Desarrollo de Soluciones Cliente-Servidor para la Verificación ...

More documents

Recommendations

Info

Capítulo 5. Diseño y Desarrollo de un Sistema de Monitorización Biométrica de 108 Estudiante para Plataformas LMS Time (DSPT) representa el 51,67 % del Detected Any Presence Time (DAPT). Pese a esta diferencia, la cifra parece coherente con el protocolo definido en la prueba, ya que en cada vídeo un estudiante dedica el mismo tiempo que un impostor a la resolución del cuestionario (8 minutos), lo que implica a priori un valor del DSPT en torno al 50 %. El valor que aparece a mayores en la medida, se corresponde con la influencia del tiempo que el estudiante emplea para consultar sus puntuaciones al final de la prueba. En la Figura 5.7 se puede ver gráficamente como los intervalos de presencia son coherentes con el protocolo de la prueba. En lo referente a las medidas de detección de tiempo de atención y también desde el punto de vista del protocolo especificado para la prueba, a partir del etiquetado manual de los vídeos observamos que el valor medio del Real Student Attention Time (RSAT) representa el 77,60 % del valor medio del Real Student Presence Time (RSPT), y difiere en 30 puntos de la correspondiente medida estimada, pues el valor medio del Detected Student Frontal Pose Time (DSFPT) representa el 46,73 % del Detected Student Presence Time (DSPT). Es importante destacar que los 30 puntos de diferencia entre la media del valor real y del estimado, pueden ser debidos a dos motivos: que el tiempo de pose frontal no modele adecuadamente el tiempo de atención mientras se visualizan los contenidos, y/o una baja precisión en las medidas que proporciona el detector de pose frontal implementado. En los siguientes apartados mostraremos que la causa principal es la segunda. En la Figura 5.7 se puede apreciar como los intervalos de atención, modelados como detección de pose frontal, muestran indicios de una baja precisión ya que según el protocolo definido cada estudiante/impostor debería estar, la mayor parte del tiempo del vídeo, prestando atención a los contenidos de la plataforma LMS, es decir, resolviendo los cuestionarios. En la Figura 5.7 podemos apreciar visualmente en el caso del impostor que la medida estimada no refleja correctamente esa conducta ya que la detección de frontalidad es muy baja. En los siguientes apartados vamos a evaluar la precisión de las medidas que ofrece el módulo de seguimiento.
5.4. Evaluación y Validación del Módulo de Seguimiento en un Entorno Real 109 5.4.2.2. Precisión en la Detección de Presencia Se ha procedido a realizar un análisis de la precisión que proporciona el módulo de monitorización en la estima del tiempo de detección de presencia (DAPT). Para ello, se ha realizado un etiquetado manual sobre el tiempo real de presencia, o RAPT, en los 25 vídeos de las sesiones de los alumnos, y se han comparado estos resultados con los estimados. Ordenando los valores de la precisión de detección de presencia ( DAP T ) de RAP T mayor a menor vemos que para el 48 % de los vídeos el valor de la DAP T es superior RAP T al 90 %, como se puede comprobar en la Tabla 5.1. En la Tabla 5.2 observamos que la mediana de la precisión de detección de presencia ( DAP T ) es 89,29 %, y que para los 12 RAP T mejores vídeos ( DAP T DAP T >90 %), se consigue un valor medio de del 95,81 %, con una RAP T RAP T desviación del 1,74 % y un máximo de 97,87 %. DAP T RAP T > 90 % > 80 % > 70 % > 60 % < 60 % Número de vídeos: 12/25 17/25 19/25 23/25 2/25 Procentaje de vídeos: 48 % 68 % 76 % 92 % 8 % Tabla 5.1: Resumen de la precisión de la medida de detección de presencia en los vídeos User DAPT RAPT DAP T RAP T 2009-05-27_11-07-59_JAG_framerate_14.9_traces.txt 0:23:43 0:24:14 97,87 % 2009-05-25_10-17-46_IG_framerate_26.5_traces.txt 0:21:41 0:22:11 97,75 % 2009-05-27_11-07-07_NGC_framerate_15_traces.txt 0:23:08 0:23:51 97,00 % 2009-05-25_09-53-53_ld_framerate_14.9_traces.txt 0:26:25 0:27:19 96,71 % 2009-05-27_11-06-09_JRP_framerate_14.9_traces.txt 0:22:55 0:23:45 96,49 % 2009-05-25_09-55-15_DVC_framerate_14.9_traces.txt 0:27:23 0:28:26 96,31 % 2009-05-27_11-03-18_LML_framerate_14.9_traces.txt 0:23:30 0:24:25 96,25 % 2009-05-25_10-29-15_n_framerate_15_traces.txt 0:20:29 0:21:21 95,94 % 2009-05-25_09-57-18_A_framerate_14.9_traces.txt 0:26:23 0:27:32 95,82 % 2009-05-25_09-52-34_b_framerate_14.9_traces.txt 0:26:44 0:28:26 94,02 % 2009-05-25_09-49-22_D_framerate_14.9_traces.txt 0:25:25 0:27:14 93,33 % 2009-05-25_10-31-41_y_framerate_15_traces.txt 0:19:21 0:20:59 92,22 % 2009-05-25_10-01-36_d_framerate_15_traces.txt 0:21:57 0:24:35 89,29 % 2009-05-25_09-51-47_G_framerate_15_traces.txt 0:24:13 0:28:16 85,67 % 2009-05-25_10-26-39_h_framerate_26.2_traces.txt 0:18:09 0:22:23 81,09 % 2009-05-25_09-43-32_y_framerate_26.7_traces.txt 0:22:09 0:27:25 80,79 % 2009-05-27_12-53-11_MDFO_framerate_14.9_traces.txt 0:20:02 0:24:48 80,78 % 2009-05-25_09-51-43_UG_framerate_15_traces.txt 0:22:40 0:28:22 79,91 % 2009-05-27_10-54-53_PBO_framerate_25.2_traces.txt 0:18:27 0:24:02 76,77 % 2009-05-27_11-02-30_SRJ_framerate_14.9_traces.txt 0:16:52 0:24:49 67,97 % 2009-05-25_10-51-59_C_framerate_25.6_traces.txt 0:18:59 0:28:08 67,48 % 2009-05-25_11-42-12_mjb_framerate_15_traces.txt 0:19:00 0:28:37 66,39 % 2009-05-27_11-00-41_JLCP_framerate_14.9_traces.txt 0:15:13 0:24:49 61,32 % 2009-05-27_12-02-43_XACF_framerate_25.2_traces.txt 0:11:34 0:24:07 47,96 % 2009-05-27_11-02-55_MPD_framerate_26.3_traces.txt 0:09:24 0:24:32 38,32 % MEAN: ( DAP T >90 % ; 12/25 videos) 0:23:56 0:24:59 95,81 % RAP T STANDARD DEVIATION: 0:02:36 0:02:43 1,74 % MEAN: ( DAP T >70 % ; 19/25 videos) 0:22:53 0:25:14 90,74 % RAP T STANDARD DEVIATION: 0:02:48 0:02:33 7,35 % MEAN: ( DAP T >0 % ; 25/25 videos) 0:21:02 0:25:23 82,94 % RAP T STANDARD DEVIATION: 0:04:31 0:02:24 16,52 % Tabla 5.2: Precisión en la detección de presencia.
Page 1:
Desarrollo de Soluciones Cliente-Se
Page 5:
Dpto. de Teoría de la Señal y Com
Page 9:
”Se nos conoce por nuestros actos
Page 13 and 14:
Abstract The use of online learning
Page 15 and 16:
Resumen En los últimos años y deb
Page 17:
Agradecimientos Por fin se acerca e
Page 20 and 21:
VIII Tabla de Contenidos 3. Base Te
Page 22 and 23:
X Tabla de Contenidos 6.1.1. Diseñ
Page 24 and 25:
XII Lista de Figuras 4.9. Interfaz
Page 27 and 28:
Capítulo 1 Introducción Contenido
Page 29 and 30:
1.1. Introducción al E-learning 3
Page 31 and 32:
Page 33 and 34:
Page 35 and 36:
1.2. Introduccion a la Biometría 9
Page 37 and 38:
1.2. Introduccion a la Biometría 1
Page 39 and 40:
1.3. Motivación y Objetivos de la
Page 41:
1.4. Estructura de la Tesis 15 Fina
Page 44 and 45:
18 Capítulo 2. Estado del Arte 2.1
Page 46 and 47:
20 Capítulo 2. Estado del Arte nav
Page 48 and 49:
22 Capítulo 2. Estado del Arte la
Page 50 and 51:
24 Capítulo 2. Estado del Arte WG1
Page 52 and 53:
26 Capítulo 2. Estado del Arte las
Page 54 and 55:
28 Capítulo 2. Estado del Arte 2.3
Page 57 and 58:
Capítulo 3 Base Tecnológica Conte
Page 59 and 60:
3.1. Tecnologías Biométricas 33 F
Page 61 and 62:
3.1. Tecnologías Biométricas 35 n
Page 63 and 64:
3.2. Single Sign-On para el Web 37
Page 65 and 66:
3.2. Single Sign-On para el Web 39
Page 67 and 68:
3.3. Servicios Web 41 Los datos han
Page 69 and 70:
3.3. Servicios Web 43 mánticas y c
Page 71 and 72:
3.4. Procesado de Imagen 45 de cara
Page 73 and 74:
3.4. Procesado de Imagen 47 se desp
Page 75 and 76:
3.4. Procesado de Imagen 49 1. Se e
Page 77 and 78:
3.5. Patrones de diseño 51 No obst
Page 79 and 80:
3.5. Patrones de diseño 53 Prototy
Page 81 and 82:
3.5. Patrones de diseño 55 Recurso
Page 83 and 84: Capítulo 4 Diseño y Desarrollo de
Page 85 and 86: 4.2. Proyecto de Código Libre BioW
Page 101 and 102: 4.3. Integración de BWA con las Pl
Page 103 and 104: 4.5. Desarrollo de Módulos de Reco
Page 109 and 110: 4.6. Alcance, Difusión y Repercusi
Page 111 and 112: 4.7. Limitaciones 85 gue el 01/03/2
Page 113: 4.8. Conclusiones 87 ILIAS, Moodle
Page 116 and 117: 90 Capítulo 5. Diseño y Desarroll
Page 126 and 127: Capítulo 5. Diseño y Desarrollo d
Page 147 and 148: Capítulo 6 Contribuciones, Conclus
Page 149 and 150: 6.2. Conclusiones 123 6.1.2. Diseñ
Page 151 and 152: 6.3. Trabajos Futuros 125 Por otra
Page 153 and 154: 6.3. Trabajos Futuros 127 [Gonzále
Page 155 and 156: Apéndice A Apéndice Contenido A.1
Page 157 and 158: A.2. Estadísticas Detalladas sobre
Page 171 and 172: A.3. Resultados Alternativos del M
Page 173 and 174: Bibliografía [Alba-Castro y otros,
Page 175 and 176: BIBLIOGRAFÍA 149 [Davis y Mermelst
Page 177 and 178: BIBLIOGRAFÍA 151 [Ortega-Garcia y
Page 179 and 180: BIBLIOGRAFÍA 153 [González Agulla
Page 181 and 182: Apéndice B Acrónimos y Abreviatur
show all

Desarrollo de Soluciones Cliente-Servidor para la Verificación ...

Create successful ePaper yourself

Delete template?

Save as template?