Utilización de técnicas multivariantes para el estudio del aprendizaje de la mejora de la accesibilidad en el subtitulado de vídeos

Pérez Arteaga, Javier. (2023). Utilización de técnicas multivariantes para el estudio del aprendizaje de la mejora de la accesibilidad en el subtitulado de vídeos Master Thesis, Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial

Ficheros (Some files may be inaccessible until you login with your e-spacio credentials)
Nombre Descripción Tipo MIME Size
PerezArteagaJavier_TFM.pdf PerezArteagaJavier_TFM.pdf application/pdf 2.67MB

Título Utilización de técnicas multivariantes para el estudio del aprendizaje de la mejora de la accesibilidad en el subtitulado de vídeos
Autor(es) Pérez Arteaga, Javier
Resumen En este trabajo se ha analizado si los estudiantes de la Sexta Edición (2022) del MOOC Materiales Digitales Accesibles perteneciente al Canal Fundación ONCE en UNED son capaces de evaluar las diferencias en la calidad de subtitulado de dos vídeos. Los estudiantes que voluntariamente decidieron participar en la actividad vieron dos vídeos idénticos, uno correctamente subtitulado y otro en el que se habían introducido errores en el subtitulado. El orden en el que se presentaron los vídeos a cada estudiante fue asignado aleatoriamente. Después de ver cada vídeo, los estudiantes respondieron a una escala de Likert de dieciocho ítems con cinco niveles. El estudio fue triple ciego ya que ni los estudiantes conocían la calidad del subtitulado del vídeo que estaban viendo, ni esa información era conocida por los instructores del curso, ni lo fue a la hora de realizar el análisis estadístico. Esta información fue revelada en la fase de discusión de este trabajo. El modelado estadístico realizado tuvo en cuenta la naturaleza ordinal y longitudinal de los datos. Como variable dependiente se utilizó la respuesta a los test y como variables explicativas el nivel de subtitulado, el periodo y la secuencia de visualización, el estudiante y el ítem de Likert. Se propusieron dos tipos de modelos lineales generalizados mixtos: El primero fue una Regresión Logística en el que la variable respuesta se dicotomizó y el segundo una Regresión Ordinal Acumulativa. Con este último modelo se realizó tanto un análisis frecuentista como bayesiano. Las conclusiones de la exploración de los datos y del modelado estadístico coinciden en que estudiantes nóveles en accesibilidad fueron capaces de evaluar las diferencias de calidad en el subtitulado. Particularmente, percibieron diferencias en la corrección ortográfica y gramatical, la literalidad, la identificación de los personajes, etc. Sin embargo, tuvieron dificultades en la percepción de la calidad cuando se trata de aspectos espaciales (número de líneas y de caracteres por línea) y temporales (sincronización y velocidad) del subtitulado.
Notas adicionales Trabajo de Fin de Máster Universitario en Ingeniería y Ciencia de Datos. UNED
Materia(s) Ingeniería Informática
Editor(es) Universidad Nacional de Educación a Distancia (España). Escuela Técnica Superior de Ingeniería Informática. Departamento de Inteligencia Artificial
Director/Tutor Letón Molina, Emilio
Pérez Martín, Jorge
Fecha 2023-06-01
Formato application/pdf
Identificador bibliuned:master-ETSInformatica-ICD-Jperez
http://e-spacio.uned.es/fez/view/bibliuned:master-ETSInformatica-ICD-Jperez
Idioma spa
Versión de la publicación acceptedVersion
Nivel de acceso y licencia http://creativecommons.org/licenses/by-nc-nd/4.0
info:eu-repo/semantics/openAccess
Tipo de recurso master Thesis
Tipo de acceso Acceso abierto

 
Versiones
Versión Tipo de filtro
Contador de citas: Google Scholar Search Google Scholar
Estadísticas de acceso: 198 Visitas, 97 Descargas  -  Estadísticas en detalle
Creado: Mon, 10 Jul 2023, 18:50:02 CET