| Revista: | Latin-American Journal of Computing (LAJC) |
| Base de datos: | |
| Número de sistema: | 000565130 |
| ISSN: | 1390-9134 |
| Autores: | Jiménez, Sergio1 Merino, Andrés2 |
| Instituciones: | 1Escuela Politécnica Nacional, 2Pontificia Univesidad Católica del Ecuador, |
| Año: | 2023 |
| Volumen: | 10 |
| Número: | 1 |
| Paginación: | 22-43 |
| País: | Ecuador |
| Idioma: | Español |
| Resumen en inglés | This project analyzes the depression rates among students from Escuela Politécnica Nacional (EPN). A total of 302 students from different EPN careers, voluntarily and anonymously completed an online survey of the Beck Depression Inventory-II (BDI-II). In addition, they were asked to answer 19 questions related to the lifestyle of an EPN student; These questions were reviewed and endorsed about their possible relationship with depressive disorders by a professional in the field of psychology. The CRISP-DM methodology was used for the project phases, which involved the analysis of the current situation, objectives setting, data collection, data preparation, and construction of ML models that allows predicting the degree of depression based on the BDI-II metrics and evaluation of the models. The model obtained has 0.59 accuracy score and shows that variables of gender, age and relationships are significant to determine severity depression. |
| Resumen en español | El presente proyecto analiza las variables de depresión que puede tener un estudiante universitario de la Escuela Politécnica Nacional (EPN) mediante modelos de aprendizaje automático (ML). Participaron un total de 302 estudiantes de distintas carreras quienes completaron de manera voluntaria y anónima una encuesta en línea constituida por el Inventario de Depresión de Beck II (BDI-II). Las 19 preguntas de la encuesta están relacionadas al estilo de vida promedio de un estudiante de la EPN y fueron revisadas y avaladas sobre su relación con trastornos depresivos por una profesional en el campo de la psicología. Se utilizó la metodología CRISP-DM para las fases del proyecto que consistieron en el análisis de la situación actual, planteamiento de objetivos, recolección, análisis y preparación de datos, construcción de modelos de ML para predecir la severidad de depresión con base en las métricas de BDI-II y evaluación de modelos. Se obtuvo un modelo con 0.59 de exactitud y se verificó que las variables de género, edad y relaciones interpersonales son las más significativas al determinar la severidad de depresión. |
| Palabras clave: | Selección de Características, Trastornos de Depresión, Aprendizaje Automático, CRISP- DM, Python, Ciencia de datos, Inventario de Depresión de Beck II |
| Keyword: | Depression Disorders, Machine Learning, Feature Selection, Data Science, Beck Depression Inventory II, CRISP-DM, Python |
| Texto completo: | Texto completo (Ver PDF) Texto completo (Ver HTML) |
