Please use this identifier to cite or link to this item:
https://repository.unad.edu.co/handle/10596/70988Full metadata record
| DC Field | Value | Language |
|---|---|---|
| dc.creator | GUZMAN BRAND, VICTOR ALFONSO | es |
| dc.date | 2025-06-26 | - |
| dc.date.accessioned | 2025-07-25T14:06:57Z | - |
| dc.date.available | 2025-07-25T14:06:57Z | - |
| dc.identifier | https://hemeroteca.unad.edu.co/index.php/educat/article/view/8599 | - |
| dc.identifier | 10.22490/unad.27452115.8599 | - |
| dc.identifier.uri | https://repository.unad.edu.co/handle/10596/70988 | - |
| dc.description | The objective of this article is to analyze the suicidal ideation expressed in the comments posted on a discussion group on social media, by means of a pre-trained deep learning model BERT (Bidirectional Encoder Representations from Transformers). To approach the research, the method of knowledge discovery in databases (KDD) is used, characterized by the extraction of quality information, which allows to generate conclusions based on relationships or models identified within the data. As a result, it should be noted that the analysis of social media data indicates a high probability of negative intent with suicidal ideation in most of the messages. Benchmarking highlights the superiority of the BERT model in deep learning applications, especially in text analysis, thanks to its ability to understand complex patterns in unstructured data. Additionally, it is noted that searching for information about suicide on-line not only reveals inquiry about suicidal methods, but also the search for resources for help and support to manage emotional distress. Some keywords in social media comments significantly increase the likelihood of posting suicidal ideation in the future. The study concludes that the proposal for a web application highlights the need for improved tools to address suicide challenges in digital environments. The use of artificial intelligence and machine learning facilitates early detection and timely intervention to promote mental health | en |
| dc.description | El artículo tiene como objetivo analizar la ideación suicida expresada en los comentarios realizados en un grupo de discusión en una red social, estudio llevado a cabo mediante un modelo pre-entrenado de aprendizaje profundo BERT (Bidirectional Encoder Representations from Transformers). Para abordar la investigación se emplea el método de descubrimiento de conocimiento en bases de datos (KDD), se caracteriza por la extracción de información de calidad, lo que permite generar conclusiones fundamentadas en relaciones o modelos identificados dentro de los datos. Como resultado cabe señalar que el análisis de datos de redes sociales indica una alta probabilidad de intención negativa con ideación suicida en la mayoría de los mensajes. La evaluación comparativa destaca la superioridad del modelo BERT en aplicaciones de deep learning, especialmente en el análisis de texto, gracias a su capacidad para entender patrones complejos en datos no estructurados. Se destaca además que la búsqueda de información sobre el suicidio en línea no solo revela la indagación sobre métodos suicidas, sino también la búsqueda de recursos de ayuda y apoyo para manejar el sufrimiento emocional. Algunas palabras clave en comentarios de redes sociales aumentan significativamente la probabilidad de publicar ideas suicidas en el futuro. El estudio concluye que la propuesta de una aplicación web resalta la necesidad de mejorar las herramientas para abordar los desafíos del suicidio en entornos digitales. El uso de inteligencia artificial y aprendizaje automático facilita la detección temprana y la intervención oportuna para promover la salud mental | es |
| dc.description | O artigo tem como objetivo analisar a ideação suicida expressa nos comentários feitos em um grupo de discussão em uma rede social, estudo realizado por meio de um modelo pré-treinado de aprendizagem profunda BERT (Bidirectional Encoder Representations from Transformers). Para abordar a pesquisa, emprega-se .o método de descoberta de conhecimento em bases de dados (KDD), caracterizado pela extração de informações de qualidade, o que permite gerar conclusões fundamentadas em relações ou modelos identificados nos dados. Como resultado, destaca-se que a análise de dados de redes sociais indica uma alta probabilidade de intenção negativa com ideação suicida na maioria das mensagens. A avaliação comparativa ressalta a superioridade do modelo BERT em aplicações de aprendizagem profunda, especialmente na análise de texto, graças à sua capacidade de compreender padrões complexos em dados não estruturados. Além disso, destaca-se que a busca por informações sobre o suicídio online revela não apenas a investigação de métodos suicidas, mas também a procura por recursos de ajuda e apoio para lidar com o sofrimento emocional. Algumas palavras-chave em comentários de redes sociais aumentam significativamente a probabilidade de publicação futura de ideias suicidas. O estudo conclui que a proposta de um aplicativo web ressalta a necessidade de aprimorar as ferramentas para enfrentar os desafios do suicídio em ambientes digitais. O uso de inteligência artificial e de aprendizagem automática facilita a detecção precoce e a intervenção oportuna para promover a saúde mental | pt-BR |
| dc.format | application/pdf | - |
| dc.language | spa | - |
| dc.publisher | Sello Editorial UNAD | es |
| dc.relation | https://hemeroteca.unad.edu.co/index.php/educat/article/view/8599/7904 | - |
| dc.rights | Derechos de autor 2025 EducaT: Educación virtual, Innovación y Tecnologías | es |
| dc.rights | https://creativecommons.org/licenses/by-nc-nd/4.0 | es |
| dc.source | EducaT: Educación virtual, Innovación y Tecnologías; Vol. 5 No. 2 (2024) | en |
| dc.source | EducaT: Educación virtual, Innovación y Tecnologías; Vol. 5 Núm. 2 (2024) | es |
| dc.source | EducaT: Educación virtual, Innovación y Tecnologías; v. 5 n. 2 (2024) | pt-BR |
| dc.source | 2745-2107 | - |
| dc.source | 2745-2115 | - |
| dc.subject | análisis, expresión, suicidio, redes sociales, aprendizaje profundo | es |
| dc.subject | analytics, expression, suicide, social networking, deep learning, deep learning. | es |
| dc.title | Análisis de la ideación suicida expresada en redes sociales mediante un modelo de aprendizaje profundo | es |
| dc.title | Analysis of suicidal ideation expressed in social networks using a deep learning model. | en |
| dc.title | Uso de Análise da ideação suicida expressa em redes sociales por meio de um modelo de aprendizagem profunda | pt-BR |
| dc.type | info:eu-repo/semantics/article | - |
| dc.type | info:eu-repo/semantics/publishedVersion | - |
| Appears in Collections: | Revista EducaT: Educación virtual, Innovación y Tecnologías | |
Files in This Item:
There are no files associated with this item.
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.