Inteligência Artificial Explicável aplicada a Aprendizado de Máquina: Um estudo para Identificar Estresse Ocupacional em Profissionais da Saúde

Abstract

Estudos científicos ao longos dos anos têm demonstrado que o estresse ocupacional afeta os trabalhadores, principalmente na área da saúde, significando um desequilíbrio entre as condições de trabalho, a capacidade de resposta do trabalhador para realizar suas tarefas e o apoio social recebido de colaboradores e chefias. O objetivo do presente trabalho foi avaliar diferentes respostas de algoritmos de aprendizado de máquina, treinados com dados de biomarcadores provenientes de uma base de dados, chamada AffectiveRoad, para identificar diferentes níveis de estresse. Os dados de biomarcadores referem-se a frequência cardíaca, atividade eletrodérmica e temperatura da pele. Foram considerados no estudo os seguintes algoritmos: Support Vector Machine, k-Nearest Neighbors, Neural Network, Random Forest e Logistic Regression. Para o desenvolvimento da pesquisa foi realizado um levantamento bibliográfico para identificar os principais trabalhos relacionados, entender o contexto da temática, selecionar a base de dados, investigar os algoritmos de aprendizado de máquina e os principais tipos de explicadores. Foram empregados recursos de programação em Python para avaliar o uso dos algoritmos utilizando métricas como AUC e curva de ROC, acurácia, Recall e F1-Score. Para o processo de seleção e explicação da melhor alternativa, foram utilizadas uma série de métricas relacionadas. E finalmente, para a otimização do treinamento foi utilizado o recurso de Feature Importance. Os resultados indicaram que o Random Forest apresentou melhor desempenho para o conjunto de teste analisados. Também indicaram que a redução de características dentro do contexto investigado não alterou significativamente os resultados obtidos. Apontando uma possibilidade de ser feita uma redução da quantidade de biomarcadores para o estresse ocupacional de acordo com os dados analisados, sugerindo uma otimização do uso de biomarcadores para a identificação de estresse. A pesquisa apresenta como principal contribuição resultados de testes de algoritmos com explicadores globais e locais que auxiliam na compreensão da identificação do estresse.