Sistema leves: utilizando o aprendizado de máquina para o monitoramento de transtornos mentais comuns no trabalho
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/handle/123456789/51245 |
Resumo: | Os transtornos mentais consistem num importante problema de saúde pública capaz de prejudicar o pleno funcionamento afetivo, social e laboral do indivíduo. Quando os sintomas ansiosos, depressivos ou somáticos não preenchem critérios para os diagnósticos de ansiedade e/ou depressão, essas manifestações são designadas Transtornos Mentais Comuns, um quadro que, embora menos crítico que os transtornos mentais graves, é altamente prevalente e tem forte impacto no sofrimento mental e qualidade de vida. Considerando os recentes avanços tecnológicos e suas aplicações na previsão, promoção da saúde mental, diagnóstico e tratamento de transtornos psiquiátricos, esta pesquisa científico-empreendedora tem por objetivo desenvolver um sistema de monitoramento de Transtornos Mentais Comuns em servidores públicos utilizando técnicas de Inteligência Artificial e Aprendizado de Máquina. A metodologia do estudo foi realizada em três etapas: revisão de literatura; desenvolvimento da ferramenta; e validação. A produção de conhecimento desta pesquisa resultou na elaboração do “Sistema LEVES - Levantamento de Emoções e Sentimentos”, o MVP de um sistema computacional de monitoramento de Transtornos Mentais Comuns no trabalho. |
id |
UFRN_88d6c8f34dab2c01cac99d63c4bc35bf |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/51245 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Martins, Jéssica Caroline Macêdo Teixeirahttp://lattes.cnpq.br/1434456803635312https://orcid.org/0000-0002-4052-5739http://lattes.cnpq.br/5336356193599447Santana Júnior, Orivaldo Vieira dehttp://lattes.cnpq.br/5050555219716698Abreu, Carlos Alexandre Camargo dehttp://lattes.cnpq.br/4827318749308538Cabral, Marco Antônio LeandroSilva Junior, Edilson Marinho daEsposito, Regina CarmenMatamoros, Efrain Pantaleon2023-02-09T20:35:54Z2023-02-09T20:35:54Z2022-12-15MARTINS, Jéssica Caroline Macêdo Teixeira. Sistema leves: utilizando o aprendizado de máquina para o monitoramento de transtornos mentais comuns no trabalho. Orientador: Efrain Pantaleón Matamoros. 2022. 148f. Dissertação (Mestrado Profissional em Ciência, Tecnologia e Inovação) - Escola de Ciências e Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2022.https://repositorio.ufrn.br/handle/123456789/51245Os transtornos mentais consistem num importante problema de saúde pública capaz de prejudicar o pleno funcionamento afetivo, social e laboral do indivíduo. Quando os sintomas ansiosos, depressivos ou somáticos não preenchem critérios para os diagnósticos de ansiedade e/ou depressão, essas manifestações são designadas Transtornos Mentais Comuns, um quadro que, embora menos crítico que os transtornos mentais graves, é altamente prevalente e tem forte impacto no sofrimento mental e qualidade de vida. Considerando os recentes avanços tecnológicos e suas aplicações na previsão, promoção da saúde mental, diagnóstico e tratamento de transtornos psiquiátricos, esta pesquisa científico-empreendedora tem por objetivo desenvolver um sistema de monitoramento de Transtornos Mentais Comuns em servidores públicos utilizando técnicas de Inteligência Artificial e Aprendizado de Máquina. A metodologia do estudo foi realizada em três etapas: revisão de literatura; desenvolvimento da ferramenta; e validação. A produção de conhecimento desta pesquisa resultou na elaboração do “Sistema LEVES - Levantamento de Emoções e Sentimentos”, o MVP de um sistema computacional de monitoramento de Transtornos Mentais Comuns no trabalho.Mental disorders are an important public health problem capable of impairing the full affective, social and work functioning of the individual. When anxiety, depressive or somatic symptoms do not meet the criteria for the diagnosis of anxiety and/or depression, these manifestations are called Common Mental Disorders, a condition that, although less criticalthan severe mental disorders, is highly prevalent and has a strong impact on the mental suffering and quality of life. Considering recent technological advances and their applications in predicting, promoting mental health, diagnosing and treating psychiatric disorders, this scientific-entrepreneurial research aims to develop a monitoring system for Common Mental Disorders in public employees using Artificial Intelligence and Machine Learning techniques. The study methodology was carried out in three stages: literature review; tool development; and validation. The production of knowledge from this research resulted in the elaboration of the “Sistema LEVES - Levantamento de Emoções e Sentimentos”, the MVP of a computational system for monitoring Common Mental Disorders at work.Universidade Federal do Rio Grande do NortePROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA, TECNOLOGIA E INOVAÇÃOUFRNBrasilCNPQ::OUTROS::CIENCIASTranstornos mentaisMonitoramentoSaúde do trabalhadorAprendizado de máquinaTecnologia digitalSaúdeInovação tecnológicaSistema leves: utilizando o aprendizado de máquina para o monitoramento de transtornos mentais comuns no trabalhoSistema leves: machine learning to monitor common mental disorders and job dissatisfactioninfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALSistemalevesutilizandoaprendizado_Martins_2022.pdfapplication/pdf3094012https://repositorio.ufrn.br/bitstream/123456789/51245/1/Sistemalevesutilizandoaprendizado_Martins_2022.pdf43f3fe66070325c889ab39dac59ae403MD51123456789/512452023-02-09 18:02:29.457oai:https://repositorio.ufrn.br:123456789/51245Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2023-02-09T21:02:29Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
Sistema leves: utilizando o aprendizado de máquina para o monitoramento de transtornos mentais comuns no trabalho |
dc.title.alternative.pt_BR.fl_str_mv |
Sistema leves: machine learning to monitor common mental disorders and job dissatisfaction |
title |
Sistema leves: utilizando o aprendizado de máquina para o monitoramento de transtornos mentais comuns no trabalho |
spellingShingle |
Sistema leves: utilizando o aprendizado de máquina para o monitoramento de transtornos mentais comuns no trabalho Martins, Jéssica Caroline Macêdo Teixeira CNPQ::OUTROS::CIENCIAS Transtornos mentais Monitoramento Saúde do trabalhador Aprendizado de máquina Tecnologia digital Saúde Inovação tecnológica |
title_short |
Sistema leves: utilizando o aprendizado de máquina para o monitoramento de transtornos mentais comuns no trabalho |
title_full |
Sistema leves: utilizando o aprendizado de máquina para o monitoramento de transtornos mentais comuns no trabalho |
title_fullStr |
Sistema leves: utilizando o aprendizado de máquina para o monitoramento de transtornos mentais comuns no trabalho |
title_full_unstemmed |
Sistema leves: utilizando o aprendizado de máquina para o monitoramento de transtornos mentais comuns no trabalho |
title_sort |
Sistema leves: utilizando o aprendizado de máquina para o monitoramento de transtornos mentais comuns no trabalho |
author |
Martins, Jéssica Caroline Macêdo Teixeira |
author_facet |
Martins, Jéssica Caroline Macêdo Teixeira |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/1434456803635312 |
dc.contributor.advisorID.pt_BR.fl_str_mv |
https://orcid.org/0000-0002-4052-5739 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/5336356193599447 |
dc.contributor.referees1.none.fl_str_mv |
Abreu, Carlos Alexandre Camargo de |
dc.contributor.referees1Lattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/4827318749308538 |
dc.contributor.referees2.none.fl_str_mv |
Cabral, Marco Antônio Leandro |
dc.contributor.referees3.none.fl_str_mv |
Silva Junior, Edilson Marinho da |
dc.contributor.referees4.none.fl_str_mv |
Esposito, Regina Carmen |
dc.contributor.author.fl_str_mv |
Martins, Jéssica Caroline Macêdo Teixeira |
dc.contributor.advisor-co1.fl_str_mv |
Santana Júnior, Orivaldo Vieira de |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/5050555219716698 |
dc.contributor.advisor1.fl_str_mv |
Matamoros, Efrain Pantaleon |
contributor_str_mv |
Santana Júnior, Orivaldo Vieira de Matamoros, Efrain Pantaleon |
dc.subject.cnpq.fl_str_mv |
CNPQ::OUTROS::CIENCIAS |
topic |
CNPQ::OUTROS::CIENCIAS Transtornos mentais Monitoramento Saúde do trabalhador Aprendizado de máquina Tecnologia digital Saúde Inovação tecnológica |
dc.subject.por.fl_str_mv |
Transtornos mentais Monitoramento Saúde do trabalhador Aprendizado de máquina Tecnologia digital Saúde Inovação tecnológica |
description |
Os transtornos mentais consistem num importante problema de saúde pública capaz de prejudicar o pleno funcionamento afetivo, social e laboral do indivíduo. Quando os sintomas ansiosos, depressivos ou somáticos não preenchem critérios para os diagnósticos de ansiedade e/ou depressão, essas manifestações são designadas Transtornos Mentais Comuns, um quadro que, embora menos crítico que os transtornos mentais graves, é altamente prevalente e tem forte impacto no sofrimento mental e qualidade de vida. Considerando os recentes avanços tecnológicos e suas aplicações na previsão, promoção da saúde mental, diagnóstico e tratamento de transtornos psiquiátricos, esta pesquisa científico-empreendedora tem por objetivo desenvolver um sistema de monitoramento de Transtornos Mentais Comuns em servidores públicos utilizando técnicas de Inteligência Artificial e Aprendizado de Máquina. A metodologia do estudo foi realizada em três etapas: revisão de literatura; desenvolvimento da ferramenta; e validação. A produção de conhecimento desta pesquisa resultou na elaboração do “Sistema LEVES - Levantamento de Emoções e Sentimentos”, o MVP de um sistema computacional de monitoramento de Transtornos Mentais Comuns no trabalho. |
publishDate |
2022 |
dc.date.issued.fl_str_mv |
2022-12-15 |
dc.date.accessioned.fl_str_mv |
2023-02-09T20:35:54Z |
dc.date.available.fl_str_mv |
2023-02-09T20:35:54Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
MARTINS, Jéssica Caroline Macêdo Teixeira. Sistema leves: utilizando o aprendizado de máquina para o monitoramento de transtornos mentais comuns no trabalho. Orientador: Efrain Pantaleón Matamoros. 2022. 148f. Dissertação (Mestrado Profissional em Ciência, Tecnologia e Inovação) - Escola de Ciências e Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2022. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/handle/123456789/51245 |
identifier_str_mv |
MARTINS, Jéssica Caroline Macêdo Teixeira. Sistema leves: utilizando o aprendizado de máquina para o monitoramento de transtornos mentais comuns no trabalho. Orientador: Efrain Pantaleón Matamoros. 2022. 148f. Dissertação (Mestrado Profissional em Ciência, Tecnologia e Inovação) - Escola de Ciências e Tecnologia, Universidade Federal do Rio Grande do Norte, Natal, 2022. |
url |
https://repositorio.ufrn.br/handle/123456789/51245 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.publisher.program.fl_str_mv |
PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA, TECNOLOGIA E INOVAÇÃO |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/51245/1/Sistemalevesutilizandoaprendizado_Martins_2022.pdf |
bitstream.checksum.fl_str_mv |
43f3fe66070325c889ab39dac59ae403 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117819233468416 |