Las estrategias gubernamentales adoptadas a nivel mundial como medida de prevención frente a la emergencia sanitaria generada por el COVID-19, han despertado el interés de la comunidad científica por conocer los efectos de las mismas sobre la salud mental. El objetivo de esta investigación fue desarrollar un modelo de clasificación para pronosticar depresión en estudiantes universitarios por factores de estrés asociados a la pandemia. Se desarrolló un Modelo de Clasificación con Árboles de Decisión (MCAD) a partir de los resultados de una encuesta de percepción con preguntas tipo escala Likert, la cual fue aplicada a una muestra de 833 estudiantes universitarios de diferentes programas académicos de Colombia. La variable dependiente del modelo fue la presencia o ausencia de depresión, y las respuestas de 700 estudiantes se emplearon para el entrenamiento y 133 para la prueba. Se concluye que el MCAD es válido para pronosticar depresión; tuvo una tasa de precisión del 87% en la muestra de prueba. Finalmente, se halló que los factores que más influyen en el desarrollo de estados depresivos en el contexto de la pandemia generada por el COVID-19 en estudiantes universitarios son: estado civil, sexo, edad, problemas educativos e información proveniente de los medios de comunicación.
Este trabajo presenta una red neuronal artificial (RNA) para predecir el rendimiento académico estudiantil. Las RNAs emulan el funcionamiento fisiológico del cerebro humano, tienen la capacidad de procesar y abstraer información y son empleadas en investigaciones relacionadas con modelado predictivo debido a su capacidad para identificar relaciones no lineales entre variables. Se emplea una base de datos con información académica, demográfica, social e institucional de 395 estudiantes colombianos de media vocacional de la Institución Educativa Villa del Socorro, Medellín (Colombia). La base de datos es construida mediante la aplicación de encuestas e informes institucionales antes del inicio de la pandemia COVID-19. Los resultados muestran que la RNA desarrollada aquí clasifica adecuadamente el 73% de la muestra y que tiene un mejor desempeño en métricas (accuracy, recall, precision y F1-Score) que otras técnicas de aprendizaje supervisado. Se concluye que la predicción temprana del rendimiento académico permite formular estrategias didácticas y pedagógicas que hacen más eficiente el proceso de enseñanza y aprendizaje.
Los jóvenes infractores de la ley con estructura antisocial tienen alteraciones en la cognición social, lo que se ve reflejado en la dificultad para interactuar con los demás de manera adecuada y ponerse en el lugar del otro como símbolo empático. Se presentan los hallazgos de una revisión sistemática de literatura para dar respuesta a las siguientes preguntas de investigación: ¿Cuáles son las características de la empatía y simpatía en infractores de la ley? ¿Cuáles son las características del razonamiento moral en infractores de la ley?. Se revisaron artículos, libros y publicaciones especializadas en bases de datos científicas. Se concluye que el infractor de la ley con estructura antisocial tiene un funcionamiento neurobiológico diferente al delicuente común, específicamente en las áreas cerebrales asociadas a las respuestas de empatía, simpatía y razonamiento moral; en estos se activan respuestas biológicas placenteras frente a situaciones que generan en la mayoría de la población sentimientos de compasión y dolor. Los hallazgos reportan que las personas con estructura antisocial sienten satisfacción ante el dolor del prójimo, demostrando afectaciones en la cognición social, siendo éste un tema de interés y actualidad para las neurociencias y la neuropsicología social.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.