Análise de Esforço Cognitivo de Estudantes em Ambientes de Aprendizagem Multimídia Usando Características Visuais da Face
Carga Cognitiva, Expressões Faciais, Rastreamento da Íris, Visão Computacional, Aprendizado de Máquina.
A evolução tecnológica dos últimos anos, acelerada pela pandemia do Covid-19, foi responsável por uma rápida e contínua quebra de paradigmas no ensino, com a adoção de ambientes de aprendizagem multimídia. Durante o processo de aprendizagem nestes ambientes, a absorção do conteúdo pelo discente cai com o aumento do volume de informação transmitida aos alunos, ou seja, quando há uma sobrecarga cognitiva em um ou em ambos os canais visual e verbal. Atualmente são escassos os estudos que utilizam ferramentas de Visão Computacional e Ciência de Dados para a análise da Carga Cognitiva. Ferramentas desta natureza possibilitariam uma análise automatizada de grandes volumes de dados, e consequentemente a avaliação e geração de conteúdos multimídia que otimizem o aprendizado dos alunos. Neste trabalho pretendemos investigar correlações entre características visuais da face dos alunos e a carga cognitiva. Será usada uma base de vídeos faciais de alunos assistindo, pela tela do computador, aulas com recursos multimídia. Esta base de vídeos será inicialmente organizada e pré-processada, aplicando-se em seguida modelos de Aprendizado Profundo para extrair pontos de interesse visuais da face em cada quadro. As imagens e vídeos serão também anotadas por especialistas, de acordo com aspectos como atenção momentânea, e desempenho dos alunos. Os dados resultantes serão avaliados para identificação de padrões relevantes relacionados à carga cognitiva, por meio de algoritmos de aprendizado de máquina não-supervisionados e supervisionados. Além de responder à investigação principal desta pesquisa, os resultados deste estudo podem validar um novo algoritmo para monitoramento contínuo da carga cognitiva em ambientes de aprendizagem multimídia.