Autenticación facial en evaluaciones en línea utilizando representaciones dispersas
PDF

Cómo citar

Mercado Palencia, Y., Barrios Montes, E., Diaz Martínez, F., & Arrubla Hoyos, W. (2020). Autenticación facial en evaluaciones en línea utilizando representaciones dispersas. Memorias. https://doi.org/10.22490/25904779.4212

Resumen

Las instituciones que ofrecen educación a distancia necesariamente utilizan plataformas tecnológicas en línea para el aprendizaje, evaluación y exámenes de sus estudiantes. Las principales ventajas de la formación a distancia radican en que dichos estudios pueden realizarse en cualquier momento y desde cualquier lugar promoviendo oportunidades de aprendizajes convenientes para cada estilo de vida individual; no obstante, uno de sus mayores desafíos es poder crear entornos regulados para validar y controlar la identidad de la persona que realiza sus cursos, en consecuencia, el ente educativo debe generar un compromiso por la integridad académica. En la mayoría de los exámenes en línea, no es posible una vigilancia personal, y los estudiantes pueden acudir al apoyo de otro individuo como un intento de mejorar sus calificaciones.
Este proyecto tiene como objetivo realizar un algoritmo de supervisión y autenticación de identidad mediante reconocimiento facial, que pueda ser utilizado para pruebas cognitivas en entornos de aprendizajes virtuales. Cabe resaltar, que el procesamiento de imágenes representa tratamiento información de alta dimensionalidad, traducido en grandes cantidades de datos bidimensionales que deben ser procesados eficientemente, por tal motivo, es necesario enfocar dicho trabajo en algoritmos de aprendizajes que utilizan representaciones Sparse (ralo: poco densas), los cuales logran reducir eficientemente la dimensión de los datos, mejorando requisitos de almacenamiento y costos computacionales, y de esta manera aumentar el nivel de seguridad de las pruebas en línea.

https://doi.org/10.22490/25904779.4212
PDF

Citas

LA AUTENTICACIÓN, F. E. E. V., & DE APRENDIZAJE, E. L. E. S. Universidad a Distancia de Madrid (UDIMA).2016.

Hayes B., Ringwood J., editors. Authenticating student work in an e-Iearning programme via speaker recognition. 3rd International Conference on Signals, Circuits and Systems (SCS) 2009: IEEE.

Aguila E. G , Rifon L. A. , Castro J. L. A. , Mateo C.G. , editors. Is My Student at the Other Side? Applying Biometric Web Authentication to E-Learning Environments. Eighth IEEE International Conference on Advanced Learning Technologies; 2008: IEEE.

Ma, L., Wang, C., Xiao, B., & Zhou, W. (2012, June). Sparse representation for face recognition based on discriminative low-rank dictionary learning. In Computer Vision and Pattern Recognition (CVPR), 2012 IEEE Conference on (pp. 2586-2593). IEEE.

Zhang, Q., & Li, B. (2010, June). Discriminative K-SVD for dictionary learning in face recognition. In Computer Vision and Pattern Recognition (CVPR), 2010 IEEE Conference on (pp. 2691-2698). IEEE.

Moini A, Madni A M. Leveraging Biometrics for User Authentication in Online Learning: A Systems Perspective. IEEE Systems Journal. 2009;3(4):469-76.

Asha, S., & Chellappan, C. (2008, April). Authentication of e-learners using multimodal biometric technology. In Biometrics and Security Technologies, 2008. ISBAST 2008. International Symposium on (pp. 1-6). IEEE.

Lata, Y. V., Tungathurthi, C. K. B., Rao, H. R. M., Govardhan, A., & Reddy, L. P. (2009). Facial recognition using eigenfaces by PCA.International Journal of Recent Trends in Engineering,1(1), 587.

Labayen, M., Vea, R., Flórez, J., Guillén-Gámez, F. D. y García-Magariño, I. [2014]: «Smowl: a tool for continuous student validation based on face recognition for on-line learning», Edulearn14 Proceedings, págs. 5.354-5.359. International Association of Technology, Education and Development

Detalle de visitas

PDF: 39
Resumen: 48