文献

J-GLOBAL ID：202102276926137119   整理番号：21A0014763

中国人大学生は,COVID-19中のオンライン学習の新しいセメスターにおいて不安を高める:機械学習アプローチ【JST・京大機械翻訳】

Chinese College Students Have Higher Anxiety in New Semester of Online Learning During COVID-19: A Machine Learning Approach

著者 (3件)： Wang Chongying (Department of Social Psychology, Zhou Enlai School of Government, Nankai University, Tianjin, China) ,  Zhao Hong (Department of General Computer, College of Computer Science, Nankai University, Tianjin, China) ,  Zhang Haoran (Department of General Computer, College of Computer Science, Nankai University, Tianjin, China)
資料名： Frontiers in Psychology (Web)  (Frontiers in Psychology (Web))
巻： 11  ページ： 587413  発行年： 2020年 
JST資料番号： U7096A  ISSN： 1664-1078  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： COVID-19パンデミックは,この年から始まる大きな損失を引き起こした。本論文は,中国のCOVID-19の間,オンライン学習の新しいセモスターにおける非卒業大学生の間の不安重症度と有病率の変化を調査して,また,XGBoostモデルに基づく機械学習モデルを評価することを目的とする。34の地方レベルの行政ユニットと260の都市から18と22の間を年齢した合計1172人の非卒業大学生を本研究に登録し,新セメスターが開始する前の2月15日から17日,2020年3月15日から17日の間,オンライン学習に基づく新セメスターの3月15日から17日までの2回目に,社会人口学的アンケートと自己評価不安尺度(SAS)を,それぞれ2回目に記入するよう依頼したものである。また,オンライン学習が開始する新しいセメスターの3月15日から17日の間,2回,1月15日から17日まで,それぞれ2回,1月15日から17日まで,社会人口学的アンケートと自己評価不安尺度(SAS)を埋めるよう依頼した。SPSS22.0を用いて,t検定と単一因子分析を行った。XGBoostモデルは,新しいセメスターの開始の1か月後の学生の不安レベルを予測するために実行した。184名(15.7%,平均=58.45,SD=7.81)と221名(18.86%,平均=57.68,SD=7.58)の学生が50のカットオフを満たし,2つの調査で不安の陽性としてスクリーニングされた。2番目の試験における平均SASスコアは,最初の試験におけるそれらより有意に高かった(P<0.05)。有意差は,2つの研究(P<0.05)の間の芸術と科学において,すべての男性,女性,および学生の間でも見つかった。結果はまた,COVID-19のほとんどのケースが確認された湖北省からの学生も示し,不安のカットオフを満たす参加者のより高い割合を持っていた。本論文は,第1試験における学生のSASスコアに基づいて,不安レベルおよび不安レベルの変化を成功裏に予測するために,XGBoostモデルを確立するために機械学習を適用した。COVID-19の間,中国の非卒業大学生は,新しいセメスターが開始する前よりオンライン学習に基づく新セモスターにおいてより高い不安を示した。湖北省からのより多くの学生は,他の行政区より不安の異なるレベルを持った。家族,大学,社会は,非卒業大学生の心理的健康に注意を払い,それに応じて対策を取るべきである。また,XGBoostモデルは大学生の不安状態に関する従来の多重段階的回帰モデルと比較してより良い予測精度を有することを確認した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 都市 ,  女性 ,  多重化 ,  因子分析 ,  アンケート ,  精神衛生 ,  回帰モデル ,  *大学生 ,  *機械学習
準シソーラス用語： 不安尺度 ,  人口統計学 ,  *オンライン学習 ,  t検定 ,  予測精度 ,  重症度 , 【Automatic Indexing@JST】

著者キーワード (6件)： COVID-19 ,  大学生 ,  不安 ,  新しいセメスター ,  機械学習 ,  XGBoostモデル

分類 (4件)： 公衆衛生  (GB02000X) ,  疫学  (GB03000E) ,  気圏環境汚染  (SB03020M) ,  CAI  (JE09000G)

引用文献 (44件)：

• BrooksS. K.WebsterR. K.SmithL. E.WoodlandL.WesselyP. S.GreenbergP. N. (2020). The psychological impact of quarantine and how to reduce it: rapid review of the evidence. Lancet 395 912-920. doi: 10.1016/S0140-6736(20)30460-8
• BruffaertsR.MortierP.KiekensG.AuerbachR. P.CuijpersP.DemyttenaereK. (2018). Mental health problems in college freshmen: prevalence and academic functioning. J. Affect. Disord. 225 97-103. doi: 10.1016/j.jad.2017.07.044 28802728
• CaoW.FangZ.HouG.HanM.XuX.DongJ. (2020). The psychological impact of the COVID-19 epidemic on college students in China. Psychiatry Res. 287:112934. doi: 10.1016/j.psychres.2020.112934 32229390
• ChangJ.YuanY.WangD. (2020). Mental health status and its influencing factors among college students during the epidemic of COVID-19. J. South Med. Univ. 40 171-176.
• ChenL.FuC.LiH. (2004). Study of the relationship between coping style and anxiety of universities students during the SARS. Health Psychol. J. 12 46-48.

タイトルに関連する用語 (4件)： 中国人 ,  大学生 ,  オンライン学習 ,  機械学習