Student Depression

قمت بتحليل مجموعة بيانات تتعلق بالاكتئاب الطلابي بهدف تحديد العوامل الرئيسية التي تؤثر على صحة الطلاب النفسية. المشروع يركز على استخدام تقنيات التعلم الآلي لفهم العلاقة بين المتغيرات المختلفة مثل العمر، الضغط الأكاديمي، الضغط الوظيفي، والنتائج الأكاديمية (CGPA)، بالإضافة إلى متغيرات أخرى مثل رضا الطالب عن الدراسة والعمل، وقت النوم، وعدد ساعات العمل/الدراسة. قمت بتقييم أداء النموذج باستخدام مقاييس مثل:

الدقة (Accuracy) : نسبة التنبؤات الصحيحة.

الاستدعاء (Recall) : قدرة النموذج على تحديد جميع الحالات المصابة.

الدقة الإيجابية (Precision) : نسبة التنبؤات الصحيحة من بين الحالات التي تم تصنيفها كـ"معرضة للاكتئاب".

ROC Curve وAUC : لفهم مدى فعالية النموذج في التمييز بين الفئات.

قمت بتحسين النموذج باستخدام تقنيات مثل Cross-Validation وHyperparameter Tuning.

النتائج والتوصيات:

تمكنت من بناء نموذج قادر على التنبؤ بخطر الإصابة بالاكتئاب لدى الطلاب بدقة تصل إلى 80%.

قدمت توصيات عملية يمكن استخدامها لدعم القرارات التعليمية والصحية، مثل التركيز على عوامل الخطر الرئيسية (مثل الضغط الأكاديمي والضغط الوظيفي).