Машинное обучение для скрининга психологических симптомов у условно осужденных

Машинное обучение для скрининга психологических симптомов у условно осужденных

Интересное сегодня

Почему некоторые люди ярко помнят сны, а другие забывают их?

Некоторые люди просыпаются с яркими воспоминаниями о своих снах и могут рассказать точные истории, п...

Анализ языка в детской литературе: Как книги формируют предс...

Травлю и агрессивное поведение в детском возрасте можно считать важными социальными и развивающимися...

Телесные карты эмоций, вызванных физической активностью: Нов...

Телесные ощущения и эмоции являются неотъемлемой частью физической активности. Упражнения представля...

Новый протокол оценки выявляет возрастные различия в абстрак...

ВведениеЧеловеческое воображение привлекает растущий интерес в различных областях науки. Однако оста...

Почему мужчины сначала добиваются, а потом отступают?

Динамика толкания и тяги в отношениях — это шаблон взаимодействия, при котором один человек чередует...

Искусственный интеллект в психологическом консультировании: ...

ВведениеДефицит человеческих ресурсов в сфере психологического здоровья уже давно является проблемой...

Рисунок 1
Рисунок 1
Рисунок 2
Рисунок 2
Thumbnail 1
Thumbnail 2
Thumbnail 3
Thumbnail 4
Thumbnail 5
Оригинал исследования на сайте автора

Введение

Психологическое здоровье заключенных, находящихся под условным осуждением, часто имеет отклонения от нормы. Исследования показывают, что такие факторы, как психоз, соматизация, депрессия и тревожность, выражены у этой группы сильнее, чем у общего населения. Традиционные методы оценки, такие как опросник SCL-90, сталкиваются с проблемами: большое количество вопросов, низкий уровень образования испытуемых и недостаточная квалификация администраторов.

Методы

Сбор данных

Исследовательская группа собрала данные 25 480 образцов условно осужденных в провинции Чжэцзян, Китай. Данные включали 17 характеристик, таких как возраст, пол, уровень образования, тип преступления и другие, а также результаты тестов SCL-90 и SF-12.

Предобработка данных

Для улучшения качества данных были применены методы заполнения пропущенных значений, обнаружения и удаления выбросов, а также стандартизации данных.

Модель машинного обучения

Использовались алгоритмы многоклассовой классификации и методы передискретизации (oversampling), такие как SMOTE, для балансировки данных. Модель строилась на основе бинарной релевантности (Binary Relevance) с динамическим подбором наиболее релевантных подшкал SCL-90 для каждого испытуемого.

Результаты

Модель сократила количество вопросов на 65% по сравнению с SCL-90, сохранив при этом высокую точность (0.66), чувствительность (0.754) и F1-меру (0.649). По сравнению с SF-12, модель показала лучшую чувствительность, что критически важно для предотвращения пропуска случаев с аномальными психологическими состояниями.

Обсуждение

Разработанная модель позволяет:

  • Упростить процесс оценки и сократить время тестирования.
  • Повысить точность выявления психологических рисков.
  • Адаптировать тестирование под индивидуальные особенности испытуемых.

Заключение

Модель демонстрирует высокую эффективность для скрининга психологических симптомов у условно осужденных. В будущем планируется расширить набор данных и улучшить алгоритмы для повышения точности.

Короткие версии статей можно найти в телеграм-канале.

Посмотреть канал
Кликните еще раз для перехода