Regressão Logística Multinomial: um modelo à partir do comportamento longitudinal do usuário em rede social para a predição de traços depressivos

Detalhes bibliográficos
Ano de defesa: 2018
Autor(a) principal: Caregnato, Maricy
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Depressão
Mineração De Dados
Redes Sociais
Regressão Logística
Link de acesso: https://teses.usp.br/teses/disponiveis/45/45134/tde-20230727-113434/
Resumo: Introdução - As redes sociais tornaram-se fontes de pesquisas científicas dado ao grande vo- lume de dados registrados pelos usuários em seus perfis sociais, possibilitando a mineração desses dados na produção de novos conhecimentos que podem contribuir na identificação de traços de com- portamento depressivo. Objetivo - Apresentar um Modelo de Regressão Logística Multinomial, à partir do comportamento longitudinal do usuário na rede social, para a predição de probabilidades de traços depressivos. Métodos - De natureza aplicada, com uma abordagem quantitativa, explo- ratória e descritiva quanto aos objetivos, bibliográfica, de levantamento e experimental quanto aos procedimentos. Dados de postagens, curtidas e sintomas depressivos de 692 usuários da rede social Facebook, brasileiros e maiores de 18 anos foram coletados via aplicativo específico. Resultados - Os dados relativos aos sintomas depressivos, obtidos via Inventário de Depressão de Beck, e os da- dos da rede social formaram a base experimental para às análises do modelo de regressão logística multinomial, demonstrado a viabilidade na execução de um modelo capaz de predizer as proba- bilidade de um usuário apresentar sintomas depressivos considerando os traços depressivos e seu comportamento na rede social caracterizado por postagens e curtidas. Conclusões - As predições dos níveis de traços depressivos em rede social representam a capacidade das ciências atuarem de maneira interdisciplinar a contribuir para a saúde pública em prol do bem estar social.
id USP_ce3de7d3180ae1126afdd4c5ecf7b394
oai_identifier_str oai:teses.usp.br:tde-20230727-113434
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Regressão Logística Multinomial: um modelo à partir do comportamento longitudinal do usuário em rede social para a predição de traços depressivosMultinomial logistic regression: a model from longitudinal user behavior in social network for depressive traits predictionDepressãoMineração De DadosRedes SociaisRegressão LogísticaIntrodução - As redes sociais tornaram-se fontes de pesquisas científicas dado ao grande vo- lume de dados registrados pelos usuários em seus perfis sociais, possibilitando a mineração desses dados na produção de novos conhecimentos que podem contribuir na identificação de traços de com- portamento depressivo. Objetivo - Apresentar um Modelo de Regressão Logística Multinomial, à partir do comportamento longitudinal do usuário na rede social, para a predição de probabilidades de traços depressivos. Métodos - De natureza aplicada, com uma abordagem quantitativa, explo- ratória e descritiva quanto aos objetivos, bibliográfica, de levantamento e experimental quanto aos procedimentos. Dados de postagens, curtidas e sintomas depressivos de 692 usuários da rede social Facebook, brasileiros e maiores de 18 anos foram coletados via aplicativo específico. Resultados - Os dados relativos aos sintomas depressivos, obtidos via Inventário de Depressão de Beck, e os da- dos da rede social formaram a base experimental para às análises do modelo de regressão logística multinomial, demonstrado a viabilidade na execução de um modelo capaz de predizer as proba- bilidade de um usuário apresentar sintomas depressivos considerando os traços depressivos e seu comportamento na rede social caracterizado por postagens e curtidas. Conclusões - As predições dos níveis de traços depressivos em rede social representam a capacidade das ciências atuarem de maneira interdisciplinar a contribuir para a saúde pública em prol do bem estar social.Introduction - Social networks have l,ecome sources of scientific research due to the large volume of data that users registered in their social profiles. This data can be mined to obtain new knowledge that may contribute to recognize depressive behavior traits. Objective - To present a Multinomial Logistic Regression Model, based on the longitudinal behavior of the user in so- cial network, to predict probability of depressive traits. Methods - A quantitative, exploratory and descriptive approach was used for the objectives together with bibliographical, survey and experimental procedures. Data were collected through a specific app from postings, likes and de- pressive symptoms of 692 users from Facebook social network, ali of them from over 18-year-old Brazilians the data. Results - The data from depressive symptoms obtained through the Beck Depression Inventory and the social network data constitute the basis for analysis of multinomial logistic regression model. This showed the feasibility of executing a model capable of predicting the probability of a user of presenting depressive symptoms considering both the depressive traits and their behavior in the social network characterized by postings and likes. Conclusions - The predictions of leveis of depressive traits in social network represent the capacity of the sciences to act in an interdisciplinary way to contribute with public health in favor of social well-being.Biblioteca Digitais de Teses e Dissertações da USPSilva, Flávio Soares Corrêa daCaregnato, Maricy2018-07-30info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://teses.usp.br/teses/disponiveis/45/45134/tde-20230727-113434/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2023-07-27T19:45:06Zoai:teses.usp.br:tde-20230727-113434Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212023-07-27T19:45:06Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Regressão Logística Multinomial: um modelo à partir do comportamento longitudinal do usuário em rede social para a predição de traços depressivos
Multinomial logistic regression: a model from longitudinal user behavior in social network for depressive traits prediction
title Regressão Logística Multinomial: um modelo à partir do comportamento longitudinal do usuário em rede social para a predição de traços depressivos
spellingShingle Regressão Logística Multinomial: um modelo à partir do comportamento longitudinal do usuário em rede social para a predição de traços depressivos
Caregnato, Maricy
Depressão
Mineração De Dados
Redes Sociais
Regressão Logística
title_short Regressão Logística Multinomial: um modelo à partir do comportamento longitudinal do usuário em rede social para a predição de traços depressivos
title_full Regressão Logística Multinomial: um modelo à partir do comportamento longitudinal do usuário em rede social para a predição de traços depressivos
title_fullStr Regressão Logística Multinomial: um modelo à partir do comportamento longitudinal do usuário em rede social para a predição de traços depressivos
title_full_unstemmed Regressão Logística Multinomial: um modelo à partir do comportamento longitudinal do usuário em rede social para a predição de traços depressivos
title_sort Regressão Logística Multinomial: um modelo à partir do comportamento longitudinal do usuário em rede social para a predição de traços depressivos
author Caregnato, Maricy
author_facet Caregnato, Maricy
author_role author
dc.contributor.none.fl_str_mv Silva, Flávio Soares Corrêa da
dc.contributor.author.fl_str_mv Caregnato, Maricy
dc.subject.por.fl_str_mv Depressão
Mineração De Dados
Redes Sociais
Regressão Logística
topic Depressão
Mineração De Dados
Redes Sociais
Regressão Logística
description Introdução - As redes sociais tornaram-se fontes de pesquisas científicas dado ao grande vo- lume de dados registrados pelos usuários em seus perfis sociais, possibilitando a mineração desses dados na produção de novos conhecimentos que podem contribuir na identificação de traços de com- portamento depressivo. Objetivo - Apresentar um Modelo de Regressão Logística Multinomial, à partir do comportamento longitudinal do usuário na rede social, para a predição de probabilidades de traços depressivos. Métodos - De natureza aplicada, com uma abordagem quantitativa, explo- ratória e descritiva quanto aos objetivos, bibliográfica, de levantamento e experimental quanto aos procedimentos. Dados de postagens, curtidas e sintomas depressivos de 692 usuários da rede social Facebook, brasileiros e maiores de 18 anos foram coletados via aplicativo específico. Resultados - Os dados relativos aos sintomas depressivos, obtidos via Inventário de Depressão de Beck, e os da- dos da rede social formaram a base experimental para às análises do modelo de regressão logística multinomial, demonstrado a viabilidade na execução de um modelo capaz de predizer as proba- bilidade de um usuário apresentar sintomas depressivos considerando os traços depressivos e seu comportamento na rede social caracterizado por postagens e curtidas. Conclusões - As predições dos níveis de traços depressivos em rede social representam a capacidade das ciências atuarem de maneira interdisciplinar a contribuir para a saúde pública em prol do bem estar social.
publishDate 2018
dc.date.none.fl_str_mv 2018-07-30
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://teses.usp.br/teses/disponiveis/45/45134/tde-20230727-113434/
url https://teses.usp.br/teses/disponiveis/45/45134/tde-20230727-113434/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815258342418808832

Registros relacionados