改善された決定木に基づく学生のストレス予測と説明可能な分析

科学分野:

• 教育心理学
• 計算社会科学
• メンタルヘルスインフォマティクス

背景:

• 学生集団は、学業、社会的、キャリア関連の大きなプレッシャーに直面しています。
• 影響を与える要因とストレスレベルの正確な予測は、学生の幸福にとって非常に重要です。

研究 の 目的:

• 学生のストレスを予測するための強化された機械学習モデルを開発および検証すること。
• 学生のストレスの原因となる主要な要因を特定すること。

主な方法:

• 最適なベースモデルを選択するために9つの機械学習アルゴリズムを比較しました。
• ハリスホーク最適化（HHO）アルゴリズムを使用して決定木（DT）モデルを強化しました。
• モデルの解釈と特徴分析のためにSHAP（Shapley Additive Explanations）を適用しました。

主要な成果:

• 決定木（DT）アルゴリズムは0.909の予測精度を達成しました。
• 最適化されたハリスホーク最適化-DT（HHO-DT）モデルは、誤分類を減らして精度を0.927に向上させました。
• SHAP（Shapley Additive Explanations）は、血圧、社会的支援、うつ病を学生のストレスの主な予測因子として特定しました。

結論:

• HHO-DTモデルは、学生のストレスを予測するための科学的に効果的なツールを提供します。
• 調査結果は、教育者、保護者、学生による標的介入をサポートし、メンタルヘルスを促進します。
• 正確なストレス予測は、学生のプレッシャーを軽減し、全体的な幸福感を向上させる戦略を開発するのに役立ちます。