16、基于机器学习的印度大学生疫情期间心理健康分析与预测

基于机器学习的印度大学生疫情期间心理健康分析与预测

1. 引言

新冠疫情不仅造成了全球经济和社会的混乱，还极大地改变了人们的生活方式。从学校到大学，整个教育系统都受到了明显的影响。传统教育主要侧重于同伴间互动学习，如今已转变为在线学习。然而，在线学习让学生与教师和同伴的协作互动变得困难，还带来了社交隔离、学业压力、就业不稳定等问题。这些教育系统的变化导致学生出现了心理健康问题，需要得到关注。

不同群体（如高中生、大学生和职场人士）的心理健康状况有所不同，大学生的心理压力程度也因年级而异，毕业班学生通常比一年级学生更担心就业问题。此外，在线教育使学生面临社交隔离、基础设施不足、学业表现不佳和抑郁情绪等困扰。因此，确定学生的压力水平对于预防心理疾病至关重要。

此前已有研究分析了美国和中国学生的心理健康参数，并运用机器学习算法识别心理健康问题，但尚未有针对印度学生心理健康参数的研究。本研究旨在通过调查分析影响印度大学生心理健康的参数，并设计分类模型来预测学生的心理压力水平。

2. 相关工作

2.1 基于机器学习的心理健康分析

多年来，许多国家都在研究心理健康与个人整体幸福感之间的关系。一些研究者使用机器学习算法来预测心理健康：
- Srividya等人应用多种机器学习算法（如NB分类器、决策树、SVM、LR、K - 近邻）识别个人心理健康状况，并通过聚类算法确定簇的数量，将聚类标签作为输入构建分类器。
- 有研究使用DASS 21问卷收集数据，运用五种机器学习算法评估压力、焦虑和抑郁的五个等级，通过F1分数确定RF分类器的准确率最高。
- Sau等人基于社会人口学和健康相关特征，应用不同分