Detection of traits in students with suicidal tendencies on Internet applying Web Mining

Castillo-Zúñiga, Iván, Luna-Rosas, Francisco-Javier and López-Veyna, Jaime-Iván Detection of traits in students with suicidal tendencies on Internet applying Web Mining. Comunicar, 2022, vol. 30, n. 71, pp. 105-117. [Journal article (Paginated)]

[thumbnail of Research article (English)]
Preview
 Text (Research article (English))
c7108en.pdf - Published version
Available under License Creative Commons Attribution Non-commercial Share Alike.
Download (465kB) | Preview
[thumbnail of Research article (Español)]
Preview
 Text (Research article (Español))
c7108es.pdf - Published version
Available under License Creative Commons Attribution Non-commercial Share Alike.
Download (493kB) | Preview

English abstract

This article presents an Internet data analysis model based on Web Mining with the aim to find knowledge about large amounts of data in cyberspace. To test the proposed method, suicide web pages were analyzed as a study case to identify and detect traits in students with suicidal tendencies. The procedure considers a Web Scraper to locate and download information from the Internet, as well as Natural Language Processing techniques to retrieve the words. To explore the information, a dataset based on Dynamic Tables and Semantic Ontologies was constructed, specifying the predictive variables in young people with suicidal inclination. Finally, to evaluate the efficiency of the model, Machine Learning and Deep Learning algorithms were used. It should be noticed that the procedures for the construction of the dataset (using Genetic Algorithms) and obtaining the knowledge (using Parallel Computing and Acceleration with GPU) were optimized. The results reveal an accuracy of 96.28% on the detection of characteristics in adolescents with suicidal tendencies, reaching the best result through a Recurrent Neural Network with 98% accuracy. It is inferred that the model is viable to establish bases on mechanisms of action and prevention of suicidal behaviors, which can be implemented in educational institutions or different social actors.

Spanish abstract

Este artículo presenta un modelo de análisis de datos en Internet basado en Minería Web con el objetivo de encontrar conocimiento sobre grandes cantidades de datos en el ciberespacio. A fin de probar el método propuesto, se analizaron páginas web sobre el suicidio como caso de estudio con la intención de identificar y detectar rasgos en estudiantes con tendencias suicidas. El procedimiento considera un Web Scraper para localizar y descargar información de Internet, así como técnicas de Procesamiento de Lenguaje Natural para la recuperación de los vocablos. Con el propósito de explorar la información, se construyó un conjunto de datos basado en Tablas Dinámicas y Ontologías Semánticas, especificando las variables predictivas en jóvenes con inclinación suicida. Por último, para evaluar la eficiencia del modelo se utilizaron algoritmos de Aprendizaje de Máquina y Aprendizaje Profundo. Cabe destacar que se optimizaron los procedimientos para la construcción del dataset (utilizando Algoritmos Genéticos) y obtención del conocimiento empleando Cómputo Paralelo y Aceleración con Unidades de Procesamientos de Gráfico (GPU). Los resultados revelan una precisión del 96,28% sobre la detección de las características en adolescentes con tendencia suicida, alcanzando el mejor resultado a través de una Red Neuronal Recurrente con un 98% de precisión. De donde se infiere que el modelo es viable para establecer bases sobre mecanismos de actuación y prevención de comportamientos suicidas, que pueden ser implementados en instituciones educativas o distintos actores de la sociedad.

Item type: Journal article (Paginated)
Keywords: Suicidal behavior; cybersuicide; web mining; machine learning; deep learning; recurrent neural networks; Conducta suicida; cibersuicidio; minería web; aprendizaje de máquina; aprendizaje profundo; redes neuronales recurrentes
Subjects: B. Information use and sociology of information > BJ. Communication
G. Industry, profession and education.
G. Industry, profession and education. > GH. Education.
Depositing user: Alex Ruiz
Date deposited: 21 Mar 2022 07:32
Last modified: 21 Mar 2022 07:32
URI: http://hdl.handle.net/10760/42977

References

Anggraini, I.Y, Sucipto, S., & Indriati, R. (2018). Cyberbullying detection modelling at Twitter social networking. Jurnal Informatika, 6(2), 113-118. https://doi.org/10.30595/juita.v6i2.3350

Arevalos, D.H. (2020). El sentido de la vida y las prácticas ligadas al suicidio. Testimonio de jóvenes escolarizados. Revista Latinoamericana de Estudios sobre cuerpos, emociones y sociedad. 32(12), 52-63. https://bit.ly/3pXSVC8

Beaven-Ciapara, N.I., Campa-Álvarez, R.A., Valenzuela, B.A., & Guillen-Lúgigo, M. (2018). Inclusión educativa: Factores psicosociales asociados a conducata suicida en adolescentes. Prisma Social, 23,185-207. https://bit.ly/3GRlO9X

Berengueras, M. (2018). Suicidio la insoportable necesidad de ser otro. Universidad Autonoma del Estado de Morelos. https://bit.ly/3F7a8iW

Blanco, C. (2019). El suicidio en España, respuesta institucional y social. Revista de Ciencias Sociales,33(46), 79-106. https://doi.org/10.26489/rvs.v33i46.5

Bonami, B., Piazentini, L., & Dala-Possa, A. (2020). Education, Big Data and Artificial Intelligence: Mixed methods in digital platforms. [Educación, Big Data e Inteligencia Artificial: Metodologías mixtas en plataformas digitales]. Comunicar, 65, 43-52. https://doi.org/10.3916/C65-2020-04

Carballo-Belloso, J.J., & Gómez-Peñalver, J. (2017). Relación entre bullying, autolesiones, ideación suicida e intentos auutoliticos en niños y adolescentes. Revista de estudios de Juventud, 115, 207-218. https://doi.org/10.3916/C65-2020-04

Chiroma, F., Liu, H., & Cocea, M. (2018). Text Clasiffication For Suicide Related Tweets. International conference on Machine Learning and Cybernetics (ICMLC) (pp. 587-592). https://doi.org/10.1109/ICMLC.2018.8527039.

Denia, E. (2020). The impact of science communication on Twitter: The case of Neil deGrasse Tyson. [El impacto del discurso científico en Twitter: El caso de Neil deGrasse Tyson]. Comunicar, 65, 21-30. https://doi.org/10.3916/C65-2020-02

Du, J., Zhang, Y., Luo, J., Jia, Y., Wei, Qiang., Tao, C., & Xu, H.. (2018). Extracting psychiatric stressors for suicide from social media using deep learning. BMC Medical Informatics & Decision Making, 18(43), 77-87. https://doi.org/10.1186/s12911-018-0632-8

Durkheim, E. (2008). El suicidio. Grupo Editorial Éxodo. https://bit.ly/3p6C8h7

García-Peña, J.J. (Ed.) (2020). El suicidio: Una mirada integral e integradora. Universidad Católica Luis Amigó. https://doi.org/10.21501/9789588943619

Gen-Min, L., Szu-Nian, Y., Yueh-Ming, T., et al. (2020). Machine Learning based suicide ideation prediction for military personnel. IEEE Journal of Biomedical and Healt Informatics, 24(7), 1907-1916.https://doi.org/10.1109/JBHI.2020.2988393

Healy, M. (2019, June 21). Alcanzan máximo histórico los índices de suicidio de adolescentes y adultos jóvenes en EE.UU. Los Angeles Times. https://lat.ms/3IYhebO

Hermosillo-De-la-Torre, A.E., Vacío-Muro, M.Á., Méndez-Sánchez, C., Palacios-Salas, P., & Sahagún-Padilla, Á.. (2015). Sintomatología depresiva, desesperanza y recursos psicológicos: una relación con tentativa de suicidio en una muestra de adolescentes mexicanos. Acta Universitaria 25(NE-2), 52-56. https://doi.org/10.15174/au.2015.900

Kim, J., & Chung, K. (2019). Associative feature information extraction using text mining from health big data. Wireless Pers Commun, 105, 691-707. https://doi.org/10.1007/s11277-018-5722-5

Landaeta G. (2014). Lista de stop words o palabras vacías en español. SEO para Google. https://bit.ly/3p2ysg3

López-Martínez, L.F. (2020). Suicidio, adolescencia, redes sociales e Internet. Norte de salud mental, 17(63), 25-36. https://bit.ly/3sg25g2

Luna, M., & Dávila, A. (2018). Adolescentes en riesgo: factores asociados con el intento de suicidio en México. Revista Gerencia y Política de Salud, 17(34), 1-14.: https://doi.org/10.11144/Javeriana.rgsp17-34.arfa

Marchiori, H. (2015). El suicidio enfoque criminológico. Editorial Porrúa. https://bit.ly/3sfMYDu

Molina, M.J., & Restrepo, D. (2018). Internet y comportamiento suicida en adolescentes: ¿Cuál es la conexión? Revista Pediatría, 51(2), 30-39. https://doi.org/10.14295/pediatr.v51i2.109

Moreno, P., & Blanco, C. (2012). Suicidio e Internet. Medidas preventivas y de actuación. Revista Psiquiatria.com. 16(18). https://bit.ly/3E110Lb

Mosquera, L. (2016). Conducta suicida en la infancia: Una revisión critica. Revista de Psicología Clínica con Niños y Adolescentes,3 9-18. https://bit.ly/3p5IkG8

Nalini K., & Sheela L. (2014). A survey on Datamining in Cyber Bullying. International Journal on Recent and Innovation Trends in Computing and Communication,2 (7). https://bit.ly/3q7GHqt

Olivares, S. (2019). Uso de Internet y conductas suicidas en adolescentes de 14 a 18 años en México. Visión criminológica-criminalística, 6-21. https://bit.ly/3p7uKSF

Organización Mundial de la Salud (Ed.) (2019). Suicidio. Información obtenida el 6 de abril de 2021 en la dirección de Internet. OMS. https://bit.ly/3q8TkBG

Pérez-Martínez, V.M., Aparicio-Vinacua, B., & Rodríguez-González, M.D. (2020). Acoso escolar, violación y suicidio en Twitter: Segunda temporada de «Por trece razones». Vivat Academia, 153, 137-168. https://doi.org/10.15178/va.2020.153.137-168

Porter, M.F. (2006). An Algorithm for suffix stripping. Program: Electronic Library and Information Systems,40(3), 211-218. https://doi.org/10.1108/00330330610681286

Ramírez-López, C.M., Montes, M., Ochoa-Zezzatti, A., Ponce-Gallegos, J.C., & Guzmán-Mendoza, J.E. (2021). Identification of possible suicide cases using a Bayesian Classifier with the database the Emergency Service 911 of Aguascalientes. International Journal of Combinatorial Optimization Problems and Informatics, 12(1), 43-57. https://bit.ly/32gamWt

Rocamora, A. (2017). Cuando nada tiene sentido: Reflexiones sobre el suicidio desde la logoterapia. Editorial Desclée de Brouwer. https://bit.ly/3F9TxLa

Roy, S.S., Mallik, A., Gulati, R., Obaidat, M.S., & Krishna, P.V. (2017). A deep learning based artificial neural network approach for intrusion detection. In D. Giri, R. Mohapatra, H. Begehr, & M. Obaidat (Eds.), Mathematics and Computing. ICMC 2017. Communications in Computer and Information Science, 655 (pp. 44-53). Springer. https://doi.org/10.1007/978-981-10-4642-1_5

Sánchez-García., M.A, Pérez-de-Albéniz, A., Paíno, M., & Fonseca, P. (2018). Ajuste emocional y comportamental en una muestra de adolescentes españoles. Actas españolas de psiquiatria, 46(6), 205-216. https://bit.ly/3yAOv8a

SeGob (Ed.) (2021). Impacto de la pandemia en niñas y niños. Secretaria de Gobernación de México. https://bit.ly/3J1bsGg

Urra, J. (2019). La huella de la desesperanza: Estrategias de prevención y afrontamiento del suicidio. Ediciones Morata. https://bit.ly/30H1QiQ

Villardón-Gallego, L. (2013). El pensamiento de suicidio en la adolescencia. Publicaciones de la Universidad de Deusto. https://bit.ly/33FtwFV


Downloads

Downloads per month over past year

Actions (login required)

View Item View Item
Contact us
Send email Sponsors
Sponsor: AIMS Sponsor: D&P Sponsor: UniNa CAB Get connected
Facebook Facebook Twitter Twitter Linkedin LinkedIn RSS RSS