Computational model for evaluation of intellectual disability using cognitive functioning data

ilustraciones A lo largo de esta investigación, se llevó a cabo un proceso de descubrimiento de conocimiento (KDD, por sus siglas en inglés), en el marco de ciencia de datos, aplicado a datos de evaluación de capacidad cognitiva aportados por el Servicio de Atención Psicológica (SAP) de la Universidad Nacional de Colombia. Se realizó el preprocesamiento y tratamiento de datos en concordancia con el objetivo de la investigación: desarrollar un modelo computacional que permita determinar las agrupaciones de variables, asociadas al Coeficiente intelectual, que predicen el diagnóstico de discapacidad intelectual. Se obtuvo un total de 18 variables cognitivas más informativas, con las cuales se implementaron Árbol de decisión y Regresión logística como modelos predictivos e interpretables. (Texto tomado de la fuente) Throughout this research, a knowledge discovery process (KDD) was carried out, within the framework of data science, applied to cognitive capacity assessment data, provided by the Psychological Attention Service (SAP) of the National University of Colombia. Data pre-processing and treatment was carried out in accordance with the objective of the research: to develop a computational model that allows determining the groupings of variables, associated with the IQ, that predict the diagnosis of intellectual disability. A total of 18 more informative cognitive variables were obtained, with which Decision Tree and Logistic Regression were implemented as predictive and interpretable models. (Text taken from source) Maestría Magíster en Ingeniería - Ingeniería de Sistemas y Computación Con el fin de llevar esta investigación a buen término, se implementó una metodología estructurada en cuatro etapas, las cuales dieron lugar a la consecución de los objetivos propuestos. Como el objetivo principal del proyecto fue desarrollar un modelo computacional analítico, se usaron métodos y herramientas en el marco de Ciencia de datos, vinculando procesos de KDD y técnicas de aprendizaje automático, los cuales no solo ayudaron a generar un modelo predictivo e interpretable, sino que dio lugar a nuevo conocimiento que ayudará al diagnóstico diferencial de discapacidad intelectual. A continuación, se describen las etapas seguidas en el desarrollo de la investigación: ▪ Etapa 1: Selección y preprocesamiento de datos En esta etapa se realizó la recopilación y preparación de los datos, los cuales fueron gestionados por el Servicio de Atención Psicológica (SAP) de la Universidad Nacional, y contienen tanto información socioeconómica de los evaluados, como de las puntuaciones obtenidas en la prueba de evaluación de funcionamiento WISC-IV. La preparación de los datos incluyó tratamiento de datos perdidos e imputación de valores, dados los errores de digitación con los que se encontraba la base inicialmente, así como eliminación de variables con alto porcentaje de datos perdidos. ▪ Etapa 2: Análisis Exploratorio de datos Una vez el conjunto de datos fue limpiado, se efectuó una exploración general del conjunto de datos usando estadística descriptiva, con el fin de describir la información socioeconómica que comprende el conjunto de datos y hallar patrones en la población. ▪ Etapa 3: Transformación y modelamiento de datos En esta etapa se filtró y dicotomizó la variable de diagnóstico final, de modo que solo tuviera en cuenta si los evaluados eran positivos o negativos para discapacidad intelectual. También se efectuó balanceo de clases, dada la diferencia de proporción entre las dos etiquetas del diagnóstico. Posteriormente se implementaron los métodos de selección de características y de aprendizaje automático necesarios. ▪ Etapa 4: Evaluación del modelo computacional En esta etapa se evaluó la calidad del modelo en términos de las métricas de rendimiento, y se analizan los resultados a la luz de los conocimientos previos sobre inteligencia y discapacidad intelectual. Sistemas Inteligentes