Hacia un sistema de reconocimiento del lenguaje corporal en presentaciones orales utilizando técnicas de machine learning

Abstract

Las instituciones educativas enfrentan el desafío de evaluar y mejorar las competencias del siglo 21 en los estudiantes. Estas competencias son fundamentales para su desarrollo académico y profesional. La comunicación no verbal, que incluye gestos y posturas, es especialmente importante para enriquecer la competencia de comunicación oral. Esta habilidad permite mostrar emociones y actitudes que respaldan una presentación oral efectiva. Para complementar la evaluación integral de estas competencias, se propone utilizar un sistema de evaluación objetiva del lenguaje corporal. Este sistema utiliza algoritmos de machine learning y visión por computadora para analizar el lenguaje corporal de los estudiantes y proporciona datos cuantitativos que identifican áreas específicas de mejora para cada estudiante. A diferencia de las evaluaciones manuales, que son subjetivas y sesgadas, este sistema automatizado puede ahorrar tiempo y mejorar la eficacia de la evaluación en entornos académicos y profesionales. El sistema de evaluación automática del lenguaje corporal puede brindar a los profesores una visión cuantificable de los gestos positivos y negativos durante las presentaciones de los estudiantes. Además, brinda a los alumnos la oportunidad de ver cómo obtuvieron esos resultados de manera consistente a través del sistema. Esto les permite mejorar su comunicación efectiva durante las presentaciones. El sistema desarrollado tiene el potencial de mejorar significativamente la efectividad de la comunicación en diversos contextos, desde la educación hasta los entornos empresariales y políticos. Al proporcionar información útil sobre el lenguaje corporal de los presentadores, el sistema propuesto puede contribuir a un mejor desempeño en estas áreas.

Educational institutions face the challenge of assessing and improving 21st century competencies in students. These competencies are critical to their academic and professional development. Nonverbal communication, which includes gestures and postures, is especially important to enrich oral communication competence. This skill allows for the display of emotions and attitudes that support an effective oral presentation. To complement the comprehensive assessment of these competencies, it is proposed to use an objective body language assessment system. This system uses machine learning and computer vision algorithms to analyze students' body language and provides quantitative data that identifies specific areas of improvement for each student. Unlike manual assessments, which are subjective and biased, this automated system can save time and improve the effectiveness of assessment in academic and professional settings. The automatic body language assessment system can give teachers quantifiable insight into positive and negative gestures during students' presentations. In addition, it gives students the opportunity to see how they consistently achieved those results across the system. This allows them to improve their effective communication during presentations. The developed system has the potential to significantly improve the effectiveness of communication in various contexts, from education to business and political settings. By providing useful information about the body language of presenters, the proposed system can contribute to better performance in these areas.