Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/11610Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.contributor.advisor | Barrón Estrada, M. Lucía%37189 | - |
| dc.contributor.author | Bátiz Beltrán, Víctor M. | - |
| dc.creator | Bátiz Beltrán, Víctor M.#BABV740312HSLTLC00 | - |
| dc.date.accessioned | 2025-12-16T18:31:25Z | - |
| dc.date.available | 2025-12-16T18:31:25Z | - |
| dc.date.issued | 2025-08-14 | - |
| dc.identifier.uri | https://rinacional.tecnm.mx/jspui/handle/TecNM/11610 | - |
| dc.description | En un mundo en el que la inteligencia artificial se ha hecho omnipresente, el uso de entornos de aprendizaje inteligentes se ha convertido en algo habitual gracias a los avances tecnológicos y al aumento de las capacidades computacionales. No obstante, es esencial ajustar los contenidos disponibles para mejorar su atractivo y eficacia a la hora de promover el aprendizaje. El reconocimiento automático de la personalidad puede permitir que un entorno de aprendizaje inteligente detecte los rasgos de personalidad de los alumnos y adapte el contenido a ellos. Existen varios enfoques y teorías para el reconocimiento automático de rasgos de personalidad. El objetivo de este trabajo es presentar una nueva metodología para recopilar datos y construir un corpus orientado a la personalidad. Se diseñaron y entrenaron modelos de aprendizaje automático y aprendizaje profundo para clasificar rasgos de personalidad según el modelo Big-Five; el entrenamiento se realizó utilizando enfoques tradicionales y novedosos, incluido el uso de Transformers. Además, se presenta la metodología para implementar modelos de reconocimiento de personalidad en un entorno de aprendizaje inteligente. Los resultados de las comparaciones entre varios modelos ponen de relieve que los distintos modelos funcionan mejor en características diferentes, por lo que la combinación de los modelos puede dar lugar a mejores resultados de precisión. Utilizando este enfoque, el corpus desarrollado alcanzó una exactitud promedio del 95.2%, superior a los resultados del estado del arte en la tarea específica de clasificación de rasgos de personalidad. Por último, se presentan los resultados obtenidos en dos experimentos al utilizar el reconocimiento automático de la personalidad en el entorno del aprendizaje inteligente, lo que pone de manifiesto el potencial impacto positivo de la tecnología desarrollada en esta investigación. Se destaca el aporte de las versiones de corpus en idioma español orientados al reconocimiento de personalidad generados durante el desarrollo de esta tesis. | es_MX |
| dc.language.iso | spa | es_MX |
| dc.publisher | Tecnológico Nacional de México | es_MX |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0 | es_MX |
| dc.subject | info:eu-repo/classification/cti/7 | es_MX |
| dc.subject.other | Ambiente Inteligente de Aprendizaje | es_MX |
| dc.subject.other | Aprendizaje automático | es_MX |
| dc.subject.other | Big-Five | es_MX |
| dc.subject.other | Computación afectiva | es_MX |
| dc.subject.other | Reconocimiento automático de personalidad | es_MX |
| dc.subject.other | Sistema Tutor Inteligente | es_MX |
| dc.title | Reconocimiento automático de la personalidad y de los sentimientos con base en texto | es_MX |
| dc.type | info:eu-repo/semantics/doctoralThesis | es_MX |
| dc.contributor.director | Zatarain, Ramón%89071 | - |
| dc.folio | DCI-2025-1 | es_MX |
| dc.rights.access | info:eu-repo/semantics/openAccess | es_MX |
| dc.publisher.tecnm | Instituto Tecnológico de Culiacán | es_MX |
| Appears in Collections: | Doctorado en Ciencias de la Ingeniería | |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| TESIS Víctor Manuel Bátiz Beltrán.pdf Until 2027-08-14 | TESISDCI Víctor Manuel Bátiz Beltrán | 4.27 MB | Adobe PDF | View/Open Request a copy |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
