Predicción de riesgos psicosociales en docentes de colegios públicos colombianos utilizando técnicas de inteligencia artificial.

• Autores: Rodolfo Mosquera, Omar D. Castrillón Gómez, Liliana Parra Osorio
• Localización: Información tecnológica, ISSN-e 0718-0764, ISSN 0716-8756, Vol. 29, Nº. 4 (Agosto), 2018, págs. 267-280
• Idioma: español
• Títulos paralelos:
  • Prediction of psychosocial risks in colombian teachers of public schools using machine learning techniques
• Enlaces
  • Texto completo (pdf)
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    Este artículo presenta una nueva metodología basada en técnicas de aprendizaje de máquina en diagnósticos de evaluaciones psicosociales para la identificación del grado de riesgo en docentes de colegios públicos en Colombia. Se realizó un estudio comparativo de tres importantes modelos de aprendizaje de máquina para la predicción: redes neuronales artificiales, arboles de decisión y Naïve Bayes, reduciendo la dimensionalidad de los datos. Esto se hace aplicando algoritmos genéticos, algoritmo de la cantidad esperada de la información, algoritmo GainRatioAttributeEval, coeficiente de relación de Pearson y análisis principal de componentes. Se utilizó una base de datos con 5340 registros epidemiológicos, correspondientes a evaluaciones psicosociales de docentes de colegios públicos de una ciudad colombiana. El mejor desempeño de predicción se obtuvo con el modelo de redes neuronales artificiales con una efectividad del 93%.

  • English

    This paper presents a new methodology based on machine learning techniques in diagnostics of psychosocial assessments to identify the risk level in teachers of public schools in Colombia. A comparative study of three important models of machine learning for prediction was done: artificial neural networks, decision trees and naive bayes, reducing the dimensionality of the data. This was done by applying genetic algorithms, algorithm of the expected amount of information, the algorithm GainRatioAttributeEval, Pearson's relation coefficient and principal components analysis. A database was used with 5340 epidemiological records, corresponding to psychosocial evaluations of teachers from public schools in the metropolitan area of a Colombian city. The best predictive performance was obtained with the model of artificial neural networks with an accuracy 93%.