پیش بینی گرایش به مصرف سیگار در دانشجویان بر اساس متغیرهای تحصیلی و اجتماعی

این پژوهش با هدف پیش بینی وضعیت سیگاری بودن دانشجویان دانشگاه شهید چمران اهواز با استفاده از داده های حاصل از پرسش نامه و تکنیک های یادگیری ماشین انجام شده است. در این مطالعه ۱۰۰ دانشجو به پرسش نامه استاندارد نگرش نسبت به سیگار پاسخ دادند. این پرسش نامه با سوالات تکمیلی در زمینه ی وضعیت زندگی، عملکرد تحصیلی و عادات اجتماعی همراه بود. داده ها پیش پردازش شده و ویژگی های کیفی به داده های عددی تبدیل شدند. برای تفسیر مدل از تکنیک SHAP و برای ساخت مدل پیش بینی از الگوریتم جنگل تصادفی استفاده شد. مدل نهایی با دقت ۸۴ درصد توانست وضعیت سیگاری بودن دانشجویان را به خوبی پیش بینی کند. مهم ترین ویژگی های موثر شامل نوع زندگی، افت تحصیلی و وضعیت روابط عاطفی بودند. یافته ها نشان می دهند که مدل های مبتنی بر هوش مصنوعی می توانند در شناسایی دانشجویان در معرض خطر و طراحی مداخلات هدفمند نقش مهمی ایفا کنند.

کلیدواژه ها:

سیگار ، دانشجویان ، یادگیری ماشین ، تحلیل نگرش ، جنگل تصادفی ، مدل پیش بینی