认知情绪调节在抑郁症患者病耻感与共情能力间的中介作用

目的分析认知情绪调节、病耻感对抑郁症患者共情能力的影响以及作用路径,为制订个体化干预措施提供依据。方法采用横断面调查方法,选取2020年12月至2022年12月安庆市第六人民医院收治的抑郁症患者作为调查对象。使用一般资料调查表、人际反应指针量表、精神病患者病耻感评估量表、认知情绪调节问卷对其进行调查。采用Pearson相关性分析、多元线性回归分析数据,并构建影响因素之间的结构方程模型。结果本研究最终纳入102例抑郁症患者,其共情能力得分为(44.86±11.37)分,病耻感得分为(39.64±8.14)分,认知情绪调节得分为(101.22±9.56)分。抑郁症患者共情能力得分与病耻感得分呈负相关(R=-0.755,P<0.001),与认知情绪调节得分呈正相关(R=0.721,P<0.001)。多元线性回归分析显示,病耻感、认知情绪调节是抑郁症患者共情能力的影响因素(t=9.898、6.999,P<0.001)。路径分析结果显示,认知情绪调节在病耻感与共情能力间起部分中介作用,效应值为-0.33(95%CI:0.258~0.731),占总效应的35.9%。结论抑郁症患者共情能力偏低,认知情绪调节在病耻感与共情能力间起部分中介效应。

三支增量朴素贝叶斯分类算法研究

朴素贝叶斯算法是经典分类算法之一,具有实现简单、计算效率高等优点。但是,它属于非增量式算法,随着数据量的不断增长,使得它在海量数据分析中的应用受限。笔者将三支决策、增量学习和朴素贝叶斯算法结合,构造一种三支增量朴素贝叶斯算法。基于朴素贝叶斯算法提出一个分类基尼系数的概念,用于确定三支决策中的边界域;将边界域样本和新增样本合并训练,以增量方式对模型参数进行更新。实验结果表明,该方法很好地避免了有用信息的过早损失,同时分类准确率、召回率也有所提高。

浅谈数据挖掘分类技术在高校教学中的应用

随着信息科学技术的不断进步,社会的不断发展,大数据已经渗透到我们生活的方方面面,应用的行业也是十分广泛。其中大数据也渗透到高校的教学管理工作当中,基于大数据的精确学情诊断、个性化学习分析和智能决策支持,大大提升了教育品质,对促进教育公平、提高教育质量、优化教育治理都具有重要作用,已经成为教育现代化必不可少的重要支撑。借助教育大数据能够对学习者的所有信息进行系统地整理和分析,如可以运用大数据设计教育环境,完善教学的场景,配置教育试验场景等,这些都能够充分的调动大学生群体在学习领域中的主动性和积极性,对教育领域的发展有着不可估量的作用。目前随着我国大众化高等教育的普及以及高等学校的不断扩招,面对那么多的大学生每天产生的海量信息数据,如何从中挖掘出有用信息更好地反馈到教学管理上,无疑对高校教学工作是一个很大的难题。因此要想解决此类问题,就要提高大数据意识,应用数据挖掘技术探索数据中存在的潜在价值,从而不断挖掘出高校教学管理中更高效的方法和策略。