Aplicando Clusterização para Identificação de Grupos em Base de Dados do Questionário CUDIT Clustering Application for Group´s Identification in CUDIT Database

##plugins.themes.bootstrap3.article.main##

Regis Borges
http://orcid.org/0000-0002-0738-6765
Hugo Silva
http://orcid.org/0000-0002-7958-2474
Ludmila Costa
http://orcid.org/0000-0001-7137-4323
Paulo Rogério Morais
http://orcid.org/0000-0002-0336-3793
Carmelo Bastos-Filho
http://orcid.org/0000-0002-0924-5341
Kelsy Areco
http://orcid.org/0000-0002-7801-757X
Dartiu da Silveira
http://orcid.org/0000-0001-9264-904X
Dimitri Daldegan-Bueno
http://orcid.org/0000-0002-9352-2873

Resumo

Nas últimas décadas, podemos verificar uma tendência em diversos países de regulamentar o uso medicinal e recreativo da cannabis, o que pode gerar um enorme mercado global. No entanto, o histórico de quase um século na condição de ilegalidade, em praticamente todo o planeta, contribui para que a literatura científica sobre o tema seja severamente limitada. Partindo dessa problemática, o objetivo deste artigo é apresentar um modelo computacional, utilizando a linguagem Python e empregando técnicas de clusterização, tais como KMeans, Agglomerative Clustering e Spectral Clustering, de modo a encontrar grupos de interesse numa massa de dados. A base de dados utilizada foi obtida da aplicação do questionário do teste CUDIT – Cannabis Use Disorder Identification Test, composto de oito perguntas com cinco opções de resposta, que permitiram graduar o comportamento do indivíduo em cada questão. Os resultados demonstraram que a técnica foi capaz de separar grupos com padrões distintos e que apresentam consistência em análise qualitativa preliminar.

Downloads

Não há dados estatísticos.

##plugins.themes.bootstrap3.article.details##

Como Citar
Borges, R., Silva, H., Costa, L., Morais, P., Bastos-Filho, C., Areco, K., da Silveira, D., & Daldegan-Bueno, D. (2022). Aplicando Clusterização para Identificação de Grupos em Base de Dados do Questionário CUDIT. Revista De Engenharia E Pesquisa Aplicada, 7(2), 42-47. https://doi.org/10.25286/repa.v7i2.2216
Seção
Edição Especial Inteligência Artificial