Aplicación Web de Tareas de apoyo con reconocimiento de sentimientos con Multimedios, Spring Boot, React.js, TensorFlow.js

Support Task Web Application with Sentiment Recognition with Multimedios, Spring Boot, React.js, TensorFlow.js

Resumen

La propuesta expone una aplicación Web de tareas de apoyo con reconocimiento de sentimientos acorde al modelo de Educación Basada en Web (Web-Based Education, WBE por sus siglas en inglés), fundamentada en componentes en el Front-end React.js para la Interfaz de Usuario (User Interface, UI por sus siglas en inglés), y Tensorflow.js para el reconocimiento de sentimientos, en el Back-end se utilizó el marco de trabajo Spring Boot para implementar el patrón Modelo Vista Controlador (Model View Controller, MVC por sus siglas en inglés), para llevar a cabo tareas dinámicas con análisis de sentimientos en línea, y estándares del W3C. La aplicación Web tiene módulos para el desarrollo de material educativo didáctico de apoyo para tareas soportando multimedios. La propuesta utiliza patrones de diseño de software, en el Front-end el patrón composición con React.js y Tensorflow.js, en el Back-end el patrón MVC con Spring Boot. El análisis de sentimientos se llevó a cabo con TensorFlow.js en la propuesta.

The proposal presents a Web application for support tasks with recognition of feelings according to the Web- Based Education (WBE) model, based on components in the React.js Front-end for the Interface of User Interface (UI), and Tensorflow.js for sentiment recognition, in the Back-end the Spring Boot framework was used to implement the Model View Controller (MVC) pattern for its acronym in English), to carry out dynamic tasks with online sentiment analysis, and W3C standards. The Web application has modules for the development of didactic educational material to support tasks supporting multimedia. The proposal uses software design patterns, in the Front-end the composition pattern with React.js and Tensorflow.js, in the Back-end the MVC pattern with Spring Boot. Sentiment analysis was carried out with TensorFlow.js in the proposal.