RESUMO
The work carried out in this paper consists of the classification of the physiological signal generated by eye movement called Electrooculography (EOG). The human eye performs simultaneous movements, when focusing on an object, generating a potential change in origin between the retinal epithelium and the cornea and modeling the eyeball as a dipole with a positive and negative hemisphere. Supervised learning algorithms were implemented to classify five eye movements; left, right, down, up and blink. Wavelet Transform was used to obtain information in the frequency domain characterizing the EOG signal with a bandwidth of 0.5 to 50 Hz; training results were obtained with the implementation of K-Nearest Neighbor (KNN) 69.4%, a Support Vector Machine (SVM) of 76.9% and Decision Tree (DT) 60.5%, checking the accuracy through the Jaccard index and other metrics such as the confusion matrix and ROC (Receiver Operating Characteristic) curve. As a result, the best classifier for this application was the SVM with Jaccard Index.
Assuntos
Algoritmos , Máquina de Vetores de Suporte , Humanos , Eletroculografia/métodos , Movimentos Oculares , Análise de OndaletasRESUMO
El fenómeno denominado infodemia consiste en un flujo masivo de información que se produce durante las crisis sociales. La difusión y el consumo de información por diversos medios oficiales y no oficiales sobre la enfermedad del coronavirus (COVID-19) y los aspectos relacionados con los métodos de prevención, los síntomas de la enfermedad, las opciones terapéuticas, entre otros, han crecido de forma continua desde su reporte oficial a finales del año 2019.1) La información sin sustento científico o la información científica indebidamente utilizada y disponible en las redes sociales podría favorecer la promoción de medidas de seguridad ineficientes, opciones terapéuticas de eficacia desconocida, o ambos,2,3 por lo que resulta importante cuantificar ese tipo de información como una de las estrategias de afrontamiento4 y de aproximación a la almetría de las publicaciones científicas sobre COVID-19 en las redes sociales.5 En ese sentido, nuestro objetivo fue estimar la proporción de publicaciones con contenido verificado en artículos científicos que son compartidos en grupos de Facebook dedicados a la COVID-19 y que fueron creados entre los meses de enero y marzo del año 2020(AU)
