BlueBird Mental Health: Detección de afectaciones relacionadas a la salud mental a partir del análisis de sentimientos en tweets.
La salud mental es un factor muy importante en la vida cotidiana ya que es lo que nos ayuda a mantenernos día a día ante las situaciones que vivimos. No obstante, con situaciones como la pandemia del Covid-19, esta puede verse afectada trayendo consigo alteraciones que pueden terminar en algún tipo...
- Autores:
-
Caballero Castillo, Jonathan
Niño Lizarazo, Juan Miguel
- Tipo de recurso:
- Fecha de publicación:
- 2021
- Institución:
- Universidad del Norte
- Repositorio:
- Repositorio Uninorte
- Idioma:
- spa
- OAI Identifier:
- oai:manglar.uninorte.edu.co:10584/9881
- Acceso en línea:
- http://hdl.handle.net/10584/9881
- Palabra clave:
- Depresión
Ansiedad
Estrés
Salud mental
Red neuronal
Análisis de sentimientos
Twitter
Tweets
Depression
Anxiety
Stress
Mental health
Neural Network
Sentiment analysis
- Rights
- License
- Universidad del Norte
id |
REPOUNORT2_651a2ef4ac72337e52a9f04bb901b43c |
---|---|
oai_identifier_str |
oai:manglar.uninorte.edu.co:10584/9881 |
network_acronym_str |
REPOUNORT2 |
network_name_str |
Repositorio Uninorte |
repository_id_str |
|
dc.title.es_ES.fl_str_mv |
BlueBird Mental Health: Detección de afectaciones relacionadas a la salud mental a partir del análisis de sentimientos en tweets. |
dc.title.en_US.fl_str_mv |
BlueBird Mental Health: Detection of disorders related to mental health from the analysis of sentiments in tweets. |
title |
BlueBird Mental Health: Detección de afectaciones relacionadas a la salud mental a partir del análisis de sentimientos en tweets. |
spellingShingle |
BlueBird Mental Health: Detección de afectaciones relacionadas a la salud mental a partir del análisis de sentimientos en tweets. Depresión Ansiedad Estrés Salud mental Red neuronal Análisis de sentimientos Tweets Depression Anxiety Stress Mental health Neural Network Sentiment analysis |
title_short |
BlueBird Mental Health: Detección de afectaciones relacionadas a la salud mental a partir del análisis de sentimientos en tweets. |
title_full |
BlueBird Mental Health: Detección de afectaciones relacionadas a la salud mental a partir del análisis de sentimientos en tweets. |
title_fullStr |
BlueBird Mental Health: Detección de afectaciones relacionadas a la salud mental a partir del análisis de sentimientos en tweets. |
title_full_unstemmed |
BlueBird Mental Health: Detección de afectaciones relacionadas a la salud mental a partir del análisis de sentimientos en tweets. |
title_sort |
BlueBird Mental Health: Detección de afectaciones relacionadas a la salud mental a partir del análisis de sentimientos en tweets. |
dc.creator.fl_str_mv |
Caballero Castillo, Jonathan Niño Lizarazo, Juan Miguel |
dc.contributor.advisor.none.fl_str_mv |
Nieto Bernal, Wilson Jimeno Paba, Miguel Ángel |
dc.contributor.author.none.fl_str_mv |
Caballero Castillo, Jonathan Niño Lizarazo, Juan Miguel |
dc.subject.es_ES.fl_str_mv |
Depresión Ansiedad Estrés Salud mental Red neuronal Análisis de sentimientos Tweets |
topic |
Depresión Ansiedad Estrés Salud mental Red neuronal Análisis de sentimientos Tweets Depression Anxiety Stress Mental health Neural Network Sentiment analysis |
dc.subject.en_US.fl_str_mv |
Depression Anxiety Stress Mental health Neural Network Sentiment analysis |
description |
La salud mental es un factor muy importante en la vida cotidiana ya que es lo que nos ayuda a mantenernos día a día ante las situaciones que vivimos. No obstante, con situaciones como la pandemia del Covid-19, esta puede verse afectada trayendo consigo alteraciones que pueden terminar en algún tipo de afectación mental, o en un empeoramiento de las mismas. Debido a esto es indispensable contar con herramientas que nos puedan brindar cierto soporte para el cuidado de nuestra salud mental, las cuales podamos usar desde cualquier lugar. En el presente proyecto se plantea una solución a esta problemática, a modo de una aplicación web, con la cual se busca brindarle a las personas una herramienta de dos módulos enfocados a la detección de afectaciones sobre la salud mental de las personas en base a sus tweets, esto gracias al uso de un modelo implementado en una red neuronal capaz de realizar un diagnóstico de algunos trastornos mentales como lo son la depresión, ansiedad y estrés; mediante el contenido de tweets en texto plano. Para conseguir esto el modelo debe ser previamente entrenado con un conjunto de tweets para aprender a detectar patrones de estas anomalías en la salud mental. Los módulos de la aplicación son un módulo privado, donde el usuario podrá obtener un diagnóstico a nivel personal sobre el estado de su salud mental en base a sus propios tweets, esto apoyado con la API de Twitter, realizando un previo inicio de sesión en la plataforma. Es importante aclarar que este diagnóstico no será certero, como todo modelo siempre va a tener un margen de error, por lo que no resultaría correcto el decir que a ciencia cierta una persona tiene esta afectación, por lo que al usuario se le recomendará acudir a un profesional en el área. El segundo módulo de la aplicación es más general, pues se trata de una serie de gráficos y estadísticas donde podrán ver los resultados de un análisis similar al personal pero en Colombia, esto con ciertos filtros por región. |
publishDate |
2021 |
dc.date.accessioned.none.fl_str_mv |
2021-12-01T21:26:10Z |
dc.date.available.none.fl_str_mv |
2021-12-01T21:26:10Z |
dc.date.issued.none.fl_str_mv |
2021-11-30 |
dc.type.es_ES.fl_str_mv |
article |
dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/10584/9881 |
url |
http://hdl.handle.net/10584/9881 |
dc.language.iso.es_ES.fl_str_mv |
spa |
language |
spa |
dc.rights.es_ES.fl_str_mv |
Universidad del Norte |
dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
Universidad del Norte http://purl.org/coar/access_right/c_abf2 |
dc.publisher.es_ES.fl_str_mv |
Barranquilla, Universidad del Norte, 2021 |
institution |
Universidad del Norte |
bitstream.url.fl_str_mv |
https://manglar.uninorte.edu.co/bitstream/10584/9881/1/Arquitectura%20l%c3%b3gica%20BlueBird_V2.jpeg https://manglar.uninorte.edu.co/bitstream/10584/9881/2/Arquitectura%20l%c3%b3gica%20BlueBird_V2.pdf https://manglar.uninorte.edu.co/bitstream/10584/9881/3/license.txt |
bitstream.checksum.fl_str_mv |
5e9f42eefa46744756c7fbd204863ebf ceced859ce77b1e14c0d8dac3ee32de7 8a4605be74aa9ea9d79846c1fba20a33 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Digital de la Universidad del Norte |
repository.mail.fl_str_mv |
mauribe@uninorte.edu.co |
_version_ |
1812183105710063616 |
spelling |
Nieto Bernal, WilsonJimeno Paba, Miguel ÁngelCaballero Castillo, JonathanNiño Lizarazo, Juan Miguel2021-12-01T21:26:10Z2021-12-01T21:26:10Z2021-11-30http://hdl.handle.net/10584/9881La salud mental es un factor muy importante en la vida cotidiana ya que es lo que nos ayuda a mantenernos día a día ante las situaciones que vivimos. No obstante, con situaciones como la pandemia del Covid-19, esta puede verse afectada trayendo consigo alteraciones que pueden terminar en algún tipo de afectación mental, o en un empeoramiento de las mismas. Debido a esto es indispensable contar con herramientas que nos puedan brindar cierto soporte para el cuidado de nuestra salud mental, las cuales podamos usar desde cualquier lugar. En el presente proyecto se plantea una solución a esta problemática, a modo de una aplicación web, con la cual se busca brindarle a las personas una herramienta de dos módulos enfocados a la detección de afectaciones sobre la salud mental de las personas en base a sus tweets, esto gracias al uso de un modelo implementado en una red neuronal capaz de realizar un diagnóstico de algunos trastornos mentales como lo son la depresión, ansiedad y estrés; mediante el contenido de tweets en texto plano. Para conseguir esto el modelo debe ser previamente entrenado con un conjunto de tweets para aprender a detectar patrones de estas anomalías en la salud mental. Los módulos de la aplicación son un módulo privado, donde el usuario podrá obtener un diagnóstico a nivel personal sobre el estado de su salud mental en base a sus propios tweets, esto apoyado con la API de Twitter, realizando un previo inicio de sesión en la plataforma. Es importante aclarar que este diagnóstico no será certero, como todo modelo siempre va a tener un margen de error, por lo que no resultaría correcto el decir que a ciencia cierta una persona tiene esta afectación, por lo que al usuario se le recomendará acudir a un profesional en el área. El segundo módulo de la aplicación es más general, pues se trata de una serie de gráficos y estadísticas donde podrán ver los resultados de un análisis similar al personal pero en Colombia, esto con ciertos filtros por región.Mental health is a very important factor in daily life because it is what helps us to keep ourselves day by day in the situations we live. However, with situations such as the Covid-19 pandemic, it can be affected by bringing with it alterations that can end up in some type of mental impairment, or in a worsening of them. Because of this it is essential to have tools that can provide us with some support for our mental health care, which we can use from anywhere. In this project, a solution to this problem is proposed, in the form of a web application, which seeks to provide people with a two-module tool focused on the detection of mental disorders in people based on their tweets, This is thanks to the use of a model implemented in a neural network capable of making a diagnosis of some mental disorders such as depression, anxiety and stress; through the content of tweets in text format. To achieve this the model must be previously trained with a set of tweets to learn how to detect patterns of these mental health abnormalities. The modules of the application are, first, a private module, where the user will be able to obtain a diagnosis at a personal level on the state of his mental health based on his own tweets, this supported with the API of Twitter, making a previous login in the platform. It is important to clarify that this diagnosis will not be accurate, as any model will always have a margin of error, so it would not be correct to say that a certain person has this affectation, so the user will be advised to go to consult a professional in the area. The second module of the application is more general, because it is a series of graphs and statistics where you can see the results of an analysis similar to the previous personal analysis but in Colombia, this with certain filters by region.spaBarranquilla, Universidad del Norte, 2021Universidad del Nortehttp://purl.org/coar/access_right/c_abf2DepresiónAnsiedadEstrésSalud mentalRed neuronalAnálisis de sentimientosTwitterTweetsDepressionAnxietyStressMental healthNeural NetworkSentiment analysisBlueBird Mental Health: Detección de afectaciones relacionadas a la salud mental a partir del análisis de sentimientos en tweets.BlueBird Mental Health: Detection of disorders related to mental health from the analysis of sentiments in tweets.articlehttp://purl.org/coar/resource_type/c_6501ORIGINALArquitectura lógica BlueBird_V2.jpegArquitectura lógica BlueBird_V2.jpegArquitectura lógica BlueBirdimage/jpeg70772https://manglar.uninorte.edu.co/bitstream/10584/9881/1/Arquitectura%20l%c3%b3gica%20BlueBird_V2.jpeg5e9f42eefa46744756c7fbd204863ebfMD51Arquitectura lógica BlueBird_V2.pdfArquitectura lógica BlueBird_V2.pdfArquitectura lógica BlueBirdapplication/pdf77126https://manglar.uninorte.edu.co/bitstream/10584/9881/2/Arquitectura%20l%c3%b3gica%20BlueBird_V2.pdfceced859ce77b1e14c0d8dac3ee32de7MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://manglar.uninorte.edu.co/bitstream/10584/9881/3/license.txt8a4605be74aa9ea9d79846c1fba20a33MD5310584/9881oai:manglar.uninorte.edu.co:10584/98812021-12-01 16:26:10.133Repositorio Digital de la Universidad del Nortemauribe@uninorte.edu.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 |