@MASTERSTHESIS{ 2020:802493331,
 	title = {Monitoramento ubíquo da saúde mental: detectando padrões de sociabilidade enriquecidos por contexto através do processamento de eventos complexos.},
 	year = {2020},
 	url = "https://tedebc.ufma.br/jspui/handle/tede/tede/4145",
 	abstract = "Tradicionalmente, o monitoramento de indivíduos com transtornos mentais
 é realizado por meio de reuniões presenciais com profissionais especializados em
 saúde mental. Hoje, no entanto, os métodos computacionais podem usar dispositivos
 ubíquos (e.g., smartphones e tecnologias vestíveis) para monitorar comportamentos
 sociais relacionados à saúde mental, em vez de depender de autorrelatos. Esses
 dispositivos representam uma fonte valiosa de dados contextuais que permitem
 a identificação das atividades sociais vivenciadas pelos indivíduos em sua rotina
 diária. Portanto, o uso dessas tecnologias para identificar o hábito de atividades
 sociais permite o reconhecimento de comportamentos sociais anormais que podem
 ser indicativos de transtornos mentais. Por esse motivo, este estudo apresenta uma
 nova abordagem para monitorar a saúde mental por meio da conscientização da
 situação social. Este trabalho apresenta um algoritmo capaz de detectar padrões de
 sociabilidade, ou seja, caracteriza os períodos do dia em que o indivíduo se socializa
 habitualmente. O reconhecimento da rotina social é realizado sob diferentes condições
 de contexto (e.g., dia útil e fim de semana), o que permite diferenciar comportamentos
 sociais anormais das mudanças nos hábitos sociais esperadas em determinadas
 situações. A solução apresentada também é capaz de identificar mudanças nos
 padrões sociais que podem ser indicativos da presença de transtornos mentais.
 A implementação do algoritmo proposto utilizou a combinação da abordagem de
 Mineração de Padrões Frequentes com o Processamento de Eventos Complexos, o que
 permite a realização do processamento contínuo do fluxo de dados sociais. A avaliação
 realizada demonstrou que o reconhecimento baseado em contexto fornece uma melhor
 compreensão da rotina social, indicando também que a solução proposta é capaz de
 detectar padrões de sociabilidade semelhantes a um algoritmo em lote. Além disso, foi
 validado o desempenho do mecanismo de detecção de mudanças no comportamento
 social.",
 	publisher = {Universidade Federal do Maranhão},
 	scholl = {PROGRAMA DE PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO/CCET},
 	note = {DEPARTAMENTO DE INFORMÁTICA/CCET}
}