Application of machine learning methods for preventive identification of deviant groups of adolescents
Year: 2024
Type: article
Abstract: Статья посвящена проблеме выявления девиантных групп, обучающихся в учебных заведениях. В статье обосновывается актуальность данной проблемы. Анализируются последние происшествия и возможные причины их возникновения. Предложена системы для превентивного обнаружения девиантных групп подростков. Выделены категории девиантных групп подростков: потенциальные стрелки; потенциальные буллеры; потенциальные ученики, способные наложить на себя руки. Для выявления девиации подростков предложено измерять у них тревожность и агрессивность. Рассмотрены способы измерения тревожности и агрессивности. Предложено использовать профайлинг, как объективный метод оценки. Профайлинг силами школьных психологов внедрить достаточно сложно из-за ограниченного их числа в учебных заведениях. Для автоматизации процесса и исключения субьективного фактора предложено использовать онлайн-профайлинг. В рамках онлайн-профайлинга объектами исследования выступают страницы социальных сетей, используемые обучающимися. Предлагаются критерии для определения тревожности и агрессивности по информации со страниц социальных сетей. Предложен инструментарий для частичной автоматизации процесса сбора данных со страниц социальных сетей обучающихся учебных заведений. Обосновано использование метода кластеризации k- средних для выделения девиантных групп учеников. Приведен пример обнаружения подростков с девиациями по специально сгенерированным для этого синтетическим данным.
Authors: Vladimir L. Evseev, Anton S. Burakov
Language: English
Topic: Mental Health via Writing
Subfield: Social Psychology
Field: Psychology
Domain: Social Sciences
SDG: Quality education
Open Access status: diamond
OpenAlex ID: W4402235523