使用机器学习技术对国际学生的心理健康分析
Muhammad Azizur Rahman1, Tripti Kohli1
1Cardiff School of Technologies, Cardiff Metropolitan University, Llandaff Campus, Cardiff, Wales, United Kingdom.
PloS one
|June 6, 2024
概括
国际学生在国外面临心理健康挑战. 这项研究使用机器学习来预测抑郁症,识别关键的人口统计和心理社会因素,随机森林实现了80%的准确性.
科学领域:
- 心理学 心理学 心理学
- 计算机科学 计算机科学
- 社会学 社会学 社会学
背景情况:
- 国际学生的心理健康问题越来越令人担忧,原因是文化差异和怀旧等挑战.
- 有限的研究存在于影响国际学生心理健康的因素和机器学习在这个领域的应用.
研究的目的:
- 分析影响国际学生心理健康的人口,文化和心理社会因素.
- 开发一种机器学习模型,用于预测英国国际学生的抑郁症.
主要方法:
- 利用了来自"学生心理健康和寻求帮助行为数据集"的初级调查数据和二级数据.
- 将四种机器学习模型 (逻辑回归,决策树,随机森林,K近邻) 应用于训练/测试分割数据集.
- 使用准确度,灵敏度,特异性,精度和AU-ROC曲线评估模型性能.
主要成果:
- 确定了重要的人口统计变量 (贷款状况,性别,年龄,婚姻状况) 和心理社会因素 (财务困难,学术压力,怀旧,孤独).
- 随机森林模型实现了最高的预测准确度,为80%的抑郁症.
结论:
- 人口和心理社会因素显著影响国际学生的心理健康.
- 机器学习,特别是随机森林,在预测这一群体中抑郁症方面表现有前途.
