Студенттердiң денсаулық жағдайын бағалау үшiн ақпараттық-талдау жүйесi

Аңдатпа

Бiздiң жұмысымыздың мақсаты Қазақстандағы жоғары оқу орындарының бiрi Әл-Фараби атындағы Қазақ ұлттық университетiнiң базасында студенттердiң деeнсаулық жағдайын бағалау ұшiн интеллектуалды ақпараттық-талдау жұйесiн пайдаланудың тиiмдiлiгiн зерт- теу болды. Осы мақсатта университеттiң 4456 студентiнiң жеке денсаулық деректерiн пайда- ланып модельдеу жүргiзiлдi. Зерттеуге студенттердiң 47,4% және ерлердiң 52,6% қатысты; басым жасы 18-ден 21 жасқа дейiн (66,9%), ал студенттердiң оқу жылдары бойынша бөлiнуi бiркелкi дерлiк болды. Классификация үшiн Vector Machine, K - Nearest Neighbor, Random Forest және Naive Bayes қолдаулары пайдаланылды. Әртүрлi болжау алгоритмдерiн пайдала- нуды бағалау үшiн таңдалған өнiмдiлiк көрсеткiштерi Ерекшелiк, Сезiмталдық, Дәлдiк және қол жетiмдiлiк болды. Қолдау векторлық машинасының классификаторын пайдалану кезiн- де ерекшелiк, сезiмталдық, дәлдiк және қол жетiмдiлiк ұпайлары ең жоғары болып, 97%-ға жететiнi анықталды. Жасалған интеллектуалды ақпараттық-аналитикалық жүйенiң жалпы өнiмдiлiгi Сенiмдiлiк параметрi арқылы бағаланды.

Пациенттердiң денсаулығын бақылаудың басқа белгiлi жүйелерiмен (AmbIGEM және AAL) салыстырғанда бiз әзiрлеген жүйе жоғары сенiмдiлiктi көрсеттi (90-95%). Болашақта әзiр- ленген модель студенттердiң денсаулығына да әсер етуi мүмкiн сыртқы параметрлердi қосу арқылы денсаулық мониторингiн кеңейту үшiн пайдаланылуы мүмкiн. Сонымен қатар, Ка- зақстанның және әлемнiң басқа да оқу орындарында студенттердiң денсаулығын бақылау үшiн Deep Learning жүйесiн енгiзу жоспарлануда.