《AI》：Predicting Student Stress Using Machine Learning Ensemble Models: A Multi-Criteria Comparison with Explainable Artificial Intelligence Analysis
编辑推荐：
学生压力是教育环境中一项重大的心理健康问题；因此，开发可靠、校准且可解释的预测模型能够支持对观测压力水平的分类。研究人员分析了公开的“学生压力因素”数据集，该数据集包含1100条记录、20个预测变量和1个目标变量，采用旨在减少信息泄露的监督式机器学习流水线。该
学生压力是教育环境中一项重大的心理健康问题；因此，开发可靠、校准且可解释的预测模型能够支持对观测压力水平的分类。研究人员分析了公开的“学生压力因素”数据集，该数据集包含1100条记录、20个预测变量和1个目标变量，采用旨在减少信息泄露的监督式机器学习流水线。该流水线包括分层数据划分、封装式预处理、限定于训练数据的嵌套交叉验证，以及独立的保留评估。研究人员比较了9种适用于表格数据的集成与提升算法：AdaBoost、Gradient Boosting、Random Forest、Extra Trees、Bagging、Voting、Stacking、XGBoost与LightGBM。模型性能通过关键判别与校准指标进行评估，并辅以非参数Friedman检验进行统计比较。Gradient Boosting在嵌套交叉验证中取得最佳平均性能，准确率为89.55 ± 3.16%，加权F1为89.54 ± 3.17%，马修斯相关系数（MCC）为0.845 ± 0.047，加权受试者工作特征曲线下面积（ROC-AUC weighted）为98.59 ± 0.92%。XGBoost与LightGBM表现出相当的性能。在独立保留集中，最终校准模型维持稳健预测性能，准确率为0.8818，加权F1为0.8818，MCC为0.8237，加权ROC-AUC为0.9861。尽管总体结果表明稳定且高效的预测性能，Friedman检验未识别出算法间统计学显著差异，χ2 = 10.953，p = 0.204。因此，模型选择应不仅考虑预测准确性，还需兼顾计算效率、校准、可解释性与实施可行性。尽管流水线内部稳定且保留集表现满意，数据集的公开与横断面性质限制了因果推断与模型可迁移性。因而，在整合至机构早期预警系统前，需进行外部与前瞻性验证。
研究背景与动机
在当代高等教育格局中，学生压力已成为影响心理健康与福祉的全球性挑战，常伴随焦虑、抑郁及学业受损。现有心理健康促进项目因缺乏系统化监测与量化风险分析而效果受限。机器学习（Machine Learning, ML）虽为分析学业与心理数据提供新途径，但当前研究存在三方面不足：方法论上多依赖单一分类器，评估中缺乏嵌套交叉验证与统计检验，可解释人工智能（Explainable Artificial Intelligence, XAI）应用有限。因此，研究人员开展此项研究，旨在开发、比较并验证集成学习模型以预测大学生压力水平，并提出融合预测性能、稳定性、统计显著性、概率可靠性、计算成本与可解释性的多标准评估框架。该论文发表于《AI》期刊。
主要关键技术方法
研究人员采用公开数据集“Student Stress Factors”（来源：尼泊尔Dharan大学，1100名学生，20预测变量，目标为压力水平三分类）。关键方法包括：封装式预处理与分层抽样；针对训练数据的随机过采样（RandomOverSampler）；嵌套交叉验证（外层10折、内层3折）结合网格或随机搜索调优；以加权F1为主、MCC与ROC-AUC weighted为辅的层次化模型选择；Friedman检验统计比较；CalibratedClassifierCV概率校准；以及基于SHAP与局部可解释模型无关解释（Local Interpretable Model-agnostic Explanations, LIME）的后验解释。
研究结果
4.1 嵌套交叉验证中的比较性能
通过嵌套交叉验证，Gradient Boosting取得最高平均性能：准确率89.55 ± 3.16%，平衡准确率89.52 ± 3.21%，加权F1 89.54 ± 3.17%，MCC 0.845 ± 0.047，加权ROC-AUC 98.59 ± 0.92%。XGBoost与LightGBM相当。计算效率上，XGBoost耗时94.47秒远低于Gradient Boosting的615.02秒，Bagging仅7.84秒，显示性能相近时效率差异显著。
4.2 正式模型选择与统计比较
依预先层次规则选Gradient Boosting为终模，但Friedman检验未达显著（χ2=10.953，p=0.204），故无推断优效性，仅为方法学一致决策。XGBoost与LightGBM为统计可比替代。
4.3 保留集最终评估
于独立保留集（220例）重训校准后，模型准确率0.8818，平衡准确率0.8821，加权F1 0.8818，MCC 0.8237，加权ROC-AUC 0.9861，各类别F1介于0.87–0.90，证明泛化一致。
4.4 概率质量与可解释性
校准Brier分数0.1374。SHAP蜂群图示“高压”类（stress_level=2）受睡眠质素、血压、社会支持、自尊、抑郁等驱动；瀑布图（实例#97概率0.965）分解出睡眠质素_X1等正贡献。LIME对stress_level=1实例解释以精神病史为主。均属预测关联非因果。
讨论与结论总结
讨论指出集成模型稳健，但算法间无统计差异，选模须兼顾效率与校准。保留集验证稳定，Brier 0.1374尚可。相较既往支持向量机（Support Vector Machine, SVM）等研究，树集成更捕非线性。与Tariq等结果可比。SHAP揭示睡眠、自尊等为 plausible 预测因子，可指导心理教育干预，但因横断面设计不能作早期侦测系统。限制含序数信息未用、缺外部验证。
结论部分翻译：本研究表明多分类学生压力可用树集成高效处理。Gradient Boosting据层次准则最优，但XGBoost与LightGBM极似且Friedman未显差，故选型为方法协议非推断胜出。研究提供含嵌套验证、统计比、校准与XAI的多标准框架。SHAP/LIME示睡眠质素等具预测信息，然属补充解释非因果诊断。因用公开横断数据，模型尚未证早检用，仅作特定集观测分类法；未来需外验与多模态拓展。
