Adölesanlarda beslenme ile psikolojik durumun tahmini : ikincil öğrenci verileri ile bir yapay sinir ağı uygulaması

Abstract

Amaç: Bu çalışmanın öncelikli amacı, adölesan dönem öğrencilerinin verileri kullanılarak bir yapay sinir ağı (YSA) modelinin eğitilmesi ve beslenme verileri ile psikolojik durumun tahmin edilmesidir. Spesifik besin ögelerinin yeterli miktarda alınmasının yanı sıra tüketilen besinlerden elde edilecek enerji miktarının da önemli olduğu düşünülmektedir. Okul yemekhanesi ya da kantinler gibi okul içerisinde yemek satışı yapacak yerlerin öğün içeriklerine karar verme aşamasında bu durumun göze alınması önemlidir. Gereç ve Yöntem: Çalışmada kullanılan veri, rastgele seçilen 451 öğrenciye uygulanan Demografik Form, Beck Anksiyete Ölçeği, Beck Depresyon Ölçeği, Conners-Wells Ergen Özbildirim Ölçeği ve Besin Tüketim Sıklığı (FFQ) ölçeklerinden elde edilmiştir. Modelin eğitilmesi ve tahmin süreçlerinde Python programlama dili kullanılmıştır. Doğru tahmin oranının %70’in üzerinde olması durumunda sonuçlar istatistiksel olarak anlamlı kabul edilecektir. Bulgular: Çalışmada, adölesanların beslenme alışkanlıkları ile psikolojik durumlarının tahmini için bir YSA modeli kurulmuştur. Modelin eğitim süreci boyunca, veri setindeki özellikler değerlendirilmiş ve farklı parametrelere sahip YSA modelleri ile sınıflandırma başarıları karşılaştırılmıştır. Sonuçlar, beslenme verileri kullanılarak psikolojik durumun tahmin edilebileceğini ve yapılan tahminin istatistiksel olarak anlamlı olduğunu ortaya koymuştur. Farklı nöron sayılarına sahip modeller karşılaştırıldığında bazılarının diğerlerine göre daha iyi performans gösterdiği belirlenmiştir. Bununla birlikte, nöron sayısının artırılmasının her zaman model performansını artırmadığı görülmüştür. Bu bulgu, her veri seti için en uygun model parametrelerinin dikkatlice belirlenmesi gerektiğini göstermektedir. Sonuç: Modelin başarılı tahmin yeteneği, bu tür yapay zekâ modellerinin eğitim ve sağlık politikalarına karar verme süreçlerinde kullanılabilir araçlar olabileceğini göstermektedir. Adölesanlara sunulan besinlerin içeriklerinin, psikolojik sağlığı destekleyici nitelikte olmasının önemi vurgulanmıştır. Eğitim ve sağlık otoritelerinin, adölesanların sağlıklı beslenme alışkanlıkları kazanmaları için gerekli önlemleri almaları ve bu konuda farkındalık yaratmaları önem arz etmektedir.

Objective: The primary objective of this study is to train an artificial neural network (ANN) model using data from adolescent students and predict psychological status using nutritional data. Considering both nutrient intake and the energy obtained from food is important when planning meal contents in school settings, such as canteens. Materials and Methods: Data were collected from 451 randomly selected students using the Demographic Form, Beck Anxiety Scale, Beck Depression Scale, Conners-Wells Adolescent Self-Report Scale, and Food Frequency Questionnaire (FFQ). The Python programming language was used for model training and prediction. The results will be considered statistically significant if the prediction accuracy exceeded 70%. Results: An ANN model was developed to predict the dietary habits and psychological states of adolescents. During model training, different parameters were tested to compare classification accuracy. The findings indicate that psychological status can be predicted from dietary data with statistical significance. Models with varying neuron numbers showed that some performed better, but increasing neurons did not always improve performance, emphasizing the need for careful parameter selection. Conclusion: The successful predictive ability of the model suggests that such artificial intelligence models can be useful tools in educational and health policy decision-making processes. The importance of the content of food offered to adolescents to support mental health was highlighted. It is important for education and health authorities to take the necessary precautions to help adolescents develop healthy eating habits and to raise awareness on this issue.