Mostrar el registro sencillo del ítem

dc.contributor.authorVidal-Marciel, Javier
dc.date2023-07-19
dc.date.accessioned2024-01-23T13:51:38Z
dc.date.available2024-01-23T13:51:38Z
dc.identifier.urihttps://reunir.unir.net/handle/123456789/15926
dc.descriptionLanguage 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.es_ES
dc.description.abstractEl 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.es_ES
dc.language.isospaes_ES
dc.rightsopenAccesses_ES
dc.subjectprocesamiento del lenguaje naturales_ES
dc.subjectsalud mentales_ES
dc.subjectmodelo BERTes_ES
dc.subjectansiedades_ES
dc.subjectMáster Universitario en Investigación en Psicologíaes_ES
dc.titleProcesamiento del Lenguaje Natural (PLN) y Salud Mental: Afinando un Modelo BERT para Evaluar Ansiedades_ES
dc.typemasterThesises_ES
reunir.tag~MUIYes_ES


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem