Modelo de análisis de datos utilizando técnicas de aprendizaje supervisado y no supervisado, para identificar patrones en la información generada por los pacientes, sometidos a juegos diseñados como un instrumento de apoyo terapéutico

Abstract

En nuestros días gran cantidad de información es generada, esto es causado por los significativos avances de la computación que han permitido utilizar la tecnología en cada una de las actividades desarrolladas por el hombre, en este caso se puede notar en el campo de la medicina, precisamente en la parte sicológica. La combinación entre la tecnología y los tratamientos aplicados en los pacientes que sufren trastornos cognitivos leves, esto a través de juegos desarrollados especialmente para la estimulación de la atención, donde jugar creará gran cantidad de información que será almacenada. Para este estudio se seleccionó una muestra de datos, a los cuales se le aplico la metodología de minería de datos CRISP-DM, donde se hizo uso de las teorías y técnicas de aprendizaje automatizado, como son los algoritmos de aprendizaje no supervisado y supervisado. Las etapas utilizadas fueron el procesamiento de los datos, la adecuación para el análisis, creación de unas variables y aplicación de los algoritmos de agrupamiento, clasificación y regresión para poder identificar en los datos los patrones, tendencia y características de los juego y jugadores. A partir de lo anterior se generaron gráficas que permiten entender de una forma más fácil la información y los resultados obtenidos. Con la información que está contenida en los datos, se pudo establecer que, al realizar la aplicación de los modelos de aprendizaje automático, se encontraron patrones que permitieron demostrar que el aprendizaje se realizó de forma intuitiva y que cada vez que se jugaba, las posibilidades de hacer más aciertos aumentaban. Adicionalmente se pudo establecer que los juegos que fueron diseñados para cada uno de los tratamientos tienen características en común las cuales permitieron realizar agrupaciones con los datos existentes. Palabras Clave: inteligencia artificial, aprendizaje automático, aprendizaje profundo, analítica de datos, algoritmos, identificación de patrones y tendencias, técnicas de análisis de datos, visualización de datos, bases de datos, metodologías, estadística, probabilidades, juegos serios, tratamientos pacientes.