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

Detection of traits in students with suicidal tendencies on Internet applying Web Mining

 Iván Castillo-Zúñiga, Aguascalientes (México)

 Francisco-Javier Luna-Rosas, Aguascalientes (México)

 Jaime-Iván López-Veyna, Zacatecas (México)

https://doi.org/10.3916/C71-2022-08

Palabras clave

Conducta suicida, cibersuicidio, minería web, aprendizaje de máquina, aprendizaje profundo, redes neuronales recurrentes

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 Gráfico (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.

Referencias

Anggraini, I.Y, Sucipto, S., & Indriati, R. (2018). Cyberbullying detection modelling at Twitter social networking. Jurnal Informatika, 6(2), 113-118. https://doi.org/10.30595/juita.v6i2.3350

Link DOI | Link Google Scholar

Arevalos, D.H. (2020). El sentido de la vida y las prácticas ligadas al suicidio. Testimonio de jóvenes escolarizados. Revista Latinoamericana de Estudios sobre cuerpos, emociones y sociedad. 32(12), 52-63. https://bit.ly/3pXSVC8

Link Google Scholar

Beaven-Ciapara, N.I., Campa-Álvarez, R.A., Valenzuela, B.A., & Guillen-Lúgigo, M. (2018). Inclusión educativa: Factores psicosociales asociados a conducata suicida en adolescentes. Prisma Social, 23,185-207. https://bit.ly/3GRlO9X

Link Google Scholar

Berengueras, M. (2018). Suicidio la insoportable necesidad de ser otro. Universidad Autonoma del Estado de Morelos. https://bit.ly/3F7a8iW

Link Google Scholar

Blanco, C. (2019). El suicidio en España, respuesta institucional y social. Revista de Ciencias Sociales,33(46), 79-106. https://doi.org/10.26489/rvs.v33i46.5

Link DOI | Link Google Scholar

Bonami, B., Piazentini, L., & Dala-Possa, A. (2020). Education, Big Data and Artificial Intelligence: Mixed methods in digital platforms. [Educación, Big Data e Inteligencia Artificial: Metodologías mixtas en plataformas digitales]. Comunicar, 65, 43-52. https://doi.org/10.3916/C65-2020-04

Link DOI | Link Google Scholar

Carballo-Belloso, J.J., & Gómez-Peñalver, J. (2017). Relación entre bullying, autolesiones, ideación suicida e intentos auutoliticos en niños y adolescentes. Revista de estudios de Juventud, 115, 207-218. https://doi.org/10.3916/C65-2020-04

Link DOI | Link Google Scholar

Chiroma, F., Liu, H., & Cocea, M. (2018). Text Clasiffication For Suicide Related Tweets. International conference on Machine Learning and Cybernetics (ICMLC) (pp. 587-592). https://doi.org/10.1109/ICMLC.2018.8527039.

Link DOI | Link Google Scholar

Denia, E. (2020). The impact of science communication on Twitter: The case of Neil deGrasse Tyson. [El impacto del discurso científico en Twitter: El caso de Neil deGrasse Tyson]. Comunicar, 65, 21-30. https://doi.org/10.3916/C65-2020-02

Link DOI | Link Google Scholar

Du, J., Zhang, Y., Luo, J., Jia, Y., Wei, Qiang., Tao, C., & Xu, H.. (2018). Extracting psychiatric stressors for suicide from social media using deep learning. BMC Medical Informatics & Decision Making, 18(43), 77-87. https://doi.org/10.1186/s12911-018-0632-8

Link DOI | Link Google Scholar

Durkheim, E. (2008). El suicidio. Grupo Editorial Éxodo. https://bit.ly/3p6C8h7

Link Google Scholar

García-Peña, J.J. (Ed.) (2020). El suicidio: Una mirada integral e integradora. Universidad Católica Luis Amigó. https://doi.org/10.21501/9789588943619

Link DOI | Link Google Scholar

Gen-Min, L., Szu-Nian, Y., Yueh-Ming, T., et al. (2020). Machine Learning based suicide ideation prediction for military personnel. IEEE Journal of Biomedical and Healt Informatics, 24(7), 1907-1916.https://doi.org/10.1109/JBHI.2020.2988393

Link DOI | Link Google Scholar

Healy, M. (2019, June 21). Alcanzan máximo histórico los índices de suicidio de adolescentes y adultos jóvenes en EE.UU. Los Angeles Times. https://lat.ms/3IYhebO

Link Google Scholar

Hermosillo-De-la-Torre, A.E., Vacío-Muro, M.Á., Méndez-Sánchez, C., Palacios-Salas, P., & Sahagún-Padilla, Á.. (2015). Sintomatología depresiva, desesperanza y recursos psicológicos: una relación con tentativa de suicidio en una muestra de adolescentes mexicanos. Acta Universitaria 25(NE-2), 52-56. https://doi.org/10.15174/au.2015.900

Link DOI | Link Google Scholar

Kim, J., & Chung, K. (2019). Associative feature information extraction using text mining from health big data. Wireless Pers Commun, 105, 691-707. https://doi.org/10.1007/s11277-018-5722-5

Link DOI | Link Google Scholar

Landaeta G. (2014). Lista de stop words o palabras vacías en español. SEO para Google. https://bit.ly/3p2ysg3

Link Google Scholar

López-Martínez, L.F. (2020). Suicidio, adolescencia, redes sociales e Internet. Norte de salud mental, 17(63), 25-36. https://bit.ly/3sg25g2

Link Google Scholar

Luna, M., & Dávila, A. (2018). Adolescentes en riesgo: factores asociados con el intento de suicidio en México. Revista Gerencia y Política de Salud, 17(34), 1-14.: https://doi.org/10.11144/Javeriana.rgsp17-34.arfa

Link DOI | Link Google Scholar

Marchiori, H. (2015). El suicidio enfoque criminológico. Editorial Porrúa. https://bit.ly/3sfMYDu

Link Google Scholar

Molina, M.J., & Restrepo, D. (2018). Internet y comportamiento suicida en adolescentes: ¿Cuál es la conexión? Revista Pediatría, 51(2), 30-39. https://doi.org/10.14295/pediatr.v51i2.109

Link DOI | Link Google Scholar

Moreno, P., & Blanco, C. (2012). Suicidio e Internet. Medidas preventivas y de actuación. Revista Psiquiatria.com. 16(18). https://bit.ly/3E110Lb

Link Google Scholar

Mosquera, L. (2016). Conducta suicida en la infancia: Una revisión critica. Revista de Psicología Clínica con Niños y Adolescentes,3 9-18. https://bit.ly/3p5IkG8

Link Google Scholar

Nalini K., & Sheela L. (2014). A survey on Datamining in Cyber Bullying. International Journal on Recent and Innovation Trends in Computing and Communication,2 (7). https://bit.ly/3q7GHqt

Link Google Scholar

Olivares, S. (2019). Uso de Internet y conductas suicidas en adolescentes de 14 a 18 años en México. Visión criminológica-criminalística, 6-21. https://bit.ly/3p7uKSF

Link Google Scholar

Organización Mundial de la Salud (Ed.) (2019). Suicidio. Información obtenida el 6 de abril de 2021 en la dirección de Internet. OMS. https://bit.ly/3q8TkBG

Link Google Scholar

Pérez-Martínez, V.M., Aparicio-Vinacua, B., & Rodríguez-González, M.D. (2020). Acoso escolar, violación y suicidio en Twitter: Segunda temporada de «Por trece razones». Vivat Academia, 153, 137-168. https://doi.org/10.15178/va.2020.153.137-168

Link DOI | Link Google Scholar

Porter, M.F. (2006). An Algorithm for suffix stripping. Program: Electronic Library and Information Systems,40(3), 211-218. https://doi.org/10.1108/00330330610681286

Link DOI | Link Google Scholar

Ramírez-López, C.M., Montes, M., Ochoa-Zezzatti, A., Ponce-Gallegos, J.C., & Guzmán-Mendoza, J.E. (2021). Identification of possible suicide cases using a Bayesian Classifier with the database the Emergency Service 911 of Aguascalientes. International Journal of Combinatorial Optimization Problems and Informatics, 12(1), 43-57. https://bit.ly/32gamWt

Link Google Scholar

Rocamora, A. (2017). Cuando nada tiene sentido: Reflexiones sobre el suicidio desde la logoterapia. Editorial Desclée de Brouwer. https://bit.ly/3F9TxLa

Link Google Scholar

Roy, S.S., Mallik, A., Gulati, R., Obaidat, M.S., & Krishna, P.V. (2017). A deep learning based artificial neural network approach for intrusion detection. In D. Giri, R. Mohapatra, H. Begehr, & M. Obaidat (Eds.), Mathematics and Computing. ICMC 2017. Communications in Computer and Information Science, 655 (pp. 44-53). Springer. https://doi.org/10.1007/978-981-10-4642-1_5

Link DOI | Link Google Scholar

Sánchez-García., M.A, Pérez-de-Albéniz, A., Paíno, M., & Fonseca, P. (2018). Ajuste emocional y comportamental en una muestra de adolescentes españoles. Actas españolas de psiquiatria, 46(6), 205-216. https://bit.ly/3yAOv8a

Link Google Scholar

SeGob (Ed.) (2021). Impacto de la pandemia en niñas y niños. Secretaria de Gobernación de México. https://bit.ly/3J1bsGg

Link Google Scholar

Urra, J. (2019). La huella de la desesperanza: Estrategias de prevención y afrontamiento del suicidio. Ediciones Morata. https://bit.ly/30H1QiQ

Link Google Scholar

Villardón-Gallego, L. (2013). El pensamiento de suicidio en la adolescencia. Publicaciones de la Universidad de Deusto. https://bit.ly/33FtwFV

Link Google Scholar

Fundref

Tecnológico Nacional de México, campus Instituto Tecnológico el Llano Aguascalientes.

Crossmark

Ficha técnica

Recibido: 27-09-2021

Revisado: 24-10-2021

Aceptado: 03-12-2021

OnlineFirst: 01-02-2022

Fecha publicación: 01-04-2022

Tiempo de revisión del artículo : 27 (en días) | Media de tiempo de revisión de los manuscritos del número 71: 45 (en días)

Tiempo de aceptación del artículo: 67 (en días) | Media tiempo aceptación de los manuscritos del número 71: 70 (en días)

Tiempo de edición OnlineFirst: 141 (en días) | Media tiempo edición de los OnlineFirst del número 71: 144 (en días)

Tiempo de publicacicón final del artículo: 186 (en días) | Media tiempo de publicación final de los articulos del número 71: 189 (en días)

Métricas

Métricas de este artículo

Vistas: 33117

Lectura del abstract: 30635

Descargas del PDF: 2482

Métricas completas de Comunicar 71

Vistas: 356453

Lectura del abstract: 322204

Descargas del PDF: 34249

Citado por