DISEÑO Y DESARROLLO DE UN SISTEMA DE INTERACCIÓN PARA SU IMPLEMENTACIÓN EN UN AULA DE CLASE INTELIGENTE

DESIGN AND DEVELOPMENT OF AN INTERACTION SYSTEM IN ORDER TO BE IMPLEMENTED IN A SMART CLASSROOM

DESENHO E DESENVOLVIMENTO DE UM SISTEMA DE INTERAÇÃO PARA SUA IMPLEMENTAÇÃO NUMA SALA DE CLASSE INTELIGENTE

Christian Andrés Díaz León¹, Edwin Mauricio Hincapié Montoya², Edison Andrés Guirales Arredondo³, Gustavo Adolfo Moreno López⁴

1 Ingeniería Biomédica, Magíster en Ingeniería Informática, Candidato a Doctor en Ingeniería. Docente Investigador, Institución Universitaria Salazar y Herrera. Calle 70 Sur No. 38 - 305, Apto 1906, Conjunto Loma Linda, Sabaneta, Antioquia / Tel.: (574) 2888016. Correo electrónico: c.diaz@iush.edu.co.
2 Ingeniero en Instrumentación y Control, Magíster en Matemáticas Aplicadas, Doctor en Ciencias de la Ingeniería. Director del Centro de Investigación, Institución Universitaria Salazar y Herrera.
3 Estudiante Ingeniería de Sistemas Institución Universitaria Salazar y Herrera.
4 Licenciado en Educación, Magíster en Educación. Director Académico Institución Universitaria Salazar y Herrera.

RESUMEN

Las aulas de clase inteligentes son un nuevo paradigma educativo cuyo objetivo es determinar mediante un conjunto de sensores que está sucediendo dentro del aula, y a partir de esta información -y usando estrategias de inteligencia artificial- inferir qué variaciones metodológicas o de contenido deben ser aplicadas por parte del docente, con el fin de optimizar las prácticas pedagógicas. Un componente importante de estas aulas es el uso de nuevas estrategias de interacción, que facilitan el manejo de los contenidos pedagógicos utilizados. En este artículo se presenta el diseño y desarrollo de un sistema de interacción, que usa diferentes estrategias para interactuar con los contenidos propuestos por el aula de clase inteligente. Estas estrategias de interacción están basadas en gestos, superficies interactivas no instrumentadas y sistemas de pulsación gestual. Finalmente, el artículo propone pruebas experimentales para validar las diferentes formas de interacción propuestas.

PALABRAS CLAVE: Aulas de clase inteligente; interacción hombre - computador; reconocimiento de gestos; superficies interactivas.

ABSTRACT

Smart Classrooms are a new educational paradigm aimed to determine, by a set of sensors, what is happening in the classroom and from this information and using artificial intelligence strategies infer what methodological variations or content must be applied by the teacher, in order to optimize the pedagogical practices. An important component of these classrooms is the use of new interaction strategies that facilitate the use of educational content. This paper describes the design and development of an interaction system, which uses different strategies to interact with contents proposed for the smart classroom. These interaction strategies are based on gestures, interactive surfaces and gestural touch. Finally, the article proposes experimental tests to validate the different forms of interaction described.

KEY WORDS: Smart classrooms; Human computer interaction; Gesture recognition; Interactive surfaces.

RESUMO

PALAVRAS-CHAVE: Salas de aula inteligentes; Interação homem-computador; Reconhecimento de gestos; Superfícies interativas.

1. INTRODUCCIÓN

Las aulas de clase inteligentes tienen como objetivo mejorar las actividades pedagógicas que se están realizando dentro de estas, mediante el análisis del contexto del aula de clase y su adaptación usando diferentes formas de presentación del contenido y/o variando las metodologías de enseñanza utilizadas (Chen y Huang, 2012; Papatheodorou et al., 2010). Cuando hablamos de contexto, en este sentido, nos referimos a todas aquellas métricas que nos permiten determinar qué está sucediendo dentro del aula de clase, por ejemplo, el tipo de actividad que se está realizando en el aula de clase (clase magistral o trabajo en grupo), la disposición o nivel de atención de los estudiantes respecto a la clase, entre otros (Chen y Huang, 2012). A partir de esta información un aula de clase inteligente determina qué debe ser mejorado en el aula de clase y se lo recomienda al docente. Estas recomendaciones pueden ir desde un cambio en la práctica de enseñanza hasta modificar la forma de presentar el contenido (por ejemplo, usando diapositivas o realidad aumentada).

Un componente muy importante para estos sistemas es aquel que ofrece diversas formas de interacción con el contenido, como por ejemplo, los sistemas de reconocimiento de gestos (Bailly et al., 2012). Hoy en día estas aulas de clase inteligentes proponen el uso de diferentes formas de interacción del docente y el estudiante con los contenidos, con el fin de ofrecer formas de enseñanza más vivenciales que refuerzan la memoria y el entendimiento de conceptos complejos y abstractos. Se puede considerar que los nuevos paradigmas de interacción se agrupan en dos grandes categorías: (i) aquellos que requieren una interacción física entre el usuario y el sistema y (ii) aquellos que no requieren de una interacción física entre el usuario y el sistema. Con sistema nos referimos al aula de clase inteligente y los contenidos, y con interacción física nos referimos a que el usuario entra en contacto físico con algún componente del sistema para indicarle su intención o lo que quiere hacer.

Varios trabajos han propuesto el uso de superficies multi-táctil, las cuales entran dentro de la primera categoría de interacción, como principio para la interacción entre el usuario y los contenidos expuestos por el aula inteligente (Bailly et al., 2012; Zhao et al., 2014; Nacher et al., 2014; Novotny et al., 2013). En Nacher et al. (2014) se describe el desarrollo de aplicaciones que usan superficies táctiles como mecanismo de aprendizaje para chicos de pre kínder (2 a 3 años de edad), los cuales muestran una asimilación mejor en la coordinación y relación de ideas tras haber experimentado entrenamiento con estas tecnologías. También se han combinado diferentes tipos de interacción con formas de presentación (Novotny et al., 2013); en este caso los autores utilizan sistemas táctiles con realidad aumentada para la visualización de patrimonios virtuales, como una alternativa de aprendizaje acerca de los acontecimientos y lugares históricos ya desaparecidos en determinados lugares en ciudades. Otros trabajos, aunque en menor cantidad, se han enfocado a aplicar el segundo tipo de interacción descrito en este artículo. Por ejemplo, en Seo y Yeol (2013) se propone una solución de realidad aumentada que mediante el uso del Kinect permite manipular objetos multimedia. Por otra parte en Krejov et al. (2014) se describen varios tipos de aplicaciones que no hacen uso de superficies táctiles para interactuar con un sistema, y plantea que este tipo de interacción es mucho más intuitiva y fácil de aprender para el usuario.

Sin embargo, seleccionar un tipo de interacción para un contenido específico está muy relacionado con la tarea que se desea realizar. Por esta razón, este artículo propone el uso de paradigmas de interacción de las dos categorías para ser implementados en el sistema de interacción de un aula de clase inteligente. El sistema de interacción propuesto en este artículo esta compuesto por tres módulos que permiten a los usuarios interactuar con los contenidos usando tres paradigmas diferentes. El módulo de gestos permite reconocer diferentes gestos y mapearlos a una acción determinada en el aula inteligente. Este módulo fue descrito en el trabajo realizado por los autores en Autor et al. (2015), donde también fue reportada su validación como sistema de interacción en una aula inteligente. El módulo de pulsación permite interactuar con el contenido sin tener que tocar superficies, solo basta con desplazar la mano y posteriormente realizar un movimiento como si se quisiera presionar un botón. Para este propósito este módulo integra varias librerías para el reconocimiento de datos de profundidad descritas en Seo y Yeol (2013) y Al Delail et al. (2012). El módulo de superficies interactivas permite realizar una interacción mucho más natural, ya que la persona tocará la superficie donde será proyectada la imagen con la que va a interactuar, teniendo la oportunidad de hacer zoom, desplazar y rotar, solo utilizando las manos (Bailly et al., 2012; Zhao et al., 2014). Vale la pena mencionar que estas superficies no son instrumentadas. Este módulo tiene la característica de monitorear las manos de la persona en todo momento y sus dedos, ya que a partir de estos el usuario puede realizar comandos para la manipulación del contenido, como por ejemplo, hacer click en algún botón, realizar zoom, señalar o activar opciones. También monitorea el nivel de profundidad de la mano (Novotny et al., 2013; Krejov et al., 2014). A diferencia de lo planteado en el estado del arte, este artículo concatena los diferentes módulos en un sistema de interacción dando la sensación al usuario de una interacción con el sistema de forma intuitiva.

2. MATERIALES Y MÉTODOS

Descripción del sistema de interacción

El rol que el sistema de interacción juega dentro de un aula de clase inteligente es permitir que los estudiantes y el docente puedan interactuar con los contenidos establecidos para la enseñanza de una forma fácil y natural. Con las tres formas de interacción propuestas en este artículo el usuario podrá mover, activar, seleccionar los diversos contenidos de la forma más apropiada. En esta sección se describirán los tres sistemas que conformaran los módulos de las aulas interactivas que se proponen en este artículo.

Figura 1

El segundo módulo de interacción propuesto es el módulo de pulsación (_puch). Este módulo permite que las personas interactúen con los contenidos a una distancia determinada a partir de movimientos sin necesidad de tocar objetos o superficies. El módulo tiene como característica el reconocimiento automático de la persona que va a manipular el sistema e incluso está en capacidad de reconocer la mano derecha o izquierda indicando de forma visual con cuál mano la persona manipulará el sistema. Durante el desarrollo del módulo de pulsación, se determinó que el factor más importante para el funcionamiento correct, es calcular, teniendo al frente del dispositivo Kinect, la distancia de la persona, y en base a ésta distancia determinar la profundidad de las manos al moverlas hacia adelante, para señalar y activar el contenido multimedia. Adicionalmente, el módulo tiene que ser lo suficientemente robusto para soportar un cierto margen de error y evitar que cualquier movimiento natural del usuario pueda activar los diferentes comandos que están configurados.

En la Figura 2 se puede observar el gesto que debe realizar la persona para pulsar algún elemento en la interfaz gráfica de usuario. Además se pueden observar dos variables definidas como μ_min y μ_puch que caracterizan los umbrales de movimiento a partir de los cuales se define la activación del gesto de puch en el módulo. Si el movimiento es mayor que μ_min y menor que μ_puch significa que el evento de puch es activado y dependiendo del control que haga parte de la interfaz, por ejemplo un botón, es activado.

En el desarrollo del módulo de superficies interactivas, se tuvieron en cuenta varias variables que pudieran afectar el reconocimiento de las manos, como son la condición de iluminación, refracción de superficies y texturas, además de las diferentes superficies en donde se pudiera dar la interacción a cabo. Por tal razón se utilizaron librerías avanzadas para el procesamiento de imágenes y características, ya que los módulos de programación del Kinect ofrecen herramientas muy básicas en este aspecto. Por ende se decidió utilizar OPenCV; esta biblioteca es compatible con los lenguajes de programación C, C++, Phyton y Java; entre sus principales aplicaciones están, el reconocimiento de objetos, calibración de cámaras y aplicaciones para visión robótica. Para integrar el OpenCV con el dispositivo Kinect se utilizaron los controladores OpenNi, estos drivers no solo proporcionan conexión a las cámaras del Kinect, sino también a los micrófonos para el reconocimiento de sonidos.

El sistema de superficies interactivas reconoce cada dedo de las manos de la persona que manipula el sistema, que se traducen finalmente en comandos que se programan para tareas específicas, ya sea en interacción con sistemas operativos, software específico (dibujo, visor de imágenes) o contenidos modelados en 3D, como por ejemplo utilizando el motor de videojuegos llamado Unity (Goldstone, 2011).

Adicionalmente, el sistema de superficies interactivas proporciona información cuando hay contacto de alguno de los dedos sobre la superficie calibrada o reconocida como área de trabajo. Las principales dificultades de reconocer el contacto con las superficies calibradas eran la refracción de la luz, ángulos de captura de las imágenes con el dispositivo Kinect y las superficies brillantes. Estos problemas fueron resueltos aplicando algoritmos de cálculo de distancias óptimas y ortogonalización, que permitieron minimizar los márgenes de error para que el sistema fuera funcional y práctico en las aulas de clase (Arranz, 2013). En este artículo podemos observar el uso de estos algoritmos aplicados al procesamiento de imágenes tomadas desde diferentes ángulos y alturas, para posteriormente conformar un mapa o documento de la zona analizada, que brindará información de referencia posterior.

Debido a la importancia de esta información fotográfica la calidad de estas imágenes deben ser óptima. En la Figura 3 se presentan los diferentes movimientos que se pueden realizar para interactuar con los contenidos usando el módulo 3 del sistema de interacción.

Figura 3

A continuación se describen dos métodos que son utilizados tanto por el módulo de pulsación como por el módulo de superficies interactivas. Como fue mencionado anteriormente el método utilizado para el reconocimiento de gestos es DTW, el cual fue descrito en (Autor et al., 2015).

Cálculo de la profundidad

Para describir el proceso matemático por medio del cual el Kinect es capaz de obtener la coordenada en el espacio de un objeto específico utilizamos como guía la Figura 4 y nos basamos en la descripción presentada por Magallón (2013). En ella podemos observar la relación triangular entre el punto del objeto a tratar k y la disparidad medida d. Vale la pena anotar que el origen del sistema de coordenadas tridimensional está situado en la cámara infrarroja, con el eje Z ortogonal al plano de la imagen y dirigido al objeto, y el eje X en la línea base b que une la cámara con el proyector perpendicular al anterior.

Figura 4

En la Figura 4 se puede observar que el plano del objeto está ubicado a una distancia Z_k menor que la distancia del plano de referencia Z₀. Por esta razón, cuando se proyecta el patrón desde L, el punto proyectado que en el plano de referencia visto por C se situaba en o, ahora se situará en k. Desde C se observa como un desplazamiento en el eje X a la derecha de magnitud D. Si el objeto estuviera ubicado más lejos del plano de referencia, el desplazamiento hubiese sido hacia la izquierda. Lo que mide y registra el sensor no es directamente la distancia D del espacio del objeto, sino la disparidad d. Para cada punto k se mide dicho parámetro y se obtiene un mapa de disparidad. A partir de una análisis de los triángulos visualizados en la figura se pueden deducir las siguientes ecuaciones:

Donde Z_k es la distancia (profundidad) del punto k del objeto y es la variable que se quiere obtener; b es la longitud de la base entendida como la distancia entre la cámara y el proyector; f es la distancia focal del sensor infrarrojo; D es la distancia real de desplazamiento del punto k en el espacio del objeto y d es la disparidad observada en el espacio de la imagen. Sustituyendo D de Ecuación 2 en Ecuación 1 y despejando se obtiene:

Los parámetros Z₀, f y b pueden ser obtenidos aplicando un proceso de calibración.

Donde x_k y y_k son las coordenadas en la imagen del punto, x₀ y y₀ son las coordenadas del punto principal, es decir, del offset de la imagen y δx y δy se refieren a las correcciones realizadas producto de la distorsión del lente. Tanto los valores de offset como los de las correcciones también se pueden obtener del proceso de calibración.

Con los parámetros conocidos de la calibración se puede completar la relación entre los puntos medidos de la imagen (x, y, d) y las coordenadas del objeto (X, Y, Z) de cada punto. Así se puede generar una nube de puntos de cada imagen de disparidad. La disparidad así descrita es una medida de la profundidad inversa, valores más grandes de la misma significan distancias más cortas. Pero el valor de disparidad que retorna la Kinect, d' está normalizado con un offset según la relación:

Detección de superficies

El método de detección de superficies es utilizado por el módulo de superficies interactivas. Para detectar la superficie se utiliza un método matemático que calcula la ecuación de un plano a partir de tres puntos que hacen parte de la superficie. Estos tres puntos son capturados por el Kinect aplicando el método descrito previamente, durante una etapa de calibración en la cual el usuario le indica la sistema tres puntos que hacen parte de la superficie que será interactiva. En la Figura 5 se puede observar la superficie interactiva que se desea detectar y los tres puntos P₁, P₂, P₃, seleccionados por el usuario para calcular el plano de la superficie interactiva.

A partir de estos puntos se calcula la normal N al plano, mediante la siguiente ecuación.

Podemos obtener la ecuación del plano que caracteriza la superficie interactiva, a partir de la normal calculada y un punto que haga parte del plano, usando las siguientes expresiones:

Donde P₁ = (x₁, y₁, z₁) y nx, ny y nz son los componentes de la normal calculada. Una vez calculado el plano que representa la superficie interactiva a partir de los puntos de calibración, para saber si el usuario esta haciendo contacto con sus dedos, se reemplaza la coordenada actual de los dedos en la ecuación del plano, y si esta es igual 0, significa que el usuario esta haciendo contacto con la superficie. Debido a que el Kinect puede cometer errores de precisión en el cálculo de la profundidad, se establece un umbral μ que corresponde a la distacia, entre la coordenada capturada por el Kinect y el plano de la superficie interactiva, en la cual se considera que hay contacto. Esto es representado mediante la siguiente expresión:

Donde C(x, y, z) = 1 significa que el usuario está contactando la superficie interactiva y C(x, y, z) = 0 significa lo contrario, x, y y z son las coordenadas del punto que define los dedos del usuario.

Descripción de la arquitectura del sistema de interacción

Este sistema posee una arquitectura que permite la optimización de todos los recursos del dispositivo Kinect y el dispositivo de cómputo, con el objetivo de brindar una buena fluidez del sistema al momento de interactuar con los demás componentes con los cuales debe integrarse, como por ejemplo, sistemas operativos, software de visualización, entre otros.

Las librerías Open CV para los módulos de interacción nos permiten optimizar rutinas de código y mejorar la precisión y el éxito con el cual se mide la intención del usuario independiente del paradigma aplicado. La Figura 6 muestra de manera esquemática en un diagrama de bloques cada uno de los componentes que hacen parte del sistema de interacción.

El sistema de interacción está compuesto por tres módulos: reconocimiento de gestos, pulsación y superficies interactivas. Junto a cada módulo se puede observar en la Figura 6 que hay una imagen con el tipo de movimiento que tiene que realizar el usuario para interactuar con el contenido usando cada paradigma. Cada uno de estos módulos utiliza una o varias funcionalidades para medir la intención del usuario y mapearla a un comando; estas funcionalidades básicas son Framework DTW, framework detección de profundidad y framework detección de superficies. El primer framework fue descrito en (Arranz, 2013) y los dos últimos frameworks fueron descritos en la sección anterior. Adicionalmente el sistema de interacción usa OpenNI para poder extraer los datos provenientes del Kinect y OpenCV como librería de procesamiento de imágenes, para facilitar el procesamiento realizado por los frameworks descritos. Con los frameworks se visualizan las ecuaciones claves que permiten reconocer los gestos, determinar la profundidad de la mano y detectar las superficies interactivas. Finalmente, el sistema interactúa con Unity3D para controlar los contenidos desplegados como videojuegos, ambientes virtuales, visualización y realidad aumentada, o con el componente del sistema operativo que controla el mouse para controlar aplicaciones genéricas como Paint o PowerPoint.

3. DISCUSIÓN Y RESULTADOS

Para las pruebas experimentales descritas en esta sección se utilizó un dispositivo Kinect con conexión a un computador. Dicho computador tenía las siguientes características: 4Gb de RAM y procesador dual core o superior. Para esta prueba, el Kinect está ubicado a 2 metros de distancia del usuario, con una iluminación media (ambiente). El sistema de interacción con el módulo de pulsación y el módulo de superficies interactivas fue instalado en el computador con el fin de realizar la prueba experimental.

En la Tabla 1 se describen de manera general las pruebas que pueden ser realizaadas con el módulo push para establecer falencias y fortalezas de este tipo interacción con los contenidos educativos ya planteados.

Para esta prueba experimental se contó con 5 usuarios, cuyo rango de edades es de los 23 a los 35 años y una estatura promedio de 1,72. En la Tabla 2 se pueden observar las características de cada uno de los usuarios evaluados.

Estas personas estaban ubicadas a 1 metro de distancia del Kinect, inicialmente. Tomando como base el tiempo que se demora una persona entrenada, se midió el tiempo promedio que tarda una persona sin entrenamiento para accionar cada uno de los botones de la aplicación, que en este caso totalizaron 3 (física, química y astronomía). Para esta prueba, el framework deberá reconocer la mano que guiará el cursor, sin importar la contextura física, ni la estatura de la persona. Cada usuario realizó 3 repeticiones de la prueba. Los resultados obtenidos para esta prueba son presentados en la Tabla 3. Considerando que en promedio un experto tarda 24 segundos en realizar la tarea, se puede observar que en promedio un grupo de usuarios sin entrenamiento alcanza a ejecutar la tarea en un tiempo.

Los participantes repetirán la primera prueba a 1,5 metros, 2 metros, 3,5 metros y 4 metros.

Con los resultados obtenidos de la anterior prueba podemos plantear que el sistema es estable en el proceso de auto calibración e identificación del usuario que interactúa con el sistema.

En la Tabla 5 se describe el experimento propuesto para evaluar el módulo de superficies interactivas. Para la prueba experimental el Kinect se ubicó a 1,5 metros de la superficie que deseamos convertir en superficie táctil, se pueden utilizar superficies irregulares, lisas, sin brillo y pintadas de cualquier color. Posteriormente, luego de ubicar el Kinect, se iniciará el reconocimiento de superficies; esto se hace con el propósito de que el módulo sea capaz de diferenciar las manos, distancias de la superficie y condiciones de iluminación que puedan alterar la lectura del Kinect.

Tabla 4

Cada vez que se vaya a hacer un reconocimiento con el módulo de superficies interactivas, bastará con refrescar el área de trabajo y verificar que cuando cada dedo toque la superficie cambie de color; esto nos garantizará que el Kinect está identificando de forma correcta la profundidad de la mano y el contacto con la superficie. En la Tabla 5 se observan los elementos que pueden ser evaluados para la prueba experimental que se propone en este caso.

Con el fin de evaluar algunos de los elementos planteados en la Tabla 5 se realizó una prueba experimental, en la cual el kinect fue ubicado a 1,5 mts de la superficie interactiva. En este caso, la superficie interactiva es una mesa sobre la cual se ubicó el dibujo del contorno de las tres figuras geométricas: un cuadrado, un triángulo y un círculo. En esta configuración el usuario debía dibujar la línea de contorno con el dedo, siguiendo el patrón ubicado sobre la superficie interactiva. La configuración descrita puede ser observada en la Figura 7.

Como herramienta de dibujo se utilizó la herramienta Paint de Windows. Una vez el usuario finalizaba de dibujar el contorno de las tres figuras, se le tomaba el tiempo y respondía una encuesta sobre su percepción utilizando la herramienta. Adicionalmente, se almacenó la imagen de referencia, es decir, el patrón dibujado sobre las superficies interactivas, y de igual manera se almacenó los contornos dibujados por el usuario, con el fin de comparar las diferencias en la trayectoria dibujada por cada uno de ellos y las figuras geométricas de referencia. En total fueron evaluados diez usuarios, con un rango de edades de entre los 19 y los 34 años, cuatro de ellos fueron de sexo femenino y seis de ellos de sexo masculino. Todos los participantes habían tenido una experiencia previa usando la herramienta Paint, y dos de los usuarios no tenían experiencia previa usando el dispositivo Kinect.

Sin embargo, cuando los usuarios eran conscientes de cómo debían realizar el gesto de la mano, dibujar los contornos fue muy sencillo para ellos como lo demuestra la Figura 8b. Finalmente, los usuarios estuvieron de acuerdo en que mientras ellos dibujaban el contorno de la figuras geométricas la aplicación rápidamente graficaba dicho contorno en la aplicación Paint (Ver Figura 8c).

Figura 8

Por último, durante la tarea de dibujado de los contornos se tomó el tiempo de ejecución de la tarea a los usuarios y el número de errores. En promedio, los usuarios cometen menos de un error durante la delineación del contorno y se toman un tiempo de 10 segundos delineando del contorno de las tres figuras geométricas. Se considera que el tiempo de ejecución de la tarea de los usuarios es bueno, teniendo en cuenta que un usuario experto hace la tarea en 8 segundos. Por otra parte, la mayoría de errores que cometieron los usuarios fueron producto de un incorrecto gesto para delinear el contorno de la figuras geométricas.

En la Tabla 6 se pueden observar las figuras dibujadas por los usuarios, el número de errores que cada uno cometió y el tiempo que le tomó completar la tarea.

4. CONCLUSIONES

Con los datos arrojados por las diferentes pruebas realizadas a los módulos de superficies interactivas y sistema de pulsación multimedia podemos definir que la arquitectura propuesta, incluyendo hardware y software, permite una adecuada interacción del usuario con los contenidos desplegados por las aulas de clase inteligentes, utilizando tres tipos diferentes de paradigmas de interacción. Esto permite que se pueda seleccionar el paradigma de interacción que más se ajuste al contenido desarrollado.

Para el caso de los paradigmas de interacción del módulo de reconocimiento de gestos y el módulo de pulsación, el modelo matemático y los algoritmos propuestos que hacen parte del framework son lo suficientemente robustos para la interacción que se necesita. Sin embargo, el módulo de superficies interactivas requiere de un mejor algoritmo para reconocer cuando un dedo de la mano entra en contacto con la superficie interactiva, ya que si se usa un gesto que no deje ver claramente la punta de los dedos el sistema comete errores al determinar si se está interactuando o no con la superficie.

Adicionalmente, durante el desarrollo de las pruebas experimentales, se le preguntó a los usuarios si consideraban que la interacción con el sistema utilizando cualquiera de los tres paradigmas era fácil, a lo que ellos respondieron que era muy fácil aprender e interactuar con el sistema propuesto. Finalmente, a partir de las pruebas experimentales para evaluar la interacción con las superficies interactivas, se plantea desarrollar un sistema más robusto que permita reconocer los gestos de la mano, a pesar de que hayan ligeras diferencias realizadas por los usuarios. Considerando todo el sistema de interacción propuesto, como trabajo futuro se plantea evaluar en qué casos dentro del aula de clase es más conveniente usar un tipo de interacción u otro.

Un especial agradecimiento al Centro de Investigación de la Institución Universitaria Salazar y Herrera por su constante apoyo al trabajo del presente proyecto de investigación.

REFERENCIAS

Al Delail, B.; Weruaga, L.; Zemerly, J. (2012). CAViAR: Context Aware Visual indoor Augmented Reality for a University Campus. IEEE/WIC/ACM International Conferences, pp 2-4.         [ Links ]

Arranz, J. (2013). Diseño, optimización y análisis de sistemas basados en técnicas láser, para el modelado geométrico, registro y documentación, aplicados a entidades de interés patrimonial, Tesis doctoral, pp. 217-2225, pp. 334.         [ Links ]

Autor. (2015). Descripción de un Sistema de Reconocimiento de Gestos Para su Implementación en una Aula de Clase Inteligente. Pendiente de Publicación.         [ Links ]

Bailly, G.; Müller, J.; Lecolinet, E. (2012). Design and evaluation of finger-count interaction: Combining multitouch gestures and menus. International Journal of Human Computer Studies, 70(10), pp. 673 - 689.         [ Links ]

Chen, C-C.; Huang, T-C. (2012). Learning in a u-Museum: Developing a context-aware ubiquitous learning environment. Computers & Education, 59(3), pp. 873 - 883.         [ Links ]

Goldstone, W. (2011). Unity 3.x Game Development Essentials. Packt Publishing, Second Edition.         [ Links ]

Krejov, P.; Gilbert, A.; Bowden, R. (2014). A Multitouchless Interface Expanding User Interaction, IEEE Computer Society 0272-1716, pp. 2-8.         [ Links ]

Magallón, M. (2013) Sistema Interactivo para Manejo de electrodomésticos en Entornos Domésticos. Trabajo de grado en Ingeniería de Telecomunicaciones, Universidad de Zaragoza.         [ Links ]

Nacher,V.; Jaen, J.; Navarro, E.; Catala, A.; González, P. (2014). Multi-touch gestures for pre-kindergarten children. International Journal of Human-Computer Studies, 73, pp.7-12.         [ Links ]

Novotny, M.; Lacko, J.; Samuelcík, M. (2013). Applications of Multi-Touch Augmented Reality System in Education and Presentation of Virtual Heritage, Procedia Computer Science, 25, pp. 231-235.         [ Links ]

Papatheodorou, C.; Antoniou, G.; Bikakis, A. (2010). On the Deployment of Contextual Reasoning in Ambient Intelligence Environments. Sixth International Conference on Intelligent Environments (EI), pp. 13 - 18.         [ Links ]

Seo, W.; Yeol Lee, J. (2013). Direct hand touchable interactions in augmented reality environments for natural and intuitive user experiences. Expert Systems with Applications: An International Journal archive. 40(9), pp. 3784-3793.         [ Links ]

Zhao, J.; Soukoreff, R.; Ren, X.; Balakrishna, R. (2014). A model of scrolling on touch-sensitive displays. International Journal of Human Computer Studies, 72(12), pp. 805 - 821.         [ Links ]