FenixEdu™

Dissertação

{en_GB=An Affect-Aware Intelligent Tutoring System for EmoRegulators A Restricted-Perception Wizard-of-Oz Approach} {} EVALUATED

Detalhes: {pt=Este projecto aborda o problema de como criar um sistema adaptável, inteligente e capaz de ajudar a regular os estados afectivos de jogadores durante uma sessão interactiva no EmoRegulators, um jogo sério que ensina os jogadores a estarem conscientes das suas emoções e a regulá-las. Foi feita investigação sobre sistemas de tutoria inteligentes afectivos para aprender que estratégias de regulação de emoções usam. Ao contrário de muitos sistemas de tutoria inteligentes, que usam conjuntos de regras para activar as estratégias de regulação de emoções, nós propomos um modelo fortemente baseado no conceito de estudos Wizard-of-Oz (WoZ) com restrição de percepções, em que um especialista humano faz o papel de tutor durante uma fase de demonstrações ao controlar a facilitadora (um agente instrutivo) no EmoRegulators, através de uma interface que foi cuidadosamente desenhada para forçar o especialista a ter as mesmas percepções que o agente. Criámos um conjunto de características que representam o estado do jogo e o estado afectivo e que viriam a ser usados mais tarde na fase de treino, usando os dados recolhidos aos utilizadores durante as demonstrações WoZ. Estes dados foram pré-processados e alimentados a uma selecção de algoritmos de aprendizagem automática para estudar o seu desempenho especificamente no EmoRegulators. Os utilizadores reportaram uma experiência em geral positiva nas demonstrações mas os nossos resultados na escolha de modelos ficou aquém das nossas expectativas iniciais; no entanto, após aplicarmos uma estratégia de agrupamento das interacções, verificámos algumas melhorias em recall para a abordagem Leave-One-Subject-Out., en=This project addresses the problem of how to create an intelligent, adaptive system capable of helping to regulate the players' affective states during an interaction session in EmoRegulators, a serious game that teaches players to be aware of their emotions and to regulate them. We conducted research into other affect-aware Intelligent Tutoring Systems to learn which emotion regulation strategies they use. Unlike many of these emotion-aware ITS which use a set of rules to activate the usage of emotion regulation strategies, we propose a model heavily based on restricted-perception Wizard-of-Oz studies, where a human expert plays the role of a tutor during a demonstration phase by controlling the facilitator (an instructional agent) in EmoRegulators, using an interface which was carefully designed to enforce that the expert has the same perceptions as the agent. We created a set of features that represent the game state and the affective state that could be used later in the training phase, using the data collected from users in the WoZ demonstrations. This data was pre-processed and fed to a selection of machine learning algorithms to study their performance in EmoRegulators specifically. Users reported an overall positive experience during the demonstrations but model performance didn't meet our initial expectations; after a merging and grouping of strategies was applied, though, we saw a slight increase in recall score at a fairly reasonable compromise in accuracy for the Leave-One-Subject-Out approach.}
Keywords: {pt=Regulação de Emoções, Sistemas Tutoriais Inteligentes, EmoRegulators, Estudos Wizard-of-Oz, Aprendizagem Automática, en=Emotion Regulation, Intelligent Tutoring Systems, EmoRegulators, Wizard-of-Oz Studies, Machine Learning}

Discussão: junho 5, 2018, 10:30