Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/4172| Title: | Procesamiento de datos fisiológicos para detectar estados emocionales en el proceso de evaluación de la experiencia de usuario |
| Authors: | Garcia Pinzon, Gabriel Alexandro%857681 |
| Issue Date: | 2020-02-06 |
| Publisher: | Tecnológico Nacional de México |
| metadata.dc.publisher.tecnm: | Centro Nacional de Investigación y Desarrollo Tecnológico |
| Description: | En los últimos años el cómputo afectivo ha ido tomando mayor relevancia en la implementación de diferentes sistemas computacionales. La obtención de datos fisiológicos de los usuarios permite el análisis de estados emocionales, dando lugar a que la interacción con la tecnología sea más amigable y natural. Hoy en día existen diferentes sensores que permiten registrar y procesar información fisiológica; sin embargo, los algoritmos requeridos para el procesamiento aún se encuentran en etapas tempranas, en particular en el análisis de estados emocionales. A pesar de que existen programas cuya función es precisamente realizar el procesamiento de dichos estados, estos mantienen ocultos sus algoritmos y metodologías. La información fisiológica que se puede obtener de los usuarios es amplia y heterogénea. Por ejemplo, se pueden registrar datos del ritmo cardiaco, de conductividad eléctrica en la piel, la actividad eléctrica del cerebro, la actividad eléctrica en músculos, la respiración, el movimiento ocular, entre otras. Se tienen registros de que en el año 2017 en el Centro Nacional de Investigación y Desarrollo Tecnológico (CENIDET) dentro del Departamento de Ciencias Computacionales, se desarrollaron proyectos de investigación relacionados con la detección e inducción de estados cognitivos y emocionales. También se desarrolló un sistema (UXLab) que permite realizar evaluaciones de la experiencia del usuario mediante el procesamiento de señales EEG. En el presente trabajo de tesis se buscó tener un acercamiento con diferentes sensores fisiológicos de bajo costo, algoritmos que son usados en la clasificación de estados emocionales y de las técnicas usadas en el procesamiento de señales. Lo que se hizo fue desarrollar módulos para el sistema UXLab que permiten grabar la información fisiológica de sensores de electrocardiograma, electroencefalograma y respuesta galvánica de la piel, así como de otros dispositivos tales como micrófono, cámara y la pantalla de la computadora. Luego, la información de los sensores biométricos puede ser procesada aplicando filtros y extrayendo diferentes características de sus señales, para finalmente probar la clasificación emocional con los algoritmos de Naive Bayes, Máquinas de vector soporte y Vecinos más cercanos. Adicional a esto también se pueden realizar análisis emocionales de la información mediante otra versión del sistema que realiza la reproducción de dicha información. Para probar el sistema se utilizó la metodología para caracterizar e inducir estados mentales a través de realidad virtual inmersiva e interfaz cerebro computadora (Soriano, 2017). Se lograron inducir los estados de alegría, tristeza y un estado neutro a diferentes personas. Durante la aplicación de la metodología se tuvo una habitación controlada para minimizar el ruido, tener una iluminación constante y evitar distracciones en los usuarios. Antes de comenzar a inducir los estados emocionales se colocaban los sensores a los usuarios y se posicionaban en un lugar en específico para poder grabar también los demás dispositivos. Después de la realización de varias pruebas se obtuvo que la plataforma más estable fue la de Arduino UNO con el kit de sensores Grove. Y el clasificador con el que se obtuvieron los mejores resultados fue el de Vecinos más cercanos. Sin embargo, también se deja abierta la posibilidad de seguir experimentando con otros algoritmos de clasificación, de incluir más sensores en las grabaciones o incluso de utilizar otros diferentes a Grove. |
| metadata.dc.type: | info:eu-repo/semantics/masterThesis |
| Appears in Collections: | Tesis de Maestría en Computación |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| MC_Gabriel_Alexandro_Garcia_Pinzon_2020.pdf | Tesis | 3.01 MB | Adobe PDF | View/Open |
| MC_Gabriel_Alexandro_Garcia_Pinzon_2020.pdf Restricted Access | Cesión de derechos | 27.81 kB | Adobe PDF | View/Open Request a copy |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
