Con la COVID-19, la educación formal se vio interrumpida en todos los países y la importancia del aprendizaje a distancia ha aumentado. Es posible enseñar cualquier lección con diversas herramientas de comunicación, pero es difícil saber hasta dónde llega esta lección a los estudiantes. En este estudio, se pretende monitorear a los estudiantes en un aula o frente a la computadora con una cámara en tiempo real, reconociendo sus rostros, poses de cabeza y calificando su distracción para detectar la participación del estudiante basada en sus poses de cabeza y Ratios de Aspecto Ocular. La distracción se determinó asociando la atención de los estudiantes con mirar al profesor o a la cámara en la dirección correcta. El éxito del reconocimiento facial y la estimación de la pose de cabeza se probó utilizando la Base de Datos de Pose de Cabeza de la UPNA y, como resultado de las pruebas realizadas, se obtuvo el resultado más exitoso en el reconocimiento facial con el método de Patrones Binarios Locales con una tasa de reconocimiento del 98.95%. En la clasificación de la participación del estudiante como Comprometida y No Comprometida, la máquina de soporte vectorial dio resultados con una precisión del 72.4%. El sistema desarrollado se utilizará para reconocer y monitorear a los estudiantes en el aula o frente a la computadora, y para determinar el flujo del curso de manera autónoma.