Algoritmos de Aprendizado de Máquina para Detecção de Estresse Mental em Estudantes Universitários

No mundo de hoje, o estresse é um grande problema que afeta a saúde e a felicidade das pessoas. Cada vez mais pessoas estão se sentindo estressadas, o que pode levar a diversos problemas de saúde, como problemas respiratórios, sensação de sobrecarga, ataque cardíaco, diabetes, etc. Este trabalho se propõe a prever ocorrências de estresse e não estresse entre estudantes universitários aplicando vários algoritmos de aprendizado de máquina: Árvores de Decisão, Floresta Aleatória, Máquinas de Vetores de Suporte, AdaBoost, Naive Bayes, Regressão Logística e K-Vizinhos Mais Próximos. O objetivo principal deste trabalho é aproveitar um estudo de pesquisa para prever e mitigar o estresse e o não estresse com base no conjunto de dados coletado por meio de questionários. Realizamos um workshop com o objetivo principal de estudar os níveis de estresse encontrados entre os alunos. Este workshop foi frequentado por aproximadamente 843 estudantes com idades entre 18 e 21 anos. Um questionário foi entregue aos alunos, validado sob a orientação de especialistas do All India Institute of Medical Sciences (AIIMS) Raipur, Chhattisgarh, Índia, sobre o qual nosso conjunto de dados é baseado. A pesquisa consiste em 28 perguntas, visando compreender de maneira abrangente os aspectos multidimensionais do estresse, incluindo bem-estar emocional, saúde física, desempenho acadêmico, relacionamentos e lazer. Este trabalho encontra que as Máquinas de Vetores de Suporte têm uma precisão máxima para Estresse, alcançando 95%. O estudo contribui para uma compreensão mais profunda dos determinantes do estresse. Ele visa melhorar a qualidade de vida e o sucesso acadêmico dos estudantes universitários, abordando a natureza multifacetada do estresse.