (2022). Entornos de realidad virtual y neurociencia organizacional para la evaluación de capacidades de liderazgo en organizaciones [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/186130 / TESIS

A presente pesquisa aborda uma investigação interdisciplinar (Educação e Computação) sobre estudos que estabeleceram como foco a influência da afetividade na educação e sobre como reconhecer o desânimo do aluno em interação em um ambiente virtual de ensino e aprendizagem (AVEA) utilizando mineração de dados educacionais (MDE). A afetividade pode influenciar na aprendizagem do aluno, principalmente com relação aos aspectos negativos, frustrações, sensações de solidão, desânimo, fazendo com que o aluno possa, inclusive, desistir de um curso, tornando-se uma problemática no ensino. Identificar esses aspectos em cursos à distância torna-se desafiador para o professor devido à distância temporal e assincronicidade desse meio. Nos cursos à distância, essa possibilidade pode ser permitida através das análises dos dados das interações do aluno no ambiente, porém, o volume de dados existentes torna-se muito grande para ser analisado pelo professor, fazendo com que seja mais difícil realizar essa identificação. Na busca por identificar o estado de ânimo desanimado, esta tese apresenta um Modelo de Predição do Desânimo baseado em comportamento observável e autorrelato armazenados em AVEA, utilizando regras de associação. Para desenvolver o Modelo de Predição do aluno, as variáveis comportamentais indicadoras do desânimo foram evidenciadas na pesquisa, bem como a utilização dos fundamentos e instrumento de Scherer para identificação dos estados afetivos, mais precisamente do estado de ânimo desanimado, que duram por longos períodos, possibilitando sua identificação após determinados fatos terem ocorrido no processo de aprendizagem, o que possibilitou ter uma metodologia de acompanhamento do aluno. As regras de associação foram descobertas devido ao potencial da MDE, que, além de propiciar a inferência e predição, pode ser usada para fornecer apoio tanto ao professor, no processo de ensino e acompanhamento do aluno, quanto ao aluno, no processo de aprendizagem. Nesse contexto, a pesquisa é aplicada ao processo de ensino e aprendizagem utilizando como procedimento técnico experimentos para coleta de dados. Foram feitos experimentos com aplicação de técnicas computacionais para apoio à inferência e geração do modelo de predição. Em cada experimento onde se aplicou a MDE, as melhores regras foram escolhidas com base nas medidas de interesse e presença do estado de ânimo desanimado. A partir dessas melhores regras, uma validação foi realizada em um novo experimento propondo o Modelo de Predição do aluno desanimado em interação no AVEA Moodle. Além de apresentar o Modelo de Predição do Aluno Desanimado, este modelo foi implementado e integrado como ferramenta computacional à plataforma Moodle. A pesquisa justifica-se na medida em que apresenta inovação tecnológica para investigar a influência da afetividade na aprendizagem dentro do contexto da Educação a Distância (EAD) e aplica técnicas computacionais desenvolvendo um Modelo de Predição do Aluno Desanimado, que fornece para o professor uma visão geral do modelo e melhor acompanhamento de seus alunos, através de dashboard, contribuindo na sua prática docente. Logo, a tese apresenta como destaque inovador um produto de pesquisa com utilidade na prática docente no ensino superior, principalmente em cursos EAD, para o reconhecimento de aspectos relacionados à afetividade no contexto educacional. Através da ferramenta computacional, um melhor acompanhamento de alunos desanimados em interação em AVEA pode ser feito pelo professor, permitindo a este fomentar uma metodologia de acompanhamento desses alunos, a fim de minimizar futuras evasões, bem como desistências em cursos e disciplinas, beneficiando a comunidade acadêmica. / This research addresses an interdisciplinary research (Education and Computer) on studies that established focus on the influence of affectivity in education and how to recognize the dismay of student interaction in a virtual teaching and learning environment (VTLE) using educational data mining (EDM). Affection can influence student learning, particularly with respect to the negative, frustration, feelings of loneliness, discouragement, causing the student can even give up a course, becoming a problematic teaching. Identify these aspects in distance courses becomes challenging for the teacher due to the temporal distance and asynchronicity that medium. In distance learning courses, this possibility may be permitted by the data analysis of student interactions in the environment, however, the amount of data becomes too large to be analyzed by the teacher, making it more difficult to carry out such identification. In seeking to identify the state of despondent mood, this thesis presents a prediction model of the observable behavior-based Discouragement and self-report stored in VTLE using association rules. To develop the prediction model student, the indicator behavioral variables of discouragement were evident in the research, and the use of the grounds and Scherer tool to identify the affective states, specifically the state of despondent mood that last for long periods, enabling identification after certain events have occurred in the learning process, making it possible to have a follow-up methodology of the student. Association rules were discovered due to the potential of the EAW, which, besides providing the inference and prediction, can be used to provide support to both the teacher in the teaching and monitoring of the student as the student in the learning process. In this context, the research is applied to the teaching and learning process using as a technical procedure experiments to collect data. experiments were made with application of computational techniques to support the inference and generation of the prediction model. In each experiment where we applied the MED, the best rules were chosen based on measures of interest and presence in the state of despondent mood. From these best rules, a validation was performed on a new experiment proposing the Prediction Model discouraged student interaction in VTLE Moodle. In addition to presenting the Prediction Model of Student Discouraged, this model was implemented and integrated as a computational tool to the Moodle platform. The research is justified in that it presents technological innovation to investigate the influence of affect on learning within the education context Distance Learning and applies computational techniques developing a prediction model Discouraged Student, which provides for the teacher a view general model and better monitoring of their students through dashboard, contributing to their teaching practice. Therefore, the thesis shows how innovative highlight a research product to use in teaching practice in higher education, especially in distance education courses, for the recognition of aspects related to affectivity in the educational context. Through computational tool for better monitoring of disheartened students interacting in VTLE it can be done by the teacher, allowing him to promote a follow-up methodology of these students in order to minimize future evasions and dropouts courses and disciplines, benefiting the community academic. / Esta investigación se ocupa de una investigación interdisciplinaria (Educación e Informática) en los que se estableció el enfoque sobre la influencia de la afectividad en la educación y cómo reconocer la consternación de la interacción del estudiante en un entorno virtual de enseñanza aprendizaje (AVEA) utilizando la minería de datos educativa (MDE). El afecto puede influir en el aprendizaje del estudiante, en particular con respecto a la negativa, frustración, sentimientos de soledad, desánimo, haciendo que el estudiante puede incluso renunciar a un curso, convirtiéndose en una enseñanza problemática. Identificar estos aspectos en los cursos a distancia se convierte en un reto para el maestro debido a la distancia temporal y asincronía ese medio. En los cursos de enseñanza a distancia, esta posibilidad puede ser permitido por el análisis de los datos de las interacciones de los estudiantes en el ambiente, sin embargo, la cantidad de datos es demasiado grande para ser analizados por el profesor, lo que hace más difícil llevar a cabo dicha identificación. Al tratar de identificar el estado de ánimo deprimido, esta tesis presenta un modelo de predicción del desaliento observables basada en el comportamiento y auto-informe almacenado en AVEA las reglas de asociación. Para desarrollar el estudiante modelo de predicción, las variables de comportamiento del indicador de desaliento eran evidentes en la investigación, y el uso de los terrenos y Scherer herramienta para identificar los estados afectivos, específicamente el estado de ánimo deprimido que duran por largos períodos de tiempo, que permite la identificación después de ciertos acontecimientos se han producido en el proceso de aprendizaje, por lo que es posible tener una metodología de seguimiento del estudiante. Reglas de asociación fueron descubiertos debido al potencial de la orden de detención europea, que, además de proporcionar la inferencia y la predicción, se puede utilizar para proporcionar apoyo tanto a la maestra en la enseñanza y el seguimiento del alumno como estudiante en el proceso de aprendizaje. En este contexto, la investigación se aplica al proceso de enseñanza y aprendizaje mediante experimentos como un procedimiento técnico para recopilar datos. experimentos se hicieron con la aplicación de técnicas computacionales para apoyar la inferencia y la generación del modelo de predicción. En cada experimento en el que se aplicó el MDE, las mejores reglas fueron elegidos en base a medidas de interés y presencia en el estado de ánimo deprimido. A partir de estas mejores reglas, una validación se realizó en un nuevo experimento que propone la interacción de los estudiantes desalentado modelo de predicción de AVEA Moodle. Además de presentar el Modelo de Predicción del Estudiante Desalentado, este modelo fue implementado e integrado como una herramienta computacional para la plataforma Moodle. La investigación se justifica porque presenta la innovación tecnológica para investigar la influencia del efecto sobre el aprendizaje en el contexto de la educación a distancia (EAD) y aplica técnicas computacionales en desarrollo un modelo de predicción de Estudiantes Desalentado, que prevé el profesor una vista modelo general y un mejor seguimiento de sus estudiantes a través de tablero de instrumentos, contribuyendo a su práctica docente. Por lo tanto, la tesis muestra cómo destacado innovador de un producto de investigación a utilizar en la práctica docente en la enseñanza superior, sobre todo en los cursos de educación a distancia, para el reconocimiento de los aspectos relacionados con la afectividad en el contexto educativo. A través de la herramienta computacional para un mejor seguimiento de los estudiantes desanimados que interactúan en AVEA se puede hacer por el profesor, lo que le permite promover una metodología de seguimiento de estos estudiantes con el fin de reducir al mínimo las evasivas y abandonos futuros cursos y disciplinas, en beneficio de la comunidad académica.

La enseñanza y evaluación automática a través de un sistema Computer Based Assessment (CBA) requiere de software especializado que se adapte a la tipología de actividades a tratar y evaluar. En esta tesis se ha desarrollado un entorno CBA que facilita el aprendizaje y evaluación de los principales temas de una asignatura de bases de datos. Para ello se han analizado las herramientas existentes en cada uno de estos temas (Diagramas Entidad/Relación, diagramas de clases, esquemas de bases de datos relacionales, normalización, consultas en álgebra relacional y lenguaje SQL) y para cada uno de ellos se ha analizado, diseñado e implementado un módulo de corrección y evaluación automática que aporta mejoras respecto a los existentes. Estos módulos se han integrado en un mismo entorno al que hemos llamado ACME-DB. / Teaching and automatic evaluation through Computer Based Assessment (CBA) requires of specialized software tools capable to correct different type of activities. In this work, we have analyzed the main topics of a database course (entity/ relationship diagrams, class diagrams, relational database schemas, normalization, relational algebra and SQL) and for each one of them we have reported the state of art on CBA tools. Afterwards, we have proposed a new CBA environment for teaching and learning database. This environment, denoted ACME-DB, is composed of different modules capable to automatically correct and evaluate exercises of main topics of a database course providing improvements over existing tools.

A presente pesquisa aborda uma investigação interdisciplinar (Educação e Computação) sobre estudos que estabeleceram como foco a influência da afetividade na educação e sobre como reconhecer o desânimo do aluno em interação em um ambiente virtual de ensino e aprendizagem (AVEA) utilizando mineração de dados educacionais (MDE). A afetividade pode influenciar na aprendizagem do aluno, principalmente com relação aos aspectos negativos, frustrações, sensações de solidão, desânimo, fazendo com que o aluno possa, inclusive, desistir de um curso, tornando-se uma problemática no ensino. Identificar esses aspectos em cursos à distância torna-se desafiador para o professor devido à distância temporal e assincronicidade desse meio. Nos cursos à distância, essa possibilidade pode ser permitida através das análises dos dados das interações do aluno no ambiente, porém, o volume de dados existentes torna-se muito grande para ser analisado pelo professor, fazendo com que seja mais difícil realizar essa identificação. Na busca por identificar o estado de ânimo desanimado, esta tese apresenta um Modelo de Predição do Desânimo baseado em comportamento observável e autorrelato armazenados em AVEA, utilizando regras de associação. Para desenvolver o Modelo de Predição do aluno, as variáveis comportamentais indicadoras do desânimo foram evidenciadas na pesquisa, bem como a utilização dos fundamentos e instrumento de Scherer para identificação dos estados afetivos, mais precisamente do estado de ânimo desanimado, que duram por longos períodos, possibilitando sua identificação após determinados fatos terem ocorrido no processo de aprendizagem, o que possibilitou ter uma metodologia de acompanhamento do aluno. As regras de associação foram descobertas devido ao potencial da MDE, que, além de propiciar a inferência e predição, pode ser usada para fornecer apoio tanto ao professor, no processo de ensino e acompanhamento do aluno, quanto ao aluno, no processo de aprendizagem. Nesse contexto, a pesquisa é aplicada ao processo de ensino e aprendizagem utilizando como procedimento técnico experimentos para coleta de dados. Foram feitos experimentos com aplicação de técnicas computacionais para apoio à inferência e geração do modelo de predição. Em cada experimento onde se aplicou a MDE, as melhores regras foram escolhidas com base nas medidas de interesse e presença do estado de ânimo desanimado. A partir dessas melhores regras, uma validação foi realizada em um novo experimento propondo o Modelo de Predição do aluno desanimado em interação no AVEA Moodle. Além de apresentar o Modelo de Predição do Aluno Desanimado, este modelo foi implementado e integrado como ferramenta computacional à plataforma Moodle. A pesquisa justifica-se na medida em que apresenta inovação tecnológica para investigar a influência da afetividade na aprendizagem dentro do contexto da Educação a Distância (EAD) e aplica técnicas computacionais desenvolvendo um Modelo de Predição do Aluno Desanimado, que fornece para o professor uma visão geral do modelo e melhor acompanhamento de seus alunos, através de dashboard, contribuindo na sua prática docente. Logo, a tese apresenta como destaque inovador um produto de pesquisa com utilidade na prática docente no ensino superior, principalmente em cursos EAD, para o reconhecimento de aspectos relacionados à afetividade no contexto educacional. Através da ferramenta computacional, um melhor acompanhamento de alunos desanimados em interação em AVEA pode ser feito pelo professor, permitindo a este fomentar uma metodologia de acompanhamento desses alunos, a fim de minimizar futuras evasões, bem como desistências em cursos e disciplinas, beneficiando a comunidade acadêmica. / This research addresses an interdisciplinary research (Education and Computer) on studies that established focus on the influence of affectivity in education and how to recognize the dismay of student interaction in a virtual teaching and learning environment (VTLE) using educational data mining (EDM). Affection can influence student learning, particularly with respect to the negative, frustration, feelings of loneliness, discouragement, causing the student can even give up a course, becoming a problematic teaching. Identify these aspects in distance courses becomes challenging for the teacher due to the temporal distance and asynchronicity that medium. In distance learning courses, this possibility may be permitted by the data analysis of student interactions in the environment, however, the amount of data becomes too large to be analyzed by the teacher, making it more difficult to carry out such identification. In seeking to identify the state of despondent mood, this thesis presents a prediction model of the observable behavior-based Discouragement and self-report stored in VTLE using association rules. To develop the prediction model student, the indicator behavioral variables of discouragement were evident in the research, and the use of the grounds and Scherer tool to identify the affective states, specifically the state of despondent mood that last for long periods, enabling identification after certain events have occurred in the learning process, making it possible to have a follow-up methodology of the student. Association rules were discovered due to the potential of the EAW, which, besides providing the inference and prediction, can be used to provide support to both the teacher in the teaching and monitoring of the student as the student in the learning process. In this context, the research is applied to the teaching and learning process using as a technical procedure experiments to collect data. experiments were made with application of computational techniques to support the inference and generation of the prediction model. In each experiment where we applied the MED, the best rules were chosen based on measures of interest and presence in the state of despondent mood. From these best rules, a validation was performed on a new experiment proposing the Prediction Model discouraged student interaction in VTLE Moodle. In addition to presenting the Prediction Model of Student Discouraged, this model was implemented and integrated as a computational tool to the Moodle platform. The research is justified in that it presents technological innovation to investigate the influence of affect on learning within the education context Distance Learning and applies computational techniques developing a prediction model Discouraged Student, which provides for the teacher a view general model and better monitoring of their students through dashboard, contributing to their teaching practice. Therefore, the thesis shows how innovative highlight a research product to use in teaching practice in higher education, especially in distance education courses, for the recognition of aspects related to affectivity in the educational context. Through computational tool for better monitoring of disheartened students interacting in VTLE it can be done by the teacher, allowing him to promote a follow-up methodology of these students in order to minimize future evasions and dropouts courses and disciplines, benefiting the community academic. / Esta investigación se ocupa de una investigación interdisciplinaria (Educación e Informática) en los que se estableció el enfoque sobre la influencia de la afectividad en la educación y cómo reconocer la consternación de la interacción del estudiante en un entorno virtual de enseñanza aprendizaje (AVEA) utilizando la minería de datos educativa (MDE). El afecto puede influir en el aprendizaje del estudiante, en particular con respecto a la negativa, frustración, sentimientos de soledad, desánimo, haciendo que el estudiante puede incluso renunciar a un curso, convirtiéndose en una enseñanza problemática. Identificar estos aspectos en los cursos a distancia se convierte en un reto para el maestro debido a la distancia temporal y asincronía ese medio. En los cursos de enseñanza a distancia, esta posibilidad puede ser permitido por el análisis de los datos de las interacciones de los estudiantes en el ambiente, sin embargo, la cantidad de datos es demasiado grande para ser analizados por el profesor, lo que hace más difícil llevar a cabo dicha identificación. Al tratar de identificar el estado de ánimo deprimido, esta tesis presenta un modelo de predicción del desaliento observables basada en el comportamiento y auto-informe almacenado en AVEA las reglas de asociación. Para desarrollar el estudiante modelo de predicción, las variables de comportamiento del indicador de desaliento eran evidentes en la investigación, y el uso de los terrenos y Scherer herramienta para identificar los estados afectivos, específicamente el estado de ánimo deprimido que duran por largos períodos de tiempo, que permite la identificación después de ciertos acontecimientos se han producido en el proceso de aprendizaje, por lo que es posible tener una metodología de seguimiento del estudiante. Reglas de asociación fueron descubiertos debido al potencial de la orden de detención europea, que, además de proporcionar la inferencia y la predicción, se puede utilizar para proporcionar apoyo tanto a la maestra en la enseñanza y el seguimiento del alumno como estudiante en el proceso de aprendizaje. En este contexto, la investigación se aplica al proceso de enseñanza y aprendizaje mediante experimentos como un procedimiento técnico para recopilar datos. experimentos se hicieron con la aplicación de técnicas computacionales para apoyar la inferencia y la generación del modelo de predicción. En cada experimento en el que se aplicó el MDE, las mejores reglas fueron elegidos en base a medidas de interés y presencia en el estado de ánimo deprimido. A partir de estas mejores reglas, una validación se realizó en un nuevo experimento que propone la interacción de los estudiantes desalentado modelo de predicción de AVEA Moodle. Además de presentar el Modelo de Predicción del Estudiante Desalentado, este modelo fue implementado e integrado como una herramienta computacional para la plataforma Moodle. La investigación se justifica porque presenta la innovación tecnológica para investigar la influencia del efecto sobre el aprendizaje en el contexto de la educación a distancia (EAD) y aplica técnicas computacionales en desarrollo un modelo de predicción de Estudiantes Desalentado, que prevé el profesor una vista modelo general y un mejor seguimiento de sus estudiantes a través de tablero de instrumentos, contribuyendo a su práctica docente. Por lo tanto, la tesis muestra cómo destacado innovador de un producto de investigación a utilizar en la práctica docente en la enseñanza superior, sobre todo en los cursos de educación a distancia, para el reconocimiento de los aspectos relacionados con la afectividad en el contexto educativo. A través de la herramienta computacional para un mejor seguimiento de los estudiantes desanimados que interactúan en AVEA se puede hacer por el profesor, lo que le permite promover una metodología de seguimiento de estos estudiantes con el fin de reducir al mínimo las evasivas y abandonos futuros cursos y disciplinas, en beneficio de la comunidad académica.

Esta tese apresenta mecanismos computacionais concebidos para reconhecer e inferir estados de ânimo de alunos em interação num ambiente virtual de aprendizagem (AVA). A pesquisa, tendo por base investigações interdisciplinar – Educação, Psicologia Cognitiva e Computação Afetiva (CA) –, apresenta, a título de problema central, o de como alcançar tais objetivos. A Psicogenética Construtivista, base teórica que fundamenta o exame dos aspectos afetivos envolvidos nos processos de aprendizagem, responde pela concepção epistemológica interacionista do AVA ROODA, ambiente de aplicação da pesquisa. A dimensão afetiva é examinada sob a perspectiva cognitivista associada à teoria de appraisal, em especial no que diz respeito ao modelo de Scherer, que tem por finalidade distinguir os diferentes fenômenos afetivos. No que tange à CA, área em torno da qual vêm sendo desenvolvidos estudos que buscam inferir, avaliar e tomar decisões sobre o estado cognitivo-afetivo do aluno, dois aspectos são considerados. De um lado, a análise de como se processa a interação do aluno com o sistema em função de sinais obtidos do comportamento observável no ambiente. De outro, como proceder ao reconhecimento da subjetividade a partir de materiais textuais. Projetos experimentais de CA vêm evidenciando o quanto, no âmbito cognitivo, o reconhecimento da afetividade assume novos contornos. A hipótese de estudo, a de que os estados de ânimo de um aluno podem ser reconhecidos em AVA através de um modelo computacional que inter-relacione fatores de personalidade e de comportamento, pôde ser confirmada, para isso concorrendo o emprego da técnica de redes bayesianas. A opção pelo fenômeno afetivo estado de ânimo, embasada na revisão da literatura, justifica-se por constituir um dos aspectos afetivos mais representativos no ambiente escolar, com respeito ao qual cumpre considerar duas classes de estados de ânimo: animação e satisfação. A Roda dos Estados Afetivos é o espaço de representação para o mapeamento de ambas as classes. Tendo em conta a interdisciplinaridade da pesquisa, e no intuito de identificar os estados de ânimo nas interações de alunos em AVA, construiu-se uma nova funcionalidade para o AVA ROODA, denominada ROODAafeto. Identificar os estados de ânimo em AVA significa ampliar o leque de comunicação professor-aluno, de modo a que não somente os aspectos cognitivos, mas também os afetivos sejam considerados. Em síntese, através dessa funcionalidade, pretende-se proporcionar meios, a partir dos quais seja possível obter informações associadas à vivência afetiva do aluno, notadamente em relação ao ensino não presencial. / This dissertation presents computing mechanisms conceived in order to get to know and infer students’ mood states when interacting in a virtual learning environment (VLE). The research, based on interdisciplinary studies – Education, Cognitive Psychology, and Affective Computing (AC) –, presents, as its main research problem, the aim of reaching such objectives. Constructivist psychogenetics, theoretical foundation for the examination of affective aspects involved in learning processes, is responsible for the interactionist epistemological conception of the ROODA VLE, the application environment for the research. The affective dimension is examined under the cognitive perspective associated to the appraisal theory, mainly regarding Scherer’s model, which aims to distinguish the different affective phenomena. Concerning AC, area that comprises studies developed in order to infer, assess, and take decisions about the student’s affective-cognitive status, two aspects are considered. On the one hand, the analysis of how the interaction of the student with the system is processed was carried out, based on signals obtained from the observable behavior in the environment. On the other hand, it was analyzed how to proceed when recognizing the subjectivity from textual materials. AC experimental projects have evidenced how much, in the cognitive sphere, the recognition of affectivity assumes new forms. The study hypothesis that a student’s mood state can be recognized in a VLE by means of a computing model that inter-relates personality and behavior factors could be confirmed, and for this purpose a Bayesian network technique was used. The option for the affective phenomena mood state, based on the literature review, is justified by the fact that it is one of the most representative affective aspects in the educational environment. With this regard, two types of mood states are considered: being interested and being satisfied. Wheel of Afffective States is the space of representation for the mapping of both types. Considering the interdisciplinarity of the research, and with the purpose of identifying the mood states in the students' interactions in a VLE, a new functionality for the ROODA VLE, called ROODAafeto was developed. Identifying mood states in VLE means to amplify the possibility of teacher-student communication so that affective aspects are also considered besides cognitive aspects. In short, the use of this functionality aims to provide means to obtain information associated with the student’s affective experience, mainly in relation to non-presential education. / Esta tesis presenta mecanismos computacionales diseñados para reconocer e inferir los estados de ánimo de los estudiantes en la interacción en un entorno virtual de aprendizaje (AVA). La investigación, basada en estudio interdisciplinar - Educación, Psicología Cognitiva y Computación Afectiva (CA) - presenta, como problema central, de qué modo alcanzar estos objetivos. La Psicogenética Constructivista, base teórica que se basa en el examen de los aspectos afectivos implicados en los procesos de aprendizaje, responde por la concepción epistemológica interaccionista de AVA ROODA, ambiente de ejecución de la investigación. La dimensión afectiva es examinada desde la perspectiva cognitivista asociada con la teoría de appraisal, en particular en lo que respecta al modelo de Scherer, que tiene por finalidad distinguir los diferentes fenómenos afectivos. Desde el punto de vista de la CA, la zona en torno a los cuales se han desarrollado estudios que buscan inferir, evaluar y tomar decisiones acerca del estado cognitivo-afectivo del alumno, se consideran dos aspectos. Por un lado, el análisis de cómo se procesa la interacción del alumno con el sistema en función de las señales obtenidas del comportamiento observado en el ambiente. Por otra parte, como proceder al reconocimiento de la subjetividad desde los materiales textuales. Proyectos experimentales en CA han confirmando cuanto, en la magnitud cognitiva, el reconocimiento de la afectividad asume nuevos contornos. La hipótesis del estudio, en la que los estados de ánimo de un alumno puede ser reconocida en AVA mediante un modelo computacional que interrelacione factores de la personalidad y del comportamiento, se pudo confirmar, para tanto concurriendo el empleo de la técnica de redes bayesianas. La elección por el fenómeno afectivo estado de ánimo, embasada en la revisión de la literatura, se justifica por constituir uno de los aspectos afectivos más representativos en el entorno escolar, por lo que respecta considerar dos clases de estados de ánimo: animación y satisfacción. El Círculo de los Estados Afectivos es el espacio de representación para el mapeo de ambas clases. Teniendo en cuenta la interdisciplinariedad de la investigación, y el objetivo de identificar los estados de ánimo en las interacciones de los alumnos en AVA, se construyo una nueva funcionalidad para AVA ROODA, llamada ROODAafeto. Identificar los estados de ánimo en AVA significa una ampliación del rango de comunicación profesor-alumno, de modo que no sólo los aspectos cognitivos, sino también los afectivos se tienen en cuenta. En resumen, por medio de esta funcionalidad, se intenta proporcionar los medios, a partir de los cuales sea posible obtener información relacionada con la experiencia afectiva de los alumnos, especialmente en relación con la enseñanza no presencial.

A presente pesquisa aborda uma investigação interdisciplinar (Educação e Computação) sobre estudos que estabeleceram como foco a influência da afetividade na educação e sobre como reconhecer o desânimo do aluno em interação em um ambiente virtual de ensino e aprendizagem (AVEA) utilizando mineração de dados educacionais (MDE). A afetividade pode influenciar na aprendizagem do aluno, principalmente com relação aos aspectos negativos, frustrações, sensações de solidão, desânimo, fazendo com que o aluno possa, inclusive, desistir de um curso, tornando-se uma problemática no ensino. Identificar esses aspectos em cursos à distância torna-se desafiador para o professor devido à distância temporal e assincronicidade desse meio. Nos cursos à distância, essa possibilidade pode ser permitida através das análises dos dados das interações do aluno no ambiente, porém, o volume de dados existentes torna-se muito grande para ser analisado pelo professor, fazendo com que seja mais difícil realizar essa identificação. Na busca por identificar o estado de ânimo desanimado, esta tese apresenta um Modelo de Predição do Desânimo baseado em comportamento observável e autorrelato armazenados em AVEA, utilizando regras de associação. Para desenvolver o Modelo de Predição do aluno, as variáveis comportamentais indicadoras do desânimo foram evidenciadas na pesquisa, bem como a utilização dos fundamentos e instrumento de Scherer para identificação dos estados afetivos, mais precisamente do estado de ânimo desanimado, que duram por longos períodos, possibilitando sua identificação após determinados fatos terem ocorrido no processo de aprendizagem, o que possibilitou ter uma metodologia de acompanhamento do aluno. As regras de associação foram descobertas devido ao potencial da MDE, que, além de propiciar a inferência e predição, pode ser usada para fornecer apoio tanto ao professor, no processo de ensino e acompanhamento do aluno, quanto ao aluno, no processo de aprendizagem. Nesse contexto, a pesquisa é aplicada ao processo de ensino e aprendizagem utilizando como procedimento técnico experimentos para coleta de dados. Foram feitos experimentos com aplicação de técnicas computacionais para apoio à inferência e geração do modelo de predição. Em cada experimento onde se aplicou a MDE, as melhores regras foram escolhidas com base nas medidas de interesse e presença do estado de ânimo desanimado. A partir dessas melhores regras, uma validação foi realizada em um novo experimento propondo o Modelo de Predição do aluno desanimado em interação no AVEA Moodle. Além de apresentar o Modelo de Predição do Aluno Desanimado, este modelo foi implementado e integrado como ferramenta computacional à plataforma Moodle. A pesquisa justifica-se na medida em que apresenta inovação tecnológica para investigar a influência da afetividade na aprendizagem dentro do contexto da Educação a Distância (EAD) e aplica técnicas computacionais desenvolvendo um Modelo de Predição do Aluno Desanimado, que fornece para o professor uma visão geral do modelo e melhor acompanhamento de seus alunos, através de dashboard, contribuindo na sua prática docente. Logo, a tese apresenta como destaque inovador um produto de pesquisa com utilidade na prática docente no ensino superior, principalmente em cursos EAD, para o reconhecimento de aspectos relacionados à afetividade no contexto educacional. Através da ferramenta computacional, um melhor acompanhamento de alunos desanimados em interação em AVEA pode ser feito pelo professor, permitindo a este fomentar uma metodologia de acompanhamento desses alunos, a fim de minimizar futuras evasões, bem como desistências em cursos e disciplinas, beneficiando a comunidade acadêmica. / This research addresses an interdisciplinary research (Education and Computer) on studies that established focus on the influence of affectivity in education and how to recognize the dismay of student interaction in a virtual teaching and learning environment (VTLE) using educational data mining (EDM). Affection can influence student learning, particularly with respect to the negative, frustration, feelings of loneliness, discouragement, causing the student can even give up a course, becoming a problematic teaching. Identify these aspects in distance courses becomes challenging for the teacher due to the temporal distance and asynchronicity that medium. In distance learning courses, this possibility may be permitted by the data analysis of student interactions in the environment, however, the amount of data becomes too large to be analyzed by the teacher, making it more difficult to carry out such identification. In seeking to identify the state of despondent mood, this thesis presents a prediction model of the observable behavior-based Discouragement and self-report stored in VTLE using association rules. To develop the prediction model student, the indicator behavioral variables of discouragement were evident in the research, and the use of the grounds and Scherer tool to identify the affective states, specifically the state of despondent mood that last for long periods, enabling identification after certain events have occurred in the learning process, making it possible to have a follow-up methodology of the student. Association rules were discovered due to the potential of the EAW, which, besides providing the inference and prediction, can be used to provide support to both the teacher in the teaching and monitoring of the student as the student in the learning process. In this context, the research is applied to the teaching and learning process using as a technical procedure experiments to collect data. experiments were made with application of computational techniques to support the inference and generation of the prediction model. In each experiment where we applied the MED, the best rules were chosen based on measures of interest and presence in the state of despondent mood. From these best rules, a validation was performed on a new experiment proposing the Prediction Model discouraged student interaction in VTLE Moodle. In addition to presenting the Prediction Model of Student Discouraged, this model was implemented and integrated as a computational tool to the Moodle platform. The research is justified in that it presents technological innovation to investigate the influence of affect on learning within the education context Distance Learning and applies computational techniques developing a prediction model Discouraged Student, which provides for the teacher a view general model and better monitoring of their students through dashboard, contributing to their teaching practice. Therefore, the thesis shows how innovative highlight a research product to use in teaching practice in higher education, especially in distance education courses, for the recognition of aspects related to affectivity in the educational context. Through computational tool for better monitoring of disheartened students interacting in VTLE it can be done by the teacher, allowing him to promote a follow-up methodology of these students in order to minimize future evasions and dropouts courses and disciplines, benefiting the community academic. / Esta investigación se ocupa de una investigación interdisciplinaria (Educación e Informática) en los que se estableció el enfoque sobre la influencia de la afectividad en la educación y cómo reconocer la consternación de la interacción del estudiante en un entorno virtual de enseñanza aprendizaje (AVEA) utilizando la minería de datos educativa (MDE). El afecto puede influir en el aprendizaje del estudiante, en particular con respecto a la negativa, frustración, sentimientos de soledad, desánimo, haciendo que el estudiante puede incluso renunciar a un curso, convirtiéndose en una enseñanza problemática. Identificar estos aspectos en los cursos a distancia se convierte en un reto para el maestro debido a la distancia temporal y asincronía ese medio. En los cursos de enseñanza a distancia, esta posibilidad puede ser permitido por el análisis de los datos de las interacciones de los estudiantes en el ambiente, sin embargo, la cantidad de datos es demasiado grande para ser analizados por el profesor, lo que hace más difícil llevar a cabo dicha identificación. Al tratar de identificar el estado de ánimo deprimido, esta tesis presenta un modelo de predicción del desaliento observables basada en el comportamiento y auto-informe almacenado en AVEA las reglas de asociación. Para desarrollar el estudiante modelo de predicción, las variables de comportamiento del indicador de desaliento eran evidentes en la investigación, y el uso de los terrenos y Scherer herramienta para identificar los estados afectivos, específicamente el estado de ánimo deprimido que duran por largos períodos de tiempo, que permite la identificación después de ciertos acontecimientos se han producido en el proceso de aprendizaje, por lo que es posible tener una metodología de seguimiento del estudiante. Reglas de asociación fueron descubiertos debido al potencial de la orden de detención europea, que, además de proporcionar la inferencia y la predicción, se puede utilizar para proporcionar apoyo tanto a la maestra en la enseñanza y el seguimiento del alumno como estudiante en el proceso de aprendizaje. En este contexto, la investigación se aplica al proceso de enseñanza y aprendizaje mediante experimentos como un procedimiento técnico para recopilar datos. experimentos se hicieron con la aplicación de técnicas computacionales para apoyar la inferencia y la generación del modelo de predicción. En cada experimento en el que se aplicó el MDE, las mejores reglas fueron elegidos en base a medidas de interés y presencia en el estado de ánimo deprimido. A partir de estas mejores reglas, una validación se realizó en un nuevo experimento que propone la interacción de los estudiantes desalentado modelo de predicción de AVEA Moodle. Además de presentar el Modelo de Predicción del Estudiante Desalentado, este modelo fue implementado e integrado como una herramienta computacional para la plataforma Moodle. La investigación se justifica porque presenta la innovación tecnológica para investigar la influencia del efecto sobre el aprendizaje en el contexto de la educación a distancia (EAD) y aplica técnicas computacionales en desarrollo un modelo de predicción de Estudiantes Desalentado, que prevé el profesor una vista modelo general y un mejor seguimiento de sus estudiantes a través de tablero de instrumentos, contribuyendo a su práctica docente. Por lo tanto, la tesis muestra cómo destacado innovador de un producto de investigación a utilizar en la práctica docente en la enseñanza superior, sobre todo en los cursos de educación a distancia, para el reconocimiento de los aspectos relacionados con la afectividad en el contexto educativo. A través de la herramienta computacional para un mejor seguimiento de los estudiantes desanimados que interactúan en AVEA se puede hacer por el profesor, lo que le permite promover una metodología de seguimiento de estos estudiantes con el fin de reducir al mínimo las evasivas y abandonos futuros cursos y disciplinas, en beneficio de la comunidad académica.

Esta tese apresenta mecanismos computacionais concebidos para reconhecer e inferir estados de ânimo de alunos em interação num ambiente virtual de aprendizagem (AVA). A pesquisa, tendo por base investigações interdisciplinar – Educação, Psicologia Cognitiva e Computação Afetiva (CA) –, apresenta, a título de problema central, o de como alcançar tais objetivos. A Psicogenética Construtivista, base teórica que fundamenta o exame dos aspectos afetivos envolvidos nos processos de aprendizagem, responde pela concepção epistemológica interacionista do AVA ROODA, ambiente de aplicação da pesquisa. A dimensão afetiva é examinada sob a perspectiva cognitivista associada à teoria de appraisal, em especial no que diz respeito ao modelo de Scherer, que tem por finalidade distinguir os diferentes fenômenos afetivos. No que tange à CA, área em torno da qual vêm sendo desenvolvidos estudos que buscam inferir, avaliar e tomar decisões sobre o estado cognitivo-afetivo do aluno, dois aspectos são considerados. De um lado, a análise de como se processa a interação do aluno com o sistema em função de sinais obtidos do comportamento observável no ambiente. De outro, como proceder ao reconhecimento da subjetividade a partir de materiais textuais. Projetos experimentais de CA vêm evidenciando o quanto, no âmbito cognitivo, o reconhecimento da afetividade assume novos contornos. A hipótese de estudo, a de que os estados de ânimo de um aluno podem ser reconhecidos em AVA através de um modelo computacional que inter-relacione fatores de personalidade e de comportamento, pôde ser confirmada, para isso concorrendo o emprego da técnica de redes bayesianas. A opção pelo fenômeno afetivo estado de ânimo, embasada na revisão da literatura, justifica-se por constituir um dos aspectos afetivos mais representativos no ambiente escolar, com respeito ao qual cumpre considerar duas classes de estados de ânimo: animação e satisfação. A Roda dos Estados Afetivos é o espaço de representação para o mapeamento de ambas as classes. Tendo em conta a interdisciplinaridade da pesquisa, e no intuito de identificar os estados de ânimo nas interações de alunos em AVA, construiu-se uma nova funcionalidade para o AVA ROODA, denominada ROODAafeto. Identificar os estados de ânimo em AVA significa ampliar o leque de comunicação professor-aluno, de modo a que não somente os aspectos cognitivos, mas também os afetivos sejam considerados. Em síntese, através dessa funcionalidade, pretende-se proporcionar meios, a partir dos quais seja possível obter informações associadas à vivência afetiva do aluno, notadamente em relação ao ensino não presencial. / This dissertation presents computing mechanisms conceived in order to get to know and infer students’ mood states when interacting in a virtual learning environment (VLE). The research, based on interdisciplinary studies – Education, Cognitive Psychology, and Affective Computing (AC) –, presents, as its main research problem, the aim of reaching such objectives. Constructivist psychogenetics, theoretical foundation for the examination of affective aspects involved in learning processes, is responsible for the interactionist epistemological conception of the ROODA VLE, the application environment for the research. The affective dimension is examined under the cognitive perspective associated to the appraisal theory, mainly regarding Scherer’s model, which aims to distinguish the different affective phenomena. Concerning AC, area that comprises studies developed in order to infer, assess, and take decisions about the student’s affective-cognitive status, two aspects are considered. On the one hand, the analysis of how the interaction of the student with the system is processed was carried out, based on signals obtained from the observable behavior in the environment. On the other hand, it was analyzed how to proceed when recognizing the subjectivity from textual materials. AC experimental projects have evidenced how much, in the cognitive sphere, the recognition of affectivity assumes new forms. The study hypothesis that a student’s mood state can be recognized in a VLE by means of a computing model that inter-relates personality and behavior factors could be confirmed, and for this purpose a Bayesian network technique was used. The option for the affective phenomena mood state, based on the literature review, is justified by the fact that it is one of the most representative affective aspects in the educational environment. With this regard, two types of mood states are considered: being interested and being satisfied. Wheel of Afffective States is the space of representation for the mapping of both types. Considering the interdisciplinarity of the research, and with the purpose of identifying the mood states in the students' interactions in a VLE, a new functionality for the ROODA VLE, called ROODAafeto was developed. Identifying mood states in VLE means to amplify the possibility of teacher-student communication so that affective aspects are also considered besides cognitive aspects. In short, the use of this functionality aims to provide means to obtain information associated with the student’s affective experience, mainly in relation to non-presential education. / Esta tesis presenta mecanismos computacionales diseñados para reconocer e inferir los estados de ánimo de los estudiantes en la interacción en un entorno virtual de aprendizaje (AVA). La investigación, basada en estudio interdisciplinar - Educación, Psicología Cognitiva y Computación Afectiva (CA) - presenta, como problema central, de qué modo alcanzar estos objetivos. La Psicogenética Constructivista, base teórica que se basa en el examen de los aspectos afectivos implicados en los procesos de aprendizaje, responde por la concepción epistemológica interaccionista de AVA ROODA, ambiente de ejecución de la investigación. La dimensión afectiva es examinada desde la perspectiva cognitivista asociada con la teoría de appraisal, en particular en lo que respecta al modelo de Scherer, que tiene por finalidad distinguir los diferentes fenómenos afectivos. Desde el punto de vista de la CA, la zona en torno a los cuales se han desarrollado estudios que buscan inferir, evaluar y tomar decisiones acerca del estado cognitivo-afectivo del alumno, se consideran dos aspectos. Por un lado, el análisis de cómo se procesa la interacción del alumno con el sistema en función de las señales obtenidas del comportamiento observado en el ambiente. Por otra parte, como proceder al reconocimiento de la subjetividad desde los materiales textuales. Proyectos experimentales en CA han confirmando cuanto, en la magnitud cognitiva, el reconocimiento de la afectividad asume nuevos contornos. La hipótesis del estudio, en la que los estados de ánimo de un alumno puede ser reconocida en AVA mediante un modelo computacional que interrelacione factores de la personalidad y del comportamiento, se pudo confirmar, para tanto concurriendo el empleo de la técnica de redes bayesianas. La elección por el fenómeno afectivo estado de ánimo, embasada en la revisión de la literatura, se justifica por constituir uno de los aspectos afectivos más representativos en el entorno escolar, por lo que respecta considerar dos clases de estados de ánimo: animación y satisfacción. El Círculo de los Estados Afectivos es el espacio de representación para el mapeo de ambas clases. Teniendo en cuenta la interdisciplinariedad de la investigación, y el objetivo de identificar los estados de ánimo en las interacciones de los alumnos en AVA, se construyo una nueva funcionalidad para AVA ROODA, llamada ROODAafeto. Identificar los estados de ánimo en AVA significa una ampliación del rango de comunicación profesor-alumno, de modo que no sólo los aspectos cognitivos, sino también los afectivos se tienen en cuenta. En resumen, por medio de esta funcionalidad, se intenta proporcionar los medios, a partir de los cuales sea posible obtener información relacionada con la experiencia afectiva de los alumnos, especialmente en relación con la enseñanza no presencial.

Esta tese apresenta mecanismos computacionais concebidos para reconhecer e inferir estados de ânimo de alunos em interação num ambiente virtual de aprendizagem (AVA). A pesquisa, tendo por base investigações interdisciplinar – Educação, Psicologia Cognitiva e Computação Afetiva (CA) –, apresenta, a título de problema central, o de como alcançar tais objetivos. A Psicogenética Construtivista, base teórica que fundamenta o exame dos aspectos afetivos envolvidos nos processos de aprendizagem, responde pela concepção epistemológica interacionista do AVA ROODA, ambiente de aplicação da pesquisa. A dimensão afetiva é examinada sob a perspectiva cognitivista associada à teoria de appraisal, em especial no que diz respeito ao modelo de Scherer, que tem por finalidade distinguir os diferentes fenômenos afetivos. No que tange à CA, área em torno da qual vêm sendo desenvolvidos estudos que buscam inferir, avaliar e tomar decisões sobre o estado cognitivo-afetivo do aluno, dois aspectos são considerados. De um lado, a análise de como se processa a interação do aluno com o sistema em função de sinais obtidos do comportamento observável no ambiente. De outro, como proceder ao reconhecimento da subjetividade a partir de materiais textuais. Projetos experimentais de CA vêm evidenciando o quanto, no âmbito cognitivo, o reconhecimento da afetividade assume novos contornos. A hipótese de estudo, a de que os estados de ânimo de um aluno podem ser reconhecidos em AVA através de um modelo computacional que inter-relacione fatores de personalidade e de comportamento, pôde ser confirmada, para isso concorrendo o emprego da técnica de redes bayesianas. A opção pelo fenômeno afetivo estado de ânimo, embasada na revisão da literatura, justifica-se por constituir um dos aspectos afetivos mais representativos no ambiente escolar, com respeito ao qual cumpre considerar duas classes de estados de ânimo: animação e satisfação. A Roda dos Estados Afetivos é o espaço de representação para o mapeamento de ambas as classes. Tendo em conta a interdisciplinaridade da pesquisa, e no intuito de identificar os estados de ânimo nas interações de alunos em AVA, construiu-se uma nova funcionalidade para o AVA ROODA, denominada ROODAafeto. Identificar os estados de ânimo em AVA significa ampliar o leque de comunicação professor-aluno, de modo a que não somente os aspectos cognitivos, mas também os afetivos sejam considerados. Em síntese, através dessa funcionalidade, pretende-se proporcionar meios, a partir dos quais seja possível obter informações associadas à vivência afetiva do aluno, notadamente em relação ao ensino não presencial. / This dissertation presents computing mechanisms conceived in order to get to know and infer students’ mood states when interacting in a virtual learning environment (VLE). The research, based on interdisciplinary studies – Education, Cognitive Psychology, and Affective Computing (AC) –, presents, as its main research problem, the aim of reaching such objectives. Constructivist psychogenetics, theoretical foundation for the examination of affective aspects involved in learning processes, is responsible for the interactionist epistemological conception of the ROODA VLE, the application environment for the research. The affective dimension is examined under the cognitive perspective associated to the appraisal theory, mainly regarding Scherer’s model, which aims to distinguish the different affective phenomena. Concerning AC, area that comprises studies developed in order to infer, assess, and take decisions about the student’s affective-cognitive status, two aspects are considered. On the one hand, the analysis of how the interaction of the student with the system is processed was carried out, based on signals obtained from the observable behavior in the environment. On the other hand, it was analyzed how to proceed when recognizing the subjectivity from textual materials. AC experimental projects have evidenced how much, in the cognitive sphere, the recognition of affectivity assumes new forms. The study hypothesis that a student’s mood state can be recognized in a VLE by means of a computing model that inter-relates personality and behavior factors could be confirmed, and for this purpose a Bayesian network technique was used. The option for the affective phenomena mood state, based on the literature review, is justified by the fact that it is one of the most representative affective aspects in the educational environment. With this regard, two types of mood states are considered: being interested and being satisfied. Wheel of Afffective States is the space of representation for the mapping of both types. Considering the interdisciplinarity of the research, and with the purpose of identifying the mood states in the students' interactions in a VLE, a new functionality for the ROODA VLE, called ROODAafeto was developed. Identifying mood states in VLE means to amplify the possibility of teacher-student communication so that affective aspects are also considered besides cognitive aspects. In short, the use of this functionality aims to provide means to obtain information associated with the student’s affective experience, mainly in relation to non-presential education. / Esta tesis presenta mecanismos computacionales diseñados para reconocer e inferir los estados de ánimo de los estudiantes en la interacción en un entorno virtual de aprendizaje (AVA). La investigación, basada en estudio interdisciplinar - Educación, Psicología Cognitiva y Computación Afectiva (CA) - presenta, como problema central, de qué modo alcanzar estos objetivos. La Psicogenética Constructivista, base teórica que se basa en el examen de los aspectos afectivos implicados en los procesos de aprendizaje, responde por la concepción epistemológica interaccionista de AVA ROODA, ambiente de ejecución de la investigación. La dimensión afectiva es examinada desde la perspectiva cognitivista asociada con la teoría de appraisal, en particular en lo que respecta al modelo de Scherer, que tiene por finalidad distinguir los diferentes fenómenos afectivos. Desde el punto de vista de la CA, la zona en torno a los cuales se han desarrollado estudios que buscan inferir, evaluar y tomar decisiones acerca del estado cognitivo-afectivo del alumno, se consideran dos aspectos. Por un lado, el análisis de cómo se procesa la interacción del alumno con el sistema en función de las señales obtenidas del comportamiento observado en el ambiente. Por otra parte, como proceder al reconocimiento de la subjetividad desde los materiales textuales. Proyectos experimentales en CA han confirmando cuanto, en la magnitud cognitiva, el reconocimiento de la afectividad asume nuevos contornos. La hipótesis del estudio, en la que los estados de ánimo de un alumno puede ser reconocida en AVA mediante un modelo computacional que interrelacione factores de la personalidad y del comportamiento, se pudo confirmar, para tanto concurriendo el empleo de la técnica de redes bayesianas. La elección por el fenómeno afectivo estado de ánimo, embasada en la revisión de la literatura, se justifica por constituir uno de los aspectos afectivos más representativos en el entorno escolar, por lo que respecta considerar dos clases de estados de ánimo: animación y satisfacción. El Círculo de los Estados Afectivos es el espacio de representación para el mapeo de ambas clases. Teniendo en cuenta la interdisciplinariedad de la investigación, y el objetivo de identificar los estados de ánimo en las interacciones de los alumnos en AVA, se construyo una nueva funcionalidad para AVA ROODA, llamada ROODAafeto. Identificar los estados de ánimo en AVA significa una ampliación del rango de comunicación profesor-alumno, de modo que no sólo los aspectos cognitivos, sino también los afectivos se tienen en cuenta. En resumen, por medio de esta funcionalidad, se intenta proporcionar los medios, a partir de los cuales sea posible obtener información relacionada con la experiencia afectiva de los alumnos, especialmente en relación con la enseñanza no presencial.

[ES] El Trastorno del Espectro Autista (TEA) es una afección compleja que se encuentra dentro de los llamados Trastornos del Neurodesarrollo. Está caracterizada por la presencia de disfunciones en las interacciones sociales, en la capacidad comunicativa, pensamiento simbólico, así como, conductas estereotipadas y desregulación de carácter sensorial. Actualmente, dada su elevada prevalencia, ha despertado el interés científico para poder llevar a cabo diagnósticos más tempranos que repercutan en intervenciones más eficaces. Hasta el momento el diagnóstico del TEA se ha venido realizando mediante baterías diagnósticas estandarizadas basadas en criterios cualitativos, por lo cual, la respuesta puede distar de la obtenida en un contexto real. Es por ello que herramientas como la Realidad Virtual (RV), con la potencialidad de reproducir entornos con elevado grado de realismo, pueden ser un contexto válido tanto para la evaluación como para la intervención terapéutica. Se han aplicado entornos virtuales no inmersivos, dado el rechazo de la población TEA a utilizar visores RV, aunque con resultados observacionales. Dichas limitaciones pueden superarse con el uso de los llamados Entornos Virtuales Inmersivos (EVI), ya que suponen una solución tecnológica no invasiva, con mayor capacidad de inmersión y, por tanto, de generar respuestas con mayor similitud a las obtenidas en un contexto real. Las mediciones de carácter observacional pueden superarse con mediciones fisiológicas, tales como, la actividad electrodermal (EDA), que proporciona la respuesta de la excitación corporal en forma de sudoración ante un estímulo o el eye tracking, el cual muestra el comportamiento ocular. Ambas suponen respuestas implícitas, inconscientes y cuantificables, que pueden ayudar a definir la afección. Por todo ello, la presente Tesis Doctoral, compuesta de tres estudios, tiene como objetivo unir el uso de EVI, con capacidad de estimulación visual, auditiva y olfativa con medidas fisiológicas, focalizadas en la evaluación y entrenamiento del TEA, además de estudiar las relaciones entre las mismas y las baterías diagnósticas del TEA. El Estudio nº 1 valoró la adaptación de los participantes a los dispositivos y el EVI y los niveles EDA en un contexto de respuesta al saludo. Los resultados hallaron que los sujetos TEA mostraron una tolerancia similar en el uso del EVI y del dispositivo EDA. Aumentaron sus niveles de excitación con respecto al estado de reposo previo (Ratio), cuando intervino el sentido del olfato, no habiendo relaciones significativas con las baterías diagnósticas. El Estudio nº 2 profundizó en los niveles EDA en un contexto de imitación total o parcial. Los resultados mostraros que los sujetos TEA mostraron una menor activación (Ratio), ante procesos de imitación total, con estimulación olfativa, no encontrando relaciones significativas con las baterías diagnósticas. El Estudio nº 3 estudió el EDA y el comportamiento ocular en un EVI basado en un Centro Comercial. Los resultados EDA, no proporcionaron diferencias en la sesión de evaluación, pero descendieron en los sujetos TEA tras una sesión de entrenamiento. El comportamiento ocular en la sesión de evaluación discriminó entre los grupos, pero en el entrenamiento el comportamiento fue similar. Las relaciones entre dichas medidas y las baterías diagnósticas no mostraron relaciones significativas. Tecnologías inmersivas y medidas psicofisiológicas para la evaluación y entrenamiento de niños con Trastorno del Espectro Autista Como conclusión final cabe señalar que, la medida electrodermal que contó con mayor capacidad para identificar a la población TEA fue la medida Ratio. Mientras que el EDA, tras el entrenamiento, fue indicador de una mejora de la excitación ante situaciones de señalado, respuesta al nombre y atención conjunta, en el caso del comportamiento ocular, fue capaz de diferenciar entre los grupos únicamente en la / [CA] El Trastorn de l'Espectre Autista (TEA) és una afecció complexa que es troba dins dels anomenats Trastorns del Neurodesenvolupament. Està caracteritzada per la presència de disfuncions en les interaccions socials, en la capacitat comunicativa, pensament simbòlic, així com, conductes estereotipades i desregulació del caràcter sensorial. Actualment, donada la seua elevada prevalença, ha despertat l'interés científic per poder dur a terme diagnòstics més primerencs que deriven en intervencions més eficaces. Fins al moment el diagnòstic del TEA s'ha realitzat mitjançant bateries diagnòstiques estandarditzades basades en criteris qualitatius, és per això que la resposta pot ser diferent a l'obtinguda en un context real. Per tant, eines com la Realitat Virtual, amb la capacitat de reproduir entorns amb un elevat grau de realisme, poden ser un context vàlid tant per a l'avaluació com per a la intervenció terapèutica. S'han aplicat entorns virtuals no immersius, donat el rebuig de la població TEA a utilitzar visors RV, malgrat que amb resultats observacionals. Dites limitacions poden superar-se amb l'ús dels anomenats Entorns Virtuals Immersius (EVI), ja que suposen una solució tecnològica no invasiva, amb major capacitat d'immersió i per tant, de generar respostes amb major similitud a les obtingudes en un context real. Les mesures de caràcter observacional poden superar-se amb mesures fisiològiques, tals com, l'activitat electrodermal (EDA), que proporciona la resposta de l'excitació corporal en forma de sudoració enfront d'un estímul o l'eye tracking, el qual mostra el comportament ocular. Ambdues suposen respostes implícites, inconscients i quantificables, que poden ajudar a definir l'afecció. Per tot això, la present Tesi Doctoral, composta de tres estudis, té com a objectiu unir l'ús d'EVI, amb capacitat d'estimulació visual, auditiva i olfactiva amb mesures fisiològiques, focalitzades en l'avaluació i entrenament del TEA, a més d'estudiar les relacions entre les mateixes i les bateries diagnòstiques del TEA. L'Estudi nº 1 va valorar l'adaptació dels participants als dispositius i l'EVI i els nivells EDA en un context de resposta salutació. Els resultats van trobar que els subjectes TEA van mostrar una tolerància similar en l'ús d'EVI i del dispositiu EDA. Van augmentar els seus nivells d'excitació pel que fa a l'estat de repòs prEVI (Ràtio), quan va intervenir el sentit de l'olfacte, no havent-hi relacions significatives amb les bateries diagnòstiques. L'Estudi nº 2 va aprofundir en els nivells EDA en un context d'imitació total o parcial. Els resultats mostraren que els subjectes TEA mostraren una menor activació (Ràtio), davant de processos d'imitació total, amb estimulació olfactiva, no trobant relacions significatives amb les bateries diagnòstiques. L'Estudi nº 3 va estudiar l'EDA i el comportament ocular a un EVI basat en un Centre Comercial. Els resultats EDA, no van proporcionar diferències en la sessió d'avaluació, però van baixar en els subjectes TEA després d'una sessió d'entrenament. El comportament ocular en la sessió d'avaluació va discriminar entre els grups, però en l'entrenament el comportament va ser similar. Les relacions entre aquestes mesures i les bateries diagnòstiques no van mostrar relacions significatives. Com a conclusió final es pot assenyalar que, la mesura electrodermal que va comptar amb major capacitat per a identificar a la població TEA fou la mesura Ràtio. Pel quefa a l'EDA, després de l'entrenament, va ser un indicador d'una millora de l'excitació enfront de situacions d'assenyalament, resposta al nom i atenció conjunta, en el cas del comportament ocular, va ser capaç de diferenciar entre els grups únicament en la sessió d'avaluació. Finalment, l'EDA i el comportament ocular, no van ser mesures amb capacitat correlacional amb les bateries diagnòstiques. / [EN] Autism Spectrum Disorder (ASD) is a complex condition that falls under the category of so-called Neurodevelopmental Disorders. It is characterized by the presence of dysfunctions in social interactions, in the communicative capacity, symbolic thinking, as well as, stereotypical behaviours and deregulation of sensorial character. Currently, given its high prevalence, it has awakened scientific interest in order to carry out earlier diagnoses that will have an impact on more effective interventions. Until now, the diagnosis of ASD has been carried out by means of standardized diagnostic batteries based on qualitative criteria, so that the response may be far from that obtained in a real context. Therefore, tools such as Virtual Reality (VR), with the potential to reproduce highly realistic environments, can be a valid context for both assessment and therapeutic intervention. Non-immersive virtual environments have been applied, given the refusal of the ASD population to use VR viewers, although with bservational results. These limitations can be overcome with the use of so-called Immersive Virtual Environments (IVEs), since they represent a non-invasive technological solution, with a greater capacity for immersion and, therefore, for generating responses that are more similar to those obtained in a real context. Observational measurements can be overcome with physiological measurements, such as electrodermal activity (EDA), which provides the body's response in the form of sweating to a stimulus, or eye tracking, which shows the behaviour of the eye. Both involve implicit, unconscious and quantifiable responses, which can help define the condition. Consequently, the present Doctoral Thesis, composed of three studies, aims to unite the use of IVE, with the capacity of visual, auditory and olfactory stimulation with physiological measures, focused on the evaluation and training of ASD, as well as studying the relationships between them and the diagnostic batteries of ASD. The Study nº1 evaluated the adaptation of the participants to the deviIces and the IVE and the EDA levels in a context of response to the greeting. The results found that ASD subjects showed similar tolerance in the use of the IVE and EDA dEVIce. They increased their levels of arousal with respect to the prEVIous resting state (Ratio), when the sense of smell was involved, with no significant relationship with the diagnostic batteries. Study nº2 studied in depth the EDA levels in a context of total or partial imitation. The results show that the ASD subjects showed a lower activation (Ratio), when facing total imitation processes, with olfactory stimulation, finding no significant relations with the diagnostic batteries. The Study nº3 studied the EDA and the ocular behaviour in an IVE based in a Shopping Centre. The EDA results, did not provide differences in the evaluation session, but they decreased in the ASD subjects after a training session. Eye behaviour in the assessment session discriminated between the groups, but in the training the behaviour was similar. The relationships between these measures and the diagnostic batteries did not show significant relationships. As a final conclusion, it should be pointed out that the electrodermal measure that had more capacity to identify the ASD population was the Ratio measure. While the EDA, after the training, was an indicator of an improvement of the excitement in front of situations of signalling, response to the name and joint attention, in the case of the ocular behaviour, it was one able to differentiate between the groups only in the evaluation session. Finally, the EDA and the ocular behaviour, were not measured with correlational capacity with the diagnostic batteries. / Olmos Raya, E. (2021). Tecnologías Inmersivas y medidas psicofisiológicas para la evaluación y entrenamiento de niños con Trastorno del Espectro Autista [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/165871 / TESIS

Tesis por compendio / [ES] El uso de nuevas tecnologías y el número de usuarios de sistemas de enseñanza online universitaria se han extendido alrededor del mundo en las últimas décadas, mostrando un mayor incremento con la propagación de la pandemia Covid-19 desde 2020. Adicionalmente, la normativa ISO 9241-210:2019 establece los estándares internacionales de calidad para diseñar productos, servicios y sistemas de interacción persona-ordenador que cumplan con requisitos de usabilidad, accesibilidad y de experiencia de usuario (User eXperience - UX). Por tanto, el concepto de UX ha cobrado mucha importancia como requisito de calidad. Para diversos autores, la UX es un concepto multidimensional que incluye las motivaciones, sentimientos y necesidades de los usuarios finales. Por otra parte, el Objetivo de Desarrollo Sostenible (ODS) 4 de la Organización de las Naciones Unidas (ONU) para el 2030 persigue asegurar a nivel global una educación inclusiva, igualitaria, para todos y de calidad. En este sentido, con el fin de diseñar interfaces y experiencias de aprendizaje en entornos universitarios que respeten todas especificaciones de calidad se requiere evaluar previamente la UX de estos entornos de manera automática y precisa. Por tanto, el objetivo principal de esta tesis es identificar las características concretas más relevantes en la UX de entornos de e-learning universitarios que permitan analizar específica y automáticamente el sentimiento de los estudiantes con el fin de asentar las bases para diseñar plataformas de aprendizaje virtual centradas en los usuarios. Con esta finalidad, el estudio plantea analizar las necesidades y sentimientos de los estudiantes on-line universitarios con métodos digitales, avanzados y eficientes de inteligencia artificial. Por ello, el presente proyecto investiga la aplicación de modelos de aprendizaje automático de análisis de sentimiento para la evaluación UX. Estas técnicas de inteligencia artificial se han aplicado sobre las respuestas recibidas de entre los más de 2.000 estudiantes universitarios encuestados procedentes de estudios de posgrado online y de cursos en línea masivos y abiertos (MOOCs). Los resultados presentan las bases de un modelo que permite clasificar ontológicamente categorías o aspectos de la educación en línea universitaria y conocer la polaridad del sentimiento de los usuarios respecto a su experiencia e-learning de manera automática. De este modo, se han podido conocer las opiniones de los estudiantes de manera automatizada con respecto a categorías claves de la enseñanza digital. Además, los comentarios de los estudiantes se han clasificado en distintas dimensiones UX e-learning o UXEL (Conexiones Sociales, y Recursos y Herramientas de Aprendizaje). Así mismo, se ha identificado la polaridad del sentimiento para cada dimensión. En resumen, este trabajo ha generado importantes contribuciones a la comunidad científica. En primer lugar, una adaptación del cuestionario validado UEQ-S integrado y adaptado a tres plataformas de e-learning para cursos específicos de postgrado en la Universitat de València y en la Universidad Rey Juan Carlos; y para MOOCs en la Universitat Politècnica de València. En segundo lugar, esta tesis ha generado una aplicación innovadora de métodos de análisis de sentimiento y aprendizaje automático mediante el procesamiento del lenguaje natural para la evaluación de la experiencia de usuario de estudiantes universitarios online. Así, este método proporciona el análisis de las opiniones de los alumnos y las clasifica según su polaridad en positivas, negativas o neutras. Y en tercer lugar, este trabajo científico aporta una ontología propia de aspectos para la experiencia de aprendizaje virtual asociada a dimensiones UX con herramientas de análisis de sentimiento. Esta ontología clasifica la polaridad de las opiniones de los alumnos por categorías e-learning: VLE, Profesor, Alumno, Sonido, Imagen, Material, Ejercicio, Evaluación y y Comunicación. / [CA] L'ús de noves tecnologies i el nombre d'usuaris de sistemes d'ensenyament en línia universitària s'han estés al voltant del món en les últimes dècades, mostrant un major increment amb la propagació de la pandèmia COVID-19 des de 2020. Addicionalment, la normativa ISO 9241-210:2019 estableix els estàndards internacionals de qualitat per a dissenyar productes, serveis i sistemes d'interacció persona-ordenador que complisquen amb requisits d'usabilitat, accessibilitat i d'experiència d'usuari (User eXperience - UX). Per tant, el concepte de UX ha cobrat molta importància com a requisit de qualitat. Per a diversos autors, la UX és un concepte multidimensional que inclou les motivacions, sentiments i necessitats dels usuaris finals. D'altra banda, l'Objectiu de Desenvolupament Sostenible (ODS) 4 de l'Organització de les Nacions Unides (ONU) per al 2030 persegueix assegurar a nivell global una educació inclusiva, igualitària, per a tots i de qualitat. En aquest sentit, amb la finalitat de dissenyar interfícies i experiències d'aprenentatge en entorns universitaris que respecten totes especificacions de qualitat es requereix avaluar prèviament la UX d'aquests entorns de manera automàtica i precisa. Per tant, l'objectiu principal d'aquesta tesi és identificar les característiques concretes més rellevants en l'experiència d'usuari d'entorns d'e-learning universitaris que permeten analitzar específica i automàticament el sentiment dels estudiants amb la finalitat d'assentar les bases per a dissenyar plataformes d'aprenentatge virtual centrades en els usuaris. Amb aquesta finalitat, l'estudi planteja analitzar les necessitats i sentiments dels estudiants en línia universitaris amb mètodes digitals, avançats i eficients d'intel·ligència artificial. Per això, el present projecte investiga l'aplicació de models d'aprenentatge automàtic d'anàlisi de sentiment per a l'avaluació de la UX. Aquestes tècniques d'intel·ligència artificial s'han aplicat sobre les respostes rebudes d'entre els més de 2.000 estudiants universitaris enquestats procedents d'estudis de postgrau en línia i de cursos massius en línia en obert (MOOCs). Els resultats presenten les bases d'un model que permet classificar ontològicament categories o aspectes de l'educació en línia universitària i conéixer la polaritat del sentiment dels usuaris respecte a la seua experiència e-learning automàticament. D'aquesta manera, s'han pogut conéixer les opinions dels estudiants de manera automatitzada respecte a categories claus de l'ensenyament digital. A més, s'han classificat els comentaris dels estudiants en diferents dimensions UX e-learning o UXEL. D'aquesta manera, s'han identificat la polaritat del sentiment per a cada dimensió. En resum, aquest treball ha generat importants contribucions a la comunitat científica. En primer lloc, una adaptació del qüestionari validat UEQ-S integrat i adaptat a tres plataformes d'e-learning per a cursos específics de postgrau a la Universitat de València i en la Universidad Rey Juan Carlos; i per a MOOCs a la Universitat Politècnica de València. En segon lloc, aquesta tesi ha generat una aplicació innovadora de mètodes d'anàlisis de sentiment i aprenentatge automàtic mitjançant el processament del llenguatge natural per a l'avaluació de l'experiència d'usuari d'estudiants universitaris en línia. Així, aquest mètode proporciona l'anàlisi de les opinions dels alumnes i les classifica segons la seua polaritat en positives, negatives o neutres. I en tercer lloc, aquest treball científic aporta una ontologia pròpia d'aspectes per a l'experiència d'aprenentatge virtual associada a dimensions UX. Aquesta ontologia utilitzada amb eines d'anàlisis de sentiment, permet classificar la polaritat de les opinions dels alumnes per categories clau de l'e-learning (VLE, Professor, Alumne, So, Imatge, Material, Exercici, Avaluació i Comunicació) i agrupar els comentaris en tres dimensions UXEL (VLE, Connexions Socials, i Recursos i Eines d'Aprenentatge). / [EN] The use of new technologies and the number of users of university online learning systems have spread around the world in the last decades, showing a further increase with the spread of the Covid-19 pandemic since 2020. Additionally, ISO 9241-210:2019 sets international quality standards for designing human-computer interaction products, services, and systems that meet usability, accessibility, and User eXperience (UX) requirements. Therefore, the concept of UX has become very important as a quality requirement. For several authors, UX is a multidimensional concept that includes the motivations, feelings, and needs of end users. On the other hand, the United Nations' (UN) Sustainable Development Goal (SDG) 4 for 2030 aims to ensure inclusive, equitable, quality education for all globally. In this sense, in order to design interfaces and learning experiences in university environments that respect all quality specifications, it is necessary to evaluate the user experience of these environments automatically and accurately beforehand. Thus, the main objective of this thesis is to identify the most relevant specific characteristics in the user experience of university e-learning environments that allow specific and automatic analysis of the students' feelings in order to lay the foundations for the design of user-centered e-learning platforms. To this end, the study proposes to analyse the needs and feelings of online university students with digital, advanced, and efficient artificial intelligence methods. Therefore, this project investigates the application of machine learning models of sentiment analysis for the evaluation of user experience. These artificial intelligence techniques have been applied to the responses received from more than 2,000 university students surveyed from postgraduate online studies and massive open online courses (MOOCs). The results present the basis of a model that allows ontologically classifying categories or aspects of university online education and knowing the users' polarity of feeling about their e-learning experience in an automatic way. In this way, it has been possible to find out the students' opinions in an automated way with regard to key categories of digital teaching. In addition, student comments have been classified into several UX e-learning or UXEL dimensions. Also, it has been identified the polarity of sentiment for each dimension. To sum up, this work has generated four major contributions to the scientific community. Firstly, an adaptation of the validated questionnaire UEQ-S integrated and adapted to three e-learning platforms for specific postgraduate courses at the Universitat de València and at the Universidad Rey Juan Carlos; and for MOOCs at the Universitat Politècnica de València. Secondly, this thesis has generated an innovative application of sentiment analysis and machine learning methods through natural language processing for the evaluation of the user experience of university online students. Therefore, this method provides the analysis of learners opinions and classifies them according to their polarity in positive, negative or neutral. And thirdly, this scientific work brings out a proprietary ontology of aspects for the virtual learning experience associated with UX dimensions. This ontology used with sentiment analysis tools, allows classifying the polarity of student opinions (positive, neutral, negative) by key categories of e-learning (VLE, Teacher, Student, Sound, Image, Material, Exercise, Evaluation and Communication) and group the comments in three dimensions UX e-learning or UXEL (VLE, Social Connections, and Learning Resources and Tools). Finally, these contributions will help to evaluate in an automatic and accurate way several university e-learning environments in order to design user-centered virtual learning experiences more personalised and inclusive for all which suit quality standards and meet UN SDG 4 for 2030. / Sanchis Font, R. (2023). User eXperience evaluation on university virtual learning through sentiment analysis [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/194059 / Compendio