[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.

No description available.

El objetivo general de la tesis consiste en comparar el método tradicional de aprendizaje con el método CSCL (Computer Supported Collaborative Learning) para la enseñanza de la Informática. Se ha comprobado si el CSCL mejora la retención de conocimientos y las calificaciones de los alumnos, y si la retroalimentación implícita en esta metodología mejora el aprendizaje. Además, se determinará con qué tipo de materia funciona mejor el CSCL. Con todo ello se pretenderá evitar las altas tasas de abandono escolar prematuro recuperando del fracaso a aquellos estudiantes que con una la metodología habitual no son capaces de seguir el proceso normal de aprendizaje. Como elemento principal para este objetivo general, en la tesis se presenta el diseño y desarrollo de herramientas informáticas para la recopilación y análisis automático de datos sobre la interacción en el proceso de enseñanza-aprendizaje. En concreto, se han desarrollado dos herramientas para el análisis de wikis (Wiki’statistics) y foros (Forum Analyser). Mediante estas herramientas se consigue obtener gran cantidad de información de la wiki y del foro que permitirán determinar de forma semiautomática los puntos fuertes y débiles de grupos e individuos para así poder dirigir las clases al objetivo perseguido mejorando de este modo el proceso de enseñanza-aprendizaje. Estas herramientas facilitan la motivación de los alumnos en su proceso de aprendizaje ya que les facilita mucha información relativa al trabajo que ellos han realizado con el empleo de las TIC (Tecnologías de la Información y Comunicaciones) en la metodología CSCL. Otros objetivos de la presente tesis son la evaluación de la práctica docente del profesor en el uso de la metodología CSCL, determinar las preferencias y motivaciones de los alumnos a la hora de aprender con la metodología mencionada y comprobar el sentido crítico de los alumnos a la hora de evaluar a sus compañeros y a sí mismos en esta metodología desarrollada. Además, se han realizado distintos análisis para determinar qué herramientas se adaptan mejor al trabajo colaborativo en el CSCL y cuáles de ellas tiene un efecto más positivo en el proceso de enseñanza aprendizaje. Las principales aportaciones de la tesis doctoral son el diseño y desarrollo dos herramientas para el análisis semiautomático de las wikis y foros por parte del profesor, Wiki’statistics y Forum Analyser respectivamente. Estas herramientas servirán de ayuda para la detección de puntos fuertes y débiles de personas y grupos de trabajo. Se han desarrollado fórmulas y métodos para el cálculo más objetivo y justo de las calificaciones referentes a la participación de cada alumno en las herramientas colaborativas, wiki y foro. Además, se ha desarrollado un método para la comparación de herramientas: blog-esquemas mentales. Con todo ello se constituye una nueva metodología completa basada en el modelo CSCL/PLE para la enseñanza de la asignatura de informática en la enseñanza secundaria, aplicable también a otras disciplinas. El método propuesto y las herramientas diseñadas se han puesto en práctica durante los dos últimos años en el ámbito de la enseñanza secundaria, en los niveles de 1º, 2º, 3º y 4º de la ESO (Enseñanza Secundaria Obligatoria), en la asignatura optativa de Informática con un total de 148 estudiantes. La metodología usada en la experimentación real se ha basado en una investigación de campo en un instituto de secundaria, usando la metodología CSCL y Blended Learning (enseñanza mixta que combina la formación presencial tradicional con las nuevas tecnologías). Además, se han comparado estas experiencias con otras similares realizadas en el ámbito universitario en asignaturas de grados de ingeniería. Para la realización de estas experiencias se ha creado un entorno PLE-N (PLEs Networks, Personal Learning Environments Networks) para los estudiantes y, para la obtención de los resultados se han realizado encuestas, exámenes, votaciones por pares, cuestionarios, etc. También se ha hecho uso de redes sociales, herramientas audiovisuales y TIC. La hipótesis de la que se ha partido es que el uso de estas herramientas y metodología va a favorecer y mejorar el proceso de enseñanza-aprendizaje en el estudio de la Informática. El método desarrollado y aplicado ha sido de gran ayuda para los estudiantes, mejorando el proceso de enseñanza-aprendizaje. Todo esto es confirmado no sólo por las opiniones de los alumnos obtenidas a partir de encuestas sino también a partir de todos los datos objetivos extraídos de las diferentes pruebas que indican una mejora en el proceso de enseñanza-aprendizaje y, por supuesto, de la información obtenida a partir de las herramientas Wiki’statistics y Forum Analyser y el posterior análisis de los datos resultantes que permite detectar cuándo algún indicador se sale de lo normal y analizar su posible causa. Este análisis permite, además, comprobar cuáles son los puntos débiles del método de enseñanza usado por los docentes y poder corregirlo, tanto de cara a unidades didácticas posteriores o para cursos siguientes. Se ha comprobado que las redes sociales como Twitter combinadas en la metodología propuesta ayudan en buena medida a estudiar y preparar la asignatura, al igual que otras técnicas también combinadas en la metodología como la retroalimentación, el blog y los esquemas mentales. En general, se ha comprobado que la metodología colaborativa resulta ser mejor que la tradicional para la enseñanza de las herramientas eminentemente prácticas con las que se han realizado las experiencias. Además, se ha comprobado que los conocimientos adquiridos por los alumnos van mejorando a lo largo del tiempo en lugar de ir empeorando como se podía suponer. Por último, los estudiantes han resaltado esta experiencia como una manera muy útil y práctica para estudiar y comprender el tema, al mismo tiempo que se interactúa con las TIC. Todos estos resultados confirman la hipótesis de la que se partía.

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.