Análise de sentimento com rede neural convolucional: uma investigação do fator motivacional da metodologia de aprendizagem criativa
Resumo
Este artigo investiga a utilização da plataforma Scratch no desenvolvimento e monitoramento de ensaios de imersão criativa com alunos da educação básica. Acredita-se que propostas interativas como o Scratch proporcionam a motivação do aluno e contribuem no desenvolvimento das habilidades e competências. Para verificar essa hipótese, desenvolvemos três roteiros experimentais, no intuito de realizar a análise de sentimento dos participantes. Os sentimentos foram analisados a partir de um de uma rede neural convolucional e os resultados demonstram que o sentimento de felicidade e neutralidade foram predominantes. A observação desses sentimentos permite concluir que o Scratch contribui no fator motivacional do aprendizado.
Palavras-chave:
Aprendizagem Criativa, Redes Neurais Convolucionais, Scratch, Análise de Sentimentos
Referências
Bobó, M.; Campos, F.; Ströele, V.; Braga, R.; David, J. M. N. (2019). Análise de Sen-timentos na Educação: Um Mapeamento Sistemático da Literatura. In: Anais do XXX SBIE – VIII CBIE. Brasília – DF, Brasil.
Braga-A, Max. (2021). Materiais para a construção dos Jogos Educativos na Plataforma Scratch. https://bit.ly/ArquivosJogosEducativos. Abril.
Braga-B, Max. (2021). Playlist dos jogos Educativos. http://bit.ly/PlaylistDosJogos. Abril.
Dinesh, D. e Bijlani, K. (2016). Student analytics for productive teaching/learning. In: 2016 International Conference on Information Science (ICIS). [S.l.: s.n.]. p. 97–102.
Franco, Roberto Y. da S. (2019). Xmood: A tool to investigate the user experience (UX) based on multimodal Sentiment analysis and information visualization (InfoVis). In: International Conference Information Visualization (IV) 23rd. Qualis: B1.
Goodfellow, I., Bengio, Y., e Courville, A. (2016). Deep Learning. The MIT Press.
Goodfellow, I., Erhan, D., Carrier, P., Courville, A., Mirza, M., Hamner, B., Cukierski, W., Tang, Y., Thaler, D., Lee, D., Zhou, Y., Ramaiah, C., Feng, F., Li, R., Wang, X., Athanasakis, D., Shawe-Taylor, J., Milakov, M., Park, J., Ionescu, R., Popescu, M., Grozea, C., Bergstra, J., Xie, J., Romaszko, L., Xu, B., Chuang, Z., e Bengio, Y. (2015) Challenges in representation learning: A report on three machine learning contests. Neural Networks, 64:59--63. Special Issue on "Deep Learning of Represen-tations".
Grando, Aldoir. (2020). Análise facial de emoções utilizando redes neurais no contexto de uma sala de aula inteligente. Caxias do Sul – RS, Brasil.
Daher, Alessandra Ferreira Beker. (2007). Aluno e professor: protagonistas do processo de aprendizagem.
Maloney, J., Resnick, M., Rusk, N., Silverman, B., e Eastmond, E. (2010). The Scratch programming language and environment. ACM Transactions on Computing Educa-tion, 10(4):16:1–16:15.
Mohammad, Chaudhari Amol. (2019). Emotion Recognition Using Keras. Medium. https://medium.com/@ee18m003/emotion-recognition-using-keras-ad7881e2c3c6. Outubro.
Resnick, M. (2017). Lifelong Kindergarten: Cultivating Creativity through Projects, Passions, Peers, and Play. MIT Press.
Zaletelj, J.; Košir, A. (2017). Predicting students’ attention in the classroom from kinect facial and body features. EURASIP Journal on Image and Video Processing, Spring-er Nature, v. 2017, n. 1, dez.
Braga-A, Max. (2021). Materiais para a construção dos Jogos Educativos na Plataforma Scratch. https://bit.ly/ArquivosJogosEducativos. Abril.
Braga-B, Max. (2021). Playlist dos jogos Educativos. http://bit.ly/PlaylistDosJogos. Abril.
Dinesh, D. e Bijlani, K. (2016). Student analytics for productive teaching/learning. In: 2016 International Conference on Information Science (ICIS). [S.l.: s.n.]. p. 97–102.
Franco, Roberto Y. da S. (2019). Xmood: A tool to investigate the user experience (UX) based on multimodal Sentiment analysis and information visualization (InfoVis). In: International Conference Information Visualization (IV) 23rd. Qualis: B1.
Goodfellow, I., Bengio, Y., e Courville, A. (2016). Deep Learning. The MIT Press.
Goodfellow, I., Erhan, D., Carrier, P., Courville, A., Mirza, M., Hamner, B., Cukierski, W., Tang, Y., Thaler, D., Lee, D., Zhou, Y., Ramaiah, C., Feng, F., Li, R., Wang, X., Athanasakis, D., Shawe-Taylor, J., Milakov, M., Park, J., Ionescu, R., Popescu, M., Grozea, C., Bergstra, J., Xie, J., Romaszko, L., Xu, B., Chuang, Z., e Bengio, Y. (2015) Challenges in representation learning: A report on three machine learning contests. Neural Networks, 64:59--63. Special Issue on "Deep Learning of Represen-tations".
Grando, Aldoir. (2020). Análise facial de emoções utilizando redes neurais no contexto de uma sala de aula inteligente. Caxias do Sul – RS, Brasil.
Daher, Alessandra Ferreira Beker. (2007). Aluno e professor: protagonistas do processo de aprendizagem.
Maloney, J., Resnick, M., Rusk, N., Silverman, B., e Eastmond, E. (2010). The Scratch programming language and environment. ACM Transactions on Computing Educa-tion, 10(4):16:1–16:15.
Mohammad, Chaudhari Amol. (2019). Emotion Recognition Using Keras. Medium. https://medium.com/@ee18m003/emotion-recognition-using-keras-ad7881e2c3c6. Outubro.
Resnick, M. (2017). Lifelong Kindergarten: Cultivating Creativity through Projects, Passions, Peers, and Play. MIT Press.
Zaletelj, J.; Košir, A. (2017). Predicting students’ attention in the classroom from kinect facial and body features. EURASIP Journal on Image and Video Processing, Spring-er Nature, v. 2017, n. 1, dez.
Publicado
18/07/2021
Como Citar
BRAGA, Max Filipe da Costa; SOARES E SILVA, Wilson Rogério; OHASHI JUNIOR, Orlando Shigueo; TORRES, Renato Hidaka.
Análise de sentimento com rede neural convolucional: uma investigação do fator motivacional da metodologia de aprendizagem criativa. In: SEMINÁRIO INTEGRADO DE SOFTWARE E HARDWARE (SEMISH), 48. , 2021, Evento Online.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2021
.
p. 191-200.
ISSN 2595-6205.
DOI: https://doi.org/10.5753/semish.2021.15822.
