論文の概要: Detection and Analysis of Stress-Related Posts in Reddit Acamedic
Communities
- arxiv url: http://arxiv.org/abs/2312.01050v1
- Date: Sat, 2 Dec 2023 07:34:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-05 19:28:40.427863
- Title: Detection and Analysis of Stress-Related Posts in Reddit Acamedic
Communities
- Title（参考訳）: Redditアカデミックコミュニティにおけるストレス関連ポストの検出と解析
- Authors: Nazzere Oryngozha and Pakizar Shamoi and Ayan Igali
- Abstract要約: 本研究は,Reddit学術コミュニティにおけるストレス関連投稿の検出と分析に焦点をあてる。
テキストは、自然言語処理と機械学習分類器を用いて、強調されているか、そうでないかを分類する。
重要な発見は、Redditの教授コミュニティにおける投稿やコメントが最もストレスが強いことを示している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Nowadays, the significance of monitoring stress levels and recognizing early
signs of mental illness cannot be overstated. Automatic stress detection in
text can proactively help manage stress and protect mental well-being. In
today's digital era, social media platforms reflect the psychological
well-being and stress levels within various communities. This study focuses on
detecting and analyzing stress-related posts in Reddit academic communities.
Due to online education and remote work, these communities have become central
for academic discussions and support. We classify text as stressed or not using
natural language processing and machine learning classifiers, with Dreaddit as
our training dataset, which contains labeled data from Reddit. Next, we collect
and analyze posts from various academic subreddits. We identified that the most
effective individual feature for stress detection is the Bag of Words, paired
with the Logistic Regression classifier, achieving a 77.78% accuracy rate and
an F1 score of 0.79 on the DReaddit dataset. This combination also performs
best in stress detection on human-annotated datasets, with a 72% accuracy rate.
Our key findings reveal that posts and comments in professors Reddit
communities are the most stressful, compared to other academic levels,
including bachelor, graduate, and Ph.D. students. This research contributes to
our understanding of the stress levels within academic communities. It can help
academic institutions and online communities develop measures and interventions
to address this issue effectively.
- Abstract（参考訳）: 今日ではストレスレベルをモニターし、精神疾患の早期徴候を認識する重要性を誇張することはできない。
テキストの自動ストレス検出は、ストレスの管理と精神的健康の保護を積極的に支援する。
今日のデジタル時代には、ソーシャルメディアプラットフォームは様々なコミュニティにおける心理的幸福とストレスレベルを反映している。
本研究は,Reddit学術コミュニティにおけるストレス関連投稿の検出と分析に焦点をあてる。
オンライン教育とリモートワークにより、これらのコミュニティは学術的な議論と支援の中心となっている。
テキストを、自然言語処理と機械学習の分類器を使ってストレスのあるものと分類し、redditのラベル付きデータを含むトレーニングデータセットとしてdreadditを使用します。
次に,様々な学術論文の投稿を収集し,分析する。
ストレス検出の最も効果的な特徴は単語のバグであり、ロジスティック回帰分類器と組み合わせて77.78%の精度とDReadditデータセットでのF1スコアが0.79であることを確認した。
この組み合わせは、72%の精度で人間の注釈付きデータセットのストレス検出にも最適である。
私たちの重要な発見は、redditの教授による投稿やコメントが、学士、大学院、ph.d.の学生など他の学術レベルと比べて最もストレスが強いことを示しています。
本研究は,学術コミュニティにおけるストレスレベルの理解に寄与する。
学術機関やオンラインコミュニティがこの問題を効果的に解決するための対策や介入を行うのに役立つ。
関連論文リスト
- Real-time stress detection on social network posts using big data technology [0.0]
Dreaddit: A Reddit dataset for Stress Analysis in Social Media" を用いて,オンライン投稿におけるストレス検出のリアルタイムシステムを開発した。
トレーニングには3,553行のラベル付きデータセットが作成された。モデルの構築とデプロイにはApache Kafka、PySpark、AirFlowが使用されている。
ロジスティック回帰は新たなストリーミングデータに対して最高の結果となり、精度は69,39%、F1スコアは68,97となった。
論文 参考訳（メタデータ） (2024-11-07T08:41:13Z) - Measuring Non-Typical Emotions for Mental Health: A Survey of Computational Approaches [57.486040830365646]
ストレスと抑うつは日々のタスクにおけるエンゲージメントに影響を与え、彼らの相互作用を理解する必要性を強調します。
この調査は、ストレス、抑うつ、エンゲージメントを分析する計算手法を同時に探求した最初のものである。
論文 参考訳（メタデータ） (2024-03-09T11:16:09Z) - Employing Multimodal Machine Learning for Stress Detection [8.430502131775722]
メンタルウェルネスは、今日の世界で最も無視されているが決定的な側面の1つである。
本研究では、人の作業行動とストレスレベルを監視するために、マルチモーダルなAIベースのフレームワークを提案する。
論文 参考訳（メタデータ） (2023-06-15T14:34:16Z) - LOST: A Mental Health Dataset of Low Self-esteem in Reddit Posts [4.6071451559137175]
低自尊心と対人欲求は、うつ病や自殺の試みに大きな影響を及ぼす。
個人は、孤独を増進し緩和するためにソーシャルメディア上の社会的つながりを求めます。
Reddit上での低自己評価を研究・検出するために,心理学的根拠と専門的な注釈付きデータセット,LoST: Low Self esTeemを紹介した。
論文 参考訳（メタデータ） (2023-06-08T23:52:35Z) - ForDigitStress: A multi-modal stress dataset employing a digital job
interview scenario [48.781127275906435]
本稿では,デジタル面接を利用してストレスを誘発するマルチモーダルストレスデータセットを提案する。
このデータセットは、オーディオ、ビデオ、生理情報を含む40人の参加者のマルチモーダルデータを提供する。
ベースラインを確立するために、5つの異なる機械学習分類器が訓練され、評価されている。
論文 参考訳（メタデータ） (2023-03-14T09:40:37Z) - Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。
本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
論文 参考訳（メタデータ） (2023-02-05T22:33:49Z) - Mental Illness Classification on Social Media Texts using Deep Learning
and Transfer Learning [55.653944436488786]
世界保健機関(WHO)によると、約4億5000万人が影響を受ける。
うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。
本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
論文 参考訳（メタデータ） (2022-07-03T11:33:52Z) - A multimodal sensor dataset for continuous stress detection of nurses in
a hospital [0.8312466807725921]
本稿では, 病院の自然作業環境において, ユニークなストレス検出データセットを提供する。
このデータセットは、新型コロナウイルスの感染拡大に伴う看護師の生体データである。
論文 参考訳（メタデータ） (2021-07-25T22:24:25Z) - Learning Language and Multimodal Privacy-Preserving Markers of Mood from
Mobile Data [74.60507696087966]
精神状態は、先進医療に共通する国でも診断されていない。
人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。
本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
論文 参考訳（メタデータ） (2021-06-24T17:46:03Z) - Identifying pandemic-related stress factors from social-media posts --
effects on students and young-adults [2.198430261120653]
新型コロナウイルス(COVID-19)のパンデミックにより、世界中で自然の生命が失われている。
原因となるウイルスの拡散を抑制するため、厳格な対策が実施され、最も効果的なのは社会的孤立である。
このことが社会全体に広範に広まり、抑うつをもたらしたが、若年層や高齢者の間では顕著である。
論文 参考訳（メタデータ） (2020-12-01T08:42:27Z) - Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。
スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。
eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
論文 参考訳（メタデータ） (2020-08-09T20:22:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。