Caramelos con sabor a nota: desarrollo de un sistema de recompensas para el seguimiento de la participación y la evaluación de trabajos en grupo

Hoy en día la tecnología no tiene nada que ver con la de hace unos años. En estos tiempos todo está informatizado, desde fábricas enteras, hasta tu propia casa, pero resulta curioso que algo tan sencillo como es un sistema de gestión de notas de evaluación continua nunca cuente con la atención total del alumno. Los alumnos consultan su nota de evaluación continua cuando ya ha acabado el curso y ven la nota final de la asignatura, pero la gran mayoría no hace un seguimiento con ninguna herramienta para ver su nota de participación en clase día a día. Por otra parte, desde el punto de vista del profesor, en clases grandes como ocurre en las universidades, es mucha carga de trabajo para el profesor llevar a cabo tareas diarias para tantos alumnos y gestionar sus notas día a día. En este proyecto se ha desarrollado una aplicación para la gestión de los positivos de una asignatura. El profesor, que previamente se ha tenido que dar de alta en una asignatura en la web, imprime códigos de registro en formato PDF que contiene un código QR con una cadena de números que pertenece a la asignatura para que los alumnos puedan escanear dicho código y darse de alta en la asignatura. Luego, el alumno debe escanear el código QR para darse de alta en dicha asignatura, para que más tarde pueda escanear los positivos conseguidos en clase. La aplicación se divide en dos partes: una web y una aplicación móvil. La web es desde dónde el profesor puede gestionar todas sus asignaturas y puede imprimir todos los códigos que desee repartir. La propia web se encarga de realizar las estadísticas, que es un apartado que pueden ver tanto alumnos (sólo viendo su nombre frente al resto) como profesores (viendo los positivos generales con todos los nombres). Dichas estadísticas sirven para llevar el seguimiento a lo largo del curso de la asignatura según los alumnos vayan escaneando positivos. También se pueden dar de alta grupos que auto gestionan los alumnos. La aplicación móvil, es donde el alumno gestiona sus positivos frente a otros alumnos de manera privada viendo un ranking y su posición frente al resto de alumnos. Puede también escanear códigos para sumar más positivos y tener la mayor nota. También pueden puntuar desde la propia aplicación a sus compañeros del mismo grupo quitándole trabajo al profesor. Se concluye por tanto que la aplicación creada en este TFG es una herramienta tan útil para profesores como para alumnos, ya que los profesores no tienen tanta carga de trabajo y pueden hacer un fácil seguimiento al alumno que asiste a sus clases, mientras que el alumno que use la aplicación podrá ver su participación en clase y podrá ver si lleva una buena nota de evaluación continua o por el contrario no está participando tanto como el resto.

ACCELBIKE

Este proyecto consiste en el diseño e implementación de un dispositivo que permite el registro de los datos de acelerometría de un trayecto realizado por un ciclista para medir el esfuerzo experimentado por éste. Este dispositivo se fijará al manillar o la tija de una bicicleta de montaña y se complementará con la información proporcionada por el GPS de un móvil. Los datos de acelerometría registrados por el dispositivo se enviarán a dicho dispositivo móvil mediante Bluetooth Low Energy, cuyo funcionamiento se explicará durante el transcurso de esta memoria.

Detección automática con snakes y representación 3D sobre imágenes cerebrales

Comunicación presentada en la VI Conferencia de la Asociación Española para la Inteligencia Artificial (CAEPIA'95), Alicante, 15-17 noviembre 1995.

Deformable templates for plaque thickness estimation of intravascular ultrasound sequences

Comunicación presentada en el VII Symposium Nacional de Reconocimiento de Formas y Análisis de Imágenes, SNRFAI, Barcelona, abril 1997.

Snakes based tracking and texture analysis of microscopic images

Comunicación presentada en el VII Symposium Nacional de Reconocimiento de Formas y Análisis de Imágenes, SNRFAI, Barcelona, abril 1997.

Plantillas deformables espacio-temporales para el tracking y reconocimiento gestual

Comunicación presentada en la VII Conferencia de la Asociación Española para la Inteligencia Artificial, CAEPIA, Málaga, 12-14 noviembre, 1997.

Estimación del movimiento coherente: computación evolutiva como alternativa al annealing determinista

Comunicación presentada en SCETA, Seminario Sobre Computación Evolutiva, celebrado en la VII Conferencia de la Asociación Española para la Inteligencia Artificial, CAEPIA, Málaga, 12-14 noviembre 1997.

A competition-based deformable template for junction extraction

Comunicación presentada en el VIII Simposium Nacional de Reconocimiento de Formas y Análisis de Imágenes, Bilbao, mayo 1999.

Deformable templates for tracking and analysis of intravascular ultrasound sequences

Deformable Template models are first applied to track the inner wall of coronary arteries in intravascular ultrasound sequences, mainly in the assistance to angioplasty surgery. A circular template is used for initializing an elliptical deformable model to track wall deformation when inflating a balloon placed at the tip of the catheter. We define a new energy function for driving the behavior of the template and we test its robustness both in real and synthetic images. Finally we introduce a framework for learning and recognizing spatio-temporal geometric constraints based on Principal Component Analysis (eigenconstraints).

A combined probabilistic framework for learning gestures and actions

In this paper we introduce a probabilistic approach to support visual supervision and gesture recognition. Task knowledge is both of geometric and visual nature and it is encoded in parametric eigenspaces. Learning processes for compute modal subspaces (eigenspaces) are the core of tracking and recognition of gestures and tasks. We describe the overall architecture of the system and detail learning processes and gesture design. Finally we show experimental results of tracking and recognition in block-world like assembling tasks and in general human gestures.

Constellations and the unsupervised learning of graphs

In this paper, we propose a novel method for the unsupervised clustering of graphs in the context of the constellation approach to object recognition. Such method is an EM central clustering algorithm which builds prototypical graphs on the basis of fast matching with graph transformations. Our experiments, both with random graphs and in realistic situations (visual localization), show that our prototypes improve the set median graphs and also the prototypes derived from our previous incremental method. We also discuss how the method scales with a growing number of images.

A novel information theory method for filter feature selection

In this paper, we propose a novel filter for feature selection. Such filter relies on the estimation of the mutual information between features and classes. We bypass the estimation of the probability density function with the aid of the entropic-graphs approximation of Rényi entropy, and the subsequent approximation of the Shannon one. The complexity of such bypassing process does not depend on the number of dimensions but on the number of patterns/samples, and thus the curse of dimensionality is circumvented. We show that it is then possible to outperform a greedy algorithm based on the maximal relevance and minimal redundancy criterion. We successfully test our method both in the contexts of image classification and microarray data classification.

Contextual visual localization: cascaded submap classification, optimized saliency detection, and fast view matching

In this paper, we present a novel coarse-to-fine visual localization approach: contextual visual localization. This approach relies on three elements: (i) a minimal-complexity classifier for performing fast coarse localization (submap classification); (ii) an optimized saliency detector which exploits the visual statistics of the submap; and (iii) a fast view-matching algorithm which filters initial matchings with a structural criterion. The latter algorithm yields fine localization. Our experiments show that these elements have been successfully integrated for solving the global localization problem. Context, that is, the awareness of being in a particular submap, is defined by a supervised classifier tuned for a minimal set of features. Visual context is exploited both for tuning (optimizing) the saliency detection process, and to select potential matching views in the visual database, close enough to the query view.

Estimación bayesiana de características en robots móviles mediante muestreo de la densidad a posteriori

Comunicación presentada en el I Congrés Català d’Intel·ligència Artificial, Tarragona, Octubre de 1998.

Bayesian models for finding and grouping junctions

In this paper, we propose two Bayesian methods for detecting and grouping junctions. Our junction detection method evolves from the Kona approach, and it is based on a competitive greedy procedure inspired in the region competition method. Then, junction grouping is accomplished by finding connecting paths between pairs of junctions. Path searching is performed by applying a Bayesian A* algorithm that has been recently proposed. Both methods are efficient and robust, and they are tested with synthetic and real images.