基于母婴互动动力学预测学前儿童外向问题
机器学习
2025-01-03 v1 人工智能
摘要
目标：预测儿童未来的外向问题水平有助于识别有风险的儿童并制定针对性干预。既往研究表明，母亲对儿童失调反应的支持与儿童外向问题水平较低相关。本研究旨在评估并提高使用母婴互动动力学预测儿童外向问题的准确性。方法：本研究使用母婴在一项具有挑战性的数独任务中的互动动力学，预测六个月后儿童的外向问题（样本数 N=101，男性 46 人，平均年龄 57.41 月，标准差 6.58 月）。比较残差动态结构方程模型（RDSEM）的性能与基于注意力机制的序列行为互动建模（ASBIM）模型，后者采用深度学习技术开发。结果：RDSEM 结果显示，母亲在儿童失败后提供更多自主支持的儿童，其外向问题水平较低。五折交叉验证表明，RDSEM 拥有良好的预测准确性。ASBIM 模型进一步提高了预测准确性，尤其是在包括儿童抑制控制作为个性化特征后效果更佳。结论：母婴互动的动态过程为预测儿童外向问题提供了重要信息，尤其是母亲对儿童失败后的自主支持反应。深度学习模型是进一步提高预测准确性的有用工具。
引用
@article{arxiv.2501.00065,
title = {Predicting Preschoolers' Externalizing Problems with Mother-Child Interaction Dynamics and Deep Learning},
author = {Xi Chen and Yu Ji and Cong Xia and Wen Wu},
journal= {arXiv preprint arXiv:2501.00065},
year = {2025}
}
备注
34 pages, 3 figures, 2 tables