En los últimos años, los problemas de salud mental de los deportistas se han vuelto cada vez más prominentes. En comparación con la escuela secundaria, los estudiantes deportistas universitarios se encuentran en un entorno más complejo y enfrentan dificultades más diversificadas, como la aparición constante de problemas académicos, interacciones interpersonales, vida emocional, empleo, etc., que abruman a los deportistas universitarios, y la acumulación de presiones de muchos lados conduce a una variedad de problemas psicológicos. Por lo tanto, es importante prestar atención a los problemas de salud mental de los deportistas individuales y detectar y guiar el desarrollo de la salud mental de los deportistas a tiempo, lo cual es crucial para el manejo de los estudiantes deportistas en colegios y universidades. El propósito de este artículo es utilizar los principios y métodos de minería de datos para explorar los factores que conducen a los problemas psicológicos de los deportistas universitarios, a fin de llevar a cabo una intervención psicológica de manera intencionada. En este artículo, utilizamos tecnología de minería de datos para crear un cuestionario con 90 preguntas que reflejan la salud mental y tomamos la Escala de autoevaluación de síntomas SCL-90 como estándar de medición para recopilar datos, establecer un conjunto de datos, analizar los datos utilizando el algoritmo Apriori mejorado y establecer un modelo de decisión de síntomas obsesivo-compulsivos utilizando el algoritmo ID3 del árbol de decisiones, que proporciona una base teórica para la evaluación del estado de salud mental de los atletas universitarios y la toma de decisiones sobre los controles de salud. Proporciona una base teórica para la evaluación del estado de salud mental de los atletas y la toma de decisiones sobre los exámenes de salud.
In recent years, the athlete mental health problems have become more and more prominent. Compared with high school, college athlete students are in a more complex environment and face more diversified difficulties, such as the constant emergence of problems in academics, interpersonal interactions, emotional life, employment, etc., which make college athletes overwhelmed, and the accumulation of pressures from many sides leads to a variety of psychological problems. Therefore, it is important to pay attention to the individual athlete mental health problems, and to detect and guide the development of athletes' mental health in time, which is crucial for the management of athlete students in colleges and universities. The purpose of this paper is to use data mining principles and methods to explore the factors leading to psychological problems of college athletes, so as to carry out psychological intervention purposefully. In this paper, we use data mining technology to set up a questionnaire with 90 questions reflecting mental health, and take SCL-90 Symptom Self-assessment Scale as the measurement standard to collect data, establish a data set, analyse the data using improved Apriori algorithm, and establish a decision model of obsessive-compulsive symptoms using decision tree ID3 algorithm, which provides a theoretical basis for the evaluation of the athletes mental health status of college athletes and decision-making of health checkups. It provides a theoretical basis for the evaluation of the mental health status of athletes and the decision-making of health examination.
© 2001-2026 Fundación Dialnet · Todos los derechos reservados