Publicação: Técnicas de aprendizado de máquina aplicadas na previsão de suscetibilidade quanto ao uso da internet pelo público infantojuvenil de Monte Carmelo
Carregando...
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Orientador
Coorientador
Resumo
A Internet oferece a conexão de bilhões de pessoas em todo o mundo por meio de várias formas de interações e organizações sociais. As redes sociais têm se tornado uma das principais formas de comunicação, que proporciona boas experiências e, contraditoriamente, preocupações para pais e professores de crianças e adolescentes. As redes sociais estão sendo utilizadas pelo público infantojuvenil demasiadamente, possibilitando gerar situações de riscos e vulnerabilidades à eles. Diante destes fatores, o objetivo deste trabalho foi empregar duas técnicas de Aprendizagem de Máquina para prever se o público infantojuvenil da cidade de Monte Carmelo está suscetível à alguma ameaça ou situação constrangedora na Internet. Esta previsão será feita ao analisar uma base de dados constituída de características pessoais que qualifiquem as formas de uso deste público em relação ao seu acesso à redes sociais da Internet. As técnicas de Aprendizado de Máquina escolhidas foram os algoritmos de Árvore de Decisão e Naive Bayes, ambos implementados na linguagem Python e pelas bibliotecas do WEKA. Nessas ferramentas computacionais, as técnicas de Aprendizado de Máquina apresentaram resultados satisfatórios, com acurácia acima de 90%.
Abstract
Palavras-chave
Redes Sociais, Aprendizado de máquina, Segurança virtual, Infanto- juvenil
Citação
ALVES, Franciele Cristina Espanhol Ferreira. Técnicas de aprendizado de máquina aplicadas na previsão de suscetibilidade quanto ao uso da internet pelo público infantojuvenil de Monte Carmelo. 2020. 40 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Monte Carmelo, 2020.