Detección de depresión a través de análisis textual utilizando aprendizaje automático, 2017

• Autor: Orué Medina, Ariana Maybee
• Formato: tesis de maestría
• Fecha de Publicación: 2018
• Institución: Universidad Ricardo Palma
• Repositorio: URP-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.urp.edu.pe:20.500.14138/1674
• Enlace del recurso: https://hdl.handle.net/20.500.14138/1674
• Nivel de acceso: acceso abierto
• Materia: depresión; detección de la depresión; análisis textual; aprendizaje automático; máquina de vectores de soporte; TD-IDF

La presente tesis incluye la creación de un modelo predictivo, el análisis, diseño e implementación de una aplicación web usando análisis textual y aprendizaje automático para la detección precoz de la depresión, la cual es la principal causa de problemas de salud y discapacidad en todo el mundo. El objetivo de la investigación es optimizar el tiempo de atención de forma oportuna a probables pacientes con depresión, identificar características específicas en individuos considerados con factores de riesgo de depresión y determinar los niveles de depresión a probables pacientes a través del análisis textual utilizando aprendizaje automático. Se contó con una muestra perteneciente a 596 alumnos de la Universidad César Vallejo; a los cuales se le aplicó dos herramientas estandarizadas a nivel mundial “Inventario de Beck II” y “Test de Frases Incompletas Sacks” para hallar la depresión e identificar a las personas con el trastorno mental mencionado. Es preciso señalar que el tipo de estudio es aplicado y exploratorio. Cabe resaltar que, para el procesamiento y tratamiento de datos, se utilizó la medida numérica del análisis textual TF-IDF, las técnicas de aprendizaje automático “Máquina de Vectores de Soporte”, el servicio de Microsoft Azure Machine Learning con R. Finalmente, los resultados indicaron que el modelo predictivo usado para el desarrollo de un aplicativo móvil para detectar depresión tiene una exactitud del 99,2 %.