Registro de neuroseñales con una Interfaz Cerebro-Computador para estimar el nivel estrés en un estudiante durante una clase

Resumen

Introducción: El presente trabajo muestra un estudio de carácter individual que captura, registra y analiza el nivel de estrés de un estudiante universitario durante una clase que involucra una evaluación. La información del estrés se estimó por medio de una interfaz cerebro-computador comercial y de bajo costo. Esto permite solucionar el problema de obtener fácilmente medidas cuantitativas y no solo cualitativas.Objetivo: Analizar el comportamiento de las neuroseñales para estimar el nivel de estrés en un estudiante ante algunos eventos verbales y no verbales generados por un docente.Metodología: Se desarrolló un diseño experimental de carácter individual tomando como perturbaciones al nivel de estrés eventos tales como preguntas, limitaciones de tiempo y gestos.Resultados: Se logró poner en evidencia algunos eventos que causan estrés en los estudiantes producidos por el lenguaje verbal y no verbal del docente al impartir la clase.Conclusiones: Se recomienda a los docentes moderar su lenguaje corporal durante las evaluaciones evitando acciones que emulen afanes o presiones en tiempos innecesarios.
Palabras clave: Neuroseñales, estrés, clase, educación, emociones, ICC

Referencias

G. Halkos y D. Bousinakis, “The effect of stress and dissatisfaction on employees during crisis,” Econ. Anal. Policy, vol. 55, pp. 25–34, 2017. http://dx.doi.org/10.1016/j.eap.2017.04.002

[2] R. Repetti y S. Wang, “Effects of job stress on family relationships,” Curr. Opin. Psychol., vol. 13, pp. 15–18, 20. http://linkinghub.elsevier.com/retrieve/pii/S2352250X16300240

[3] A. Marchand, J. Bilodeau, A. Demers, N. Beauregard, P. Durand y V. Y. Haines, “Gendered depression: Vulnerability or exposure to work and family stressors?,” Soc. Sci. Med., vol. 166, pp. 160–168, 2016. DOI: https://doi.org/10.1016/j.socscimed.2016.08.021

[4] A. S. Masarik y R. D. Conger, “Stress and child development: A review of the Family Stress Model,” Curr. Opin. Psychol., vol. 13, pp. 85–90, 2017. http://dx.doi.org/10.1016/j.copsyc.2016.05.008

[5] A. A. Stone, S. Schneider y J. E. Broderick, “Psychological stress declines rapidly from age 50 in the United States: Yet another well-being paradox,” J. Psychosom. Res., vol. 103, 2017. http://linkinghub.elsevier.com/retrieve/pii/S0022399917309716

[6] C. Salavera, P. Usán, S. Pérez, A. Chato y R. Vera, “Differences in Happiness and Coping with Stress in Secondary Education Students,” Procedia - Soc. Behav. Sci., vol. 237, pp. 1310–1315, 2017. http://linkinghub.elsevier.com/retrieve/pii/S187704281730215X

[7] RAE, “Diccionario de la Real Academia la Lengua Española,” 2017. [En línea]. Disponible en: http://dle.rae.es/?w=estres

[8] Association American Psychological, “Los distintos tipos de Estrés,” 2017. [En línea]. Disponible en: http://www.apa.org/centrodeapoyo/tipos.aspx

[9] C. Fernández Jiménez y M. T. Polo Sánchez, “Afrontamiento, estrés y bienestar psicológico en estudiantes de educación social de nuevo ingreso,” EduPsykhé. Rev. Psicol. y Educ., vol. 10, no. 2, pp. 177–192, 2011. https://dialnet.unirioja.es/servlet/articulo?codigo=3896794

[10] T. Velásquez Pérez, E. E. Espinel Blanco y G. Guerrero Gómez, “Estrategias Pedagógicas en el aula de clase,” Rev. Colomb. Tecnol. Av., vol. 2, no. 28, pp. 124–131, 2016. http://www.unipamplona.edu.co/unipamplona/portalIG/home_40/recursos/revistas/20052017/revista_28.jsp

[11] I. S. Flórez, L. E. Mendoza y V. Pérez Ginna, “Medición automática del nivel de aprendizaje en niños de 4 a 6 años de edad aplicando técnicas de procesamiento de señales,” Rev. Colomb. Tecnol. Av., vol. 2, no. 28, pp. 93–100, 2016. http://www.unipamplona.edu.co/unipamplona/portalIG/home_40/recursos/revistas/20052017/revista_28.jsp

[12] J. Katona, I. Farkas, P. Ujbanyi, A. Dukan y A. Kovari, “Evaluation of the NeuroSky MindFlex EEG headset brain waves data,” in IEEE 12th International Symposium on Applied Machine Intelligence and Informatics (SAMI), pp. 91–94, 2014. http://ieeexplore.ieee.org/document/6822382/

[13] A. Fernández y M. Eid, “Read Go Go!: Towards real-time notification on readers’ state of attention,” in XXIV International Symposium on Information, Communication and Automation Technologies (ICAT), pp. 1–6, 2013. http://ieeexplore.ieee.org/document/6684047/

[14] W. A. Dijk, W. van der Velde, W. J. M. Kolkman, H. J. G. M. Crijns y K. I. Lie, “Integration of the Marquette ECG management system into the Department Information System using the European SCP-ECG Standard,” Computers in Cardiology, 1995. [En línea]. Disponible en: http://ieeexplore.ieee.org/document/482669/

[15] L. Moreno, C. Peña y H. González, “Integración de un sistema de neuroseñales para detectar expresiones en el análisis de material multimedia,” Rev. Fac. Ing., vol. 24, no. 38, pp. 29–40, 2014. http://revistas.uptc.edu.co/index.php/ingenieria/article/view/3156/4343

[16] F. M. Córdova, H. Díaz M., F. Cifuentes L. Cañete y F. Palominos, “Identifying problem solving strategies for learning styles in engineering students subjected to intelligence test and EEG monitoring,” Procedia Comput.Sci., vol. 55, pp. 18–27, ITQM, 2015. Disponible en: https://ac.els-cdn.com/S1877050915014787/1-s2.0-S1877050915014787-main.pdf?_tid=1bd56790-d3b4-11e7-9b67-00000aab0f02&acdnat=1511815797_d51e4bc601e18e4ce25f62ab7eacedb0

[17] J. F. Rubiano, C. A. Peña y E. Martínez, “Avance en el desarrollo de una plataforma de control metal de un robot paralelo tipo Delta,” in VII Congreso Bolivariano de Ingenieria Mecanica, 2012. http://congreso.pucp.edu.pe/vii-cobim/H.1.11.pdf

[18] B. Nakisa, M. N. Rastgoo, D. Tjondronegoro y V. Chandran, “Evolutionary Computation Algorithms for Feature Selection of EEG-based Emotion Recognition using Mobile Sensors,” Expert Syst. Appl., 2017. DOI: http://dx.doi.org/10.1016/j.eswa.2017.09

[19] T. H. E. Science, “Open Your Mind to Next Generation Brainwe EMOTIV Insight Introduction Vid,” 2017. [En línea]. Disponible en: https://www.emotiv.com/insight/HARDWARE

[20] C. Peña, S. Caicedo, L. U. Z. Moreno, M. Maestre y A. Pardo, “Use of a Low Cost Neurosignals Capture System to Show the Importance of Developing Didactic Activities Within a Class to Increase the Level of Student Engagement (Case Study),” WSEAS Trans. Comput., vol. 16, pp. 172–178, 2017. http://www.wseas.org/multimedia/journals/computers/2017/a385905-070.php

[21] C. A. Peña Cortés, O. E. Gualdrón y G. G. Moreno Contreras, “Warning and Rehabilitation System Using Brain Computer Interface (BCI) in Cases of Bruxism,” Ing. y Univ., vol. 18, no. 1, pp. 177–193, 2014. DOI: http://dx.doi.org/10.11144/Javeriana.IYU18-1.sarb

[22] M. Soler, H. Rodríguez y C. Peña, “Desarrollo de un robot explorador operado mediante neuroseñales,” Rev. Politécnica, vol. 10, no. 19, pp. 125–134, 2014. http://revistas.elpoli.edu.co/index.php/pol/article/view/479

Biografía del autor/a

Aldo Pardo García, Universidad de Pamplona
Aldo Pardo Garcia received the degree in Electrical Engineer and the Ph.D. degree in Control Drives of Motors from Belarusian State Agrarian Technical University, Belorussia, in 1983 and 1987, respectively. He has a postdoctoral research in Automatic Control at Cinvestav, Mexico and postdoctoral research in Engineering and Computing, Intelligent control at Florida International University, USA. He is currently a full professor in the Department of Mechanical, Mechatronics and Industrial Engineering at the University of Pamplona. He is the head of Automatic and Control research group.
Publicado
2017-07-01
Cómo citar
Moreno Cueva, L., Peña Cortés, C., Maestre Delgado, M., Caicedo Villamizar, S., & Pardo García, A. (2017). Registro de neuroseñales con una Interfaz Cerebro-Computador para estimar el nivel estrés en un estudiante durante una clase. INGE CUC, 13(2), 95-101. https://doi.org/10.17981/ingecuc.13.2.2017.10