Please use this identifier to cite or link to this item:
https://rinacional.tecnm.mx/jspui/handle/TecNM/5123| Title: | Modelo de aprendizaje automático para la detección de soledad y aislamiento social en adultos mayores |
| Authors: | Bello Valle, Amado Scott%1031184 |
| Issue Date: | 2023-01-13 |
| Publisher: | Tecnológico Nacional de México |
| metadata.dc.publisher.tecnm: | Centro Nacional de Investigación y Desarrollo Tecnológico |
| Description: | En México, actualmente los adultos mayores representan el 10% de la población y proyecciones del Consejo Nacional de Población (CONAPO) indican que ese sector de la población aumentará a 15.66% en 2030. El desarrollo de padecimientos emocionales y psicológicos en la edad avanzada a pesar de ser tratables no son diagnosticados ni tratados adecuadamente. Este problema motiva la preocupación por mejorar la calidad de vida y el bienestar de este segmento de la población. El aprendizaje automático permite obtener modelos mediante técnicas y algoritmos eficientes y efectivos que nos permiten descubrir patrones útiles para la detección de padecimientos psicológicos. El objetivo de esta tesis es desarrollar un modelo para detectar soledad y aislamiento social identificando características relevantes de estos padecimientos a partir de la información obtenida del monitoreo de las actividades diarias de un adulto mayor. Para cumplir el objetivo, el modelo se desarrolló usando una metodología que consta de cuatro procesos: análisis de datos, procesamiento de datos, construcción de modelos y combinación de modelos. El resultado de este proceso genera dos modelos. El modelo de soledad con el algoritmo AdaBoost con Random Forest logró un accuracy del 70% y el modelo de aislamiento social con el algoritmo k-Nearest-Neighbor logró un accuracy de 80%. Para evaluar estos modelos, se obtuvieron nuevos datos de participantes para la determinar el nivel de soledad y aislamiento social. Este proceso demuestra que modelo acierta en un 92% en la clasificación de soledad, 80% en la clasificación de aislamiento social y un 76% en la clasificación de los participantes combinando ambos padecimientos. |
| metadata.dc.type: | info:eu-repo/semantics/masterThesis |
| Appears in Collections: | Tesis de Maestría en Computación |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| MC_Amado_Scott_Bello_Valle_2023.pdf | Tesis | 3.17 MB | Adobe PDF | View/Open |
| MC_Amado_Scott_Bello_Valle_2023_c.PDF Restricted Access | Cesión de Derechos | 360.37 kB | Adobe PDF | View/Open Request a copy |
This item is protected by original copyright |
This item is licensed under a Creative Commons License
