利用人工智能技术在博士生中识别抑郁风险
Changhong Teng1, Chunmei Yang2, Qiushi Liu3
1School of Education, Beijing Institute of Technology, Beijing, 100081, China.
Scientific reports
|December 31, 2024
概括
博士生面临更高的抑郁风险. 这项研究使用人工智能来识别有风险的学生,发现过度劳动和工作与生活平衡不佳是关键因素,使得有针对性的大学干预成为可能.
科学领域:
- 教育心理学教育心理学
- 教育中的人工智能
- 心理健康研究 心理健康研究
背景情况:
- 与其他人口统计数据相比,博士生患抑郁症的患病率更高.
- 专门针对该群体抑郁风险的研究仍然有限,研究结果并不普遍适用.
研究的目的:
- 调查导致博士生高抑郁风险的因素.
- 利用人工智能开发一种有效的方法来识别有抑郁症风险的博士生.
- 为大学提出基于证据的策略,以预防和干预博士生抑郁症.
主要方法:
- 利用随机森林算法从37个潜在的抑郁风险因素中选择了13个关键特征. 在博士生中.
- 采用多层感知器 (MLP) 神经网络进行预测建模,在测试组中达到89.09%的准确性.
- 分析了2019年自然全球博士生调查的数据.
主要成果:
- 确定过度工作,工作与生活平衡不佳以及负面的导师与学生关系是患抑郁症风险较高的博士生显著特征.
- 开发了一个精确的AI驱动模型来预测这一群体的抑郁风险.
- 创建了对容易患抑郁症的博士生详细的个人资料.
结论:
- 人工智能方法可以有效地识别患抑郁症风险的博士生.
- 解决工作量和主管关系等因素对于改善博士生心理健康至关重要.
- 大学可以实施有针对性的战略,以支持弱势博士生,提高整体福祉.
