Predicción sobre violencia doméstica en Bangladesh durante el brote de COVID-19 utilizando métodos de aprendizaje automático
Autores: Hossain, Md. Murad; Asadullah, Md.; Rahaman, Abidur; Miah, Md. Sipon; Hasan, M. Zahid; Paul, Tonmay; Hossain, Mohammad Amzad
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Predicción sobre violencia doméstica en Bangladesh durante el brote de COVID-19 utilizando métodos de aprendizaje automático
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Sistemas
Palabras clave
Covid-19
Violencia doméstica
Aprendizaje automático
Bangladesh
Violencia familiar
Pandemia
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 16
Citaciones: Sin citaciones
El brote de COVID-19 resultó en medidas preventivas y restricciones para Bangladesh durante el verano de 2020; estos tiempos inestables y estresantes llevaron a múltiples problemas sociales (por ejemplo, violencia doméstica y divorcio). A nivel global, investigadores, responsables de políticas, gobiernos y sociedades civiles han estado preocupados por el aumento de la violencia doméstica contra mujeres y niños durante la actual pandemia de COVID-19. En Bangladesh, la violencia doméstica contra mujeres y niños ha aumentado durante la pandemia de COVID-19. En este artículo, investigamos la violencia familiar entre 511 familias durante el brote de COVID-19. A los participantes se les entregaron cuestionarios para responder, durante un período de más de diez días; pronosticamos la violencia familiar utilizando un modelo basado en aprendizaje automático. Para predecir la violencia doméstica a partir de nuestro conjunto de datos, aplicamos algoritmos de aprendizaje automático de bosque aleatorio, regresión logística y Naive Bayes a nuestro modelo. Empleamos una estrategia de sobremuestreo llamada Técnica de Sobremuestreo Minoritario Sintético (SMOTE) y la prueba estadística de chi-cuadrado para, respectivamente, resolver el problema de desequilibrio y descubrir la importancia de las características de nuestro conjunto de datos. El rendimiento de los algoritmos de aprendizaje automático se evaluó en función de los criterios de precisión, recuperación y puntuación F. Finalmente, se desarrollaron y analizaron las curvas características operativas del receptor (ROC) y las matrices de confusión para tres algoritmos. En promedio, nuestro modelo, con los algoritmos de bosque aleatorio, regresión logística y Naive Bayes, predijo la violencia familiar con un 77%, 69% y 62% de precisión para nuestro conjunto de datos. Los hallazgos de este estudio indican que la violencia doméstica ha aumentado y está altamente relacionada con dos características: el nivel de ingresos familiares durante la pandemia de COVID-19 y el nivel educativo de los miembros de la familia.
Descripción
El brote de COVID-19 resultó en medidas preventivas y restricciones para Bangladesh durante el verano de 2020; estos tiempos inestables y estresantes llevaron a múltiples problemas sociales (por ejemplo, violencia doméstica y divorcio). A nivel global, investigadores, responsables de políticas, gobiernos y sociedades civiles han estado preocupados por el aumento de la violencia doméstica contra mujeres y niños durante la actual pandemia de COVID-19. En Bangladesh, la violencia doméstica contra mujeres y niños ha aumentado durante la pandemia de COVID-19. En este artículo, investigamos la violencia familiar entre 511 familias durante el brote de COVID-19. A los participantes se les entregaron cuestionarios para responder, durante un período de más de diez días; pronosticamos la violencia familiar utilizando un modelo basado en aprendizaje automático. Para predecir la violencia doméstica a partir de nuestro conjunto de datos, aplicamos algoritmos de aprendizaje automático de bosque aleatorio, regresión logística y Naive Bayes a nuestro modelo. Empleamos una estrategia de sobremuestreo llamada Técnica de Sobremuestreo Minoritario Sintético (SMOTE) y la prueba estadística de chi-cuadrado para, respectivamente, resolver el problema de desequilibrio y descubrir la importancia de las características de nuestro conjunto de datos. El rendimiento de los algoritmos de aprendizaje automático se evaluó en función de los criterios de precisión, recuperación y puntuación F. Finalmente, se desarrollaron y analizaron las curvas características operativas del receptor (ROC) y las matrices de confusión para tres algoritmos. En promedio, nuestro modelo, con los algoritmos de bosque aleatorio, regresión logística y Naive Bayes, predijo la violencia familiar con un 77%, 69% y 62% de precisión para nuestro conjunto de datos. Los hallazgos de este estudio indican que la violencia doméstica ha aumentado y está altamente relacionada con dos características: el nivel de ingresos familiares durante la pandemia de COVID-19 y el nivel educativo de los miembros de la familia.