Desarrollo de una aplicación web para la detección temprana de estrés en estudiantes de la UTN utilizando técnicas de aprendizaje automático

Abstract

La detección temprana del estrés en estudiantes universitarios es fundamental para mejorar su bienestar y rendimiento académico. Este proyecto de titulación aborda el desarrollo de una aplicación web que emplea técnicas de aprendizaje automático para identificar niveles de estrés en estudiantes de la Universidad Técnica del Norte (UTN). El modelo de inteligencia artificial utilizado en la plataforma analiza datos biométricos, tales como la frecuencia cardíaca, la temperatura corporal y la frecuencia respiratoria, junto con la Escala de Estrés Percibido (EEP-14). La propuesta busca optimizar el proceso de detección de estrés, proporcionando un análisis objetivo y preciso que pueda ser utilizado por instituciones educativas para implementar estrategias de apoyo adecuadas. En el Capítulo 1, se analiza la problemática del estrés en el contexto universitario, abordando sus causas y efectos. Se revisan también las aplicaciones de la inteligencia artificial en la medicina y la psicología, con un enfoque en la predicción del estrés a partir de datos biométricos. Este capítulo establece las bases teóricas necesarias para el desarrollo del modelo y la plataforma web. El Capítulo 2 detalla el proceso de desarrollo de la aplicación web, explicando la recolección de datos, la selección del modelo de IA más adecuado y su entrenamiento. Además, se describe la implementación de la plataforma, integrando el modelo de inteligencia artificial en una interfaz web accesible y funcional, desarrollada utilizando tecnologías modernas como Django y ReactJS. En el Capítulo 3, se presenta una evaluación exhaustiva del rendimiento del modelo, utilizando métricas de precisión y validez estadística. Se emplea la prueba t de wilcoxon para validar las predicciones del modelo frente a los datos de estrés percibido por los estudiantes. La sección concluye con un análisis crítico de los resultados obtenidos, destacando la eficacia de la aplicación en la detección temprana del estrés.