XÂY DỰNG HỆ THỐNG PHÁT HIỆN SỚM DẤU HIỆU TRẦM CẢM CỦA HỌC SINH TRUNG HỌC CƠ SỞ THÔNG QUA HÌNH ẢNH HOẠT ĐỘNG VÀ KẾT QUẢ HỌC TẬP

Trong những năm gần đây, sức khỏe tâm lý của học sinh trung học cơ sở ngày càng nhận được sự quan tâm đặc biệt, trong đó trầm cảm là một trong những vấn đề nổi bật, ảnh hưởng trực tiếp đến kết quả học tập, hành vi và sự phát triển toàn diện của học sinh. Việc nhận diện sớm các dấu hiệu trầm cảm có vai trò quan trọng trong công tác tư vấn, hỗ trợ và can thiệp kịp thời trong môi trường học đường. Tuy nhiên, các phương pháp đánh giá truyền thống hiện nay còn phụ thuộc nhiều vào yếu tố chủ quan, khó triển khai đồng loạt và chưa đáp ứng tốt yêu cầu sàng lọc trên quy mô lớn. Xuất phát từ thực tiễn đó, luận văn tập trung nghiên cứu và xây dựng một giải pháp ứng dụng trí tuệ nhân tạo nhằm hỗ trợ phát hiện sớm nguy cơ trầm cảm ở học sinh trung học cơ sở thông qua việc phân tích dữ liệu hình ảnh cảm xúc và kết quả hoạt động học tập. Trên cơ sở tổng hợp các nghiên cứu liên quan đến trầm cảm học đường, tâm lý học lứa tuổi và các kỹ thuật học máy, học sâu, luận văn đề xuất mô hình tiếp cận kết hợp giữa phân tích cảm xúc và dữ liệu khảo sát dạng bảng. Về mặt kỹ thuật, luận văn sử dụng mạng nơ-ron tích chập (Convolutional Neural Network – CNN) để trích xuất và phân loại cảm xúc từ hình ảnh khuôn mặt, từ đó suy ra các thuộc tính cảm xúc phục vụ cho bài toán dự đoán trầm cảm. Song song với đó, các mô hình học máy phổ biến được áp dụng để xử lý dữ liệu hoạt động và học tập của học sinh. Dữ liệu được thực hiện các bước tiền xử lý, chuẩn hóa và chia thành các tập huấn luyện và kiểm tra nhằm đảm bảo tính khách quan trong đánh giá mô hình. Hiệu quả của các mô hình được đánh giá thông qua các chỉ số như Accuracy, Precision, Recall và F1-score. Kết quả thực nghiệm cho thấy mô hình đề xuất có khả năng hỗ trợ phân loại và phát hiện sớm các dấu hiệu trầm cảm với độ chính xác tương đối tốt, đáp ứng mục tiêu nghiên cứu đặt ra. Trên cơ sở đó, luận văn xây dựng mô hình hệ thống hỗ trợ cảnh báo sớm, góp phần hỗ trợ giáo viên và nhà trường trong việc theo dõi và đánh giá sức khỏe tâm lý của học sinh. Mặc dù vẫn còn một số hạn chế liên quan đến quy mô dữ liệu và phạm vi triển khai thực tế, kết quả nghiên cứu cho thấy tiềm năng ứng dụng của trí tuệ nhân tạo trong lĩnh vực chăm sóc sức khỏe tâm lý học đường. Luận văn đồng thời đề xuất các hướng phát triển trong tương lai nhằm mở rộng dữ liệu, hoàn thiện mô hình và nâng cao tính ứng dụng của hệ thống trong môi trường giáo dục.