مناقشة رسالة ماجستير في برنامج علم البيانات وتحليل الأعمال للطالب مهند عمارنة

يهدف هذه البحث إلى استخدام خوارزميات تعلم الآلة لتوقع تشخيص التوتر والقلق والاكتئاب بصفتها الاضطرابات النفسية الأكثر شيوعا، وذلك باستخدام مجموعة البيانات التي تم جمعها كجزء من هذا العمل. تتألف مجموعة البيانات من حوالي 700 سجل باستخدام استطلاع عبر الإنترنت، والذي كان على أساس مقياس الاكتئاب والقلق والتوتر الدولي (DASS21)، وتم جمع البيانات من مشاركين فلسطينيين من المجتمع وطلاب الجامعات. ولضمان فعالية تطبيق خوارزميات الذكاء الصناعي، تم العمل على معالجة البيانات قبل تحليلها حيث تم تنقيحها والبحث عن بيانات مكررة، وحذف بعض العناصر الغير لازمة مثل اليد المستخدمة في الكتابة والدين، وتم تحويل النصوص إلى أرقام لسهولة استخدامها مع الخوارزميات، ونظرا لعدم توازن البيانات حيث أن بعض التصنيفات تحتوي على عدد أكبر بكثير من غيرها تم عمل إعادة التوازن للحصول على نتائج أدق وأفضل.

واستخدم الباحث خمس خوارزميات مختلفة لتحليل البيانات وتحقيق الكشف المبكر عن اضطرابات الصحة النفسية: Random Forest، SVM، KNN، نموذج XGBoost ونموذج Multi-Layer Perceptron(3layers). كانت النتائج بالنسبة للاكتئاب SVM الأفضل من حيث دقة النموذج بنسبة 100٪، ثم MLP بنسبة 98٪، بعد ذلك XGBoost بنسبة 95٪، ثم Random Forest بنسبة 93٪، وحصل KNN على اقل نتيجة بنسبة 77٪. أما بالنسبة لنتائج القلق، حققت SVM النقطة الأعلى بنسبة 100٪، يليه MLP بنسبة 96٪، كل من Random Forest و XGBoost حققا نتيجة 95٪، وحصل KNN على 79٪، كما كانت نتائج التوتر 100٪ لـ SVM، يليه ال MLP بنسبة 97% وحصل ال Random Forest and XGBoost على نتيجة متماثلة بنسبة 96% وحصل ال KNN على اقل نتيجة بنسبة 78% .

وأشرف على الرسالة البروفيسور محمد عوض، وضمت لجنة الممتحنين كلا من: د. أحمد عويس و د. يوسف دراغمة.