論文の概要: Behavioral and Performance Indicators of Depression and Anxiety in Electronic Learning Systems
- arxiv url: http://arxiv.org/abs/2606.04254v1
- Date: Tue, 02 Jun 2026 22:08:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-04 20:44:18.404144
- Title: Behavioral and Performance Indicators of Depression and Anxiety in Electronic Learning Systems
- Title（参考訳）: 電子学習システムにおける抑うつ・不安の行動指標と性能指標
- Authors: Arya VarastehNezhad, Fattaneh Taghiyareh,
- Abstract要約: 本研究は,Moodleを用いた学習管理システムから得られた行動指標と性能指標が,コンピュータ工学生のうつ病と不安との関連性について検討した。
いくつかの指標はうつ病と不安に大きく関連していた。
これらの結果から, 日常的なLMSデータは, 学生の幸福に関連する有意義な行動信号を与え, 精神保健関連疾患を経験する学生の早期の教育的認識を支援する可能性が示唆された。
- 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: This study investigates whether behavioral and performance indicators derived from a Moodle-based learning management system are associated with university students' depression and anxiety in two undergraduate Computer Engineering courses. Using a quantitative observational design, LMS event logs, academic records, and self-reported Beck Depression Inventory-II and Beck Anxiety Inventory scores from 97 students were integrated. A broad set of behavioral and performance indicators spanning temporal engagement, session structure, deadline-related behavior, page-refresh patterns, and LMS navigation was extracted from raw event logs and analyzed using descriptive statistics, independent-samples t-tests with Benjamini-Hochberg FDR correction, effect sizes, and Spearman correlations; inventory scores were confirmed invariant by sex and academic year. Several indicators were significantly associated with depression and anxiety. Higher depression was associated with shifted temporal activity patterns, longer session durations, and shorter homework submission lead times, while higher anxiety was associated with concentrated temporal engagement and session-based differences. These findings suggest that routine LMS data can provide meaningful behavioral signals related to student well-being and may support earlier educational awareness of students who experience mental-health-related strain. At the same time, such indicators should be interpreted as contextual and non-diagnostic markers rather than as substitutes for clinical assessment.
- Abstract（参考訳）: 本研究は,Moodleをベースとした学習管理システムから得られた行動指標と性能指標が,大学生の抑うつと不安に関係しているかどうかを,2つの学部コンピュータ工学コースで検討した。
LMS イベントログ,学術記録,自己報告の Beck Depression Inventory-II と Beck Anxiety Inventory スコアを定量的な観察設計を用いて統合した。
生のイベントログから時間的エンゲージメント,セッション構造,期限関連行動,ページ更新パターン,LMSナビゲーションを対象とし,ベンジャミン・ホックバーグのFDR補正による独立サンプルt-test,効果サイズ,スピアマンの相関など,幅広い行動指標とパフォーマンス指標を抽出した。
いくつかの指標はうつ病と不安に大きく関連していた。
抑うつは、時間的活動パターンの変化、セッション期間の延長、宿題のリードタイムの短縮、時間的エンゲージメントの集中とセッションベースの違いに関連付けられていた。
これらの結果から, 日常的なLMSデータは, 学生の幸福に関連する有意義な行動信号を与え, 精神保健関連疾患を経験する学生の早期の教育的認識を支援する可能性が示唆された。
同時に、このような指標は、臨床評価の代用としてではなく、文脈的および非診断的マーカーとして解釈されるべきである。
関連論文リスト
- Explainable Detection of Depression Status Shifts from User Digital Traces [1.3266402517619371]
利用者のデジタルトレースにおけるうつ関連状態変化を検出し解析するための説明可能なフレームワークを提案する。
このフレームワークを2つのソーシャルメディアデータセット上で評価する。
論文 参考訳（メタデータ） (2026-05-14T15:56:38Z) - Time-Resolved EEG Decoding of Semantic Processing Reveals Altered Neural Dynamics in Depression and Suicidality [28.636815691167474]
脳波を用いた感情処理のセマンティックダイナミクスについて検討した。
うつ病や自殺観念を持つ人は、早期発症、長い期間、振幅復号反応が大きかった。
論文 参考訳（メタデータ） (2025-07-30T00:58:51Z) - Real-Time Stress Monitoring, Detection, and Management in College Students: A Wearable Technology and Machine-Learning Approach [1.0389278083386493]
大学生はストレス、不安、うつにますます影響を受ける。
本研究は、モバイルヘルス(mHealth)介入、メンタルヘルス評価およびルックアウトプログラム(mHELP)の有効性を評価する。
mHELPは、リアルタイムストレス検出と自己管理のためのスマートウォッチセンサーと機械学習(ML)アルゴリズムを統合している。
論文 参考訳（メタデータ） (2025-05-21T19:45:42Z) - Large-scale digital phenotyping: identifying depression and anxiety indicators in a general UK population with over 10,000 participants [2.2909783327197393]
英国在住の一般住民10,129名のデータを横断的に分析した。
参加者は、ウェアラブル(Fitbit)データと、うつ病(PHQ-8)、不安(GAD-7)、ムードに関する自己申告アンケートを、研究アプリを通じて共有した。
気分,年齢,性別,BMI,睡眠パターン,身体活動,心拍数など,うつ病の重症度と不安度との間に有意な関連が認められた。
論文 参考訳（メタデータ） (2024-09-24T16:05:17Z) - The Relationship Between Speech Features Changes When You Get Depressed:
Feature Correlations for Improving Speed and Performance of Depression
Detection [69.88072583383085]
この研究は、抑うつが音声から抽出した特徴間の相関を変化させることを示す。
このような洞察を用いることで、SVMとLSTMに基づく抑うつ検出器のトレーニング速度と性能を向上させることができる。
論文 参考訳（メタデータ） (2023-07-06T09:54:35Z) - 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) - Heterogeneous Hidden Markov Models for Sleep Activity Recognition from
Multi-Source Passively Sensed Data [67.60224656603823]
精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。
睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。
スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
論文 参考訳（メタデータ） (2022-11-08T17:29:40Z) - 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) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳（メタデータ） (2020-05-06T09:02:30Z)
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。