Mental health prediction using a subjective well-being model based on the perceived stress scale

İnsanları sağlıklı ve üretken tutmanın en iyi yollarından biri olan varoluşun en önemli yönlerinden birinin mutlu olmak olduğu ortaya konmuştu. Bu, refahın varoluşun en önemli parçalarından biri olduğu sonucuna yol açmıştır. "İyi olma halini" tanımlamanın önemli sayıda farklı yolu olduğundan, onu değerlendirmek için kullanılabilecek önemli sayıda farklı ölçek de vardır. İyi oluş ölçeğinin amacı, bireyin yaşam kalitesi düzeyi hakkında genel bilgi vermektir. Bu çalışmada, stres düzeylerine ilişkin tahminler yapmak için Öznel İyi Oluş (ÖİB) özellikleri makine öğrenimi sınıflandırıcıları ile birlikte kullanılmıştır. 2015-2019 yılları arasında üniversite öğrencilerinden veri toplamak için sensörler ve öz-raporlardan yararlanılmış ve yaklaşık 700 öğrenci katılmıştır. İnsan doğasını ve gereksinimlerini anlamak için bir bakış açısına sahip olmak, son zamanlarda uzmanlar arasında popüler bir çalışma konusu olarak ortaya çıkmıştır. Bu nedenle, Yapay Zeka (AI) ve Psikoloji kombinasyonu basit görünebilir; Yine de, Yapay Zeka araştırmalarındaki her bir yönü ve yansımalarını belirlemek için psikoloji konusunun kapsamlı bir şekilde araştırılması gerekiyor. . Bu çalışmanın amacı, psikolojik bir araştırmanın bulgularını ayrıntılı olarak sunarak ve açıklayarak bireylere fiziksel ve ruhsal sağlık durumlarını anlamaları için temel bir çerçeve sağlamaktır. İyi tasarlanmış modeller kullanılarak refahın nasıl tahmin edilebileceğini belirlemek için birçok sayıda çalışma yapılmıştır. Uygulanabilir bir Öznel İyi Oluş (ÖİB) modeli oluşturmak için söz konusu değişkenlerin arka planını araştırmak gerekir. Öznel iyi oluş literatüründen uygun değişkenler seçilmiştir. Bununla birlikte gerçek hayatta toplanan veriler işlenerek modele uygun hale getirilmiştir. Bu çalışmanın amacı, psikolojik bakış açısıyla hazırlanan öznel iyi oluş modelini ÖİB değişkenleri ile besleyerek değerlendirmek ve ardından gerçek bir veri kümesinde ne kadar iyi performans gösterdiğini görmektir. Bu süreçlerin gerçekleştirilmesinde makine öğrenimi yöntemlerini kullanarak stres seviyeleri kategorilere ayrılmıştır. Çok sınıflı bir sınıflandırma sorunu olmasına rağmen, belirli bir görev için dikkate alınabilecek önemli metrik puanlar elde edilmiştir.