Aplicación del Algoritmo K-Means en Estudiantes Universitarios del Área de Sistemas e Informática para Caracterizar la Salud Mental, Durante el Aislamiento en COVID-19
Marleny Peralta Ascue, José Luis Merma Aroni, Eduardo Chavez Vasquez, Carolina Soto Carrion, Wilber Jimenez Mendoza
Memorias de la Vigésima Primera Conferencia Iberoamericana en Sistemas, Cibernética e Informática: CISCI 2022, pp. 92-97 (2022); https://doi.org/10.54808/CISCI2022.01.92
|
Vigésima Primera Conferencia Iberoamericana en Sistemas, Cibernética e Informática: CISCI 2022
Conferencia Virtual 12 al 15 de Julio de 2022 Proceedings of CISCI 2022 ISSN: 2831-7270 (Print) ISBN (Volume): 978-1-950492-68-8 (Print) |
|
Abstract
La pandemia por COVID-19, originó cambios drásticos en las rutinas de las personas hacia la virtualidad, como consecuencia de la emergencia sanitaria. La educación superior no ha sido ajena a estos cambios, muchas situaciones académicas no presenciales son generadoras de estrés, ansiedad y presencia de depresión. El objetivo de este estudio se centra en la utilización de técnicas de minería de datos y la aplicación de un algoritmo no supervisado K-Means para la agrupación y caracterización de los niveles de depresión, ansiedad, y estrés a través de la Escala DASS-21, en estudiantes universitarios del área de sistemas e informática de las universidades de Abancay, Apurímac-Perú. Para el modelado se utilizó la herramienta WEKA y la metodología CRISP-DM, participaron 189 estudiantes. Los resultados muestran niveles de depresión (60%) superiores tanto en puntaje como en porcentaje con mayor prevalencia en el nivel de depresión moderado, en comparación a la ansiedad y estrés. Concluyendo que el principal problema de salud mental es la depresión debido al confinamiento y cambio forzado en la educación universitaria de la presencialidad a la virtualidad, generando sentimientos negativos, tristeza, falta de entusiasmo y sentido de la vida.
|
||