PPGCC/CCET

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: IVAN RODRIGUES DE MOURA
DATA: 19/02/2020
HORA: 14:00
LOCAL: Sala de Vídeo Conferência do NTI
TÍTULO: Monitoramento Ubíquo da Saúde Mental: Detectando Padrões de Sociabilidade Enriquecidos por Contexto Através do Processamento de Eventos Complexos
PALAVRAS-CHAVES: Saúde Mental, Transtornos Mentais, Computação Ubíqua, Computação Móvel, Padrões de Sociabilidade.
PÁGINAS: 108
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
RESUMO: Tradicionalmente, o monitoramento de indivíduos com transtornos mentais é realizado por meio de reuniões presenciais com profissionais especializados em saúde mental. Hoje, no entanto, os métodos computacionais podem usar dispositivos ubíquos (e.g., smartphones e tecnologias vestíveis) para monitorar comportamentos sociais relacionados à saúde mental, em vez de depender de autorrelatos. Esses dispositivos representam uma fonte valiosa de dados contextuais que permitem a identificação das atividades sociais vivenciadas pelos indivíduos em sua rotina diária. Portanto, o uso dessas tecnologias para identificar o hábito de atividades sociais permite o reconhecimento de comportamentos sociais anormais que podem ser indicativos de transtornos mentais. Por esse motivo, este estudo apresenta uma nova abordagem para monitorar a saúde mental por meio da conscientização da situação social. Este trabalho apresenta um algoritmo capaz de detectar padrões de sociabilidade, ou seja, caracteriza os períodos do dia em que o indivíduo se socializa habitualmente. O reconhecimento da rotina social é realizado sob diferentes condições de contexto (e.g., dia útil e fim de semana), o que permite diferenciar comportamentos sociais anormais das mudanças nos hábitos sociais esperadas em determinadas situações. A solução apresentada também é capaz de identificar mudanças nos padrões sociais que podem ser indicativos da presença de transtornos mentais. A implementação do algoritmo proposto utilizou a combinação da abordagem de Mineração de Padrões Frequentes com o Processamento de Eventos Complexos, o que permite a realização do processamento contínuo do fluxo de dados sociais. A avaliação realizada demonstrou que o reconhecimento baseado em contexto fornece uma melhor compreensão da rotina social, indicando também que a solução proposta é capaz de detectar padrões de sociabilidade semelhantes a um algoritmo em lote. Além disso, foi validado o desempenho do mecanismo de detecção de mudanças no comportamento social.
MEMBROS DA BANCA:
Presidente - 407513 - FRANCISCO JOSE DA SILVA E SILVA
Interno - 1460695 - CARLOS DE SALLES SOARES NETO
Interno - 1564359 - LUCIANO REIS COUTINHO
Externo à Instituição - RAPHAEL YOKOINGAWA DE CAMARGO - UFABC