Ver Estadísticas

Tesis Validadas: 2,591

Tesis de Posgrado: 3,262

Visitas: 610

  1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
  2. Tesis de Posgrado
  3. Morelos
  4. Centro Nacional de Investigación y Desarrollo Tecnológico
  5. Tesis CENIDET
  6. Tesis de Maestría
  7. Tesis de Maestría en Computación

Please use this identifier to cite or link to this item: https://rinacional.tecnm.mx/jspui/handle/TecNM/5123
Full metadata record
DC FieldValueLanguage
dc.contributor.authorBello Valle, Amado Scott%1031184-
dc.creatorBello Valle, Amado Scott%1031184-
dc.date.accessioned2023-02-02T18:09:15Z-
dc.date.available2023-02-02T18:09:15Z-
dc.date.issued2023-01-13-
dc.identifier.urihttps://rinacional.tecnm.mx/jspui/handle/TecNM/5123-
dc.descriptionEn 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.es_MX
dc.language.isospaes_MX
dc.publisherTecnológico Nacional de Méxicoes_MX
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0es_MX
dc.subjectinfo:eu-repo/classification/cti/7es_MX
dc.titleModelo de aprendizaje automático para la detección de soledad y aislamiento social en adultos mayoreses_MX
dc.typeinfo:eu-repo/semantics/masterThesises_MX
dc.contributor.directorMartinez Rebollar, Alicia%217272-
dc.contributor.directorSanchez Gomez, Wendy Aracely%413398es_MX
dc.folio23-1381es_MX
dc.rights.accessinfo:eu-repo/semantics/openAccesses_MX
dc.publisher.tecnmCentro Nacional de Investigación y Desarrollo Tecnológicoes_MX
Appears in Collections:Tesis de Maestría en Computación

Files in This Item:
File Description SizeFormat 
MC_Amado_Scott_Bello_Valle_2023.pdfTesis3.17 MBAdobe PDFView/Open
MC_Amado_Scott_Bello_Valle_2023_c.PDF
  Restricted Access		Cesión de Derechos360.37 kBAdobe PDFView/Open Request a copy


This item is protected by original copyright

View License
Show simple item record


This item is licensed under a Creative Commons License Creative Commons