Inteligência Artificial Explicável aplicada a Aprendizado de Máquina: Um estudo para Identificar Estresse Ocupacional em Profissionais da Saúde

Detalhes bibliográficos
Autor(a) principal: Fernandes, Milena Seibert
Data de Publicação: 2022
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UFSC
Texto Completo: https://repositorio.ufsc.br/handle/123456789/243462
Resumo: TCC (graduação) - Universidade Federal de Santa Catarina, Campus Araranguá, Engenharia de Computação.
id UFSC_3c32ce8ed70a1aa50d2b11f243507d45
oai_identifier_str oai:repositorio.ufsc.br:123456789/243462
network_acronym_str UFSC
network_name_str Repositório Institucional da UFSC
repository_id_str 2373
spelling Inteligência Artificial Explicável aplicada a Aprendizado de Máquina: Um estudo para Identificar Estresse Ocupacional em Profissionais da Saúdeinteligência artificial explicávelestressbiomarcadoresTCC (graduação) - Universidade Federal de Santa Catarina, Campus Araranguá, Engenharia de Computação.Estudos científicos ao longos dos anos têm demonstrado que o estresse ocupacional afeta os trabalhadores, principalmente na área da saúde, significando um desequilíbrio entre as condições de trabalho, a capacidade de resposta do trabalhador para realizar suas tarefas e o apoio social recebido de colaboradores e chefias. O objetivo do presente trabalho foi avaliar diferentes respostas de algoritmos de aprendizado de máquina, treinados com dados de biomarcadores provenientes de uma base de dados, chamada AffectiveRoad, para identificar diferentes níveis de estresse. Os dados de biomarcadores referem-se a frequência cardíaca, atividade eletrodérmica e temperatura da pele. Foram considerados no estudo os seguintes algoritmos: Support Vector Machine, k-Nearest Neighbors, Neural Network, Random Forest e Logistic Regression. Para o desenvolvimento da pesquisa foi realizado um levantamento bibliográfico para identificar os principais trabalhos relacionados, entender o contexto da temática, selecionar a base de dados, investigar os algoritmos de aprendizado de máquina e os principais tipos de explicadores. Foram empregados recursos de programação em Python para avaliar o uso dos algoritmos utilizando métricas como AUC e curva de ROC, acurácia, Recall e F1-Score. Para o processo de seleção e explicação da melhor alternativa, foram utilizadas uma série de métricas relacionadas. E finalmente, para a otimização do treinamento foi utilizado o recurso de Feature Importance. Os resultados indicaram que o Random Forest apresentou melhor desempenho para o conjunto de teste analisados. Também indicaram que a redução de características dentro do contexto investigado não alterou significativamente os resultados obtidos. Apontando uma possibilidade de ser feita uma redução da quantidade de biomarcadores para o estresse ocupacional de acordo com os dados analisados, sugerindo uma otimização do uso de biomarcadores para a identificação de estresse. A pesquisa apresenta como principal contribuição resultados de testes de algoritmos com explicadores globais e locais que auxiliam na compreensão da identificação do estresse.Araranguá, SC.Morales, Analúcia SchiaffinoUniversidade Federal de Santa Catarina.Fernandes, Milena Seibert2022-12-23T11:59:29Z2022-12-23T11:59:29Z2022-12-16info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttps://repositorio.ufsc.br/handle/123456789/243462Open Access.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFSCinstname:Universidade Federal de Santa Catarina (UFSC)instacron:UFSC2022-12-23T11:59:29Zoai:repositorio.ufsc.br:123456789/243462Repositório InstitucionalPUBhttp://150.162.242.35/oai/requestopendoar:23732022-12-23T11:59:29Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)false
dc.title.none.fl_str_mv Inteligência Artificial Explicável aplicada a Aprendizado de Máquina: Um estudo para Identificar Estresse Ocupacional em Profissionais da Saúde
title Inteligência Artificial Explicável aplicada a Aprendizado de Máquina: Um estudo para Identificar Estresse Ocupacional em Profissionais da Saúde
spellingShingle Inteligência Artificial Explicável aplicada a Aprendizado de Máquina: Um estudo para Identificar Estresse Ocupacional em Profissionais da Saúde
Fernandes, Milena Seibert
inteligência artificial explicável
estress
biomarcadores
title_short Inteligência Artificial Explicável aplicada a Aprendizado de Máquina: Um estudo para Identificar Estresse Ocupacional em Profissionais da Saúde
title_full Inteligência Artificial Explicável aplicada a Aprendizado de Máquina: Um estudo para Identificar Estresse Ocupacional em Profissionais da Saúde
title_fullStr Inteligência Artificial Explicável aplicada a Aprendizado de Máquina: Um estudo para Identificar Estresse Ocupacional em Profissionais da Saúde
title_full_unstemmed Inteligência Artificial Explicável aplicada a Aprendizado de Máquina: Um estudo para Identificar Estresse Ocupacional em Profissionais da Saúde
title_sort Inteligência Artificial Explicável aplicada a Aprendizado de Máquina: Um estudo para Identificar Estresse Ocupacional em Profissionais da Saúde
author Fernandes, Milena Seibert
author_facet Fernandes, Milena Seibert
author_role author
dc.contributor.none.fl_str_mv Morales, Analúcia Schiaffino
Universidade Federal de Santa Catarina.
dc.contributor.author.fl_str_mv Fernandes, Milena Seibert
dc.subject.por.fl_str_mv inteligência artificial explicável
estress
biomarcadores
topic inteligência artificial explicável
estress
biomarcadores
description TCC (graduação) - Universidade Federal de Santa Catarina, Campus Araranguá, Engenharia de Computação.
publishDate 2022
dc.date.none.fl_str_mv 2022-12-23T11:59:29Z
2022-12-23T11:59:29Z
2022-12-16
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://repositorio.ufsc.br/handle/123456789/243462
url https://repositorio.ufsc.br/handle/123456789/243462
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv Open Access.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Open Access.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Araranguá, SC.
publisher.none.fl_str_mv Araranguá, SC.
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFSC
instname:Universidade Federal de Santa Catarina (UFSC)
instacron:UFSC
instname_str Universidade Federal de Santa Catarina (UFSC)
instacron_str UFSC
institution UFSC
reponame_str Repositório Institucional da UFSC
collection Repositório Institucional da UFSC
repository.name.fl_str_mv Repositório Institucional da UFSC - Universidade Federal de Santa Catarina (UFSC)
repository.mail.fl_str_mv
_version_ 1808652400515350528

Registros relacionados