Ciências Sociais e Aplicadas
Ciência da Informação
Resumo
O projeto SACI (suicide analytics for counter incidence) surgiu da motivação de realizar contribuições por meio da inteligência artificial para prevenir o suicídio. Para isso, partimos de um pressuposto que verificasse um possível vínculo entre variáveis demográficas pela sinergia entre ciência da informação e machine learning, permitindo a criação de sistemas de visualização capazes de gerar insights para promover a compreensão do fenômeno e a tomada de decisões. Realizamos a análise de microdados de 149 países, por meio de um método estatístico que utilizou: regressões (linear, polinomial e de Ridge) e testes de correlação e distribuição de dados (Spearman, Kruskal-Wallis e Shapiro-Wilk) para analisar os valores e entender a conexão entre uma série de variáveis e o suicídio. Para sete variáveis identificadas (IDH, HFI, PIB per capita, desemprego, taxa de ateus, taxa de muçulmanos e temperatura média), conforme o que a Organização Mundial enfoca em relação à abordagem transnacional do problema, obtivemos valores significativos: p valores < 0,05 em todos os testes; coeficientes na análise de Spearman próximos ou maiores que 0,3; e um R² igual a 0,41. Esses resultados corroboraram nossa hipótese sobre a conexão entre as variáveis e o suicídio. O projeto foi capaz de transitar entre análises globais e aplicações locais, respeitando parâmetros éticos e alcançando as seguintes contribuições: visualização das análises (mapas de calor, mapas-múndi, scatter plots e mapa de análise de risco) para facilitar a interpretação dos resultados e promover iniciativas da prevenção do suicídio; além da disponibilização dos dados e algoritmos produzidos, assim como do protocolo desenvolvido. Dessa maneira, o presente estudo aprofundou as aplicações relacionadas à análise de dados para a paliação do suicídio, demonstrando a factibilidade do seu uso tanto para o aprofundamento do conhecimento do fenômeno quanto para o desenvolvimento de estratégias preventivas.
Palavras-chave: Prevenção ao Suicídio , Data Analytics, Machine Learning