تحلیل اثرات موسیقی بر سلامت روان افراد با استفاده از تکنیک یادگیری ماشین

سلامت روان یکی از مولفه های کلیدی کیفیت زندگی انسان است و پژوهش های اخیر نشان داده اند که موسیقی می تواند نقش چشمگیری در تنظیم هیجان، کاهش اضطراب و بهبود خلق وخو ایفا کند. با این حال بررسی کمی و نظام مند اثرات موسیقی بر سلامت روان هنوز با چالش های فراوانی مواجه است. در این پژوهش رویکردی مبتنی بر یادگیری ماشین برای تحلیل رابطه میان ویژگی های موسیقی و شاخص های سلامت روان ارائه می شود. ابتدا مجموعه ای از داده ها از طریق پرسشنامه موسیقی و سلامت روان MxMH Survey Results استخراج و پس از پاکسازی و پیش پردازش در قالب یک پایپ لاین استاندارد شامل ایمپوت، نرمال سازی و وان-هات انکودینگ آماده شدند. سپس با استفاده از چهار الگوریتم مختلف شامل رگرسیون لجستیک (LR)، ماشین بردار پشتیبان (SVM)، نزدیک ترین همسایه (KNN) و جنگل تصادفی (RF)، الگوهای ارتباطی میان ویژگی های موسیقی و متغیرهای روان شناختی از جمله نمرات اضطراب و افسردگی مورد تحلیل قرار گرفت. نتایج حاصله نشان داد بیش از سه چهارم افراد اثر مثبت موسیقی را گزارش کرده اند و بهترین مدل با دقتی در حدود ۷۵ درصد به دست آمد. هر چند مدل ها در تشخیص کلاس های اقلیت «بدون اثر» و «وخیم تر»، عملکرد ضعیفی داشتند این یافته ها ضمن تایید بهره گیری از داده های موسیقایی به عنوان شاخص های غیرتهاجمی برای پایش سلامت روان بر لزوم استفاده از داده های متوازن تر و ویژگی های غنی تر برای پیش بینی دقیق تر تاکید می کند.

کلیدواژه ها:

موسیقی ، سلامت روان ، یادگیری ماشین ، الگوریتم های پیش بینی