Técnicas de Machine Learning para predecir la ansiedad y estrés en los trabajadores del MINSA, 2024

Descripción del Articulo

La presente investigación tuvo como objetivo aplicar técnicas de Machine Learning para predecir los síntomas de trastornos de ansiedad y estrés en los trabajadores del MINSA, 2024, siendo de tipo aplicada, pre-experimental, descriptivo y transversal; la población estuvo conformada por 235 trabajador...

Descripción completa

Detalles Bibliográficos
Autor: Napan Tineo, Marcelo Augusto
Formato: tesis de grado
Fecha de Publicación:2024
Institución:Universidad Cesar Vallejo
Repositorio:UCV-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.ucv.edu.pe:20.500.12692/162875
Enlace del recurso:https://hdl.handle.net/20.500.12692/162875
Nivel de acceso:acceso abierto
Materia:Machine learning
Ansiedad
Estrés
Trabajadores
Python
https://purl.org/pe-repo/ocde/ford#2.02.04
id UCVV_dd7aee5c2c53bcdd622be74e222817f2
oai_identifier_str oai:repositorio.ucv.edu.pe:20.500.12692/162875
network_acronym_str UCVV
network_name_str UCV-Institucional
repository_id_str 3741
dc.title.es_PE.fl_str_mv Técnicas de Machine Learning para predecir la ansiedad y estrés en los trabajadores del MINSA, 2024
title Técnicas de Machine Learning para predecir la ansiedad y estrés en los trabajadores del MINSA, 2024
spellingShingle Técnicas de Machine Learning para predecir la ansiedad y estrés en los trabajadores del MINSA, 2024
Napan Tineo, Marcelo Augusto
Machine learning
Ansiedad
Estrés
Trabajadores
Python
https://purl.org/pe-repo/ocde/ford#2.02.04
title_short Técnicas de Machine Learning para predecir la ansiedad y estrés en los trabajadores del MINSA, 2024
title_full Técnicas de Machine Learning para predecir la ansiedad y estrés en los trabajadores del MINSA, 2024
title_fullStr Técnicas de Machine Learning para predecir la ansiedad y estrés en los trabajadores del MINSA, 2024
title_full_unstemmed Técnicas de Machine Learning para predecir la ansiedad y estrés en los trabajadores del MINSA, 2024
title_sort Técnicas de Machine Learning para predecir la ansiedad y estrés en los trabajadores del MINSA, 2024
author Napan Tineo, Marcelo Augusto
author_facet Napan Tineo, Marcelo Augusto
author_role author
dc.contributor.advisor.fl_str_mv Hilario Falcón, Francisco Manuel
dc.contributor.author.fl_str_mv Napan Tineo, Marcelo Augusto
dc.subject.es_PE.fl_str_mv Machine learning
Ansiedad
Estrés
Trabajadores
Python
topic Machine learning
Ansiedad
Estrés
Trabajadores
Python
https://purl.org/pe-repo/ocde/ford#2.02.04
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#2.02.04
description La presente investigación tuvo como objetivo aplicar técnicas de Machine Learning para predecir los síntomas de trastornos de ansiedad y estrés en los trabajadores del MINSA, 2024, siendo de tipo aplicada, pre-experimental, descriptivo y transversal; la población estuvo conformada por 235 trabajadores del MINSA. La técnica de recolección de datos fue la encuesta y observacion, a la vez del instrumento de cuestionario. Los resultados muestran que en “ansiedad”, Regresión logística obtuvo los mejores valores de Accuracy con 100.00%, Sensibilidad con 100.00%, Especificidad con 100.00%, F1-Score con 100.00% y Precisión con 100.00%. Igualmente, en “Estrés”, Regresión logística obtuvo los mejores valores de Accuracy con 95.74%, Sensibilidad con 87.50%, Especificidad con 98.91%, F1-Score con 79.16% y Precisión con 83.33%. Concluyendo que Regresión logística fue el mejor algoritmo para predecir los síntomas de trastornos de ansiedad y estrés en los trabajadores del MINSA.
publishDate 2024
dc.date.accessioned.none.fl_str_mv 2025-03-14T15:31:02Z
dc.date.available.none.fl_str_mv 2025-03-14T15:31:02Z
dc.date.issued.fl_str_mv 2024
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12692/162875
url https://hdl.handle.net/20.500.12692/162875
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.relation.ispartof.fl_str_mv SUNEDU
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.es_PE.fl_str_mv https://creativecommons.org/licenses/by/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by/4.0/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Universidad César Vallejo
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.es_PE.fl_str_mv Repositorio Institucional - UCV
Universidad César Vallejo
dc.source.none.fl_str_mv reponame:UCV-Institucional
instname:Universidad Cesar Vallejo
instacron:UCV
instname_str Universidad Cesar Vallejo
instacron_str UCV
institution UCV
reponame_str UCV-Institucional
collection UCV-Institucional
bitstream.url.fl_str_mv https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162875/1/Napan_TMA-SD.pdf
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162875/2/Napan_TMA-IT.pdf
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162875/3/Napan_TMA.pdf
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162875/4/license.txt
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162875/5/Napan_TMA-SD.pdf.txt
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162875/7/Napan_TMA-IT.pdf.txt
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162875/9/Napan_TMA.pdf.txt
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162875/6/Napan_TMA-SD.pdf.jpg
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162875/8/Napan_TMA-IT.pdf.jpg
https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162875/10/Napan_TMA.pdf.jpg
bitstream.checksum.fl_str_mv 87026d3d1532b0ed25a310d0bbd3bc70
958181804007d48e070fc4c9743d1f70
b35aa5441ccda452e3e331be86894896
8a4605be74aa9ea9d79846c1fba20a33
6ec6a6beeeddfc58b7d5adbabb037311
25f37bcae4141a5f38c09773511901e7
ba0c7b16e9448fdbbf6a2d1f732a75d4
855f03adbe991ea376e341e678c042ad
69bc2e5ce38623dd4743ec42a98374f3
855f03adbe991ea376e341e678c042ad
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio de la Universidad César Vallejo
repository.mail.fl_str_mv repositorio@ucv.edu.pe
_version_ 1861804039969177600
spelling Hilario Falcón, Francisco ManuelNapan Tineo, Marcelo Augusto2025-03-14T15:31:02Z2025-03-14T15:31:02Z2024https://hdl.handle.net/20.500.12692/162875La presente investigación tuvo como objetivo aplicar técnicas de Machine Learning para predecir los síntomas de trastornos de ansiedad y estrés en los trabajadores del MINSA, 2024, siendo de tipo aplicada, pre-experimental, descriptivo y transversal; la población estuvo conformada por 235 trabajadores del MINSA. La técnica de recolección de datos fue la encuesta y observacion, a la vez del instrumento de cuestionario. Los resultados muestran que en “ansiedad”, Regresión logística obtuvo los mejores valores de Accuracy con 100.00%, Sensibilidad con 100.00%, Especificidad con 100.00%, F1-Score con 100.00% y Precisión con 100.00%. Igualmente, en “Estrés”, Regresión logística obtuvo los mejores valores de Accuracy con 95.74%, Sensibilidad con 87.50%, Especificidad con 98.91%, F1-Score con 79.16% y Precisión con 83.33%. Concluyendo que Regresión logística fue el mejor algoritmo para predecir los síntomas de trastornos de ansiedad y estrés en los trabajadores del MINSA.Lima NorteEscuela de Ingeniería de SistemasSistemas de Información y ComunicacionesDesarrollo sostenible, emprendimientos y responsabilidad social.Desarrollo económico, empleo y emprendimientoTrabajo decente y crecimiento económicoPRESENCIALapplication/pdfspaUniversidad César VallejoPEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/4.0/Repositorio Institucional - UCVUniversidad César Vallejoreponame:UCV-Institucionalinstname:Universidad Cesar Vallejoinstacron:UCVMachine learningAnsiedadEstrésTrabajadoresPythonhttps://purl.org/pe-repo/ocde/ford#2.02.04Técnicas de Machine Learning para predecir la ansiedad y estrés en los trabajadores del MINSA, 2024info:eu-repo/semantics/bachelorThesisSUNEDUIngeniería de SistemasUniversidad César Vallejo. Facultad de Ingeniería y ArquitecturaIngeniero de Sistemas10132075https://orcid.org/0000-0003-3153-934375817269612076Perez Huaman, OmarDaza Vergaray, AlfredoHilario Falcón, Francisco Manuelhttps://purl.org/pe-repo/renati/level#tituloProfesionalhttps://purl.org/pe-repo/renati/type#tesisORIGINALNapan_TMA-SD.pdfNapan_TMA-SD.pdfapplication/pdf5400235https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162875/1/Napan_TMA-SD.pdf87026d3d1532b0ed25a310d0bbd3bc70MD51Napan_TMA-IT.pdfNapan_TMA-IT.pdfapplication/pdf9710118https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162875/2/Napan_TMA-IT.pdf958181804007d48e070fc4c9743d1f70MD52Napan_TMA.pdfNapan_TMA.pdfapplication/pdf5483747https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162875/3/Napan_TMA.pdfb35aa5441ccda452e3e331be86894896MD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162875/4/license.txt8a4605be74aa9ea9d79846c1fba20a33MD54TEXTNapan_TMA-SD.pdf.txtNapan_TMA-SD.pdf.txtExtracted texttext/plain183052https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162875/5/Napan_TMA-SD.pdf.txt6ec6a6beeeddfc58b7d5adbabb037311MD55Napan_TMA-IT.pdf.txtNapan_TMA-IT.pdf.txtExtracted texttext/plain4276https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162875/7/Napan_TMA-IT.pdf.txt25f37bcae4141a5f38c09773511901e7MD57Napan_TMA.pdf.txtNapan_TMA.pdf.txtExtracted texttext/plain185303https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162875/9/Napan_TMA.pdf.txtba0c7b16e9448fdbbf6a2d1f732a75d4MD59THUMBNAILNapan_TMA-SD.pdf.jpgNapan_TMA-SD.pdf.jpgGenerated Thumbnailimage/jpeg4901https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162875/6/Napan_TMA-SD.pdf.jpg855f03adbe991ea376e341e678c042adMD56Napan_TMA-IT.pdf.jpgNapan_TMA-IT.pdf.jpgGenerated Thumbnailimage/jpeg3916https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162875/8/Napan_TMA-IT.pdf.jpg69bc2e5ce38623dd4743ec42a98374f3MD58Napan_TMA.pdf.jpgNapan_TMA.pdf.jpgGenerated Thumbnailimage/jpeg4901https://repositorio.ucv.edu.pe/bitstream/20.500.12692/162875/10/Napan_TMA.pdf.jpg855f03adbe991ea376e341e678c042adMD51020.500.12692/162875oai:repositorio.ucv.edu.pe:20.500.12692/1628752025-03-14 22:32:32.988Repositorio de la Universidad César Vallejorepositorio@ucv.edu.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
score 13.922664
Técnicas de Machine Learning para predecir la ansiedad y estrés en los trabajadores del MINSA, 2024
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).

Ejemplares Similares