Técnicas de Machine Learning utilizadas en estudios psicológicos con adolescentes: Una revisión sistemática
Contenido principal del artículo
Resumen
Durante la última década ha habido un crecimiento exponencial de modelos de inteligencia artificial aplicados a los distintos campos del conocimiento incluida la psicología. Diversos estudios han utilizado dichos modelos con el objetivo de identificar precozmente potenciales riesgos. Sin embargo, pocos estudios enfocados en adolescentes han utilizado dichas técnicas. La presente revisión sistemática utilizó los pasos sugeridos por el modelo Prisma para identificar estudios que aplicaron técnicas de Machine Learning para identificar rasgos comportamentales en adolescentes. Al aplicar los criterios de inclusión y exclusión fueron identificados 5 estudios en las bases de datos PsycNET, PubMed, Scopus, Scielo, Web of Science y Science Direct. Los principales resultados muestran que los algoritmos de Machine learning principalmente utilizados de forma individual o combinada fueron regresión logística (n=4) y Support Vector Machine SVM (n=3) además de otros como Adaboost (n=1) Nested ten-fold crossvalidation (n=1), Random Forest (n=1), Artificial Neural Network ANN (n=1) y Extreme gradient boosting XGB (n=1). Esta revisión resalta que la utilización de métodos de Machine learning proveen herramientas predictivas confiables tanto o más que los métodos estadísticos tradicionales. Por último, la presente revisión destaca la falta de estudios que utilicen dichas herramientas en el campo de la psicología principalmente en adolescentes.
Detalles del artículo
Sección
El sitio https://journals.ucjc.edu/ (en adelante la PLATAFORMA), contiene publicaciones de acceso abierto sostenidas con recursos propios de la Universidad Camilo José Cela, de modo que se mantendrá en todo momento una especial observación de la legislación vigente sobre Derechos de Autor, así como en relación a la privacidad y uso de contenidos. En tal sentido, y como medio diseñado para la transmisión del conocimiento científico sin mayor límite que el impuesto por la Ley, ni la Universidad Camilo José Cela ni ninguna sociedad vinculada a ella ni ningún miembro de su personal asume responsabilidad por las teorías, planteamientos, opiniones e ideas vertidas por los autores/as de los artículos que se publiquen en dicha PLATAFORMA.
La publicación en la PLATAFORMA conlleva la cesión no exclusiva de los derechos de explotación de tales publicaciones, aunque la titularidad de los Derechos morales de Autor corresponderá a los firmantes de los artículos en las condiciones que marque la Ley. No obstante, la UCJC impone ciertas condiciones de publicación cuya violación invalidará automáticamente el artículo aun cuando haya sido publicado, en cuyo caso se retirará de la PLATAFORMA de manera automática y sin previo aviso:
1. Los autores/as se comprometen a enviar artículos originales e inéditos en cualquier formato.
2. Asimismo, se comprometen a no someter a evaluación sus trabajos en otras publicaciones o medios entretanto se encuentren sometidos a examen por parte de la PLATAFORMA. La violación de cualquiera de estas condiciones invalidará automáticamente el artículo aun cuando haya sido publicado, en cuyo caso se retirará de inmediato.
3. La PLATAFORMA es de acceso abierto y sin ánimo de lucro. Por tanto, ni abonará dinero alguno a los autores/as que a ella se dirijan, ni les exigirá pago alguno por publicar.
4. Los autores/as que hayan publicado en la PLATAFORMA podrán disponer de sus trabajos para su inclusión en repositorios, bases de datos u otros medios de difusión similares siempre y cuando en el proceso referencien adecuadamente a la misma.
La UCJC, en el caso de que se detecte cualquier violación de las condiciones descritas, se reserva el derecho de emprender las pertinentes acciones legales con total independencia de las que pudieran adoptar otros afectados, colateralmente, por cuestiones como el plagio o cualquier suerte de infracciones relacionadas con la legislación vigente.