Implementación de un Sistema de Pre Diagnostico Basado en el Algoritmo ID3 para Agilizar el Diagnostico Psicologico de Trastornos de la Personalidad del Grupo Tipo A de un Consultorio Psicológico, Lima-Norte, 2023

Descripción del Articulo

El objetivo principal de este proyecto fue determinar cómo la Implementación de un sistema de pre diagnóstico basado en el algoritmo ID3 agiliza el diagnóstico psicológico de trastornos de la personalidad del Grupo tipo A de un Consultorio Psicológico, Lima, 2023. Por ello, este estudio se sitúa en...

Descripción completa

Detalles Bibliográficos
Autor: Vega Mendoza, Paul Thyrone
Formato: tesis de grado
Fecha de Publicación:2023
Institución:Universidad Católica Sedes Sapientiae
Repositorio:UCSS-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.ucss.edu.pe:20.500.14095/1849
Enlace del recurso:https://hdl.handle.net/20.500.14095/1849
Nivel de acceso:acceso abierto
Materia:Algoritmo ID3
Tiempo de atención
Bienestar psicológico
https://purl.org/pe-repo/ocde/ford#2.00.00
Descripción
Sumario:El objetivo principal de este proyecto fue determinar cómo la Implementación de un sistema de pre diagnóstico basado en el algoritmo ID3 agiliza el diagnóstico psicológico de trastornos de la personalidad del Grupo tipo A de un Consultorio Psicológico, Lima, 2023. Por ello, este estudio se sitúa en el contexto de una investigación interviniente, en el cual se busca mejorar el proceso y calidad de un diagnóstico. Se utilizó la técnica del campo de inteligencia artificial, llamado algoritmo ID3, el cual está basado en árboles de decisiones con aplicaciones estadísticas para buscar el mejor análisis de la data. La data de prueba fue proporcionada por el consultorio con carácter de confidencialidad, debido a que son datos sensibles. La creación de la aplicación se llevó a cabo utilizando Python y para la fuente de datos, Oracle. Por consiguiente, los resultados fueron: la variable X3 brindó mayor aporte para la generación del nodo raíz del árbol, con una ganancia de información de 0.395, siguiendo las variables X1: 0.197; X5: 0.467; X2: 0.252 y X4: 1.0. Por lo tanto, con la generación del árbol se puede hacer pre diagnósticos en pacientes recién ingresados y facilitará el proceso del diagnóstico como apoyo al especialista.
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).