پیش بینی سلامت روان دانشجویان با استفاده از مدل تلفیقی مبتنی بر تکنیک های داده کاوی و تصمیم گیری چند معیاره - مطالعه موردی: دانشگاه کوثر بجنورد

دانشجویان، به عنوان متخصصین آینده و ایفاکنندگان نقش های مهم در شبکه های ارتباطات اجتماعی و توسعه جامعه، با انواع مشکلات و دشواری های روانی مواجه هستند. تشخیص زودهنگام و مداخله به موقع می تواند از بروز مشکلات جدی تر جلوگیری نماید. ازاین رو این پژوهش با هدف ارائه چارچوبی نوآورانه برای پیش بینی سلامت روان دانشجویان، تلفیقی هوشمندانه از تکنیک های تصمیم گیری چندمعیاره (دیمتل۱)، تحلیل مولفه های اصلی۲ بهبودیافته، و یادگیری ماشین را پیشنهاد می دهد. ابتدا بر اساس یک مجموعه داده جامع از اطلاعات دانشجویان و با بهره گیری از دیمتل، روابط علی بین عوامل موثر بر سلامت روان دانشجویان شناسایی شد؛ سپس با تحلیل مولفه های اصلی بهبودیافته، متغیر هدف (وضعیت سلامت روان) استخراج گردید. در مرحله مدل سازی، بر اساس مقایسه پنج الگوریتم یادگیری ماشین، مدل رگرسیون لجستیک با دقت ۱۰۰% و قابلیت تفسیرپذیری بالا به عنوان مدل برتر انتخاب شد. ترکیب خروجی احتمالی این مدل با سایر الگوریتم ها منجر به بهبود دقت همه مدل ها به ۱۰۰% گردید. تحلیل ضرایب نشان داد متغیرهای روانشناختی شامل اضطراب تحصیلی، افکار خودکشی و افسردگی بیشترین تاثیر منفی و متغیرهای وضعیت تاهل و علاقه به رشته اثرات محافظتی بر سلامت روان دارند. نتایج حاصل از این پژوهش می تواند به عنوان ابزاری قدرتمند جهت شناسایی زودهنگام دانشجویانی که به حمایت های روان شناختی نیاز دارند، مورداستفاده قرار گیرد.

کلیدواژه ها:

پیش بینی ، تصمیم گیری چند معیاره ، داده کاوی ، سلامت روان دانشجویان ، مدل سازی