Aplicando Clusterização para Identificação de Grupos em Base de Dados do Questionário CUDIT

Abstract

Nas últimas décadas, podemos verificar uma tendência em diversos países de regulamentar o uso medicinal e recreativo da cannabis, o que pode gerar um enorme mercado global. No entanto, o histórico de quase um século na condição de ilegalidade, em praticamente todo o planeta, contribui para que a literatura científica sobre o tema seja severamente limitada. Partindo dessa problemática, o objetivo deste artigo é apresentar um modelo computacional, utilizando a linguagem Python e empregando técnicas de clusterização, tais como KMeans, Agglomerative Clustering e Spectral Clustering, de modo a encontrar grupos de interesse numa massa de dados. A base de dados utilizada foi obtida da aplicação do questionário do teste CUDIT – Cannabis Use Disorder Identification Test, composto de oito perguntas com cinco opções de resposta, que permitiram graduar o comportamento do indivíduo em cada questão. Os resultados demonstraram que a técnica foi capaz de separar grupos com padrões distintos e que apresentam consistência em análise qualitativa preliminar.