Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Carvalho, Aline Marins Paes | - |
Autor(es): dc.contributor | Seichas, Fávio luiz | - |
Autor(es): dc.contributor | Santos, Jéssica Soares dos | - |
Autor(es): dc.contributor | Marques Júnior, Paulo roberto Mann | - |
Autor(es): dc.creator | Silva, Gabriela Gomes da | - |
Data de aceite: dc.date.accessioned | 2024-07-11T17:57:31Z | - |
Data de disponibilização: dc.date.available | 2024-07-11T17:57:31Z | - |
Data de envio: dc.date.issued | 2021-07-20 | - |
Data de envio: dc.date.issued | 2021-07-20 | - |
Data de envio: dc.date.issued | 2020 | - |
Fonte completa do material: dc.identifier | https://app.uff.br/riuff/handle/1/22695 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/760875 | - |
Descrição: dc.description | A depressão é um transtorno mental que atualmente acomete mais de 300 milhões de pessoas pelo mundo, segundo a Organização Mundial de Saúde. No ambiente universitário, ela costuma estar associada a problemas de desempenho acadêmico, pressão por notas altas e perspectivas de futuro. Os sintomas que caracterizam essa doença, dentre os principais, tristeza, distúrbios de sono e solidão, foram relatados por estudantes de Instituições Federais de Ensino Superior Brasileiras como fatores emocionais que interferem na sua vida acadêmica. Dado esse cenário, o trabalho desenvolvido nesta monografia tem como objetivo desenvolver um método que auxilie na detecção do quadro depressivo em estudantes do ensino superior, a partir da análise de postagens de usuários do Twitter. Os resultados foram computados a partir de dois conjuntos de dados: (a.) de usuários genéricos selecionados a partir da busca de frases-chave postadas na rede social e (b.) de estudantes voluntários da Universidade Federal Fluminense, cuja gravidade do sintoma de depressão é computado a partir do Inventário de Depressão de Beck. Ambas as bases foram utilizadas para criar modelos preditivos a partir de algoritmos de Aprendizado de Máquina. Mesmo com um bom desempenho computado a partir do próprio conjunto (a.), a aplicação dos modelos aprendidos a partir de (a.) em (b.) não apresentou resultados satisfatórios. Isso demonstra que predizer sinais de depressão envolve grandes desafios ligados a complexidade de diagnósticos de doenças psicológicas, além de limitações relacionadas à recuperação e anotação das postagens de usuários genéricos, quando se considera apenas o conteúdo de suas postagens | - |
Descrição: dc.description | Depression is a mental disorder that currently affects more than 300 million people worldwide, according to thw World Health Organization. In universities, it is often as sociated with poor academic performance, pressure for good grades and worries about post-graduation plans. The symptoms that are related to depression, in particular, sad ness, sleep disorders and loneliness, were reported by students from Brazilian Federal Higher Education Institutions as emotional factors that interfere in their academic life. Given this scenario, the goal of this research is to develop a method that assists in the detection of depressive symptoms in higher education students, based on the analysis of their posts in Twitter. The results were computed from two sets of data: (a.) from generic users selected from the search for key phrases posted on the social network and (b.) from volunteer students at the Universidade Federal Fluminense, whose severity of the depression symptoms is computed from the Beck Depression Inventory. Both bases were used to create predictive models with Machine Learning algorithms. Even with a good performance computed from the set (a.) itself, employing the models learned from (a.) in (b.) did not present satisfactory results. This demonstrates that predicting signs of depression involves major challenges related to the complexity of diagnosing psychological diseases, in addition to limitations related to the recovery and annotation of posts by generic users, when considering only the content of their posts | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Direitos: dc.rights | Open Access | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | - |
Direitos: dc.rights | CC-BY-SA | - |
Palavras-chave: dc.subject | Aprendizado de máquina | - |
Palavras-chave: dc.subject | Depressão | - |
Palavras-chave: dc.subject | Saúde mental | - |
Palavras-chave: dc.subject | - | |
Palavras-chave: dc.subject | Estudantes | - |
Palavras-chave: dc.subject | Rede social on-line | - |
Palavras-chave: dc.subject | Aprendizado de máquina | - |
Palavras-chave: dc.subject | Saúde mental | - |
Palavras-chave: dc.subject | Ensino superior | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Depression | - |
Palavras-chave: dc.subject | Mental health | - |
Palavras-chave: dc.subject | - | |
Palavras-chave: dc.subject | Students | - |
Título: dc.title | Universidade e saúde mental: detecção de sintomas de depressão a partir de tweets | - |
Tipo de arquivo: dc.type | Trabalho de conclusão de curso | - |
Aparece nas coleções: | Repositório Institucional da Universidade Federal Fluminense - RiUFF |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: