UTILIZAÇÃO DE TÉCNICAS DE APRENDIZADO DE MÁQUINA PARA A VERIFICAÇÃO DE SATISFAÇÃO E TRISTEZA
Colloquium Exactarum
UTILIZAÇÃO DE TÉCNICAS DE APRENDIZADO DE MÁQUINA PARA A VERIFICAÇÃO DE SATISFAÇÃO E TRISTEZA
Autor Correspondente: Victor Gabriel Viana Da Costa | [email protected]
Palavras-chave: Inteligência artificial; aprendizado de máquina;emoções;psicologia
Resumos Cadastrados
Resumo Português:
Doenças psicológicas são condições sintomáticas que afetam tanto aspectospsicológicos quanto aspectos físicos de uma pessoa, podendo levar à morte em casos mais graves. Um exemplo dessas doenças é a depressão, que quandotratada de formaeficientemelhora as chances do paciente se recuperar. Portanto,um diagnósticorápido é essencial para que o tratamento aconteça de forma efetiva. Entretanto, os métodos tradicionais dificultam a análise de dados comoimagem, sons e texto de forma digital pelos profissionais de psicologia. Esse trabalho almejou contribuir com uma aplicação em conjunto a um estudo para otimizar o tempo de diagnóstico, oferecendo uma análise através de aprendizado de máquina, analisando imagens, sons e textode forma automática, fornecendoao profissional da área de psicologia um relatório de satisfação e tristeza do paciente.Os resultados se mostram satisfatórios com uma acurácia média na validação da rede de 72.47%no reconhecimento de emoções.
Resumo Inglês:
Mentalillnesses are symptomatic conditions that affect both the psychological and the physical aspects of a person, which can lead to death in more severe cases. An example of these illnesses is depression, which when the treatment is done quickly improves the patient's chances of recovering. So, a quick diagnosis is essential for treatment to take place effectively. However, traditional methods make it difficult for psychology professionals to analyze data in the form of images, audio and text digitally. This work aimed to contribute with a joint application to a study to optimize the diagnosis time, providing an analysis through machine processing, analyzing images, audio and text automatically, providing the professional in the field of psychology with a reportof satisfaction and sadness of the patient. The results are satisfactory with an average accuracy in the validation of the network of 72.47% in the recognition of emotions.
