Stress Prediction of Students using Machine Learning

Sharma, Disha; Tjprc,

doi:10.24247/ijmperdjun2020534

Cited by 6 publications

(3 citation statements)

References 0 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…[48][49][50][51]. 200'den fazla öğrencinin verisinden oluşan ve Naive Baye's, Linear Regression, Çok Katmanlı Algılayıcılar, Bayes Net, J48 ve Rassal Orman gibi farklı sınıflandırma algoritmaların kullanıldığı çalışmada Rassal Orman algoritması %94,73 oranında doğruluk vermiştir [52]. Benzer bir çalışma 650 katılımcıdan 5'li Likert ölçeği kullanılarak toplanmıştır.…”

Section: öğRenci Stres Düzeyi Karmaşıklık Matrisi (Student Stress Lev...unclassified

Yapay Zeka Algoritmaları Kullanılarak Öğrencilerin Akademik Başarısı ile Stres İlişkisinin Keşifsel Bir Analizi

YÜKSEL

2023

Journal of Information Systems and Management Research

View full text Add to dashboard Cite

Günümüzde stres insanların birçoğunun yaşamını önemli ölçüde etkileyen ve onların yaşam kalitelerini etkileyen bir unsur olarak karşımıza çıkmaktadır. Öğrenciler ise günlük yaşam koşullarının yanı sıra akademik başarı olarak da stres düzeylerini dengelemek durumundadır. Bu noktada literatür incelendiğinde akademik çalışmalarda stres öğrenciler için psikolojik, fizyolojik, çevresel, akademik ve sosyal faktörler kapsamında değerlendirilmektedir. Bu faktörlerin alt düzey durumları da bulunmaktadır. Öğrencilerin stres düzeylerinin bulunduğu veri setinde bu faktörlere ait 20 alt başlık bulunmaktadır. Öğrenci stres veri seti üzerinde keşifsel bir veri analizi gerçekleştirilmiştir. Keşifsel veri analizi (EDA- Exploratory Data Analysis), verilerde gizlenmiş olan bilgilere ulaşmak için verileri keşfetme işlemidir. Bu çalışmada öğrenci stres seviyelerinin, akademik başarı ile olan ilişkisi keşifsel bir veri analizi ile gerçekleştirilmiştir. Elde edilen değerler görsel grafiklerle desteklenmiştir. Ayrıca veri seti üzerinde makine öğrenme algoritmalarından; Karar Ağaçları, Rassal Orman, K-En yakın komşu ve Gaussian Naive Bayes algoritmalarının karşılaştırmalı analizi yapılmıştır. En iyi öğrenim gösteren algoritma ise Gaussian Naive Bayes algoritması olmuştur.

show abstract

Section: öğRenci Stres Düzeyi Karmaşıklık Matrisi (Student Stress Lev...unclassified

Yapay Zeka Algoritmaları Kullanılarak Öğrencilerin Akademik Başarısı ile Stres İlişkisinin Keşifsel Bir Analizi

YÜKSEL

2023

Journal of Information Systems and Management Research

View full text Add to dashboard Cite

show abstract

“…Elsbeth Turcan [2] presents basic supervised learning approaches for recognising stress, both neural and conventional, as well as an analysis of the data's complexity and diversity, and the features of each category. The paper [3] author Deepti Patil is analyzing human speech to detect emotion based on it.…”

Section: Application Of Nlp and Machine Learning For Mental Health Im...mentioning

confidence: 99%

“…To collect and understand social media user's behaviour of different social media platform. [2]. To identify mental health issues in people using machine learning and deep learning techniques.…”

mentioning

confidence: 99%

Application of NLP and Machine Learning for Mental Health Improvement

Borah¹,

Kumar²

2022

International Conference on Innovative Computing and Communications

View full text Add to dashboard Cite

Humans' most powerful tool is their mental wellness. Individuals' well-being can be impacted by poor mental health. This paper focuses on a smart technical solution to the problem of mental health issues detection related to the stress, sadness, depression, anxiety etc. which if not handled efficiently may further lead to a severe problem. The paper deals with the designing of an automated smart system using social media posts, that will help mental health experts to successfully identify and understand about the mental health condition of social media users. That can be done based on text analysis of rich social media resources such as Reddit, Twitter posts. The implementation of the system is done using Natural Language Processing (NLP) methods, machine learning and deep learning algorithms. The models are trained using a prepared dataset of social media postings. With this automated system the mental health experts can able to detect the stress or some other emotions of social media uses in a very earlier as well as faster way. The proposed system can predict five emotional categories: 'Happy', 'Angry', 'Surprise', 'Sad', 'Fear' based on machine learning (Logistic Regression, Random Forest, SVM), deep learning Long Short-Term Memory (LSTM) and BERT transfer learning algorithms.All the applied algorithms are evaluated using confusion matrix, the highest accuracy and f1 score achieved is more than 90%, which is better than the existing human emotion detection systems.

show abstract

An Analytical Review of Deep Learning Algorithms for Stress Prediction in Teaching Professionals

Bhatt

2023

Innovative Engineering With AI Applications

View full text Add to dashboard Cite

Stress Prediction of Students using Machine Learning

Cited by 6 publications

References 0 publications

Yapay Zeka Algoritmaları Kullanılarak Öğrencilerin Akademik Başarısı ile Stres İlişkisinin Keşifsel Bir Analizi

Yapay Zeka Algoritmaları Kullanılarak Öğrencilerin Akademik Başarısı ile Stres İlişkisinin Keşifsel Bir Analizi

Application of NLP and Machine Learning for Mental Health Improvement

An Analytical Review of Deep Learning Algorithms for Stress Prediction in Teaching Professionals

Contact Info

Product

Resources

About