Resumen:
La presente investigación, titulada “Evaluación experimental de un modelo de reconocimiento automático de emociones en contextos académicos simulados en la educación superior”, aborda la necesidad de incorporar el componente emocional dentro de los sistemas de acompañamiento estudiantil de la Universidad CESMAG, con el fin de fortalecer la comprensión de la permanencia académica. El estudio parte del reconocimiento de la deserción universitaria como una problemática multidimensional influenciada por factores académicos, socioeconómicos y emocionales. El marco teórico se fundamenta en conceptos de inteligencia artificial, redes neuronales convolucionales (CNN) y visión artificial, apoyado en antecedentes internacionales y nacionales sobre el uso del reconocimiento facial y la detección automática de emociones. La metodología se enmarca en el paradigma positivista, con enfoque cuantitativo, alcance explicativo y diseño cuasiexperimental. Se empleó el dataset público FER-2013, con imágenes de rostros clasificadas en cinco emociones básicas: enojo, disgusto, felicidad, tristeza y miedo. Se desarrolló y entrenó un modelo CNN bajo la metodología CRISP-DM, evaluando su desempeño mediante métricas como accuracy, F1-score y matriz de confusión. Los resultados evidenciaron una precisión general del 72.39%, destacando la identificación acertada de emociones negativas como la tristeza y el enojo, aunque con menor desempeño en emociones positivas como la felicidad. En conclusión, el modelo demostró ser técnicamente viable y eficiente para el reconocimiento automático de emociones en entornos académicos simulados, aportando un primer paso hacia la integración de herramientas de inteligencia artificial en estrategias institucionales de acompañamiento emocional. Este enfoque constituye un aporte innovador para la comprensión del bienestar estudiantil y la prevención de la deserción universitaria.
