@MASTERSTHESIS{ 2019:2051399432,
 	title = {Reconhecimento facial e FNIRS para a detecção de traços de emoção aplicados a jogos sérios},
 	year = {2019},
 	url = "http://tede2.pucrs.br/tede2/handle/tede/8452",
 	abstract = "O desempenho no aprendizado de escolares está diretamente ligado ao bem-estar do mesmo, o que consolida a necessidade da criação de ferramentas capazes de observar traços de emoção durante o desenvolvimento de atividades específicas. Aliando jogos educacionais à observação de emoções, pode-se garantir que as atividades de aprendizado sejam mais prazerosas, melhorando a eficiência dos escolares.
 Para observar traços de emoções, deve-se evocá-las atentando para que estas estejam em destaque para a metodologia utilizada para a observação. Nesta pesquisa, usam-se duas formas de observação dos traços de emoção: micro expressões faciais e resposta hemodinâmicas do córtex cerebral. Na busca de evidências de emoções, utilizam-se métodos e protocolos de evocação dos traços de emoções, onde são utilizadas imagens fortes, responsáveis por provocar reações emocionais. Com a construção de um paradigma, pode-se observar a influência da sequência das imagens, usadas no exame, na variação de resposta das percepções emocionais.Foram observadas emoções positivas, negativas e neutras, relacionando-as aos traços de expressão. O estudo se limita a diferenciar estas três emoções, que são possíveis de se distinguir a partir de análise fisiológica. Para tanto, utilizaram-se câmeras e sensores óticos, respectivamente, para reconhecer micro expressões da face e respostas hemodinâmicas corticais. Estas emoções foram classificados a partir de um método de inteligência artificial cuja entrada são os traços emocionais. Este método cria um conjunto de padrões de respostas para cada uma das emoções, classificando a emoção atual do participante.
 A possibilidade de gerar índices emocionais para uma atividade fim, amplia em muito o ensino de jogos sérios, mas também fortalece o uso deste método de reconhecimento em outras aplicações. A partir da união das duas metodologias de reconhecimentos fisiológicos, obteve-se um método robusto de classificação das emoções, com taxa de 77,2% de acerto.",
 	publisher = {Pontifícia Universidade Católica do Rio Grande do Sul},
 	scholl = {Programa de Pós-Graduação em Engenharia Elétrica},
 	note = {Escola Politécnica}
}