在韩国的儿童和青少年中,使用机器学习方法对有问题的智能手机使用的可解释性预测
Kyungwon Kim1, Yoewon Yoon2, Soomin Shin3
1School of International Trade and Business, Incheon National University, Incheon 22012, Republic of Korea.
International journal of medical informatics
|April 2, 2024
概括
机器学习准确地预测了韩国年轻人存在问题的智能手机使用情况. 人工智能可以识别早期症状,建议采取替代活动来对抗成.
科学领域:
- 数字健康数字健康
- 人工智能在公共卫生中的作用
- 青少年心理学 青少年心理学
背景情况:
- 韩国拥有全球最高的智能手机拥有率 (95%),代际差距最小.
- 问题性智能手机使用在韩国儿童和青少年中在COVID-19后急剧增加,原因是学校和户外活动减少.
- 40.1%的青少年处于高风险阶段,这一人口群体的年增长持续.
研究的目的:
- 为预测和预防韩国严重问题智能手机使用提供数据驱动分析.
- 利用机器学习来早期识别面临风险的年轻人.
主要方法:
- 利用了2017-2021年韩国智能手机过度依赖调查的数据.
- 应用了八种机器和深度学习算法,包括后勤回归,随机森林,梯度增强机 (GBM),极端梯度增强 (XGBoost),轻GBM,分类增强,多层感知器和卷积神经网络.
- 专注于预测智能手机成的高风险群体.
主要成果:
- 该XGBoost算法在预测未来的问题智能手机使用方面实现了87.60%的精度.
- 与游戏,网络漫画/网络小说和电子书的长时间接触成为以前未被确定的重大风险因素.
- 人工智能模型展示了早期检测的预测和解释能力.
结论:
- 人工智能算法在识别年轻人群中问题性智能手机使用的早期迹象方面表现有前途.
- 建议促进各种各样的面对面活动,作为休使用智能手机的健康替代品.
- 强调需要采取主动干预措施,以减轻青少年对智能手机成的风险.
