Método para detección de emociones desde foros utilizando Text Mining

Laura Aballay, Silvana Aciar, Eliseo Reategui

Resumen


La deserción escolar es un fenómeno presente a nivel internacional y es notable el aumento en la tasa de fracaso y abandono de alumnos en cualquier modalidad de educación. Es por ello que es importante analizar y comprender el estado anímico de los estudiantes, tratando de averiguar que emociones presenta éste durante el cursado.
En este trabajo se propone un método para detectar automáticamente emociones en el texto escrito en los comentarios de un foro de alumnos. El objetivo es ofrecer esta información al profesor para quepueda hacer un seguimiento del estado anímico de sus estudiantes, y así decida si debe mejorar los contenidos o estructura de su curso con el fin de mantener a los estudiantes comprometidos, aumentar el interés, y, probablemente, mejorar su satisfacción para mejorar y fortalecer el aprendizaje. Este método fue aplicado con la herramienta RapidMiner y posteriormente los resultados se contrastaron con un método manual, utilizando encuestas.


Texto completo:

PDF

Referencias


Amato, F.; Colace, F.; Greco, L.; Moscato, V.; Picariello, A. (2015). A Quick Survey on Sentiment Analysis Techniques: a lexical based perspective. (http://doi.org/10.18293/VLSS2015-020)

Área, M. (2004). Las tecnologías de la información y comunicación en el sistema escolar: Una revisión de las líneas de investigación.

Baca-Gomez, Y. R.; Martinez, A.; Rosso, P.; Estrada, H.; Farias, D. I. H. (2016). Web service SWePT: A hybrid opinion mining approach. Journal of Universal Computer Science, 22(5), 671-690.

Binali, H. H.; Wu, C.; Potdar, V. (2009). A new significant area: Emotion detection in E-learning using opinion mining techniques. In 3rd IEEE International Conference on Digital Ecosystems and Technologies, 2009. DEST ’09 (pp. 259-264). DOI: http://doi.org/10.1109/DEST.2009.5276726

Binali, H.; Wu, C.; Potdar, V. (2010). Computational approaches for emotion detection in text. In 2010 4th IEEE International Conference on Digital Ecosystems and Technologies (DEST) (pp. 172-177). DOI: http://doi.org/10.1109/DEST.2010.5610650

Chopade, C. R. (2015). Text Based Emotion Recognition : A Survey.

Clore, G. L.; Ortony, A. (2013). Psychological Construction in the OCC Model of Emotion. Emotion Review, 5(4), 335-343. DOI: http://doi.org/10.1177/1754073913489751

Colace, F.; De Santo, M.; Greco, L.; Guerriero, G. (2014). Sentiment Analysis and E-Learning: a Proposal.

Consoli, D. (2010). Textual Emotions Recognition With An Intelligent Software Of Sentiment Analysis. Università Politecnica delle Marche, Ancona, Italy.

Cowie, R.; Douglas-Cowie, E.; Karpouzis, K.; Caridakis, G.; Wallace, M.; Kollias, S. (2008). Recognition of Emotional States in Natural Human-Computer Interaction. In Multimodal User Interfaces (pp. 119-153). Springer Berlin Heidelberg, Berlin, Heidelberg. DOI: http://doi.org/10.1007/978-3-540-78345-9_6

Desmet, P. (2005). Pieter Desmet Chapter 9. Funology: From Usability to Enjoyment, 111-123.

Ekman, P.; Friesen, W. V.; Ellsworth, P. (1972). Emotion in the human face: Guidelines for research and an integration of findings (Vol. xii). Pergamon Press, Oxford.

Esuli, A.; Sebastiani, F. (2006). SentiWordNet: A publicly available lexical resource for opinion mining. Proceedings of Language Resources and Evaluation (LREC).

Gaspar, Y.; Macedo, L. (2013). Towards Building User Affect Models from Tweets: a comparative study with various datasets, features and algorithms.

Hirat, R.; Mittal, N. (2015). A Survey On Emotion Detection Techniques using Text in Blogposts. International Bulletin of Mathematical Research.

Jackson, T.; Craig, S.; Morgan, B.; Chipman, P.; White, H.; Person, N.; … ; Graesser, A. (2008). AutoTutor Detects and Responds to Learners Affective and Cognitive States.

Potena, D.; Diamantini, C. (2010). Mining opinions on the basis of their affectivity. In 2010 International Symposium on Collaborative Technologies and Systems (CTS) (pp. 245-254). DOI: http://doi.org/10.1109/CTS.2010.5478503

Rodriguez, P.; Ortigosa, A.; Carro, R. M. (2012). Extracting Emotions from Texts in E-Learning Environments. In 2012 Sixth International Conference on Complex, Intelligent and Software Intensive Systems (CISIS) (pp. 887-892). DOI: http://doi.org/10.1109/CISIS.2012.192

Shivhare, S. N.; Garg, S.; Mishra, A. (2015). EmotionFinder: Detecting emotion from blogs and textual documents. In 2015 International Conference on Computing, Communication Automation (ICCCA) (pp. 52-57). (http://doi.org/10.1109/CCAA.2015.7148343)

Valitutti, R. (2004). WordNet-Affect: an Affective Extension of WordNet. In Proceedings of the 4th International Conference on Language Resources and Evaluation. Citeseer.

Vinola, C.; Vimaladevi, K. (2015). A survey on human emotion recognition approaches, databases and applications. ELCVIA Electronic Letters on Computer Vision and Image Analysis, 14(2), 24-44. DOI: http://doi.org/10.5565/rev/elcvia.795


Enlaces refback

  • No hay ningún enlace refback.


Campus Virtuales

ISSN: 2255-1514

www.revistacampusvirtuales.es

campusvirtuales@uajournals.com