大学生中孤独与抑郁之间的关系：基于被动感知数据的挖掘
摘要：孤独与抑郁是影响学生幸福感的相互关联的心理健康问题。利用被动感知数据提供了一种新的方法，以考察区分孤独和抑郁的细粒度行为指标，以及它们之间的中介变量。本研究旨在调查行为特征与学生孤独和抑郁之间的关联，探索这些心理健康条件及其相关行为之间的复杂关系。本研究结合了回归分析、中介分析和机器学习分析，利用被动感知数据捕捉日常生活行为（如身体活动、手机使用、睡眠模式和社交互动）来探索行为特征、孤独和抑郁之间的关系。结果显示行为特征与孤独和抑郁之间存在显着关联，强调它们之间的相互关联性。活动增加和睡眠时间延长被识别为保护因素。同时还发现了每种状况的不同行为特征。中介分析突出了孤独和抑郁之间的关系中显著的间接效应。XGBoost模型在预测这些条件方面取得了最高的准确性。本研究证明了利用被动感知数据和多方法的方法来理解孤独、抑郁和相关行为之间的复杂关系的重要性。确定特定的行为特征和中介因素有助于更深入地了解影响学生孤独和抑郁的因素。这种全面的视角强调跨学科合作对于更细致理解复杂人类经验的重要性。
作者：Malik Muhammad Qirtas, Evi Zafeiridi, Eleanor Bantry White and Dirk Pesch
论文ID：2308.15509
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-08-31