فهرست نشریات علمی دسترسی آزاد ایران

دانشجویان، به‌عنوان متخصصین آینده و ایفاکنندگان نقش‌های مهم در شبکه‌های ارتباطات اجتماعی و توسعه جامعه، با انواع مشکلات و دشواری‌های روانی مواجه هستند. تشخیص زودهنگام و مداخله به‌موقع می‌تواند از بروز مشکلات جدی‌تر جلوگیری نماید. ازاین‌رو این پژوهش با هدف ارائه چارچوبی نوآورانه برای پیش‌بینی سلامت روان دانشجویان، تلفیقی هوشمندانه از تکنیک‌های تصمیم‌گیری چندمعیاره (دیمتل1)، تحلیل مؤلفه‌های اصلی2 بهبودیافته، و یادگیری ماشین را پیشنهاد می‌دهد. ابتدا بر اساس یک مجموعه داده جامع از اطلاعات دانشجویان و با بهره‌گیری از دیمتل، روابط علّی بین عوامل مؤثر بر سلامت روان دانشجویان شناسایی شد؛ سپس با تحلیل مؤلفه‌های اصلی بهبودیافته، متغیر هدف (وضعیت سلامت روان) استخراج گردید. در مرحله مدل‌سازی، بر اساس مقایسه پنج الگوریتم یادگیری ماشین، مدل رگرسیون لجستیک با دقت 100% و قابلیت تفسیرپذیری بالا به‌عنوان مدل برتر انتخاب شد. ترکیب خروجی احتمالی این مدل با سایر الگوریتم‌ها منجر به بهبود دقت همه مدل‌ها به 100% گردید. تحلیل ضرایب نشان داد متغیرهای روانشناختی شامل اضطراب تحصیلی، افکار خودکشی و افسردگی بیشترین تأثیر منفی و متغیرهای وضعیت تأهل و علاقه به رشته اثرات محافظتی بر سلامت روان دارند. نتایج حاصل از این پژوهش می‌تواند به‌عنوان ابزاری قدرتمند جهت شناسایی زودهنگام دانشجویانی که به حمایت‌های روان‌شناختی نیاز دارند، مورداستفاده قرار گیرد.