FOCA.AI
um aplicativo utilizando inteligência artificial para monitorar o foco de alunos
DOI:
https://doi.org/10.47385/tudoeciencia.2526.2025Palavras-chave:
Inteligência Artificial. Visão Computacional. Reconhecimento Facial. Personalização do Ensino.Resumo
Este artigo científico apresenta o desenvolvimento de um modelo de inteligência artificial, fundamentado em técnicas de visão computacional e aprendizado de máquina, com objetivo de monitorar em tempo real o nível de atenção dos estudantes durante as atividades educacionais. A proposta ora apresentada demandou uma revisão bibliográfica abrangente, bem como a implementação de um sistema baseado em reconhecimento facial e análise comportamental, capaz de classificar os alunos em dois estados de atenção: atento e desatento. Importante ressaltar que o sistema não realizará a gravação das imagens dos discentes. Tais imagens, serão utilizadas em tempo de análise do algoritmo desenvolvido, e assim, os dados capturados servirão para a mensuração percentual de discentes engajados ou não nas aulas. Desta forma, será respeitado rigorosamente os princípios éticos e de privacidade dos participantes. A ferramenta desenvolvida tem por finalidade possibilitar ajustes imediatos nas estratégias pedagógicas no decorrer das aulas, promovendo um ensino mais dinâmico, personalizado e responsivo. Desta forma, o docente poderá redirecionar sua didática para outras formas, visando engajar os discentes nos assuntos abordados. Os testes e experimentos foram conduzidos em ambientes escolares, demonstrando a viabilidade da aplicação também em contextos corporativos, como treinamentos e eventos educacionais. A pesquisa contempla a implementação do software, sua avaliação em diferentes cenários e a análise dos resultados obtidos, reforçando seu potencial como recurso para tornar o processo de ensino-aprendizagem mais eficaz, interativo e adaptável às necessidades dos participantes.
Downloads
Referências
PRENSKY, Marc. Digital natives, digital immigrants. On the Horizon, v. 9, n. 5, p. 1-6, 2001. Disponível em: https://www.marcprensky.com/writing/Prensky%20-%20Digital%20Natives,%20Digital%20Immigrants%20-%20Part1.pdf. Acesso em: 18 mar. 2025.
OPEN SOURCE COMPUTER VISION LIBRARY. OpenCV Documentation. OpenCV, 2023. Disponível em: https://docs.opencv.org/4.x/. Acesso em: 02 jul. 2025.
KING, Davis E. Dlib-ml: A Machine Learning Toolkit. Journal of Machine Learning Research, v. 10, p. 1755-1758, 2009. Disponível em: http://jmlr.csail.mit.edu/papers/v10/king09a.html. Acesso em: 02 jul. 2025.
GOODFELLOW, Ian; BENGIO, Yoshua; COURVILLE, Aaron. Deep Learning. MIT Press, Cambridge, MA, 2016. Disponível em: https://www.deeplearningbook.org. Acesso em: 02 jul. 2025.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2025 Tudo é Ciência: Congresso Brasileiro de Ciências e Saberes Multidisciplinares

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.