Processamento de linguagem natural utilizando aprendizado de máquina para análise de sentimentos no transtorno do espectro autista: um estudo de caso no Facebook

Página do item simplificado
dc.contributor.advisorBarbosa, Cinthyan Renata Sachs Camerlengo de
dc.contributor.authorMichels, João Felipe Pavret
dc.contributor.bancaBarros, Vanessa Tavares de Oliveira
dc.contributor.bancaLima, Wagner Ferreira
dc.coverage.extent194 p.
dc.coverage.spatialLondrina
dc.date.accessioned2025-11-03T15:07:30Z
dc.date.available2025-11-03T15:07:30Z
dc.date.issued2025-06-30
dc.description.abstractEste trabalho propõe o desenvolvimento de um modelo de ferramenta capaz de identificar com precisão os sentimentos expressos por pessoas com Transtorno do Espectro Autista (TEA) por meio de suas expressões textuais. A pesquisa introduz uma nova classificação de sentimento, denominada "perigosa", que visa capturar padrões emocionais específicos associados a comportamentos autodestrutivos ou depressão profunda. Essa categoria complementa as tradicionais (positivo, neutro e negativo), permitindo uma análise mais detalhada e sensível às particularidades da comunidade autista. A metodologia da pesquisa envolve a criação de um Banco de Dados composto por mensagens de membros de comunidades online, categorizadas manualmente de acordo com os sentimentos expressos. Essas mensagens são coletadas em comunidade do Facebook, onde pessoas com TEA frequentemente compartilham experiências e buscam apoio emocional. Para ampliar a base de dados e melhorar a generalização dos modelos são gerados dados sintéticos utilizando técnicas de Processamento de Linguagem Natural. Os modelos de Aprendizado de Máquina, como BERT, RoBERTa e Random Forest, são então treinados para identificar sentimentos com base nas linguagens e expressões características de pessoas com TEA. O objetivo principal deste trabalho é identificar padrões linguísticos associados a emoções perigosas, como tristeza, frustração e autodesvalorização em textos de pessoas com TEA. Além disso, busca-se avaliar a eficácia do modelo em prever sentimentos em múltiplos contextos digitais, considerando variações linguísticas e culturais.
dc.description.abstractother1This study proposes the development of a tool model capable of accurately identifying the sentiments expressed by individuals with Autism Spectrum Disorder (ASD) through their textual expressions. The research introduces a new sentiment classification, termed "dangerous," aimed at capturing specific emotional patterns associated with self-destructive behaviors or deep depression. This category complements the traditional ones (positive, neutral, and negative), enabling a more detailed and sensitive analysis of the unique characteristics of the autistic community. The research methodology involves the creation of a database composed of messages from members of online communities, manually categorized according to the sentiments expressed. These messages are collected from Facebook communities where individuals with ASD frequently share experiences and seek emotional support. To expand the dataset and improve model generalization, synthetic data are generated using Natural Language Processing techniques. Machine Learning models, such as BERT, RoBERTa, and Random Forest, are then trained to identify sentiments based on the language and expressions characteristic of individuals with ASD. The primary objective of this study is to identify linguistic patterns associated with dangerous emotions, such as sadness, frustration, and self-devaluation, in texts written by individuals with ASD. Additionally, the study aims to assess the model's effectiveness in predicting sentiments across multiple digital contexts, considering linguistic and cultural variations.
dc.identifier.urihttps://repositorio.uel.br/handle/123456789/18986
dc.language.isopor
dc.relation.departamentCCE - Departamento de Computação
dc.relation.institutionnameUniversidade Estadual de Londrina - UEL
dc.relation.ppgnamePrograma de Pós-Graduação em Ciência da Computação
dc.subjectTranstorno do Espectro Autista
dc.subjectAnálise de sentimentos
dc.subjectProcessamento de Linguagem Natural
dc.subjectAprendizado de Máquina
dc.subjectCiência da computação
dc.subjectProcessamento de linguagem natural (Computação)
dc.subjectTranstorno do espectro autista (TEA)
dc.subjectFacebook (Mídia social)
dc.subject.capesCiências Exatas e da Terra - Ciência da Computação
dc.subject.cnpqCiências Exatas e da Terra - Ciência da Computação
dc.subject.keywordsAutism Spectrum Disorder
dc.subject.keywordsSentiment analysis
dc.subject.keywordsNatural Language Processing
dc.subject.keywordsMachine Learning
dc.subject.keywordsComputer science
dc.subject.keywordsNatural language processing (Computer science)
dc.subject.keywordsFacebook (Electronic resource)
dc.titleProcessamento de linguagem natural utilizando aprendizado de máquina para análise de sentimentos no transtorno do espectro autista: um estudo de caso no Facebook
dc.title.alternativeNatural language processing using machine learning for sentimento analysis in autism spectrum disorder of the work: a case study on Facebook
dc.typeDissertação
dcterms.educationLevelMestrado Acadêmico
dcterms.provenanceCentro de Ciências Exatas

Arquivos

Pacote Original
Agora exibindo 1 - 2 de 2
Imagem de Miniatura
Nome:
CE_COM_Me_2025_Michels_João_FP.pdf
Tamanho:
3.45 MB
Formato:
Adobe Portable Document Format
Descrição:
Texto completo. Id. 194042
Baixar
Nenhuma Miniatura disponível
Nome:
CE_COM_Me_2025_Michels_João_FP_TERMO.pdf
Tamanho:
60.52 KB
Formato:
Adobe Portable Document Format
Descrição:
Termo de autorização.
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
555 B
Formato:
Item-specific license agreed to upon submission
Descrição:
Baixar

Coleções

02 - Mestrado - Ciência da Computação