Predicción de Riesgos Psicosociales en Docentes de Colegios Públicos Colombianos utilizando Técnicas de Inteligencia Artificial

Mosquera, Rodolfo; Castrillón, Omar Danilo; Parra, Liliana

doi:10.4067/s0718-07642018000400267

Cited by 12 publications

(9 citation statements)

References 18 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…The efficiency of the PST-NN approach was compared with previous published techniques ( Mosquera, Parra-Osorio & Castrillón, 2016 ; Mosquera, Castrillón & Parra, 2018a ; Mosquera, Castrillón & Parra, 2018b ; Mosquera, Castrillón & Parra-Osorio, 2019 ), which were applied over the original data included in the present work. Accuracy was the metric used to make the comparison between PST-NN and Decision Tree J48, Naïve Bayes, Artificial Neural Network, Support Vector Machine Linear, Hill Climbing-Support Vector Machine, K-Nearest Neighbors-Support Vector Machine, Robust Linear Regression, and Logistic Regression Models.…”

Section: Methodsmentioning

confidence: 99%

Improving classification based on physical surface tension-neural net for the prediction of psychosocial-risk level in public school teachers

Navarro

Castrillón

Osorio

et al. 2021

PeerJ Computer Science

View full text Add to dashboard Cite

Background Psychosocial risks, also present in educational processes, are stress factors particularly critical in state-schools, affecting the efficacy, stress, and job satisfaction of the teachers. This study proposes an intelligent algorithm to improve the prediction of psychosocial risk, as a tool for the generation of health and risk prevention assistance programs. Methods The proposed approach, Physical Surface Tension-Neural Net (PST-NN), applied the theory of superficial tension in liquids to an artificial neural network (ANN), in order to model four risk levels (low, medium, high and very high psychosocial risk). The model was trained and tested using the results of tests for measurement of the psychosocial risk levels of 5,443 teachers. Psychosocial, and also physiological and musculoskeletal symptoms, factors were included as inputs of the model. The classification efficiency of the PST-NN approach was evaluated by using the sensitivity, specificity, accuracy and ROC curve metrics, and compared against other techniques as the Decision Tree model, Naïve Bayes, ANN, Support Vector Machines, Robust Linear Regression and the Logistic Regression Model. Results The modification of the ANN model, by the adaptation of a layer that includes concepts related to the theory of physical surface tension, improved the separation of the subjects according to the risk level group, as a function of the mass and perimeter outputs. Indeed, the PST-NN model showed better performance to classify psychosocial risk level on state-school teachers than the linear, probabilistic and logistic models included in this study, obtaining an average accuracy value of 97.31%. Conclusions The introduction of physical models, such as the physical surface tension, can improve the classification performance of ANN. Particularly, the PST-NN model can be used to predict and classify psychosocial risk levels among state-school teachers at work. This model could help to early identification of psychosocial risk and to the development of programs to prevent it.

show abstract

Section: Methodsmentioning

confidence: 99%

Improving classification based on physical surface tension-neural net for the prediction of psychosocial-risk level in public school teachers

Navarro

Castrillón

Osorio

et al. 2021

PeerJ Computer Science

View full text Add to dashboard Cite

show abstract

“…A continuación, para evaluar la calidad de las señales recuperadas por el algoritmo propuesto, se empleó la correlación cruzada (Mosquera et al, 2018) entre la señal original y la señal recuperada, la cual está dada por:…”

Section: Evaluación De Las Características Gaussianas De Las Señales unclassified

Separación de señales usando análisis de componentes principales y muestreo compresivo con mediciones mínimas

Rivera¹,

Moreno²,

Pérez³

et al. 2020

Inf. tecnol.

View full text Add to dashboard Cite

Con el fin de aumentar la eficiencia del Análisis de Componentes Independientes (ICA) y reducir la complejidad computacional del sistema, este artículo propone una metodología basada en la técnica de muestreo compresivo, usando mediciones mínimas. Esta permite comprimir y modificar las características Gaussianas de las señales de audio. ICA es uno de los esquemas más utilizados para la separación a ciegas de fuentes (BSS), a partir únicamente de las mezclas recibidas en un conjunto de sensores. Sin embargo, el ICA requiere que las señales involucradas no sean de tipo Gaussiano, o solamente una de ellas lo sea, características que no satisfacen las señales de audio, las cuales son en general de tipo Gaussiano. La metodología propuesta permite obtener la separación de las señales en forma más eficiente, con una menor complejidad computacional, aun cuando todas ellas sean de tipo Gaussiano.

show abstract

“…En nuestro caso, esta función lo que hace es entrenar clasificadores usando las 40 características contenidas en los padres y la información de las muestras que se extrae de la base de datos. El método de entrenamiento es el de k vecinos más cercanos y para entrenar se usa solo el 60% de las muestras (Mosquera et al, 2018):…”

Section: Algoritmos Genéticosunclassified

“…Para la reducción de la dimensionalidad se utilizan los algoritmos genéticos, los cuales ya han sido probados como técnicas de inteligencia artificial (Coca et al,2013) en otros procesos para optimizar diferentes objetivos. El desarrollo y validación de nuevos instrumentos desde la rama de la ingeniería que contribuyan a la detección de riesgos psicosociales en las organizaciones de toda índole es posible gracias a los patrones que facilitan la clasificación de las variables (atributos) que denotan un resultado (clase), actualmente se trabaja en el desarrollo de nuevos algoritmos que faciliten el trabajo para la administración y la gerencia de seguridad y salud en el trabajo en todo tipo de actividades (Mosquera et al,2016;Mosquera et al,2018).…”

Section: Introductionunclassified

Máquinas de Soporte Vectorial, Clasificador Naïve Bayes y Algoritmos Genéticos para la Predicción de Riesgos Psicosociales en Docentes de Colegios Públicos Colombianos

2018

Self Cite

View full text Add to dashboard Cite

ResumenEn este artículo se presenta una nueva metodología basada en la aplicación de algoritmos Máquina de Soporte Vectorial, Naïve Bayes y Algoritmos Genéticos en diagnósticos de evaluaciones psicosociales para la identificación del grado de riesgo psicosocial en docentes de colegios públicos en Colombia. Se realizó un estudio comparativo del modelo de aprendizaje de máquina para la predicción: Máquinas de Soporte Vectorial (SVM) y Naïve Bayes, en dos etapas, primero con todas las variables y segundo, reduciendo la dimensionalidad de los datos aplicando: algoritmos genéticos. Se seleccionaron las cuarenta mejores variables con mejor eficiencia en la precisión de la predicción. La base de datos utilizada se componía de 3000 registros epidemiológicos, que correspondían a docentes de colegios públicos del área metropolitana de una ciudad colombiana. El uso de SVM reconoce fácilmente variables de tipo fisiológico y el mejor desempeño de predicción se obtuvo con una eficiencia en la precisión del 96,3%. Palabras clave: aprendizaje de máquina; máquinas de soporte vectorial; Naïve Bayes; algoritmos genéticosAbstract This paper presents a new methodology based on the application of Support Vector Machine algorithms, Naïve Bayes and Genetic Algorithms in diagnostics of psychosocial evaluations for the identification and prediction of the psychosocial risk level of public-school teachers in Colombia. A comparative study of the model of machine learning for prediction was carried out: Support Vector Machines (SVM) and Naïve Bayes, in two stages, first with all the variables and second, reducing the dimensionality of the database applying genetic algorithms, The best forty variables with the best efficiency in prediction accuracy were selected. The database used consisted of 3000 epidemiological records, which corresponded to teachers from public schools in the metropolitan area of a Colombian city. The use of SVM easily detected variables of physiological type and the best prediction performance was obtained with accuracy of 96.3%.

show abstract

Predicción de Riesgos Psicosociales en Docentes de Colegios Públicos Colombianos utilizando Técnicas de Inteligencia Artificial

Cited by 12 publications

References 18 publications

Improving classification based on physical surface tension-neural net for the prediction of psychosocial-risk level in public school teachers

Improving classification based on physical surface tension-neural net for the prediction of psychosocial-risk level in public school teachers

Separación de señales usando análisis de componentes principales y muestreo compresivo con mediciones mínimas

Máquinas de Soporte Vectorial, Clasificador Naïve Bayes y Algoritmos Genéticos para la Predicción de Riesgos Psicosociales en Docentes de Colegios Públicos Colombianos

Contact Info

Product

Resources

About