Mestrado (2022-2024)

• Título do projeto: Entendendo sintomas de depressão em redes sociais: uma abordagem de granularidade fina com volume de dados restrito

• Nível: Mestrado

• Agência financiadora: CAPES

• Breve descrição: Esse estudo investigou a identificação de sinais de depressão em textos online, utilizando um conjunto de rótulos de granularidade fina, composto por 21 sinais distintos, de forma a promover um entendimento mais profundo de como depressão é expressa online. Resultados indicaram que sinais emocionais e externos são frequentes em redes sociais, enquanto sinais somáticos são raramente expressos; no entanto esse fenômeno não se estende à performance de modelos de classificação, sendo que as técnicas investigadas resultaram em melhor performance para sinais somáticos, mas tinham dificuldade de identificar alguns dos sinais mais frequentes. Dados os desafios em relação à performance dos modelos, potencialmente relacionados à escassez de dados, um conjunto de técnicas foi avaliado com o intuito de melhorar a performance dos modelos, incluindo técnicas de regularização, aumento de dados, engenharia de prompt e aprendizado multi-tarefa. Dentre as técnicas, aprendizado multi-tarefa demonstrou-se o mais promissor, levando à questões de pesquisa adicionais referentes a quais tarefas levam à transferência positiva ( e por quê). 3 de 7 tarefas auxiliares causaram transferência positiva, incluindo classificação de sinais de depressão com taxonomia simplificada, classificação de emoções com granularidade fina e classificação de sentimentos. No entanto, nenhuma das 12 características de tarefa avaliadas se demonstraram bons preditores dessa transferência positiva.

• Orientadora: Profa. Dra. Helena de Medeiros Caseli

• Publicação decorrente deste trabalho:

  • MENDES, A. R.; CASELI, H. M. Identifying Fine-grained Depression Signs in Social Media Posts. In: Proceedings of the 2024 Joint International Conference on Computational Linguistics, Language Resources and Evaluation (LREC-COLING 2024), pages 8594–8604, Torino, Italy. ELRA and ICCL. https://aclanthology.org/2024.lrec-main.754/

  • MENDES, Augusto Rozendo. Entendendo sintomas de depressão em redes sociais: uma abordagem de granularidade fina com volume de dados restrito. 2024. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de São Carlos, São Carlos, 2024. Disponível em: https://repositorio.ufscar.br/handle/ufscar/21150.

Iniciação Científica (2020-2021)

• Título do projeto: Classificação automática de postagens depressivas em redes sociais online

• Nível: Iniciação Científica

• Breve descrição: Detecção de postagens possivelmente depressivas em mídias sociais utilizando técnicas de PLN e AM.

• Agência financiadora: CNPq (PIBIC)

• Orientadora: Profa. Dra. Helena de Medeiros Caseli

• Publicação decorrente deste trabalho:

  • MENDES, Augusto R.; PASSADOR, Rafael V. P.; CASELI, Helena M.. Identificando sintomas de depressão em postagens do Twitter em português do Brasil. In: SIMPÓSIO BRASILEIRO DE TECNOLOGIA DA INFORMAÇÃO E DA LINGUAGEM HUMANA (STIL), 13. , 2021, Evento Online. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2021. p. 162-171. DOI: https://doi.org/10.5753/stil.2021.17795.