Detecção da Ansiedade em estudantes universitários através da acústica da voz a partir de áudios no Chatbot do Whatsapp: um estudo de aprendizado por máquina

• Main Author: Galvão, Ana Patrícia Fonseca Coelho
• Publication Date: 2025
• Other Authors: Soares, Stephanie Moraes, Aguiar, Felipe Oliveira de, Marques, Lucas Murrins, Otani, Victor Henrique Oyamada, Uchida, Ricardo Riyoiti
• Format: Article
• Language: por
• Source: Scire Salutis
• Download full: https://sustenere.inf.br/index.php/sciresalutis/article/view/8700
• topic: Ansiedade; Estudantes; Inteligência Artificial; Voz; Acústica; Chatbot; Saúde Mental; Anxiety; Students; Artificial Intelligence; Voice; Acoustics; Chatbot; Mental Health; Ansiedad; Estudiantes; Inteligencia artificial; Voz; Acústica; Chatbot; Salud Mental

A saúde mental, especialmente a ansiedade, é um desafio global que afeta a qualidade de vida e o desempenho acadêmico de universitários. A Inteligência Artificial (IA) é uma ferramenta promissora para o reconhecimento de emoções e diagnóstico precoce. Este estudo explorou a detecção da ansiedade em 96 estudantes universitários em São Luís-MA e São Paulo-SP, utilizando acústica da voz de áudios coletados via chatbot no WhatsApp. Os áudios foram pré-processados, convertidos para WAV, padronizados para 44,1 kHz e tiveram 68 características acústicas extraídas com a biblioteca Pyaudioanalysis do Python. Os dados foram padronizados com StandardScaler e balanceados com NearMiss. Cinco modelos supervisionados de aprendizado de máquina — Random Forest, kNN, Decision Tree, LDA e Logistic Regression — foram aplicados para classificação. A otimização de hiperparâmetros foi feita via método Bayesiano e a avaliação com validação cruzada estratificada. Os resultados, com 88 áudios (55 mulheres e 33 homens), indicaram que o kNN obteve o melhor desempenho médio para homens (90,1% de acurácia e 89,4% de AUC), enquanto o Decision Tree se destacou para mulheres (81,8% de acurácia e 77,4% de AUC). A menor variabilidade para o grupo feminino sugere maior confiabilidade dos modelos para mulheres, devido à maior amostra. O estudo conclui que o diagnóstico de ansiedade por IA deve considerar as diferenças de gênero, e sugere futuras pesquisas com amostras mais balanceadas.