Sentimientos en palabras: desentrañando las emociones de las personas adultas mayores
pdf
html

Palabras clave

Detección de emociones
Personas adultas mayores
Reconocimiento de voz

Categorías

Cómo citar

Priego Sánchez, A. B., Cuesta Millán, A. L., & Flores Martínez, R. M. (2025). Sentimientos en palabras: desentrañando las emociones de las personas adultas mayores. AZCATL Revista De Divulgación En Ciencias, Ingeniería E Innovación, 3(4), 38–43. https://doi.org/10.24275/AZC2025A007

Resumen

El entendimiento de los sentimientos en el discurso humano es importante para la detección temprana de problemas de salud mental. En el caso de las personas adultas mayores, éstas encaran un conjunto de problemas relacionados con el transtorno mental, el bienestar emocional y la calidad de vida. La detección temprana de algún trastorno emocional, como puede ser la ansiedad o depresión, es fundamental para una intervención efectiva y el apoyo adecuado. En este artículo se presenta una metodología innovadora aplicada a un sistema que detecta, en tiempo real, emociones que expresan las personas adultas mayores con sus palabras ¡conozcámosla!

https://doi.org/10.24275/AZC2025A007
pdf
html

Citas

Ameer, I., Bölücü, N., Siddiqui, M. H. F., Can, B., Sidorov, G. y Gelbukh, A. (2023). Multi-label emotion classification in texts using transfer learning. Expert Systems with Applications, (213). https://doi.org/10.1016/j.eswa.2022.118534

Banco Mundial. (2024). Estimaciones del personal del Banco Mundial sobre la base de la distribución por edades/sexo de las previsiones demográficas mundiales de la división de población de las Naciones Unidas. https://datos.bancomundial.org/indicator/SP.POP.65UP.TO.ZS?end=2022&most_recent_year_desc=false&start=1960&type=shaded&view=chart

Benedetti, F., Acuña, J. y Fabiani, B. (2022). Teleasistencia: innovaciones tecnológicas para el cuidado de personas a distancia. Banco Interamericano de Desarrollo. http://dx.doi.org/10.18235/0004383

Flores, R. M., Priego, A. B. y Mendoza, E. (2025). Uso de la tecnología en personas adultas mayores en condición de dependencia. Perspectivas Sociales, 26(1), 27-49. https://perspectivassociales.uanl.mx/index.php/pers/article/view/212

Guzmán, R., Priego, B., Mukhopadhyay, T., García, J. y Cordova, T. (2019). Classification of opinions in cross domains involving emotive values. Journal of Intelligent & Fuzzy Systems, 36(5), 4877-4887. doi:10.3233/JIFS-179035

Instituto Nacional de Estadística y Geografía (2024). Demografía y Sociedad. https://www.inegi.org.mx/temas/estructura/

Landauer, T. K., McNamara, D. S., Dennis, S. y Kintsch, W. (Eds.). (2007). Handbook of latent semantic analysis. Lawrence Erlbaum Associates Publishers.

Manning, C. D. y Schütze, S. (1999). Foundations of statistical natural language processing. The MIT Press.

Mullah, H. (2015). A comparativesStudy of different text-to-speech synthesis techniques. International Journal of Scientific & Engineering Research, 6. 287-292.

Pérez, M. y Fayos, M. G. (2017). El impacto de las emociones en el análisis de la polaridad en textos con lenguaje figurado en Twitter. Procesamiento del Lenguaje Natural, (58), 85-92.

Priego, B., Cabrera, R., Carrillo, M. y Castro, W. (2021). Identifying the polarity of a text given the emotion of its author. Journal of Intelligent & Fuzzy Systems, 42(5), 4709-4717. doi:10.3233/JIFS-219258

Quinayás, G. (2021). Personas Adultas mayores frente a la inclusión social en América Latina: un estudio en red. Volumen I. Estudios sobre las Culturas Contemporáneas, 27(54), 235-241. https://www.redalyc.org/articulo.oa?id=31669754010

Russell, S. J. y Norvig, P. (2020). Artificial intelligence: amodern approach (4.ª ed.). Pearson.

Socher, R., Perelygin, A., Wu, J., Chuang, J., Manning, C. D., Ng, A. y Potts, C. (2013). Recursive deep models for semantic compositionality over a sentiment treebank. Proceedings of the 2013 Conference on Empirical Methods in Natural Language Processing, 1631-1642.

Trofymenko, M., Bulatova, O., Trofymenko, A. y Vyshniakov, O. (2023). Digital development and technological innovations: inequality and asymetry. Martketing and Mangement of Innovation, 14(3), 215-229. doi:10.21272/mmi.2023.3-19

Turing, A. M. (1950). Computing machinery and intelligence. Mind, 59(236), 433-460. doi:10.1093/mind/LIX.236.433

Wan, X., Jiang, W. y Luo, Z. (2016). Combination of convolutional and recurrent neural network for sentiment analysis of short texts. 26th International Conference on Computational Linguistics, Osaka, Japón.

Zambrano, T. F., Thais, L. Á., Troncoso, C. J. y Ponce, J. A. (2024). Avances en la tecnología asistida para mejorar la calidad de vida en adultos mayores: revisión actualizada en el contexto latinoamericano. Ciencia Latina Revista Científica Multidisciplinar, 8(1), 645-662. https://doi.org/10.37811/cl_rcm.v8i1.9450

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Derechos de autor 2025 Universidad Autónoma Metropolitana

Descargas

Los datos de descargas todavía no están disponibles.