Rafael Vinicius Polato Passador

Formação

(2024 - em andamento) Mestrado em Ciência da Computação
- Programa de Pós-graduação em Ciência da Computação (PPGCC) da UFSCar
(2020 - 2023) Bacharelado em Ciências da Computação
- Universidade Federal de São Carlos (UFSCar)

Currículo Lattes

Projetos no LALIC

Mestrado (2024 - em andamento)

Nível: Mestrado
Orientadora: Profa. Dra. Helena de Medeiros Caseli

Trabalho de Conclusão de Curso (2023)

Título do projeto: Rotulação de Sintoma de Depressão Utilizando Aprendizado Ativo e Processamento de Linguagem Natural
Nível: Trabalho de Conclusão de Curso
Resumo: A abordagem de cuidado dos distúrbios psicológicos, especialmente a depressão e a ansiedade, é vista como uma das maiores preocupações atuais em saúde mental. As redes sociais, como Twitter, não apenas permitem que indivíduos mantenham contato e promovam apoio mútuo, como também são frequentemente objeto de pesquisas que visam identificar indivíduos com potenciais perfis depressivos ou classificar postagens depressivas. Nesse contexto, observa-se que grande parte dos sistemas atuais de Processamento de Linguagem Natural (PLN) opera com base em modelos cujo sucesso está intimamente ligado à qualidade e ao montante de dados de treinamento específicos disponíveis. Contudo, adquirir quantidades substanciais de dados anotados é geralmente um processo custoso, sobretudo considerando a natureza árdua e complexa de rotulação para atividades de PLN. Neste cenário, algumas abordagens foram propostas na tentativa de mitigar o custo de geração de conjuntos de treinamento de qualidade. O Active Learning (Aprendizado Ativo) procura alcançar elevada precisão com um número reduzido de dados anotados, permitindo que um algoritmo de aprendizado sugira quais observações o especialista deve rotular para serem utilizados no processo de treinamento. Neste projeto, realiza-se uma investigação inicial das estratégias de aprendizado ativo na classificação automática de um sintoma de depressão (tristeza ou humor depressivo) em postagens do Twitter, utilizando o corpus SetembroBR, alcançando um valor F1 de até 10 pontos percentuais superior com a query de Consensus Entropy em relação à amostragem aleatória.
Orientadora: Profa. Dra. Helena de Medeiros Caseli
Publicação decorrente deste projeto:
- PASSADOR, R. V. P. Rotulação de sintoma de depressão utilizando aprendizado ativo e processamento de linguagem natural. Monografia de Trabalho de Conclusão de Curso. 2024. Disponível em: https://repositorio.ufscar.br/handle/ufscar/19281

Iniciação Científica (2021-2022)

Título do projeto: Classificação automática de sintomas de transtornos de saúde mental em postagens em redes sociais online
Nível: Iniciação Científica
Breve descrição: A internet ressignificou a forma com a qual as pessoas se comunicam, compram, aprendem, entre outros. Nesse ínterim, observa-se o fenômeno das redes sociais online (RSO) no âmbito da liberdade individual de expressão como uma importante ferramenta para seus usuários pronunciarem seus fazeres cotidianos e, principalmente, seus pensamentos e sentimentos. Concomitantemente, o tratamento de transtornos de saúde mental, dos quais a depressão é o mais conhecido, pode ser considerado uma das questões de saúde mental mais importantes da atualidade. Em particular, no ambiente universitário, cenário escolhido para estudo neste projeto, a prevalência de depressão parece ser maior do que no restante da população. Dessarte, as RSO podem ser importantes aliadas para identificar indivíduos que demonstram possível perfil depressivo (PPD) sendo uma ferramenta útil para o direcionamento efetivo de recursos de saúde mental. Diversos estudos apontam que RSO são ambientes mais naturais para identificação de PPD quando comparados com os instrumentos comumente usados na área de saúde. Com o avanço de novas abordagens no setor de Saúde Mental, que potencializam a identificação de sintomas relacionados a transtornos de saúde mental, levanta-se como foco desse projeto: verificar como esses sintomas se manifestam em postagens textuais e aplicar técnicas de Processamento de Linguagem Natural (PLN) e Aprendizado de Máquina (AM) para identificá-los e classificá-los automaticamente.
Agência financiadora: FAPESP (2021/02430-9)
Orientadora: Profa. Dra. Helena de Medeiros Caseli
Publicação decorrente deste projeto:
- MENDES, A. R.; PASSADOR, R. V. P.; CASELI, H. 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.

Contato

rafaelpassador@estudante.ufscar.br

Report abuse