Use este identificador para citar ou linkar para este item: https://repositorio.ufjf.br/jspui/handle/ufjf/15540
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
bernadeteaparecidadarochaaquino.pdf922.08 kBAdobe PDFThumbnail
Visualizar/Abrir
Tipo: Dissertação
Título: Classificação automática de estilos de videoaulas
Autor(es): Aquino, Bernadete Aparecida da Rocha
Primeiro Orientador: Souza, Jairo Francisco de
Co-orientador: Barrére, Eduardo
Membro da banca: Menezes, Victor Stroële de Andrade
Membro da banca: Soares Neto, Carlos de Salles
Resumo: Embora as videoaulas sejam frequentemente utilizadas em diversas áreas que abrangem uma ampla gama de estudos e aplicações, a falta de uma abordagem comum para a definição e classificação de seus estilos resulta na utilização de vários modelos diferentes para esses fins. Existem diferentes propostas de classificação desses estilos mas com divergências entre si. Consolidar os estilos de produção permitiria entender as possibilidades de produção de materiais e facilitaria a comunicação entre pesquisadores ou produtores de conteúdo. Para desenvolver essa abordagem comum, existe a necessidade de construir uma estrutura através da qual esses estilos possam ser definidos e classificados. Além disso, muito tem sido feito para investigar os efeitos desses estilos no envolvimento do aluno e no resultado de aprendizagem. Esses estudos sugerem que os estilos de videoaula afetam o desempenho acadêmico e que os alunos aprendam melhor através de um determinado estilo de videoaula em comparação com outros. Com base nisso, os objetivos deste trabalho são propor um modelo unificado para classificação de estilos de videoaulas com base nas nomenclaturas e definições usadas na literatura e propor uma abordagem para classificação automática de 4 estilos de videoaula (Talking Head, Voice Over Slides, Presentation Style e Khan-Style), utilizando características visuais desses estilos. O modelo de classificação proposto permite classificar os estilos de vídeo com base em 2 dimensões visuais, incorporação humana e mídia instrucional. Acreditase que com esse modelo tornará possível a correta caracterização e formação de um entendimento comum de definições de estilos de videoaulas com base em estudos científicos existentes. Já a classificação automática dos estilos poderá ser utilizada por sistemas de recomendação para sugestão de estilos mais aderentes a preferências dos alunos e ao resultado de aprendizagem pretendido. A abordagem apresentada para a classificação automática mostra que as features extraídas dos vídeos são capazes de classificar de forma acurada o conjunto de estilos apresentados neste estudo, sendo essa classificação realizada por meio de features simples e fáceis de serem extraídas.
Abstract: Although video lessons are often used in diverse areas that cover a wide range of studies and applications, the lack of a common approach to defining and classifying their styles results in the use of many different models for these purposes. There are different proposals for classifying these styles, but with differences between them. Consolidating production styles makes it possible to understand the possibilities of producing materials and facilitates communication between researchers or content producers. To develop this common approach, there is a need to build a framework through which these styles can be defined and classified. In addition, much has been done to investigate the effects of these styles on student engagement and learning outcome. These studies suggest that video lessons styles affect academic performance and that students learn better through a certain video lesson style compared to others. Based on this, the objectives of this work are to propose a unified model for classifying styles of video lessons based on the nomenclatures and definitions used in the literature also, to propose an approach for automatic classification of 4 video lesson styles (Talking Head, Voice Over Slides, Presentation Style and Khan-Style) using visual characteristics of these styles. The proposed classification model allows classifying video styles based on 2 visual dimensions which are human embedding and instructional media. It is believed that this model will make possible the correct characterization and formation of a common understanding of definitions of video lessons styles based on existing scientific studies. The automatic classification of styles can be used by recommendation systems to suggest styles that are more consistent with student preferences and the intended learning outcome. The approach presented for the automatic classification shows that the features extracted from the videos are capable of accurately classifying the set of styles presented in this study and this classification is carried out through simple and easy-to-extract features.
Palavras-chave: Videoaula
Estilos de videoaula
Classificação automática de vídeos
Video lessons
Video lessons styles
Video automatic classification
CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Idioma: por
País: Brasil
Editor: Universidade Federal de Juiz de Fora (UFJF)
Sigla da Instituição: UFJF
Departamento: ICE – Instituto de Ciências Exatas
Programa: Programa de Pós-graduação em Ciência da Computação
Tipo de Acesso: Acesso Aberto
Attribution-NonCommercial-NoDerivs 3.0 Brazil
Licenças Creative Commons: http://creativecommons.org/licenses/by-nc-nd/3.0/br/
URI: https://repositorio.ufjf.br/jspui/handle/ufjf/15540
Data do documento: 19-Jan-2023
Aparece nas coleções:Mestrado em Ciência da Computação (Dissertações)



Este item está licenciado sob uma Licença Creative Commons Creative Commons