Análisis de la ideación suicida expresada en redes sociales mediante un modelo de aprendizaje profundo

Víctor Alfonso Guzmán Brand; Laura Esperanza Gélvez-García

doi:10.22490/unad.27452115.8599

Vol. 5 No. 2 (2024)

Published 2025-06-26

license

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Artículos de Investigación

Analysis of suicidal ideation expressed in social networks using a deep learning model.

DOI: https://doi.org/10.22490/unad.27452115.8599

Víctor Alfonso Guzmán Brand Corporación Unificada Nacional de Educación Superior

Laura Esperanza Gélvez-García Corporación Unificada Nacional de Educación Superior

PDF (Spanish)

Abstract
References

The objective of this article is to analyze the suicidal ideation expressed in the comments posted on a discussion group on social media, by means of a pre-trained deep learning model BERT (Bidirectional Encoder Representations from Transformers). To approach the research, the method of knowledge discovery in databases (KDD) is used, characterized by the extraction of quality information, which allows to generate conclusions based on relationships or models identified within the data. As a result, it should be noted that the analysis of social media data indicates a high probability of negative intent with suicidal ideation in most of the messages. Benchmarking highlights the superiority of the BERT model in deep learning applications, especially in text analysis, thanks to its ability to understand complex patterns in unstructured data. Additionally, it is noted that searching for information about suicide on-line not only reveals inquiry about suicidal methods, but also the search for resources for help and support to manage emotional distress. Some keywords in social media comments significantly increase the likelihood of posting suicidal ideation in the future. The study concludes that the proposal for a web application highlights the need for improved tools to address suicide challenges in digital environments. The use of artificial intelligence and machine learning facilitates early detection and timely intervention to promote mental health

keywords: Analysis, Expression, Suicide, Social media, Deep learning (UNESCO Virtual Health Library)

Albán, D., Urvina, M., & Andrade, R. (2022). Análisis y Diseño de un Modelo Predictivo para Detección de Phishing Basado en Url y Corpus del Correo Electrónico. Revista Politécnica, 50(3), 1-15 https://doi.org/10.33333/rp.vol50n3.03

Alderete, A. (2006). Fundamentos del Análisis de Regresión Logística en la Investigación Psicológica. Revista Evaluar, 6(1), 20-35. https://doi.org/10.35670/1667-4545.v6.n1.534

Aragón-Payares, C., Marín-Betancourt, K., & Guzmán-Brand, V. (2023). Las Tecnologías de la Información y de la Comunicación (TIC) para la construcción de la interculturalidad en el aula | Revista RETOS XXI. Revista RETOS XXI, 6(6), 1-20. https://revistaseug.ugr.es/index.php/RETOSXXI/article/view/25355

Arango-Pastrana, C., & Osorio-Andrade, C. (2021). Aislamiento social obligatorio: Un análisis de sentimientos mediante machine learning. Suma de Negocios, 12(26), 1-13. https://doi.org/10.14349/sumneg/2021.v12.n26.a1

Arilla-Andrés, S., García-Martinez, C., & Lopez-Del Hoyo, Y. (2022). Detección del riesgo de suicidio a través de las redes sociales. Revista Internacional de Tecnología Ciencia y Sociedad, 2(2), 1-25. https://doi.org/10.37467/revtechno.v11.4384

Arilla-Andres, S., Garcia-Martinez, C., & Lpez-Del Hoyo, Y. (2022). Detección del riesgo de suicidio a través de las redes sociales. Revista Internacional de Tecnología Ciencia y Sociedad, 5(6), 2-14. https://doi.org/10.37467/revtechno.v11.4384

Beltrán, N., & Rodríguez, E. (2021). Procesamiento del lenguaje natural (PLN) - GPT-3.: Aplicación en la Ingeniería de Software. Tecnología Investigación y Academia, 8(1), 18-37. https://revistas.udistrital.edu.co/index.php/tia/article/view/17323

Biscaia-Fernández, J. (2023). La inteligencia artificial en la prevención de conductas suicidas: Aspectos técnicos y consideraciones ético-legales | Revista de Bioética y Derecho. Revista Bio y Derecho, 5(5), 181-203. https://revistes.ub.edu/index.php/RBD/article/view/42759

Carrión, J., & Serrano, V. (2021). Revisión sistemática de literatura: Características y funcionamiento respecto a los modelos BERT y SQuAD. CEDAMAZ, 11(1), Article 1. https://revistas.unl.edu.ec/index.php/cedamaz/article/view/1041

De Choudhury, M., Kiciman, E., Dredze, M., Coppersmith, G., & Kumar, M. (2016). Discovering Shifts to Suicidal Ideation from Mental Health Content in Social Media. Proceedings of the SIGCHI conference on human factors in computing systems . CHI Conference, 16(8), 2098-2110. https://doi.org/10.1145/2858036.2858207

Departamento Nacional de Planeación. (2020). Guía para la elaboración y presentación de casos de uso (pp. 1-21). DNP. https://colaboracion.dnp.gov.co/CDTI/Oficina%20Informatica/Sistemas%20de%20informaci%C3%B3n/Gu%C3%ADas%20Formatos%20Plantillas/Gu%C3%ADa%20para%20la%20Elaboraci%C3%B3n%20y%20Presentaci%C3%B3n%20de%20Casos%20de%20Uso.pdf?

Devlin, J., Chang, M.-W., Lee, K., & Toutanova, K. (2019). BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding. Arxiv, 1(1), 4171-4186. http://arxiv.org/abs/1810.04805

García, J., Molina, J., Berlanga, A., Patricio, M., Bustamante, A., & Padilla, W. (2018). Ciencia de datos. Técnicas analíticas y aprendizaje estadístico. Alfaomega Grupo Editor.

Giraldo-Forero, A., & Orozco-Duque, A. (2023). Evolución del procesamiento natural del lenguaje. TecnoLógicas, 26(56), 1-20. https://doi.org/10.22430/22565337.2687

González, L. (2019). Machine Learning con Python Aprendizaje Supervisado. Editorial Independiente.

Google Cloud. (2023). ¿Qué es el procesamiento del lenguaje natural? Google Cloud. https://cloud.google.com/learn/what-is-natural-language-processing?hl=es

Gordon, S., & Turnbull, B. (2023). Vista de Adopción de la inteligencia artificial en el campo de la psicología | Psicología Iberoamericana. Psicología Iberoamericana, 1(1), 1-5. https://psicologiaiberoamericana.ibero.mx/index.php/psicologia/article/view/547/1075

Hernandez, J., Ramirez, M., & Ferri, C. (2005). Introduccion a la mineria de datos. Pearson Educación.

IBM. (2023). ¿Qué es el procesamiento del lenguaje natural? https://www.ibm.com/es-es/topics/natural-language-processing

Joyanes, L. (2019). Inteligencia de negocios y analítica de datos. Una visión global de Business Intelligence & Analytics. Alfaomega Grupo Editor.

López-Condori, J., & Gonzales-Saji, F. (2021). Análisis de sentimiento de comentarios en español en Google Play Store usando BERT. Ingeniare. Revista chilena de ingeniería, 29(3), 557-563. https://doi.org/10.4067/S0718-33052021000300557

Lovera, F., & Cardinale, Y. (2023). Análisis de sentimientos en Twitter: Un estudio comparativo. Revista Científica de Sistemas e Informática, 3(1), 1-20. https:// doi.org/10.51252/rcsi.v3i1.418

Marquez-Diaz, J. (2023). Modelos de lenguaje natural en la investigación científica: Una descripción técnica. https://innovacionyciencia.com/articulos_cientificos/modelos-de-lenguaje-natural-en-la-investigacion-cientifica-una-descripcion-tecnica

Martínez-Huertas, J. (2022). Introducción a las Redes Neuronales Transformers (Material docente). Universidad Nacional de Educación a Distancia, 1(1), 1-22. http://e-spacio.uned.es/fez/view/bibliuned:DptoMCC-FPSI-MatDocente-Jamartinez-0003

Mendoza-Palma, K., & Mera-Holguín, G. (2019). Adicción a las redes sociales y conducta suicida en los adolescentes de Montecristi. Revista Científica y Arbitrada de Psicología NUNA YACHAY - ISSN: 2697-3588., 2(3), Article 3.

Merritt, R. (2022, abril 19). ¿Qué Es un Modelo Transformer? Blog oficial de NVIDIA Latino América. https://la.blogs.nvidia.com/2022/04/19/que-es-un-modelo-transformer/

Ministerio de Salud y Protección Social. (2021). Prevención de la Conducta Suicida en Colombia (pp. 1-57). Ministerio de Salud y Protección Social. https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/VS/PP/ENT/estrategia-nacional-conducta-suicida-2021.pdf

Molina, M., & Restrepo, D. (2018). Internet y comportamiento suicida en adolescentes: ¿cuál es la conexión? Pediatría, 51(2), 120-135. https://doi.org/10.14295/pediatr.v51i2.109

Mulas-Camara, P., Fernández-Calvillo, R., Martínez-Cabezali, C., & Molina-Cañizares, M. (2022). Análisis de los datos obtenidos de la red social Twitter para la identificación precoz de la tendencia al suicidio de los usuarios. Comunitania. Revista Internacional de Trabajo Social y Ciencias Sociales, 23(24), Article 24. https://doi.org/10.5944/comunitania.24.2

Organizacion Mundial de la Salud. (2021). Suicidio. https://www.who.int/es/news-room/fact-sheets/detail/suicide

Paricio-Castillo, R., García-Murillo, L., Mallol-Castaño, L., Del Sol-Calderón, P., Pascual-Aranda, A., & Palanca-Maresca, I. (2023). Redes sociales y conductas suicidas en la infancia y la adolescencia durante la pandemia de COVID-19: Una relación difícil de estimar. Revista de Psiquiatría Infanto-Juvenil, 40(3), Article 3. https://doi.org/10.31766/revpsij.v40n3a2

Pipis, G. (2022, noviembre 29). Stemming and Lemmatization in Python using NLTK [Medium]. Geek Culture. https://medium.com/geekculture/stemming-and-lemmatization-in-python-using-nltk-df8fd800a13f

Ramírez-Gómez, C. (2020). Aplicación del Machine Learning en agricultura de precisión. Revista CINTEX, 25(2), 1-26. https://doi.org/10.33131/24222208.356

Sancho-Escrivá, J., Fanjul-Peyró, C., Iglesia-Vayá, M., Montell, J., & Escartí-Fabra, M. (2020). Aplicación de la Inteligencia Artificial con Procesamiento del Lenguaje Natural para textos de investigación cualitativa en la relación médico-paciente con enfermedad mental mediante el uso de tecnologías móviles. Revista de Comunicación y Salud, 10(1), 1-15. https://doi.org/10.35669/rcys.2020.10(1).19-41

scikit-learn.org. (2024). Sklearn.naive_bayes.MultinomialNB. scikit-learn.org. https://scikit-learn/stable/modules/generated/sklearn.naive_bayes.MultinomialNB.html

Zafra-Cremades, S. (2019). Redes sociales para la prevención del suicidio juvenil. Cuadernos de desarrollo aplicados a las TIC, 8(2), 54-69. http://dx.doi.org/10.17993/3ctic.2019.82.54-69

license

How to Cite

Guzmán Brand, V. A., & Gélvez-García, L. E. (2025). Analysis of suicidal ideation expressed in social networks using a deep learning model. EducaT: Educación Virtual, Innovación Y Tecnologías, 5(2), 15-32. https://doi.org/10.22490/unad.27452115.8599

Download Citation

Almétricas

Metrics

Metrics Loading ...