Advertisement

学生抑郁症数据集——可用于研究学生心理健康的趋势

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:CSV


简介:
本数据集聚焦学生群体心理健康状况,特别针对抑郁症进行深入分析,旨在揭示并研究学生心理健康的演变趋势与关键影响因素。 学生抑郁数据集通常包含用于分析、理解和预测学生抑郁水平的数据。这些数据可能包括人口统计信息(如年龄、性别)、学习成绩(成绩、出勤率)以及生活习惯(睡眠模式、锻炼频率、社交活动)。此外,还可能涵盖心理健康史和对标准化抑郁量表的反应等特征。 此类数据集对于心理学研究、数据科学及教育领域具有重要价值。它们可以帮助确定学生抑郁症的原因,并为制定早期干预策略提供依据。在处理这些敏感信息时,必须重视隐私保护、知情同意以及匿名化等问题以确保道德标准得到遵守。 文件格式 - 格式:CSV 文件。 - 行:每一行代表一名学生的记录。 - 列: - ID:每个学生唯一的标识符。 - 年龄:学生的年龄。 - 性别:性别(例如,男性、女性)。 - 城市:地理位置信息 - CGPA: 学术成绩的平均绩点或其他衡量标准。 - 睡眠时长:每天平均睡眠时间。 - 职业情况: - 工作压力水平: - 学习压力程度: - 对学习满意度评价: - 就业满意程度: - 饮食习惯:

全部评论 (0)

还没有任何评论哟~
客服
客服
  • ——
    优质
    本数据集聚焦学生群体心理健康状况,特别针对抑郁症进行深入分析,旨在揭示并研究学生心理健康的演变趋势与关键影响因素。 学生抑郁数据集通常包含用于分析、理解和预测学生抑郁水平的数据。这些数据可能包括人口统计信息(如年龄、性别)、学习成绩(成绩、出勤率)以及生活习惯(睡眠模式、锻炼频率、社交活动)。此外,还可能涵盖心理健康史和对标准化抑郁量表的反应等特征。 此类数据集对于心理学研究、数据科学及教育领域具有重要价值。它们可以帮助确定学生抑郁症的原因,并为制定早期干预策略提供依据。在处理这些敏感信息时,必须重视隐私保护、知情同意以及匿名化等问题以确保道德标准得到遵守。 文件格式 - 格式:CSV 文件。 - 行:每一行代表一名学生的记录。 - 列: - ID:每个学生唯一的标识符。 - 年龄:学生的年龄。 - 性别:性别(例如,男性、女性)。 - 城市:地理位置信息 - CGPA: 学术成绩的平均绩点或其他衡量标准。 - 睡眠时长:每天平均睡眠时间。 - 职业情况: - 工作压力水平: - 学习压力程度: - 对学习满意度评价: - 就业满意程度: - 饮食习惯:
  • CSV格式(含825条记录)
    优质
    这是一个包含825条记录的CSV格式的数据集合,专门用于研究抑郁症及其他心理健康问题。 RHMCD-20 数据集包含来自广泛来源的信息,包括孟加拉国的青少年、大学生、家庭主妇以及企业和公司的专业人士等群体的数据。这些数据用于分析抑郁症和心理健康状况。 该数据集中包含以下信息: - Age:代表参与者的年龄。 - Gender:表示参与者的性别。 - Occupation:代表参与者的职业。 - Days_Indoors :表示参与者未出门的天数。 - Growing_Stress:表示参与者的压力与日俱增(是/否)。 - Quarantine_Frustration:隔离前两周的挫败感(是/也许/否)。 - Changes_Habits:代表饮食习惯和睡眠的重大变化(是/可能/否)。 - Mental_Health_History : 上一代精神障碍的先例(是/否)。 - Weight_Change :突出显示隔离期间体重的变化(是/可能/否) - Mood_Swings:代表极端的情绪变化,分为低、中和高三个等级。 - Coping_Struggles:表示无法应对日常问题或压力(是/也许/否)。 - Work_Interest :表示参与者是否对工作失去兴趣(是/否)。 - Social_Weakness :在与他人互动时传达精神虚弱的感觉(是/否)。
  • :各国不同时期发病率统计
    优质
    本数据集收录了全球各地不同时间点上抑郁症的发病情况,为研究该病的心理健康影响及流行趋势提供了重要依据。 心理健康抑郁症数据集提供了多年来不同国家各种心理健康障碍患病率的全面信息。该数据集包括精神分裂症、躁郁症、饮食失调、焦虑症、药物滥用障碍、抑郁症和酒精滥用障碍的数据,是分析心理健康障碍趋势及了解全球精神疾病负担的重要资源。 **用法:** 此数据集可用于研究精神健康障碍的发展趋势,比较不同国家和地区在不同时期各种心理疾病的患病率,并开展流行病学研究。它对于旨在理解并解决全球精神卫生问题的研究人员、公共卫生官员和专业医护人员来说非常有价值。 **致谢:** 我们感谢国际卫生组织及各相关研究机构的贡献和支持,他们将这些数据公开用于学术研究与分析。
  • - 大
    优质
    大学生心理健康数据库旨在收集和分析影响在校大学生心理健康的各类因素数据,为高校提供预防与干预策略依据,促进校园内学生的全面健康发展。 大学生心理健康数据集
  • 调查报告.pdf
    优质
    该报告基于对在校大学生进行的问卷调查与深度访谈,分析了当代大学生面临的心理健康问题尤其是抑郁症的现状、成因及影响,并提出了一系列预防和干预建议。 大学生抑郁症调查报告 该段文字仅包含文件名“大学生抑郁症调查报告.pdf”,重复了七次。根据要求,去掉所有非必要内容后得到的是一个简洁的标题:“大学生抑郁症调查报告”。
  • 沮丧-
    优质
    该数据集专注于收集和分析与抑郁症相关的沮丧情绪的数据,旨在为研究者提供一个全面了解抑郁症状及其影响的研究平台。 该数据集涉及对农村地区居民生活条件的研究,并特别关注抑郁症的分析。数据文件名为b_depressed.csv。
  • 分析.csv
    优质
    《抑郁症数据分析集》包含大量关于抑郁症患者的数据记录,包括症状表现、治疗方式和生活质量等信息,旨在促进抑郁症相关研究。 抑郁症分析数据集.csv
  • 相关Reddit.zip
    优质
    本数据集收集自Reddit关于抑郁症的相关帖子和评论,旨在为研究者提供一个全面的数据资源,以深入探究抑郁症的社会心理因素及其影响。 《抑郁症Reddit数据集:探索与分析》 抑郁症是一种常见精神障碍,严重影响个体的情绪、思考方式及行为表现。在数字化社会背景下,社交媒体平台如Reddit成为人们分享情感体验和寻求支持的重要渠道。“抑郁症Reddit数据集.zip”为研究抑郁症提供了一份宝贵的资源,尤其对自然语言处理(NLP)领域的学者与开发者具有极高价值。 该数据集包含一个名为“depression_dataset_reddit_cleaned.csv”的文件。这是一个经过清洗的CSV格式文档,记录了Reddit用户在相关子论坛中发布的关于抑郁症的内容,涵盖个人经历、情感倾诉、症状描述及治疗讨论等多方面信息。这些内容真实且未经修饰,为了解患者的内心世界提供了宝贵的资料。 数据集创建者已进行初步预处理工作,包括去除无关信息和噪声,并标准化文本格式,以便研究人员能够专注于核心内容的分析。“ignore.txt”文件用于记录一些不相关或无需进一步处理的信息,在实际研究中通常被忽略。但全面理解整个数据集时仍需检查该部分以确保没有遗漏任何有价值的内容。 利用此数据集可以进行多种NLP相关的研究和应用: 1. **情感分析**:通过深度学习模型训练抑郁症情绪识别系统,帮助心理健康专家快速发现需要关注的用户。 2. **主题建模**:使用LDA等技术揭示常见讨论话题,了解患者关心的问题与挑战。 3. **语境理解**:分析对话上下文以捕捉特定情境下的情感变化,有助于构建更准确的心理健康干预策略。 4. **预训练模型**:利用这些数据增强语言模型在理解和生成抑郁症相关文本的能力。 5. **心理健康干预**:通过机器学习算法预测高风险用户并及时推送资源或专业帮助,实现早期干预。 6. **匿名性保护**:确保所有信息匿名化处理以尊重用户隐私权益。 7. **社交网络分析**:研究患者之间的互动模式及其支持网络和影响机制。 “抑郁症Reddit数据集”为探索抑郁症的社会动态、情感表达及心理健康服务改进提供了丰富素材。通过深入挖掘这些数据,我们有望开发出更加精准且人性化的心里健康支持工具,从而改善患者的日常生活质量。
  • DAIC-WOZ 库/DAICWOZ
    优质
    DAIC-WOZ抑郁症数据库(或称DAICWOZ数据集)是一个包含大量访谈录音及其转录文本的数据集合,主要用于研究和开发自动识别及评估抑郁症状的技术。该数据库旨在促进心理健康领域的机器学习应用,提供多元化的音频样本与评分,以支持算法训练、测试及验证工作。 此数据库是疾病分析访谈语料库(DAIC)的一部分,该语料库包含临床访谈资料,旨在支持诊断心理困扰状况如焦虑、抑郁及创伤后应激障碍的评估工作。这些访谈被收集以创建能够识别精神疾病的语言和非语言指标的计算机代理系统。所采集的数据包括录音、录像以及详尽的问卷回答;其中一部分数据来自于《绿野仙踪》式的访谈,由名为Ellie的动画虚拟面试官主持,而实际操作则由另一房间中的面试者控制。所有收集到的信息已被转录并注释以用于多种文本和非文本特征分析。