Utilização de aprendizagem de máquina para a identificação de dependência em aparelhos celulares com foco em casos que possam causar reprovação e evasão

• Gabriel Santos IFPI
• Felipe dos Santos IFPI
• Aline Rocha IFPI
• Thiago da Silva IFMA

DOI: https://doi.org/10.5753/ercemapi.2020.11489

Abstract

This work introduces the problems caused by the excessive use of cell phones in modern society and shows that they can cause school problems to students who use it too much. For this, we integrated technology with the use of an artificial intelligence area, machine learning, with data from a specific database. For the proposed task, the Naive Bayes, AdaBoost, SVM, Bagging and Random Forest classifiers were used. At the end of the tests, the SVM classifier presented the best performance in the general context.

References

Breiman, L. Random forests. Machine learning, v. 45, n. 1, p. 5-32, 2001.

Breiman, L. Bagging predictors. Machine learning, v. 24, n. 2, p. 123-140, 1996.

Elden, A. S.; Moustafa, M. A.; Harb, H. M.; Emara, A. H. AdaBoost ensemble with simple genetic algorithm for student prediction model. In: International Journal of Computer Science & Information Technology, v. 5.2, p.73. 2013.

IBGE. Acesso à internet e à televisão e posse de telefone móvel celular para uso pessoal. Disponível em: https://www.ibge.gov.br/estatisticas/sociais/rendimento-despesa-e-consumo/9127-pesquisa-nacional-por-amostra-de-domicilios.html?edicão=10500&t=resultados . Acesso em: 20/05/2020.

Mitchell, T. Machine Learning. McGraw Hill, 1997.

Paula, H.; Souza, B.; Nakamura, F.; Nakamura, E. Quantificando a Importância de Emojis e Emoticons para Identificação de Polaridade em Avaliações Online. In: Anais do XIV Simpósio Brasileiro de Sistemas Colaborativos, pp. 228-239, 2020.

Rosales, P. C. Framework para identificação da severidade de bullying baseado em machine learning e lógica fuzzy. Dissertação de Mestrado. Universidade Estadual de Campinas – UNICAMP. 2017.

Santos, A. C. M. Aprendizado de máquina aplicado ão diagnóstico de Dengue. In: Anais do Encontro Nacional de Inteligência Artificial e Computacional, pp. 697-708, 2016.

Soares, R. G. F. Uso de meta-aprendizado para a seleção e ordenação de algoritmos de agrupamento aplicados a dados de expressão gênica. Dissertação de Mestrado. Universidade Federal de Pernambuco – UFPE. 2008.

Zhang, Z.; Xie, X. Research on AdaBoost. M1 with Random Forest. In: 2nd International Conference on Computer Engineering and Technology (ICCET), 2010.