Framework para identificação da severidade de bullying baseado em machine learning e lógica fuzzy = A bullying-severity identifier framework based on machine learning and fuzzy logic
A bullying-severity identifier framework based on machine learning and fuzzy logic
| dc.creator | Rosales Sedano, Carmen Pamela, 1986- | |
| dc.date | 2017 | |
| dc.date | 2017-08-28T00:00:00Z | |
| dc.date | 2017-10-26T16:34:02Z | |
| dc.date | 2017-10-26T16:34:02Z | |
| dc.date.accessioned | 2018-03-29T05:44:39Z | |
| dc.date.available | 2018-03-29T05:44:39Z | |
| dc.identifier | ROSALES SEDANO, Carmen Pamela. Framework para identificação da severidade de bullying baseado em machine learning e lógica fuzzy = A bullying-severity identifier framework based on machine learning and fuzzy logic. 2017. 1 recurso online (122 p.). Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Tecnologia, Limeira, SP. | |
| dc.identifier | http://repositorio.unicamp.br/jspui/handle/REPOSIP/325665 | |
| dc.identifier.uri | http://repositorioslatinoamericanos.uchile.cl/handle/2250/1362540 | |
| dc.description | Orientadores: Edson Luiz Ursini, Paulo Sérgio Martins Pedro | |
| dc.description | Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Tecnologia | |
| dc.description | Resumo: O bullying nas escolas é um fenômeno social sério que se apresenta em todas partes do mundo e afeta crianças e adolescentes negativamente. Contudo, os programas anti-bullying das escolas não deveriam se focar em rotular aos estudantes como agressores ou vítimas, papéis tradicionais dos envolvidos em um episódio de bullying, porque aquilo produz efeitos contrários. Portanto, é necessário uma nova abordagem que permita lidar com os episódios de bullying, sem precisar de rótulos mas sim de determinar o nível de severidade, assim o pessoal da escola poderá responder a aqueles episódios apropriadamente. Os trabalhos disponíveis na literatura sobre técnicas computacionais para combater o bullying demonstraram resultados promissórios, contudo a maioria deles oferecem informação categórica como um conjunto de rótulos. O presente projeto propõe o desenvolvimento de um framework para determinar o nível de severidade das experiências de bullying narradas em textos de máximo 140 caracteres. Este framework está composto por duas partes: (1) avaliação dos textos utilizando classificadores de Support Vector Machine (SVM) desenvolvidos na literatura e (2) desenvolvimento do sistema de Lógica Fuzzy, as regras deste sistema foram definidos de acordo à literatura do bullying pelos autores deste projeto. Os resultados demonstraram que é necessário melhorar a acurácia e precisão dos classificadores SVM para conseguir determinar o nível de severidade por meio do sistema de Lógica Fuzzy. Neste trabalho, como parte das melhorias dos classificadores SVM, se rotularam novos textos para serem utilizados na fase de pré-processamento dos dados para criar novos modelos SVM e compará-los com aqueles desenvolvidos na literatura, os quais, finalmente foram utilizados em nosso framework | |
| dc.description | Abstract: Bullying at schools is a serious social phenomenon around the world that affects the development of children negatively. However, anti-bullying programs should not focus on labeling children as bullies or victims since they could produce opposite effects. Thus, an approach to deal with bullying episodes, without labeling children, is to determine their severity, so school staff could respond them appropriately. Related works about computational techniques to fight against of bullying showed promising results but they offer categorical information as a set of labels. This work proposes a tool to determine bullying severity in texts, composed by two parts: (1) evaluation of texts using Support Vector Machine (SVM) classifiers found in literature (2) development of a Fuzzy Logic System that uses SVM classifiers outputs as its inputs to identify the bullying severity. Results show that it is necessary to improve SVM classifiers accuracy to determine bullying severity through Fuzzy Logic. As part of our work, new texts were labeled in the data-preprocessing phase in order to develop new SVM models, which were compared to those SVM classifiers found in literature | |
| dc.description | Mestrado | |
| dc.description | Sistemas de Informação e Comunicação | |
| dc.description | Mestra em Tecnologia | |
| dc.format | 1 recurso online (122 p.) : il., digital, arquivo PDF. | |
| dc.format | application/pdf | |
| dc.publisher | [s.n.] | |
| dc.relation | Requisitos do sistema: Software para leitura de arquivo em PDF | |
| dc.subject | Bullying | |
| dc.subject | Mineração de dados (Computação) | |
| dc.subject | Aprendizado de máquina | |
| dc.subject | Maquina de vetores de suporte | |
| dc.subject | Lógica fuzzy | |
| dc.subject | Bullying | |
| dc.subject | Data mining | |
| dc.subject | Machine learning | |
| dc.subject | Support vectors machine | |
| dc.subject | Fuzzy logic | |
| dc.title | Framework para identificação da severidade de bullying baseado em machine learning e lógica fuzzy = A bullying-severity identifier framework based on machine learning and fuzzy logic | |
| dc.title | A bullying-severity identifier framework based on machine learning and fuzzy logic | |
| dc.type | Tesis |