Dynamic assessment of learners' mental state for an improved learning experience

Sinha, Aniruddha; Gavas, Rahul; Chatterjee, Debatri; Das, Rajat; Sinharay, Arijit

doi:10.1109/fie.2015.7344121

Cited by 17 publications

(9 citation statements)

References 26 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…All EDA participants were asked to wear a clean wrist band 1 hr before the start of each engineering design method workshop topic to create enough sweat build-up on their wrists to gather baseline EDA data (Nourbakhsh, Wang, & Chen, 2013;Nourbakhsh, Wang, Chen, & Calvo, 2012;Paletta, Pittino, Schwarz, Wagner, & Kallus, 2015;Shi, Ruiz, Taib, Choi, & Chen, 2007;Sinha, Gavas, Chatterjee, Das, & Sinharay, 2015;Villanueva, Raikes, Ruben, Schaefer, & Gunther, 2014;Villanueva et al, 2016). Ten minutes before class, a member of the research team fitted an Empatica E3 EDA sensor (Empatica, Boston, MA) on each participant and recorded the sensor identification number.…”

Section: Eda Collectionmentioning

confidence: 99%

A Multimodal Exploration of Engineering Students' Emotions and Electrodermal Activity in Design Activities

Villanueva

Campbell

Raikes

et al. 2018

J of Engineering Edu

View full text Add to dashboard Cite

Background This exploratory study uses multimodal approaches to explore undergraduate student engagement via topic emotions and electrodermal activity (EDA) in different engineering design method activities and with different instructional delivery formats (e.g., lecture vs. active learning). Purpose/Hypothesis The goal of this research is to improve our understanding of how students respond, via engagement, to their engineering design activities during class. This study hypothesizes that students would experience no self‐reported mean changes in topic emotions from their preassessment scores for each engineering design topic and instructional format nor would electrodermal activities (EDA) associate to these topic emotions throughout the design activities. Design/Method Eighty‐eight freshmen engineering students completed online pretopic and posttopic emotions surveys for five engineering design activities. A subset of 14–18 participants, the focal point of this study, wore an EDA sensor while completing the surveys and participating in these sessions. Results Preliminary findings suggest that EDA increased for individual and collaborative active learning activities compared to lectures. No significant changes in EDA were found between individual and collaborative active learning activities. Moderate negative correlations were found between EDA and negative topic emotions in the first engineering design activity but not across the rest. At the end of the semester, active learning activities showed higher effect sizes indicating a re‐enforcement of students' engagement in the engineering design method activities. Conclusion This study provides initial results showing how multimodal approaches can help researchers understand students' closer‐to‐real‐time engagement in engineering design topics and instructional delivery formats.

show abstract

Section: Eda Collectionmentioning

confidence: 99%

A Multimodal Exploration of Engineering Students' Emotions and Electrodermal Activity in Design Activities

Villanueva

Campbell

Raikes

et al. 2018

J of Engineering Edu

View full text Add to dashboard Cite

show abstract

“…erefore, the current intelligent classroom obtains students' physiological signals and behavioral state data through various devices, and then collects and analyzes these data to get the current students' classroom behavior state, so as to better grasp the classroom situation and timely adjust the teaching strategy to improve the teaching effect. [12].…”

Section: Related Workmentioning

confidence: 99%

“…is combination of learners' eye movement tracking and facial expression recognition can enable the intelligent teaching agent to more accurately identify the emotional state and cognitive state of distance learners. Sinha et al [12] proposed the use of brainwaves and other physiological signals to track and detect learners' cognitive and emotional states during learning.…”

Section: Related Workmentioning

confidence: 99%

Research on Learning State Based on Students’ Attitude and Emotion in Class Learning

Huang

Wei-xin

2021

Scientific Programming

View full text Add to dashboard Cite

In basic education, timely and accurate grasp of students’ classroom learning status can provide real-time information reference and overall evaluation for teachers and managers, which has a very important educational application value. At present, a lot of information technology is applied in the analysis of classroom student behavior state, and the state analysis technology based on a classroom video has the characteristics of strong timeliness, wide dimension, and large capacity, which is especially suitable for the analysis and acquisition of students’ classroom state, and attracts the attention of major educational technology companies. However, the current student state acquisition technology based on video analysis lacks large scenes and has low practicability, and finally, the video-based student classroom behavior state analysis technology mainly focuses on a single behavior feature, which cannot fully reflect the student’s classroom behavior state. In view of the above problems, this study introduces the face recognition algorithm based on a student classroom video and its implementation process, improves the hybrid face detection model based on a traditional model, and proposes the neural network algorithm of student expression recognition based on a visual transformer. The experimental results show that the proposed algorithm based on students' classroom videos can effectively detect students’ attention and emotional state in class.

show abstract

“…(Afzal & Robinson, 2010) emplearon modelos ocultos de Markov para modelar la secuencia temporal de movimientos correspondientes a las expresiones faciales a fin de predecir emociones de aburrimiento, confusión, felicidad, interés, sorpresa y el estado neutral. (Sinha, Gavas, Chatterjee, Das, & Sinharay, 2015) emplearon señales bio-fisiológicas provenientes de la mente mediante el uso de electroencefalograma y plantearon modelar los estados de flujo y aburrimiento a través de un modelo de Markov. Además, estos autores afirman que es posible modelar las transiciones entre otros estados emocionales.…”

Section: Reconocimiento De Emociones En Entornos De E-learningunclassified

Reconocimiento de conflictos en diálogos colaborativos aplicando análisis de sentimiento

Ezequiel¹

2021

RIDAA Tesis Unicen

View full text Add to dashboard Cite

El Aprendizaje Colaborativo Soportado por Computadora (ACSC) es una situación de aprendizaje donde dos o más estudiantes trabajan juntos con el objetivo de aprender. La comunicación mantenida por los grupos para llevar a cabo su trabajo puede ser sincrónica o asincrónica. La comunicación de tipo sincrónica demanda que los miembros concuerden en un horario para poder interactuar. Un ejemplo de aplicación que puede soportar este tipo de comunicación es el chat. En la comunicación asincrónica no es necesario que los miembros del grupo concuerden en un horario para poder interactuar. En ambos tipos de comunicaciones, los miembros pueden participar en el dialogo colaborativo estando en distintos lugares. Un ejemplo de aplicación que soporta la comunicación asíncrona es el foro. La interacción entre los estudiantes influye positivamente en los procesos cognitivos de los participantes cuando la colaboración es exitosa. Muchos factores pueden incidir en el éxito de un proceso de aprendizaje colaborativo. Uno de estos factores es la estabilidad emocional del grupo. Sin embargo, esta estabilidad emocional puede verse afectada por la ocurrencia de una diversidad de eventos, entre ellos, los conflictos. Los conflictos son desacuerdos entre dos o más miembros de un grupo causado por disposiciones individuales y la diversidad de objetivos, puntos de vista y experiencias previas. Cuando el conflicto se manifiesta en el seno del grupo hay una tendencia a que el sistema cognitivo se vea resentido. Esto ocurre debido a un incremento en la carga cognitiva que genera el conflicto. A su vez, este fenómeno conduce a que la capacidad de procesamiento del grupo se bloquee. Si bien existe una connotación negativa en los conflictos, es importante reconocer que existen distintos tipos de ellos. Se pueden identificar los conflictos cognitivos o de tarea, los conflictos de proceso y los conflictos de relaciones. De estos tipos de conflictos, se reconoce que los conflictos cognitivos pueden contribuir positivamente en el aprendizaje. Sin embargo, los otros dos tipos de conflictos también influyen en el rendimiento del grupo, tal es el caso de los conflictos de relaciones que impactan negativamente. A pesar de la negatividad de ciertos tipos de conflictos, la ocurrencia de conflictos abre la oportunidad a que los estudiantes aprendan a trabajar en grupo, una competencia demandada por el mercado laboral actual. Sin embargo, para que esto ocurra el docente debe guiar a los estudiantes hacia la resolución de los conflictos cuando aquellos no puedan hacerlo por sí mismos. Esto significa que el docente necesita poder responder en tiempo real a las situaciones de conflicto para ofrecer recomendaciones en cuanto al intercambio de roles, la compartición del liderazgo, realizar cambios en la carga de trabajo, promover la reflexión, entre otros. Para lograr esta función, el docente necesita realizar un seguimiento de las situaciones de conflicto. Sin embargo, realizar este seguimiento es una tarea que insume tiempo y mucho trabajo. Lo analizado anteriormente pone de manifiesto la necesidad de proveer a los entornos de ACSC, que emplean herramientas de comunicación síncronas basadas en texto para promover los procesos de aprendizaje en grupo, la funcionalidad de reconocimiento de conflictos para facilitar el monitoreo por parte del docente y propiciar su oportuna intervención. En esta tesis se planteó la hipótesis de que en las situaciones de ACSC síncronas basadas en texto, los mensajes de texto intercambiados entre los miembros del grupo pueden tener la suficiente información para detectar conflictos. Particularmente, se idearon dos técnicas que permiten reconocer conflictos teniendo en cuenta el intercambio de información socio-afectiva. La primera técnica implementada modela un diálogo colaborativo como un grafo dirigido donde los nodos representan a los estudiantes y las aristas indican la transferencia de sentimientos negativos durante las interacciones. Luego, aplicando conceptos de la teoría de grafos se emplea una matriz de commute time escalada para detectar miembros del grupo en conflicto. La segunda técnica se basa en la aplicación de aprendizaje máquina supervisado. Particularmente, se realiza la aplicación de algoritmos de aprendizaje ensamblados, formalizando el proceso de extracción de características y definiendo el concepto de valencia de interacciones atómicas como principal característica empleada para entrenar el clasificador supervisado. Para evaluar las técnicas propuestas se llevó a cabo una validación experimental que demandó la recolección de interacciones de estudiantes en situaciones de ACSC. Estas interacciones fueron analizadas aplicando una técnica de análisis de contenido y sirvieron de base para el posterior entrenamiento y validación de los clasificadores. Los resultados de las técnicas propuestas resultaron satisfactorios, obteniéndose un valor de F1 de 0.72 para la primera técnica, y un F1 de 0.81 para la segunda. Estos resultados muestran que es posible reconocer conflictos teniendo en cuenta el intercambio de emociones negativas. Esta tesis proporciona importantes contribuciones al campo del ACSC al permitir reconocer conflictos mediante la aplicación de técnicas de Aprendizaje Máquina (AM), Análisis de Redes Sociales (ARS) y Análisis de Sentimiento (AS).

show abstract

Dynamic assessment of learners' mental state for an improved learning experience

Cited by 17 publications

References 26 publications

A Multimodal Exploration of Engineering Students' Emotions and Electrodermal Activity in Design Activities

A Multimodal Exploration of Engineering Students' Emotions and Electrodermal Activity in Design Activities

Research on Learning State Based on Students’ Attitude and Emotion in Class Learning

Reconocimiento de conflictos en diálogos colaborativos aplicando análisis de sentimiento

Contact Info

Product

Resources

About