39525
DIVULGACIÓN CIENTÍFICA
O suicídio é uma das principais causas de morte entre jovens, e sua detecção precoce carece de ferramentas escaláveis. Este projeto investiga se marcadores psicolinguísticos de sofrimento, combinados a redes neurais profundas, geram classificadores de ideação suicida mais robustos e interpretáveis em ambientes digitais. Trata-se de pesquisa experimental sobre dados textuais públicos e anonimizados. O método envolveu o pré-processamento estruturado de textos, a extração de 34 características léxicas baseadas na Teoria Interpessoal do Comportamento Suicida e a comparação de três modelos: um baseline TF-IDF, um Transformer puro e uma arquitetura híbrida. A avaliação priorizou a revocação, essencial em saúde mental, com auditoria de vazamento de rótulos. Os resultados demonstraram que o modelo híbrido superou significativamente as abordagens isoladas, maximizando a área sob a curva de precisão-revocação. Além do desempenho estatístico, a integração léxica conferiu maior interpretabilidade ao modelo clínico. Conclui-se que unir representações neurais à teoria psicológica é uma estratégia viável e superior para o rastreamento precoce do risco suicida on-line.
RAFAELLA VON HELD PEREIRA
Karina Mara Von Held
COLÉGIO SESI
Brasil -Santa Catarina -Blumenau
https://sesisc.org.br/
