Detección automática de depresión en redes sociales a partir de representaciones temporales de síntomas

En esta charla presentaré avances de mi tesis de maestría sobre la detección automática de depresión en redes sociales, con énfasis en el uso de representaciones temporales para modelar la evolución de la actividad de los usuarios. Tomando como referencia clínica el Inventario de Depresión de Beck-II (BDI-II), exploro un enfoque de modelos por síntoma y analizo su comportamiento a lo largo del tiempo para identificar patrones consistentes con riesgo creciente.
Discutiré el pipeline general (preprocesamiento, entrenamiento y evaluación por síntoma, y análisis temporal), así como retos del dominio: ruido en el lenguaje, ausencia de señales explícitas, desbalance y la interpretación de señales débiles pero consistentes. Finalmente, compartiré los avances y experiencias de mi estancia de investigación en Santiago de Compostela, España, donde la colaboración con el equipo de trabajo fortaleció el marco metodológico, aportó discusión crítica y amplió mis redes de colaboración en el área de Procesamiento de Lenguaje Natural (PLN).

Resumen curricular:
Cielo Aholiva Higuera Gutiérrez es estudiante de Maestría en Ciencias de la Computación en CICESE y científica de datos. Su trabajo se enfoca en el desarrollo de modelos de aprendizaje automático y PLN. Es Ingeniera Química, egresada del ITSON, y cuenta con experiencia en análisis estadístico, gestión de datos y desarrollo de software backend.

NOTA. Todos los seminarios se graban y están a tu disposición en el Canal de YouTube del Departamento, consúltalos: 

https://www.youtube.com/channel/UCwZp9bGRHC1FT5lof7kuLJg/playlists

Lugar: Auditorio Depto. Ciencias de la Computación y en línea https://us02web.zoom.us/j/86823883261?pwd=77I8m6bBJTulZtvYCQB8VMkg43uDWx.1

Fecha: 06-03-2026

Hora: 12:00 pm