Considerando personalidade e transições de emoções na detecção de emoções baseada em mineração de dados

Sistemas Tutores Inteligentes (STI) baseados em passos são capazes de auxiliar os alunos na resolução de tarefas passo a posso, gerando uma grande quantidade de dados de interação, chamados logs, entre o sistema e o aluno. Este trabalho aplica técnicas de mineração de dados sobre os logs gerados de um STI de matemática baseado em passos para detectar quatro emoções de aprendizagem: confusão, engajamento, frustração e tédio. O objetivo deste trabalho é verificar se a personalidade dos alunos pode proporcionar uma melhoria na precisão da detecção destas quatro emoções. Para realizar o treinamento dos detectores, foram utilizados rótulos de emoções dos alunos, obtidos por meio de um protocolo de anotação de emoções, baseado em análise de vídeos, que permite também a captura das transições de emoções. Como resultado, foi possível identificar que a personalidade impactou somente na detecção do engajamento. Embora a diferença na precisão tenha sido pequena, foi possível verificar que, dentre 348 características disponíveis durante o treinamento, a personalidade foi considerada uma das dez características mais representativas. Com a combinação dos dados de personalidade, transições de emoções e logs capturados de um STI baseado em passos, foi possível atingir um índice K=0,633 e A′=0,846 na detecção de engajamento, que são valores superiores aos mínimos exigidos de codificadores humanos em protocolos de anotação de emoções.