Implementación de un módulo de etiquetado de gestos y posturas para el sistema de retroalimentación automática de presentaciones RAP

Vergara Castro, Lizbeth Damaris; Zevallos Mosquera, Ricardo Mitridates

DSpace Principal
→
Unidades Académicas
→
Facultad de Ingeniería en Electricidad y Computación
→
Tesis de Ingeniería en Ciencias Computacionales
→
Ver ítem

dc.contributor.advisor	Domínguez Bonini, Federico Xavier,, Director
dc.contributor.author	Vergara Castro, Lizbeth Damaris
dc.contributor.author	Zevallos Mosquera, Ricardo Mitridates
dc.creator	ESPOL. FIEC
dc.date.accessioned	2023-09-27T14:06:13Z
dc.date.available	2023-09-27T14:06:13Z
dc.date.issued	2023
dc.identifier.citation	Vergara Castro, L. D. y Zevallos Mosquera, R. M. (2023). Implementación de un módulo de etiquetado de gestos y posturas para el sistema de retroalimentación automática de presentaciones RAP. [Proyecto integrador]. ESPOL. FIEC, Guayaquil. 58p.
dc.identifier.uri	http://www.dspace.espol.edu.ec/handle/123456789/58178
dc.description	La retroalimentación para los modelos de inteligencia artificial es crucial para su entrenamiento, este proyecto aborda la integración de un módulo de etiquetado de gestos y posturas en el sistema de retroalimentación automática de presentaciones (RAP) de la Escuela Superior Politécnica de Litoral que se implementa en videos que necesitan retroalimentación. Presenta la importancia de la inteligencia artificial en la educación y la necesidad de integrar un módulo dentro del sistema RAP. Se plantea un problema de ineficiencia en el proceso de retroalimentación manual de videos de presentaciones y se justifica la implementación del módulo de etiquetado como solución. Los objetivos incluyen la implementación del módulo utilizando Django, la visualización de videos a etiquetar, la creación de etiquetas de gestos y posturas, y la generación de archivos CSV con etiquetas creadas. El desarrollo se centra en la adaptación del sistema de etiquetado existente y la creación de una interfaz a partir de dicho sistema. Los resultados mostraron un módulo funcional que simplificó el etiquetado manual, donde Los usuarios pueden crear y eliminar etiquetas en tiempo real, y generar archivos CSV con las etiquetas guardadas. La implementación del módulo de etiquetado manual mejora significativamente la eficiencia y calidad del sistema RAP, beneficiando a estudiantes, profesores y miembros del equipo de tecnología de la información. El proyecto logra sus objetivos y presenta un avance importante en la retroalimentación automática de presentaciones.
dc.format	application/pdf
dc.format.extent	58 páginas
dc.language.iso	spa
dc.publisher	ESPOL. FIEC
dc.rights	openAccess
dc.subject	Retroalimentación automática de presentaciones
dc.subject	Django
dc.subject	Etiquetado
dc.title	Implementación de un módulo de etiquetado de gestos y posturas para el sistema de retroalimentación automática de presentaciones RAP
dc.type	Ingeniera/o en Ciencias de la Computación
dc.identifier.codigoespol	T-113549
dc.description.city	Guayaquil
dc.description.degree	Escuela Superior Politécnica del Litoral
dc.identifier.codigoproyectointegrador	TECH-302
dc.description.abstractenglish	Feedback for artificial intelligence models is crucial for their training. This project addresses the integration of a gesture and posture labeling module into the automatic feedback system for presentations (RAP) at the Escuela Superior Politécnica de Litoral, which is implemented in videos requiring feedback. It highlights the importance of artificial intelligence in education and the need to integrate a module into the RAP system. An inefficiency problem in the manual feedback process for presentation videos is identified, and the implementation of the labeling module is justified as a solution. The objectives include implementing the module using Django, displaying videos for labeling, creating gesture and posture labels, and generating CSV files with the created labels. The development focuses on adapting an existing labeling system and creating an interface based on it. The results demonstrate a functional module that simplifies manual labeling, allowing users to create and delete labels in real-time, and generating CSV files with saved labels. The implementation of the manual labeling module significantly improves the efficiency and quality of the RAP system, benefiting students, teachers, and IT team members. The project successfully achieves its goals and represents a significant advancement in automatic presentation feedback.