Random Forest multiclasse: a diagnostic study of mathematical learning difficulties (2024)
- Authors:
- Autor USP: AUGUSTO, PATRÍCIA BRUNIERO FRANCISCATO - FFCLRP
- Unidade: FFCLRP
- Sigla do Departamento: 595
- DOI: 10.11606/D.59.2024.tde-08032024-073933
- Subjects: TRANSTORNOS DE APRENDIZAGEM; MATEMÁTICA; PSICOMETRIA; SIMULAÇÃO
- Keywords: Diagnosis; Diagnóstico; Dificuldade de aprendizagem; Discalculia; Dyscalculia; Learning disability; Mathematics; Psychometrics; Random Forest
- Language: Inglês
- Abstract: Os transtornos específicos de aprendizagem (TEA) têm origem neurobiológica e são classificados de acordo com seus domínios específicos. A discalculia do desenvolvimento (DD) é uma TEA com comprometimentos acadêmicos persistentes nas habilidades matemáticas referentes ao sentido numérico, memorização de fatos aritméticos, desempenho ou fluência de cálculos e raciocínio matemático. O desenvolvimento de mecanismos diagnósticos eficientes para Discalculia do Desenvolvimento (DD) utilizando técnicas de aprendizado de máquina tem ganhado atenção significativa em pesquisas recentes. Convencionalmente, o diagnóstico da DD envolve processos demorados, incluindo múltiplos exames e entrevistas que se estendem por semanas ou meses. Entretanto, estudos recentes têm demonstrado o potencial de gerar modelos classificadores com alta acurácia utilizando instrumentos psicométricos, que podem contribuir para a redução da complexidade do processo diagnóstico. Esta pesquisa apresenta um método estruturado cujo objetivo é identificar oportunidades para o protocolo do Ambulatório NUMERO, utilizando Random Forest para análise de classificação e importância de variáveis. Partindo da redução de dimensionalidade, por meio de um método híbrido combinando agrupamento hierárquico e classificação de RF, propusemos eliminar variáveis irrelevantes e, consequentemente, melhorar amplamente a eficiência do classificador. Simulações computacionais apresentam resultados promissores em muitas versões de conjuntos de dados. A abordagem proposta tem grande potencial para suportar eficientemente o diagnóstico de discalculia do desenvolvimento, oferecendo uma valiosa contribuição para o campo da avaliação e intervenção cognitiva, além de ser adaptável a demais diagnósticos que se baseiem em psicometria
- Imprenta:
- Publisher place: Ribeirão Preto
- Date published: 2024
- Data da defesa: 11.01.2024
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
AUGUSTO, Patricia Bruniero Franciscato. Random Forest multiclasse: a diagnostic study of mathematical learning difficulties. 2024. Dissertação (Mestrado) – Universidade de São Paulo, Ribeirão Preto, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/59/59143/tde-08032024-073933/. Acesso em: 20 maio 2024. -
APA
Augusto, P. B. F. (2024). Random Forest multiclasse: a diagnostic study of mathematical learning difficulties (Dissertação (Mestrado). Universidade de São Paulo, Ribeirão Preto. Recuperado de https://www.teses.usp.br/teses/disponiveis/59/59143/tde-08032024-073933/ -
NLM
Augusto PBF. Random Forest multiclasse: a diagnostic study of mathematical learning difficulties [Internet]. 2024 ;[citado 2024 maio 20 ] Available from: https://www.teses.usp.br/teses/disponiveis/59/59143/tde-08032024-073933/ -
Vancouver
Augusto PBF. Random Forest multiclasse: a diagnostic study of mathematical learning difficulties [Internet]. 2024 ;[citado 2024 maio 20 ] Available from: https://www.teses.usp.br/teses/disponiveis/59/59143/tde-08032024-073933/
Informações sobre o DOI: 10.11606/D.59.2024.tde-08032024-073933 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
