基于机器学习的感知压力测试分析

Toygar Tanyel

基于机器学习的感知压力测试分析

机器学习 2023-06-05 v2 人机交互

作者: Toygar Tanyel

摘要

本研究旨在确定 150 名个体的感知压力水平，并使用机器学习分析其以土耳其语作答的改编问卷回复。测试由 14 个问题组成，每个问题按 0 至 4 计分，总分范围为 0–56。其中 7 个问题以负面语境表述并相应计分，其余 7 个以正面语境表述并反向计分。测试还设计用于识别两个子因子：感知自我效能与压力/不适感知。本研究的主要目标是利用人工智能技术证明测试问题可能不具有同等重要性，揭示社会中哪些问题存在变异，并最终证明心理学中观察到的独特模式之存在。本研究通过机器学习重复测试，提供了与现有心理学文献不同的视角。此外，它质疑了用于解释感知压力测试结果的量表之准确性，并强调考虑测试问题优先级差异的重要性。本研究结果为应对压力的处理策略与治疗途径提供了新见解。源代码：https://github.com/toygarr/ppl-r-stressed

关键词

感知压力机器学习问卷分析自我效能压力感知心理模式

引用

@article{arxiv.2305.18473,
  title  = {Analysis of Perceived Stress Test using Machine Learning},
  author = {Toygar Tanyel},
  journal= {arXiv preprint arXiv:2305.18473},
  year   = {2023}
}

备注

in Turkish language

基于机器学习的感知压力测试分析

摘要

关键词

引用

备注

相关论文