{rfName}
De

Indexado en

Licencia y uso

Icono OpenAccess

Citaciones

Altmetrics

Grant support

This work was supported in part by project HumanCAIC under Grant TED2021-131787B-I00 MICINN; in part by project BBforTAI under Grant PID2021-127641OB-I00 MICINN/FEDER; in part by project BIO-PROCTORING (GNOSS Program, Agreement Ministerio de Defensa-UAM-FUAM dated 29-03-2022); in part by the Catedra ENIA UAM-VERIDAS en IA Responsable (NextGenerationEU PRTR) under Grant TSI-100927-2023-2; and in part by the Autonomous Community of Madrid. The work of Roberto Daza was supported by the FPI Fellowship from MINECO/FEDER. The work of Aythami Morales was supported by the Madrid Government (Comunidad de Madrid-Spain) under the Multiannual Agreement with Universidad Autonoma de Madrid in the line of Excellence for the University Teaching Staff in the context of the Regional Program of Research and Technological Innovation (V PRICIT).

Análisis de autorías institucional

Daza, RobertoAutor (correspondencia)Fierrez, JulianAutor o CoautorMorales, AythamiAutor o CoautorTolosana, RubenAutor o CoautorOrtega-Garcia, JavierAutor o Coautor

Compartir

Publicaciones
>
Artículo

DeepFace-Attention: Multimodal Face Biometrics for Attention Estimation With Application to e-Learning

Publicado en:IEEE Access. 12 111343-111359 - 2024-01-01 12(), DOI: 10.1109/ACCESS.2024.3437291

Autores: Daza, Roberto; Gomez, Luis F; Fierrez, Julian; Morales, Aythami; Tolosana, Ruben; Ortega-Garcia, Javier

Afiliaciones

Resumen

This work introduces an innovative method for estimating attention levels (cognitive load) using an ensemble of facial analysis techniques applied to webcam videos. Our method is particularly useful, among others, in e-learning applications, so we trained, evaluated, and compared our approach on the mEBAL2 database, a public multi-modal database acquired in an e-learning environment. mEBAL2 comprises data from 60 users who performed 8 different tasks. These tasks varied in difficulty, leading to changes in their cognitive loads. Our approach adapts state-of-the-art facial analysis technologies to quantify the users' cognitive load in the form of high or low attention. Several behavioral signals and physiological processes related to the cognitive load are used, such as eyeblink, heart rate, facial action units, and head pose, among others. Furthermore, we conduct a study to understand which individual features obtain better results, the most efficient combinations, explore local and global features, and how temporary time intervals affect attention level estimation, among other aspects. We find that global facial features are more appropriate for multimodal systems using score-level fusion, particularly as the temporal window increases. On the other hand, local features are more suitable for fusion through neural network training with score-level fusion approaches. Our method outperforms existing state-of-the-art accuracies using the public mEBAL2 benchmark.

Palabras clave

Attention estimationBehavioral analysisBehavioral sciencesBlink rateCognitive loadCognitive processesDatabasesDeep learningE-learningElectroencephalographyElectronic learningEstimationExpressionsEyeblinkFace recognitionFacial action unitsFusionHead pose detectionHeart rate detectionMulti-modal learninMulti-modal learningMultimodal sensorsMultiple classifiersPose estimationSysteTask analysis

Indicios de calidad

Impacto bibliométrico. Análisis de la aportación y canal de difusión

El trabajo ha sido publicado en la revista IEEE Access debido a la progresión y el buen impacto que ha alcanzado en los últimos años, según la agencia Scopus (SJR), se ha convertido en una referencia en su campo. En el año de publicación del trabajo, 2024 aún no existen indicios calculados, pero en 2023, se encontraba en la posición , consiguiendo con ello situarse como revista Q1 (Primer Cuartil), en la categoría Engineering (Miscellaneous).

Impacto y visibilidad social

Desde la dimensión de Influencia o adopción social, y tomando como base las métricas asociadas a las menciones e interacciones proporcionadas por agencias especializadas en el cálculo de las denominadas “Métricas Alternativas o Sociales”, podemos destacar a fecha 2025-05-27:

  • El uso, desde el ámbito académico evidenciado por el indicador de la agencia Altmetric referido como agregaciones realizadas por el gestor bibliográfico personal Mendeley, nos da un total de: 11.
  • La utilización de esta aportación en marcadores, bifurcaciones de código, añadidos a listas de favoritos para una lectura recurrente, así como visualizaciones generales, indica que alguien está usando la publicación como base de su trabajo actual. Esto puede ser un indicador destacado de futuras citas más formales y académicas. Tal afirmación es avalada por el resultado del indicador “Capture” que arroja un total de: 10 (PlumX).

Con una intencionalidad más de divulgación y orientada a audiencias más generales podemos observar otras puntuaciones más globales como:

  • El Score total de Altmetric: 1.25.
  • El número de menciones en la red social X (antes Twitter): 2 (Altmetric).

Es fundamental presentar evidencias que respalden la plena alineación con los principios y directrices institucionales en torno a la Ciencia Abierta y la Conservación y Difusión del Patrimonio Intelectual. Un claro ejemplo de ello es:

  • El trabajo se ha enviado a una revista cuya política editorial permite la publicación en abierto Open Access.
  • Asignación de un Handle/URN como identificador dentro del Depósito en el Repositorio Institucional: https://repositorio.uam.es/handle/10486/715742

Análisis de liderazgo de los autores institucionales

Existe un liderazgo significativo ya que algunos de los autores pertenecientes a la institución aparecen como primer o último firmante, se puede apreciar en el detalle: Primer Autor (DAZA GARCIA, ROBERTO) y Último Autor (ORTEGA GARCIA, JAVIER).

el autor responsable de establecer las labores de correspondencia ha sido DAZA GARCIA, ROBERTO.