Aplicación predictiva para apoyar el diagnóstico de trastornos psicológicos en alumnos de la Institución Educativa Privada Santo Toribio de Mogrovejo

Abstract

La detección temprana de trastornos mentales en la infancia es esencial, ya que afectan la capacidad de los menores para realizar actividades diarias y su desarrollo educativo. Esta problemática se refleja en la Institución Educativa Privada Santo Toribio de Mogrovejo. En esta investigación, se desarrolló una aplicación predictiva para la identificación rápida de trastornos psicológicos en alumnos, facilitando su tratamiento. Utilizando la metodología CRISP-DM, se revisaron 13 estudios previos para seleccionar el algoritmo de clasificación adecuado, en los cuales los que más resaltaban fueron red neuronal artificial, Random Forest y KNN, siendo este último el elegido para el modelo predictivo tras haber sido evaluado con Weka, una herramienta de software para aprendizaje automático. KNN logró una precisión del 86%, exactitud del 79%, recall del 54%, especificidad del 92% y puntaje F1 del 69%. Este modelo predictivo fue implementado en una aplicación web, la cual permite a los alumnos realizar un cuestionario para obtener un diagnóstico presuntivo para autismo, TDAH y trastornos de lenguaje, y al personal de la institución gestionar los resultados. La aplicación proporciona una solución eficiente para identificar y tratar trastornos psicológicos en alumnos, mitigando los desafíos asociados con la escasez de recursos y personal especializado en entornos educativos. Su implementación puede mejorar significativamente la atención y el bienestar emocional de los estudiantes, evitando consecuencias negativas a largo plazo como dificultades académicas, problemas de conducta, baja autoestima y dificultades en las relaciones interpersonales.

Early detection of mental disorders in childhood is essential, since they affect the ability of children to perform daily activities and their educational development. This problem is reflected in the Santo Toribio de Mogrovejo Private Educational Institution. In this research, a predictive application was developed for the rapid identification of psychological disorders in students, facilitating their treatment. Using the CRISP-DM methodology, 13 previous studies were reviewed to select the appropriate classification algorithm, in which the most outstanding ones were artificial neural network, Random Forest and KNN, the latter being the one chosen for the predictive model after being evaluated with Weka, a machine learning software tool. KNN achieved a precision of 86%, accuracy of 79%, recall of 54%, specificity of 92% and F1 score of 69%. This predictive model was implemented in a web application, which allows students to take a questionnaire to obtain a presumptive diagnosis for autism, ADHD and language disorders, and the institution's staff to manage the results. The app provides an efficient solution to identify and treat psychological disorders in students, mitigating the challenges associated with the scarcity of resources and specialized personnel in educational environments. Its implementation can significantly improve students' attention and emotional well-being, avoiding long-term negative consequences such as academic difficulties, behavioral problems, low self-esteem and difficulties in interpersonal relationships.