Resumen de Analysis of Significant Influence towards Students’ Depression using Neural Network and Classification Tree Techniques

Norhatta Mohd, Yasmin Yahya

• español

  La depresión de los estudiantes es un tema importante para la mayoría de las instituciones de educación superior. Aunque este problema ha sido investigado por muchos investigadores que utilizan técnicas de análisis estadístico y de minería de datos, este documento se centró en el rendimiento de las técnicas de depresión de las redes de neuronas artificiales y de árboles de clasificación entre estudiantes de Tecnología de la Ingeniería en la Universidad de Kuala Lumpur (UniKL) Instituto Malasio de Tecnología de la Información ( MIIT). Se identificaron varios factores que pueden influir en la depresión de los estudiantes. Factores de estrés, factores sociales (interpersonales e intrapersonales), factores ambientales y factores demográficos atribuidos para predecir la depresión de los estudiantes. Se comparan los rendimientos de estas técnicas, en función de la precisión. A partir de los resultados del análisis, se encontró que el estrés intrapersonal social contribuyó significativamente a la depresión de los estudiantes. Los rendimientos de ambos métodos se compararon mediante análisis de validación cruzada. La red neuronal artificial tiene la menor tasa de error y la más alta precisión; por lo tanto, la red neuronal artificial es la mejor técnica para clasificar en este conjunto de datos.

• English

  Students’ depression is an important issue to most of the higher learning institutions. Although this issue has been investigated by many researchers using statistical analysis and data mining techniques, this paper focused on the performance of Classification Tree and Artificial Neural Network techniques of depression among Engineering Technology students at Universiti Kuala Lumpur (UniKL) Malaysian Institute of Information Technology (MIIT). Various factors that may likely influence the students’ depression were identified. Stress factors, social factors (interpersonal and intrapersonal), environment factor as well as demographic factors attribute to predict the students’ depression. The performances of these techniques are compared, based on accuracy. From the findings of the analysis, social intra-personal stress was found significantly contribute to students’ depression. Performances of both methods were compared using cross validation analysis. Artificial Neural Network has the least of error rate and has the highest accuracy; therefore, Artificial Neural Network is the best technique to classify in this data set.