ANALISIS EKSPRESI MUKA MELALUI SISTEM UJIAN PENGESANAN EMOSI BAGI PENILAIAN PEMBENTANGAN PELAJAR

Wan Fathul Hakim Wan Zamri, Nuryazmin Ahmat Zanuri, Mariyam Jameelah Ghazali, Wan Aizon W Ghopa, Muhamad Faiz Md Din

Abstract


Pembentangan merupakan salah medium untuk melatih kemahiran komunikasi untuk  meningkatkan ketrampilan peribadi pelajar. Walau bagaimanapun, penilaian pembentangan sedia ada yang digunapakai kini ini tidak begitu komprehensif kerana hanya mengunakan rubrik pembentangan semasa yang mempunyai beberapa kekangan.  Rubrik semasa mentakrifkan satu bentuk pemarkahan keupayaan komunikasi yang bersifat subjektif. Oleh demikan, satu kaedah penilaian alternatif disyorkan iaitu melalui sistem ujian pengesanan emosi dengan mengambilkira perubahan ekspresi muka. Objektif kajian ini adalah untuk menilai keupayaan komunikasi pelajar berdasarkan emosi yang ditonjolkan. Hal ini bukan sahaja dapat memberi peluang kepada pensyarah untuk menilai kebolehan pelajar ketika pembentangan secara lebih tepat, malah memberi maklumat dan analisa secara kuantitatif kepada pelajar terhadap prestasi komunikasi mereka. Keputusan menunjukkan pelajar mampu menonjolkan perubahan emosi yang agak stabil berdasarkan ekspresi muka mereka yang dominan iaitu kurang selesa dan gembira.  Berdasarkan taburan model circumplex, elemen emosi yang tertinggi adalah ekspresi bimbang (61.63%- 91.45%). Keupayaan komunikasi yang diberikan oleh pelajar adalah memuaskan memandangkan kecenderungan emosi takut dan sedih ketika pembentangan memberikan peratusan yang paling rendah.


Keywords


Circumplex; ekspresi muka; pengesanan emosi

Full Text:

PDF

References


ALRikabi, H. T. S., Aljazaery, I. A., Qateef, J. S., Alaidi, A. H. M., & Roa’a, M. (2022). Face patterns analysis and recognition system based on Quantum Neural Network QNN. International Journal of Interactive Mobile Technologies, 16(08), 35.

Dupré, D., Krumhuber, E. G., Küster, D., & McKeown, G. J. (2020). A performance comparison of eight commercially available automatic classifiers for facial affect recognition. Plos One, 15(4), e0231968.

Isa, C. M. M., Mohammad, N. I. A., Saad, N. H., & Nigel, P. C. (2021). Programme Outcome Attributes related to Complex Engineering Problem Capability: Perceptions of Engineering Students in Malaysia. Asian Journal of University Education, 17(4), 95-105.

Kovalchuk, Y., Budini, E., Cook, R. M., & Walsh, A. (2022). Investigating the relationship between facial mimicry and empathy. Behavioral Sciences, 12(8), 250.

Nadolski, R. J., Hummel, H. G., Rusman, E., & Ackermans, K. (2021). Rubric formats for the formative assessment of oral presentation skills acquisition in secondary education. Educational Technology Research and Development, 69, 2663-2682.

Song, Z. (2021). Facial expression emotion recognition model integrating philosophy and machine learning theory. Frontiers in Psychology, 12, 759485.


Refbacks

  • There are currently no refbacks.


Index