Detección de rasgos en estudiantes con tendencia suicida en Internet aplicando Minería Web

Resumen

Este artículo presenta un modelo de análisis de datos en Internet basado en Minería Web con el objetivo de encontrar
conocimiento sobre grandes cantidades de datos en el ciberespacio. A fin de probar el método propuesto, se analizaron
páginas web sobre el suicidio como caso de estudio con la intención de identificar y detectar rasgos en estudiantes con
tendencias suicidas. El procedimiento considera un Web Scraper para localizar y descargar información de Internet, así
como técnicas de Procesamiento de Lenguaje Natural para la recuperación de los vocablos. Con el propósito de explorar
la información, se construyó un conjunto de datos basado en Tablas Dinámicas y Ontologías Semánticas, especificando
las variables predictivas en jóvenes con inclinación suicida. Por último, para evaluar la eficiencia del modelo se utilizaron
algoritmos de Aprendizaje de Máquina y Aprendizaje Profundo. Cabe destacar que se optimizaron los procedimientos
para la construcción del dataset (utilizando Algoritmos Genéticos) y obtención del conocimiento empleando Cómputo
Paralelo y Aceleración con Unidades de Procesamientos de Grafico (GPU). Los resultados revelan una precisión del
96,28% sobre la detección de las características en adolescentes con tendencia suicida, alcanzando el mejor resultado a
través de una Red Neuronal Recurrente con un 98% de precisión. De donde se infiere que el modelo es viable para
establecer bases sobre mecanismos de actuación y prevención de comportamientos suicidas, que pueden ser
implementados en instituciones educativas o distintos actores de la sociedad.