基于机器学习的大学生短视频成瘾倾向易感因素识别研究
Identification of Vulnerability Factors for College Students’ Short-Form Video Addiction Tendency Based on Machine Learning
-
作者：
张凤姣
1
陈文杰
1
许岳培
1
王家辉
1
李霞
1
李瑜
2
-
作者单位：
- 通讯作者：
李霞
Email:xiali@sspu.edu.cn
-
提交时间：2026-06-08 16:17:52
摘要: 基于机器学习方法,以I-PACE理论为框架，选取14个变量，对1274名大学生进行问卷调查，构建短视频成瘾倾向预测模型并识别关键易感因素。结果发现：随机森林模型表现最优，精确率67.86%，召回率74.51%，F1值71.03%，AUC为0.75。变量重要性分析显示，排名前五的主要易感因素及其重要性占比为认知偏差(21.52%)、无聊倾向(19.92%)、抑制控制(16.88%)、消极使用情绪(11.72%)和消遣使用动机(6.99%)。随机森林模型可有效识别短视频成瘾高风险大学生，所识别的易感因素可为预防与干预提供依据。
版本历史
| [V1] |
2026-06-08 16:17:52 |
ChinaXiv:202606.00066V1
|
下载全文 |
相关信息
待评议
点击量
下载量
