Ingeniería de Sistemas · 2026

Análisis de factores latentes en la depresión en miembros de la población estudiantil de la Universidad de Córdoba, mediante algoritmos de aprendizaje no supervisados

Resumen

La depresión representa un problema de salud mental significativo en la población universitaria, afectando el rendimiento académico y bienestar general de los estudiantes. Esta investigación analiza los factores latentes de la depresión estudiantil en la Universidad de Córdoba mediante técnicas de análisis de componentes principales (PCA) y factorización de matrices no negativas (NMF), aplicadas a datos recolectados mediante una variante del cuestionario DASS-21. El estudio incluyó una muestra de 87 estudiantes y empleó técnicas de reducción de dimensionalidad para identificar patrones ocultos en las variables observables. Los resultados del PCA en 2D explicaron el 53.31% de la varianza, mientras que en 3D alcanzó el 65.97%. El NMF reveló factores latentes diferenciados relacionados con la motivación académica y sentimientos de desvalorización. La validación mediante SVM logró una precisión del 71.3% en la clasificación de estudiantes con y sin depresión. La comparación indica que PCA y NMF permiten comprender la estructura subyacente y segmentar perfiles de riesgo, mientras que el SVM ofrece una herramienta predictiva aceptable pero perfectible.