Variáveis sociodemográficas na produção do discurso em adultos sadios

Automatic classification of written descriptions by healthy adults: An overview of the application of natural language processing and machine learning techniques to clinical discourse analysis

“…It also includes nine task-specific features (three new ones, two extracted manually, besides description time; type of scene described – simple or complex; presentation order – which type of picture was described first; and age). In this study, the descriptions by 144 of the subjects studied in Toledo 18 were used,which included 200 healthy Brazilians of both genders.…”

Coh-Metrix-Dementia: análise automática de distúrbios de linguagem nas demências utilizando Processamento de Línguas Naturais

“…Essas discrepâncias nos levaram a excluir descrições que não atendiam à tarefa em sua forma mais prototípica. Devido a isso, as 400 descrições originais do estudo de Toledo (2011) foram reduzidas a 242 neste experimento, sendo maior a exclusão de descrições de participantes com 3 a 4 anos de estudo. Após a exclusão, as 242 descrições restantes ficaram assim divididas: 43 descrições de participantes com 3 a 4 anos de estudo, 64 com 5 a 8, 61 com 9 a 14 e 74 com 15 a mais anos de estudo.…”

“…Além de exclusões, foram realizadas pequenas modificações nos textos para este experimento: foram incluídas vírgulas em listas de tópicos e pontos finais antes de capitalizações ou no final das descrições. Essas modificações foram realizadas para que o analisador sintático pudesse ter um melhor desempenho e calcular as características corretamente, operando da mesma maneira que a análise humana de Toledo (2011), que pressupôs essas modificações na contagem de palavras por sentenças e do número de sentenças.…”

“…Empregamos, ainda, três métodos de seleção de atributos: no primeiro, utilizamos dois métodos de ranking de atributos, o ganho de informação (denominado InfoGainAttributeEval no WEKA) e o SVM (denominado SVMAttributeEval no WEKA), selecionamos os 38 atributos mais significativos segundo cada um dos dois e tomamos a intersecção entre esses conjuntos (utilizamos 38 atributos por ser metade da quantidade de atributos original); no segundo, empregamos uma seleção manual de atributos, selecionando aqueles que mais se assemelhavam aos utilizados na análise manual de Toledo (2011), resultando em 21 atributos; no terceiro, utilizamos o método Correlation-based Feature Selection (CFS) (HALL, 1998), denominado CfsSubsetEval no WEKA), que procura eliminar características redundantes e manter aquelas com maior poder preditivo O objetivo da seleção manual foi verificar se os métodos automáticos de extração e seleção de atributos são substitutos confiáveis para a análise e a seleção manuais; ou seja, desejamos saber se a seleção intuitiva, feita pelos clínicos, dos atributos relevantes e sua posterior contagem manual podem ser substituídas pela análise computadorizada de diversos atributos seguida pela seleção, também automatizada, dos atributos mais relevantes. Avaliar esse aspecto é de grande importância aos propósitos do Coh-Metrix-Dementia.…”

“…Inicialmente, treinamos um classificador quaternário, com as quatro classes originais de Toledo (2011), obtendo desempenho bastante ruim, sendo o melhor classificador o MLP, com 42,3% de medida F e baseline de 30,6%, dado pela classe majoritária. Esse resultado nos levou a trabalhar apenas com classificadores binários, a fim de contarmos com maior número de instâncias nas classes.…”