論文の概要: Machine Learning Algorithms for Detecting Mental Stress in College Students
- arxiv url: http://arxiv.org/abs/2412.07415v1
- Date: Tue, 10 Dec 2024 11:07:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-11 14:39:29.177401
- Title: Machine Learning Algorithms for Detecting Mental Stress in College Students
- Title（参考訳）: 大学生のメンタルストレス検出のための機械学習アルゴリズム
- Authors: Ashutosh Singh, Khushdeep Singh, Amit Kumar, Abhishek Shrivastava, Santosh Kumar,
- Abstract要約: 本研究は, 各種機械学習アルゴリズムを適用し, 大学生のストレスや非ストレス発生を予測するための取り組みである。
学生のストレスレベルを主目的としたワークショップを開催した。
- 参考スコア（独自算出の注目度）: 4.527994834705904
- License:
- Abstract: In today's world, stress is a big problem that affects people's health and happiness. More and more people are feeling stressed out, which can lead to lots of health issues like breathing problems, feeling overwhelmed, heart attack, diabetes, etc. This work endeavors to forecast stress and non-stress occurrences among college students by applying various machine learning algorithms: Decision Trees, Random Forest, Support Vector Machines, AdaBoost, Naive Bayes, Logistic Regression, and K-nearest Neighbors. The primary objective of this work is to leverage a research study to predict and mitigate stress and non-stress based on the collected questionnaire dataset. We conducted a workshop with the primary goal of studying the stress levels found among the students. This workshop was attended by Approximately 843 students aged between 18 to 21 years old. A questionnaire was given to the students validated under the guidance of the experts from the All India Institute of Medical Sciences (AIIMS) Raipur, Chhattisgarh, India, on which our dataset is based. The survey consists of 28 questions, aiming to comprehensively understand the multidimensional aspects of stress, including emotional well-being, physical health, academic performance, relationships, and leisure. This work finds that Support Vector Machines have a maximum accuracy for Stress, reaching 95\%. The study contributes to a deeper understanding of stress determinants. It aims to improve college student's overall quality of life and academic success, addressing the multifaceted nature of stress.
- Abstract（参考訳）: 今日の世界では、ストレスは人々の健康と幸福に影響を与える大きな問題です。
ますます多くの人がストレスを感じており、呼吸障害、圧倒された気分、心臓発作、糖尿病など多くの健康問題を引き起こしている。
この研究は、決定木、ランダムフォレスト、サポートベクターマシン、AdaBoost、Naive Bayes、ロジスティック回帰、K-nearest Neighborsといった様々な機械学習アルゴリズムを適用して、大学生のストレスや非ストレスの発生を予測する。
本研究の主な目的は,収集したアンケートデータセットに基づいてストレスや非ストレスを予測・緩和する研究の活用である。
学生のストレスレベルを主目的としたワークショップを開催した。
このワークショップには18歳から21歳までの約843人の学生が出席した。
インド・シャッティスガル州, 全インド医科大学ライプル校(AIIMS)の専門家の指導のもと, 調査を行った。
調査は28の質問から成っており、感情的幸福、身体的健康、学術的パフォーマンス、関係性、余暇など、ストレスの多次元的側面を包括的に理解することを目的としている。
この研究によると、Support Vector Machinesはストレスの最大精度が95%に達する。
本研究はストレス要因のより深い理解に寄与する。
ストレスの多面的な性質に対処し、大学生の全体的な生活の質と学術的成功を改善することを目的としている。
関連論文リスト
- 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) - Identifying Periods of Cyclical Stress in University Students Using
Wearables In-the-Wild [13.537515154031151]
日本人大学生103名のコホートにウェアラブル型健康トラッキングリングを28カ月間使用した。
調査では,受験期間中のストレスマーカーの増加,新年,就業時期について調査した。
論文 参考訳（メタデータ） (2024-02-19T04:32:02Z) - Understanding Stress, Burnout, and Behavioral Patterns in Medical
Residents Using Large-scale Longitudinal Wearable Recordings [44.608785297557674]
本研究は、43人の医療従事者の職場行動パターンを訓練の異なる段階にわたって調査した。
具体的には,その増幅パターン,コンピュータアクセス,住民のメンターとのインタラクションについて検討する。
分析の結果, 歩行行動パターンやコンピュータの利用状況は, プログラムの年齢によって異なるが, 住民の作業行動は異なることが明らかとなった。
論文 参考訳（メタデータ） (2024-02-14T09:06:50Z) - Detection and Analysis of Stress-Related Posts in Reddit Acamedic
Communities [0.0]
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。
論文 参考訳（メタデータ） (2023-12-02T07:34:03Z) - 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) - 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) - Exploring COVID-19 Related Stressors Using Topic Modeling [0.0]
本研究では、ソーシャルメディアデータに自然言語処理(NLP)を適用し、新型コロナウイルスパンデミック時の精神社会的ストレスを識別することを目的とする。
2月14日から,subreddit rCOVID19_ Supportから9266件のReddit投稿のデータセットを得た。
2020年 - 2021年7月19日。
その結果,ソーシャルメディアプラットフォーム上で議論されているコビッド新型コロナウイルス関連ストレス要因の傾向を可視化するダッシュボードが提示された。
論文 参考訳（メタデータ） (2022-01-12T20:22:43Z) - 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) - Deep Multi-task Learning for Depression Detection and Prediction in
Longitudinal Data [50.02223091927777]
うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。
機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。
本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2020-12-05T05:14:14Z) - 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。