Procesamiento del Lenguaje Natural (PLN) y Salud Mental: Afinando un Modelo BERT para Evaluar Ansiedad
Fecha:
19/07/2023Palabra clave:
Tipo de Ítem:
masterThesis
Resumen:
El lenguaje es una importante vía de acceso a la mente humana, un cometido asumido teóricamente
en disciplina de la psicolingüística. El desarrollo de los métodos computacionales de inteligencia
artificial, específicamente el Procesamiento del Lenguaje Natural, ha permitido que surjan métodos
objetivos para modelar el habla y la escritura. Las aplicaciones al campo psicológico pueden ser
importantes tanto para la teoría como para la práctica clínica. Los sistemas más avanzados se basan
en la tecnología de Transformadores (BERT o GPT). En este estudio se afina un modelo BERT en
español para la discriminación según el nivel de ansiedad de transcripciones de entrevistas, en una
tarea de clasificación supervisada, utilizando el cuestionario STAI como referencia. En un corpus
generado por 11 mujeres de 20 a 24 años, se alcanzó un 60% de precisión para diferenciar dos
mitades de la muestra. Pese a ser baja la precisión, se muestra el alto potencial de impacto de este
tipo de herramientas para el diagnóstico automático en salud mental.
Descripción:
Language is an important access tool into the human mind, an objective which has been
theoretically grouped under psycholinguistics. The development of computational methods around
artificial intelligence, specifically Natural Language Processing, has allowed the development of
objective methods to model speech and writing. The applications towards the psychological field
could be important to both theory and clinical practice. The most advanced NLP systems are built in
the Transformers architecture (BERT or GPT). In this study, a BERT Spanish model is fine-tuned to
differentiate between interview transcriptions according to anxiety levels, in a supervised
classification task, using the STAI measure as reference. In a corpus generated by 11 women
between 20 and 24 years-old, a 60% accuracy was reached when distinguishing two groups.
Although a low accuracy, it is shown the high impact potential of these tools for automated
diagnosis in mental health.
Ficheros en el ítem
