???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: https://tede.ufam.edu.br/handle/tede/11001
Full metadata record
DC FieldValueLanguage
dc.creatorFigueiredo, Lorena Paiva de-
dc.creator.Latteshttp://lattes.cnpq.br/8033714575966404eng
dc.contributor.advisor1Giuntini, Felipe Taliar-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/1935574844380214eng
dc.contributor.referee1Cazzolato, Mirela Teixeira-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/5404143204431052eng
dc.contributor.referee2Torres Neto, José Rodrigues-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/9861146782162614eng
dc.contributor.referee3Oliveira, Elaine Harada Teixeira de-
dc.contributor.referee3Latteshttp://lattes.cnpq.br/6553721651836761eng
dc.date.issued2025-03-28-
dc.identifier.citationFIGUEIREDO, Lorena Paiva de. TREAD: um framework para o reconhecimento de características textuais de postagens depressivas e ansiosas em redes sociais online. 2025. 116 f. Dissertação (Mestrado em Informática) - Universidade Federal do Amazonas, Manaus, 2025.eng
dc.identifier.urihttps://tede.ufam.edu.br/handle/tede/11001-
dc.description.resumoOs transtornos mentais, como ansiedade e depressão, são classificados pela OMS como problemas sociais que afetam o modo de pensar, agir e viver da população, afetando diversas camadas da vida, afetando o bem-estar físico e mental. Visto que uma, em cada oito pessoas, sofre com transtornos mentais, estima-se que em 2024 os transtornos atingiram, aproximadamente, 970 milhões de pessoas. A OMS estima que 4% de pessoas no mundo sofrem de algum transtorno ansioso e 5% dos adultos de depressão. Diante desse contexto, a área de Computação Afetiva tem provido diferentes estudos que buscam classificar esses transtornos por meio da análise massiva de dados de redes sociais e aplicação de modelos de aprendizagem de máquina. Contudo, faz-se necessário investigar se o conteúdo disponível on-line, como os das postagens textuais, são capazes de refletir características e marcadores que denotem indicativos de saúde mental, especialmente se há uma diferenciação significativa entre transtornos de saúde mental, como o de ansiedade e depressão. Com isso, este trabalho apresenta o TREAD: um framework para reconhecimento textual de características emocionais e de contexto relacionadas à ansiedade e à depressão em postagens de redes sociais on-line. Para isso, o framework envolve as etapas de (i) coleta de dados de postagens em comunidades de redes sociais on-line, (ii) processamento de dados, (iii) extração de características sobre o contexto, emoções e de sentimentos com EMPATH e VADER, (iv) avaliação de padrões sequenciais por meio da aplicação do algoritmo de regras de associação FP Growth, extração e, por fim, avaliou-se por meio de agrupamento a diferenciação entre os padrões. Considerando os dados resultantes, a aplicação do algoritmo de associação, a confiança dos resultados foram acima de 80% e os valores de Lift foram superiores a 1, o que indica que a força da associação entre os itens é relevante. E, considerando os algoritmos de agrupamento, o Agglomerative Clustering obteve 81% de precisão e F1-Score. Todavia, os resultados ressaltam a importância das redes sociais neste contexto e fornece reflexão sobre os marcadores linguísticos e emocionais que diferenciam as comunidades de ansiedade e depressão, servindo como suporte a futuras e possíveis intervenções digitais.eng
dc.description.abstractMental disorders, such as anxiety and depression, are classified by the WHO as social problems that affect the way people think, act, and live, affecting different areas of life and affecting physical and mental well-being. As one in eight people suffer from mental disorders, it is estimated that in 2024, disorders will affect around 970 million people. The WHO estimates that 4% of people in the world suffer from some anxiety disorder, and 5% of adults suffer from depression. In this context, the area of Affective Computing has provided different studies that seek to classify these disorders through the massive analysis of social network data and the application of machine learning models. However, it is necessary to investigate whether the content available online, such as textual posts, is capable of reflecting characteristics and markers that denote indicators of mental health, especially if there is a significant differentiation between mental health disorders, such as anxiety and depression. Therefore, this work presents TREAD: A Framework for Textual Recognition of Emotional and Contextual Characteristics Related to anxiety and depression in online social media posts. To this end, the framework involves the steps of (i) collecting data from posts in online social networking communities, (ii) data processing, (iii) extracting features about the context, emotions, and feelings with EMPATH and VADER, (iv) evaluating sequential patterns through the application of the FP Growth association rules algorithm, extraction and finally, evaluating the differentiation between patterns through clustering using algorithms such as Agglomerative Clustering. Considering the data resulting from the application of the association algorithm, the confidence of the results was above 80%, and the LIFT values were greater than 1, which indicates that the strength of the association between the items is relevant. Furthermore, considering the clustering algorithms, Agglomerative Clustering obtained 81% accuracy and F1-Score. Finally, the experimental data show the importance of social networks in this context, as well as providing a reflection on the linguistic and emotional markers that differentiate the anxiety and depression communities, serving as support for future and possible digital interventions.eng
dc.formatapplication/pdf*
dc.languageporeng
dc.publisherUniversidade Federal do Amazonaseng
dc.publisher.departmentInstituto de Computaçãoeng
dc.publisher.countryBrasileng
dc.publisher.initialsUFAMeng
dc.publisher.programPrograma de Pós-graduação em Informáticaeng
dc.rightsAcesso Aberto-
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/-
dc.subjectSistemas de reconhecimento de padrõespor
dc.subjectPercepção de padrõespor
dc.subjectMineração de uso da Webpor
dc.subjectRedes sociais on-line-
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: METODOLOGIA E TECNICAS DA COMPUTACAO: SISTEMAS DE INFORMACAOeng
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTACAO: SISTEMAS DE COMPUTACAOeng
dc.titleTREAD: um framework para o reconhecimento de características textuais de postagens depressivas e ansiosas em redes sociais onlineeng
dc.title.alternativeTREAD: a framework for textual recognition of emotional anxiety and depressioneng
dc.typeDissertaçãoeng
dc.contributor.advisor1orcidhttps://orcid.org/0000-0001-6333-3345eng
dc.creator.orcidhttps://orcid.org/0009-0008-8963-0899eng
dc.contributor.referee1orcidhttps://orcid.org/0000-0002-4364-010Xeng
dc.contributor.referee2orcidhttps://orcid.org/0000-0002-1834-9978eng
dc.contributor.referee3orcidhttps://orcid.org/0000-0003-2884-9359eng
dc.subject.userComputação afetivapor
dc.subject.userMineração de textospor
dc.subject.userReconhecimento de padrõespor
dc.subject.userAnsiedadepor
dc.subject.userDepressãopor
Appears in Collections:Mestrado em Informática

Files in This Item:
File Description SizeFormat 
DISS_LorenaFigueiredo_PPGI.pdf4.21 MBAdobe PDFDownload/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.