Este artículo propone "representaciones ordinales de emociones con capacidad de reconocer la ambigüedad", un novedoso marco para el reconocimiento de emociones que considera simultáneamente la ambigüedad y la naturaleza dinámica de las emociones. A diferencia de estudios previos que ignoran la ambigüedad emocional o la tratan como una variable estática, este estudio presenta un enfoque que modela la ambigüedad emocional como una tasa temporal de cambio. Utilizando dos conjuntos de datos de emociones, RECOLA y GameVibe, evaluamos el método propuesto para el seguimiento continuo de emociones con restricciones (activación, valencia) y sin restricciones (inmersión). Los resultados muestran que las representaciones ordinales de emociones superan a los modelos con capacidad de reconocer la ambigüedad existentes en etiquetas sin restricciones y alcanzan el mayor rendimiento en las puntuaciones del Coeficiente de Correlación de Concordancia (CCC) y el Acuerdo Diferencial Firmado (SDA), lo que demuestra su eficacia para modelar la dinámica del seguimiento de emociones. En el caso de etiquetas con restricciones, las representaciones ordinales de emociones superan al SDA, lo que demuestra su capacidad superior para capturar cambios relativos en los registros de emociones anotados.
