論文の概要: Support Vector Machine-Based Burnout Risk Prediction with an Interactive Interface for Organizational Use

• arxiv url: http://arxiv.org/abs/2510.25509v1
• Date: Wed, 29 Oct 2025 13:32:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-30 15:50:45.5926
• Title: Support Vector Machine-Based Burnout Risk Prediction with an Interactive Interface for Organizational Use
• Title（参考訳）: 組織利用のための対話型インタフェースを用いたベクトルマシンによるバーンアウトリスク予測
• Authors: Bruno W. G. Teodosio, Mário J. O. T. Lira, Pedro H. M. Araújo, Lucas R. C. Farias,
• Abstract要約: バーンアウト(英: Burnout)は、感情的な疲労、非人格化、個人の達成率の低下を特徴とする心理学的症候群である。 本研究では,HackerEarthの従業員バーンアウトチャレンジデータセットを用いて,バーンアウトリスクを予測する機械学習手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Burnout is a psychological syndrome marked by emotional exhaustion, depersonalization, and reduced personal accomplishment, with a significant impact on individual well-being and organizational performance. This study proposes a machine learning approach to predict burnout risk using the HackerEarth Employee Burnout Challenge dataset. Three supervised algorithms were evaluated: nearest neighbors (KNN), random forest, and support vector machine (SVM), with model performance evaluated through 30-fold cross-validation using the determination coefficient (R2). Among the models tested, SVM achieved the highest predictive performance (R2 = 0.84) and was statistically superior to KNN and Random Forest based on paired $t$-tests. To ensure practical applicability, an interactive interface was developed using Streamlit, allowing non-technical users to input data and receive burnout risk predictions. The results highlight the potential of machine learning to support early detection of burnout and promote data-driven mental health strategies in organizational settings.
• Abstract（参考訳）: バーンアウト(英: Burnout)は、感情的疲労、非人格化、個人的達成の減少を特徴とする心理学的症候群であり、個人の幸福と組織的パフォーマンスに大きな影響を及ぼす。 本研究では,HackerEarthの従業員バーンアウトチャレンジデータセットを用いて,バーンアウトリスクを予測する機械学習手法を提案する。 決定係数 (R2) を用いて, 30倍のクロスバリデーションによるモデル性能の評価を行い, 隣接地 (KNN) , ランダム林, サポートベクターマシン (SVM) の3つの教師付きアルゴリズムを評価した。 テストされたモデルのうち、SVMは最高の予測性能(R2 = 0.84)を達成し、ペアの$t$-testに基づいてKNNやRandom Forestよりも統計的に優れている。 実用的な適用性を確保するために、Streamlitを使ってインタラクティブインターフェースを開発し、非技術者のユーザがデータを入力し、燃え尽き症候群のリスク予測を受けられるようにした。 その結果、機械学習がバーンアウトの早期検出を支援し、組織環境におけるデータ駆動型メンタルヘルス戦略を促進する可能性を強調した。

関連論文リスト

• End to End Autoencoder MLP Framework for Sepsis Prediction [10.151360630975482]
  セプシス(Sepsis)は、集中治療環境でのタイムリーな検出を必要とする生命の脅威である。 Naive Bayesを含む従来の機械学習アプローチは、不規則で不完全な時系列データに苦戦している。 自動特徴抽出のための教師なしオートエンコーダを統合したエンドツーエンドのディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-26T05:22:48Z)
• Using Natural Language Processing to find Indication for Burnout with Text Classification: From Online Data to Real-World Data [36.136619420474766]
  バーンアウトは、疲労、シニシズム、およびプロの効能の低下によって特徴づけられる。 自然言語処理と機械学習の最近の進歩は、バーンアウトを検出するための有望なツールを提供する。
  論文  参考訳（メタデータ） (2024-09-22T08:13:17Z)
• Self-Training with Pseudo-Label Scorer for Aspect Sentiment Quad Prediction [54.23208041792073]
  Aspect Sentiment Quad Prediction (ASQP) は、与えられたレビューに対して全てのクワッド(アスペクト項、アスペクトカテゴリー、意見項、感情極性)を予測することを目的としている。 ASQPタスクにおける重要な課題はラベル付きデータの不足であり、既存のメソッドのパフォーマンスを制限している。 そこで我々は,擬似ラベルスコアラーを用いた自己学習フレームワークを提案し,レビューと擬似ラベルの一致をスコアラーが評価する。
  論文  参考訳（メタデータ） (2024-06-26T05:30:21Z)
• Comprehensive Study Of Predictive Maintenance In Industries Using Classification Models And LSTM Model [0.0]
  この研究は、SVM(Support Vector Machine)、ランダムフォレスト(Random Forest)、ロジスティック回帰(Logistic Regression)、畳み込みニューラルネットワークLSTMベース(Convolutional Neural Network LSTM-based)など、さまざまな機械学習分類手法を掘り下げて、マシンのパフォーマンスを予測し分析することを目的としている。 本研究の主な目的は、精度、精度、リコール、F1スコアなどの要因を考慮して、これらのアルゴリズムの性能を評価し、機械性能を予測・解析することである。
  論文  参考訳（メタデータ） (2024-03-15T12:47:45Z)
• Energy-based Out-of-Distribution Detection for Graph Neural Networks [76.0242218180483]
  我々は,GNNSafeと呼ばれるグラフ上での学習のための,シンプルで強力で効率的なOOD検出モデルを提案する。 GNNSafeは、最先端技術に対するAUROCの改善を最大17.0%で達成しており、そのような未開発領域では単純だが強力なベースラインとして機能する可能性がある。
  論文  参考訳（メタデータ） (2023-02-06T16:38:43Z)
• Robust Trajectory Prediction against Adversarial Attacks [84.10405251683713]
  ディープニューラルネットワーク(DNN)を用いた軌道予測は、自律運転システムにおいて不可欠な要素である。 これらの手法は敵の攻撃に対して脆弱であり、衝突などの重大な結果をもたらす。 本研究では,敵対的攻撃に対する軌道予測モデルを保護するための2つの重要な要素を同定する。
  論文  参考訳（メタデータ） (2022-07-29T22:35:05Z)
• CARLA-GeAR: a Dataset Generator for a Systematic Evaluation of Adversarial Robustness of Vision Models [61.68061613161187]
  本稿では,合成データセットの自動生成ツールであるCARLA-GeARについて述べる。 このツールは、Python APIを使用して、CARLAシミュレータ上に構築されており、自律運転のコンテキストにおいて、いくつかのビジョンタスク用のデータセットを生成することができる。 本稿では,CARLA-GeARで生成されたデータセットが,現実世界の敵防衛のベンチマークとして今後どのように利用されるかを示す。
  論文  参考訳（メタデータ） (2022-06-09T09:17:38Z)
• Unsupervised Domain Adaptation for Speech Recognition via Uncertainty Driven Self-Training [55.824641135682725]
  WSJ をソースドメインとし,TED-Lium 3 とSWITCHBOARD を併用したドメイン適応実験を行った。
  論文  参考訳（メタデータ） (2020-11-26T18:51:26Z)
• Bayesian Optimization with Machine Learning Algorithms Towards Anomaly Detection [66.05992706105224]
  本稿では,ベイズ最適化手法を用いた効果的な異常検出フレームワークを提案する。 ISCX 2012データセットを用いて検討したアルゴリズムの性能を評価する。 実験結果から, 精度, 精度, 低コストアラームレート, リコールの観点から, 提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2020-08-05T19:29:35Z)

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。