Studies indicate the growth and relevance of systems that can recognize affective states in the most different areas. A tendency to more natural environments could be noticed that considering physical or physiological signs and the individual’s relationship with the environment, other people, and daily activities. Therefore, what is the importance of combining ubiquitous computing, affective computing, and the contributions of context-aware information to provide more accurate and intelligent affective systems? This study presents a systematic literature mapping about the use of contextual information to identify affective states, which covered articles published between 2010 and October 2021, resulting in 1.638 studies. After applying filters, which we explain further in this article, we selected 49 works to answer a set of research questions. The results indicate that physiological data was the main parameter for recognizing affective signs (62.3%, 33/53), followed by visual data (32.1%, 17/53). The links between context and affective signs presented a more significant occurrence in the combination of contexts related to activities and physiological data (34%, 18/53).

Estudos apontam como tendência o uso de lentes emocionais e a relevância das emoções ou estados afetivos para as interações educacionais. Aliado a isso, e considerando as potencialidades da computação ubíqua e afetiva, cresce o entendimento da importância do uso de informações contextuais na identificação de sinais afetivos e sociais. Dessa forma, esse estudo apresenta uma revisão da literatura sobre o uso de informações de contextos na identificação de estados afetivos em ambientes educacionais. Os resultados indicam que os trabalhos fazem uso de canais visuais (50%) e fisiológicos (50%) associados principalmente a informações de contexto, relacionadas a atividades e identidade na detecção de estados afetivos. A revisão identificou ainda, o uso de 27 diferentes estados afetivos com predominância na valência das emoções positivas como felicidade e satisfação ou negativas como frustração e decepção.

Resumo A aprendizagem ubíqua surgiu da combinação das tecnologias de computação ubíqua com modelos de aprendizagem focados em mobilidade e na adaptação aos diferentes contextos do cotidiano do aprendiz. Desta forma, essa tecnologia pode ser oferecida como um recurso nas relações do aprendiz com o contexto educacional, permitindo oferecer, encontrar e recuperar informações na interação do aprendiz com o ambiente de aprendizagem. O entendimento dessas relações pode ajudar na organização de informações que impactam a aprendizagem e a tomada de decisões na regulação do bem-estar deles na busca por uma aprendizagem mais significativa. A organização de dados em formato de informações de contexto, que inclui identidade, local, tempo e status, facilita a análise de resultados e tomada de decisão por parte de gestores educacionais. Ontologias têm o propósito de armazenar e compartilhar conhecimento por meio de classes e relações. Este artigo propõe a ontologia OntoLearnWell, com foco em aprendizagem ubíqua e bem-estar emocional usando informações de contexto. A ontologia foi implementada na linguagem Python e consultas SPARQL foram utilizadas para extração de dados, usando como cenário uma escola de ensino médio e a relação entre professores e alunos durante uma aula prática em laboratório.

Os fenômenos afetivos têm papel essencial na aprendizagem, tendo forte impacto na atenção e motivação (Tyng et al., 2017). Immordino-Yang e Damasio (2007) destacam a importância do afeto nos processos de aprendizagem, principalmente para a atenção, a memória e a motivação do aluno. Este trabalho apresenta o modelo Uaffect, que utiliza dados afetivos, educacionais e pessoais dos estudantes, baseando-se em históricos de contexto. O modelo foi avaliado a partir de um estudo quase experimental com 25 alunos do ensino médio. Os resultados de precisão encontrados no melhor cenário são de 89% para estados afetivos positivos e de 61% para estados afetivos negativos. Os testes realizados apresentaram evidências que indicam a possibilidade de uso de históricos de contextos na classificação e predição de estados afetivos em ambientes educacionais. Dessa forma, o Uaffect oferece contribuições práticas para permitir que os professores adaptem suas aulas de acordo com os estados emocionais dos alunos, promovendo um ambiente educacional personalizado. Além disso, o modelo pode servir como base para sistemas que fornecem feedback em tempo real, ajudando os professores na adaptação de suas estratégias pedagógicas. O modelo oferece ainda, contribuições teóricas significativas para a modelagem de sistemas que utilizam o reconhecimento e a predição de estados afetivos no contexto educacional. Ao integrar históricos de contextos educacionais na identificação de estados afetivos, o Uaffect fundamenta a importância do ambiente de aprendizagem na experiência emocional dos alunos, conforme destacado por Moore (2017). Isso possibilita, uma compreensão mais aprofundada de como fatores contextuais, como a interação social, o espaço físico, estratégias e as metodologias de ensino, impactam as emoções dos alunos, permitindo assim, que educadores ajustem suas práticas pedagógicas de maneira mais eficaz.

Estudos apontam o crescimento e a relevância dos sistemas de reconhecimento de estados afetivos nas mais diferentes áreas. Sabe-se ainda, que existe uma forte relação entre emoções e aprendizagem. Assim, qual a importância das informações de contexto na predição de estados afetivos em ambientes educacionais? Dessa forma, este artigo propõe o Uaffect, um modelo computacional que utiliza históricos de contextos formados em ambientes educacionais para classificação e predição de estados afetivos. O modelo foi avaliado a partir de um estudo quase experimental com 25 alunos. Os resultados de precisão encontrados no melhor cenário são de 89% para estados afetivos positivos e de 61% para estados afetivos negativos. Os testes realizados apresentaram evidências que indicam a possibilidade de uso de históricos de contextos na classificação e predição de estados afetivos em ambientes educacionais, podendo ser usados para prover serviços inteligentes que auxiliem na tomada de decisão no planejamento educacional e regulação afetiva do aluno.

O fácil acesso e evolução dos dispositivos móveis, possibilita novos cenários educativos com desafios e oportunidades de integração. Diferentes jogos foram desenvolvidos nos últimos anos para apoiar o ensino e aprendizagem nas mais diferentes áreas. Dessa forma, esse artigo propõe um modelo para o desenvolvimento de jogos sérios e ubíquos orientados à aprendizagem baseada em problemas. O modelo permite ao professor a criação de jogos e a adaptação para cenários do mundo real. A avaliação do modelo foi conduzida através de um protótipo testado com um grupo de 13 professores de diferentes áreas que indicaram resultados satisfatórios e que apontam intenção de uso do modelo. Uma segunda avaliação envolvendo 22 alunos do 8º ano do ensino fundamental indicou que o jogo criado permitiu motivação e engajamento.