Reconhecimento facial para validação de usuário durante um questionário no Moodle
Resumo
Avaliações online estão cada vez mais presentes. Isso é ainda mais evidente com a grande demanda resultante da pandemia de 2020. No entanto, verificar a autenticidade do avaliado é uma tarefa que ainda precisa de novas soluções. Neste sentido, este trabalho apresenta o plugin Face Verification Quiz para o Moodle, um Sistema de Gestão da Aprendizagem amplamente utilizado nos diversos níveis do ensino. Redes Neurais Convolucionais Profunda pré-treinadas foram usadas para detectar rapidamente o contorno da face através de pixels dos olhos, nariz e boca. Outra rede foi utilizada para o reconhecimento facial, com 128 características. Esse serviço de verificação facial é executado no navegador do cliente ao acessar um questionário no Moodle.
Palavras-chave:
Reconhecimento facial, Validação de Usuário, Moodle, Avaliação online
Referências
Bengio, Y. (2009). Learning deep architectures for ai. Foundations, 2:1–55.
Britz, D. (2015). Understanding convolutional neural networks for nlp. URL: http://www.wildml. com/2015/11/understanding-convolutional-neuralnetworks-for-nlp/(visited on08/10/2020).
Diniz, F. A., Neto, F. M. M., Júnior, F. d. C. L., and de Oliveira Fontes, L. M. (2013). Um sistema de reconhecimento facial aplicado a um ambiente virtual de aprendizagem composto por agentes pedagógicos. In Proceedings of VIII International Conferenceon Engineering and Computer Education, Luanda: UniPiaget.
Espinosa Sandoval, C. G. (2019). Multiple face detection and recognition system design applying deep learning in web browsers using javascript. University of Arkansas, Fayetteville, Undergraduate Honors Theses.
Guillén-Gámez, F. D. and García-Magariño, I. (2014). Facial authentication before and after applying the smowl tool in moodle. In Distributed Computing and Artificial Intelligence, 11th International Conference, pages 173–180.
Springer.Hoo, S. C. and Ibrahim, H. (2019). Biometric-based attendance tracking system for education sectors: A literature survey on hardware requirements. Journal of Sensors, 2019.
Kuo, L.-H., Yang, H.-H., Yang, H.-J., Hu, W.-C., and Sue, S. (2010). A study of online asynchronous learning monitored by face recognition. WSEAS Transactions on Information Science and Applications, 7(10):1211–1229.
Labayen, M., Vea, R., Flórez, J., Guillén-Gámez, F. D., and García-Magariño, I. (2014).Smowl: a tool for continuous student validation based on face recognition for online learning. Edulearn14 Proceedings, pages 5354–5359.
OToole, A. J., Castillo, C. D., Parde, C. J., Hill, M. Q., and Chellappa, R. (2018). Face space representations in deep convolutional neural networks. Trends in cognitive sciences, 22(9):794–809.Z
Peer, P., Bule, J., Gros, J. Ž., and Štruc, V. (2013). Building cloud-based biometric services. Informatica, 37(2).
Rolim, A. L. and Bezerra, E. P. (2008). Um sistema de identificação automática de faces para um ambiente virtual de ensino e aprendizagem. In Companion Proceedings of the XIV Brazilian Symposium on Multimedia and the Web, pages 129–132.
Zhang, K., Zhang, Z., Li, Z., and Qiao, Y. (2016). Joint face detection and alignment using multitask cascaded convolutional networks. IEEE Signal Processing Letters,23(10):1499–1503.
Britz, D. (2015). Understanding convolutional neural networks for nlp. URL: http://www.wildml. com/2015/11/understanding-convolutional-neuralnetworks-for-nlp/(visited on08/10/2020).
Diniz, F. A., Neto, F. M. M., Júnior, F. d. C. L., and de Oliveira Fontes, L. M. (2013). Um sistema de reconhecimento facial aplicado a um ambiente virtual de aprendizagem composto por agentes pedagógicos. In Proceedings of VIII International Conferenceon Engineering and Computer Education, Luanda: UniPiaget.
Espinosa Sandoval, C. G. (2019). Multiple face detection and recognition system design applying deep learning in web browsers using javascript. University of Arkansas, Fayetteville, Undergraduate Honors Theses.
Guillén-Gámez, F. D. and García-Magariño, I. (2014). Facial authentication before and after applying the smowl tool in moodle. In Distributed Computing and Artificial Intelligence, 11th International Conference, pages 173–180.
Springer.Hoo, S. C. and Ibrahim, H. (2019). Biometric-based attendance tracking system for education sectors: A literature survey on hardware requirements. Journal of Sensors, 2019.
Kuo, L.-H., Yang, H.-H., Yang, H.-J., Hu, W.-C., and Sue, S. (2010). A study of online asynchronous learning monitored by face recognition. WSEAS Transactions on Information Science and Applications, 7(10):1211–1229.
Labayen, M., Vea, R., Flórez, J., Guillén-Gámez, F. D., and García-Magariño, I. (2014).Smowl: a tool for continuous student validation based on face recognition for online learning. Edulearn14 Proceedings, pages 5354–5359.
OToole, A. J., Castillo, C. D., Parde, C. J., Hill, M. Q., and Chellappa, R. (2018). Face space representations in deep convolutional neural networks. Trends in cognitive sciences, 22(9):794–809.Z
Peer, P., Bule, J., Gros, J. Ž., and Štruc, V. (2013). Building cloud-based biometric services. Informatica, 37(2).
Rolim, A. L. and Bezerra, E. P. (2008). Um sistema de identificação automática de faces para um ambiente virtual de ensino e aprendizagem. In Companion Proceedings of the XIV Brazilian Symposium on Multimedia and the Web, pages 129–132.
Zhang, K., Zhang, Z., Li, Z., and Qiao, Y. (2016). Joint face detection and alignment using multitask cascaded convolutional networks. IEEE Signal Processing Letters,23(10):1499–1503.
Publicado
24/11/2020
Como Citar
SILVA, Daniel Gonçalves da; ZAMPIROLLI, Francisco de Assis.
Reconhecimento facial para validação de usuário durante um questionário no Moodle. In: CONCURSO APPS.EDU - CATEGORIA PROTÓTIPO - CONGRESSO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (CBIE), 9. , 2020, Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2020
.
p. 124-131.
DOI: https://doi.org/10.5753/cbie.wcbie.2020.124.
