Explainable artificial intelligence for predictive modeling of student stress in higher education
未评分
来源：
Nature
关键字：
spiking neural networks
发布时间：
2025-11-03 19:42
摘要：
该研究开发了一种基于调查的学生压力分类模型，利用多种机器学习算法和可解释人工智能技术，识别了影响学生压力的主要因素，如血压、安全感、睡眠质量、师生关系和课外活动参与。研究结果为高等教育中促进学生福祉的政策制定提供了实证基础。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
0.0分+不属于医疗健康、生命科学领域
business_impact
0.0分+无商业影响
scientific_rigor
1.0分+有研究论文、专家观点等软性证据
timeliness_innovation
0.5分+常规进展、渐进式改进
investment_perspective
0.0分+无早期投资相关信息
market_value_relevance
0.0分+非治疗相关或极小众应用
team_institution_background
0.0分+背景不明
technical_barrier_competition
0.0分+无技术壁垒、红海市场
拒绝原因
标题包含非商业情报，不符合商业情报要求
真实性检查
否
AI评分总结
该研究开发了一种基于调查的学生压力分类模型，利用多种机器学习算法和可解释人工智能技术，识别了影响学生压力的主要因素，如血压、安全感、睡眠质量、师生关系和课外活动参与。研究结果为高等教育中促进学生福祉的政策制定提供了实证基础。