基于人工智能的文化感知聊天机器人，用于巴基斯坦大学生的压力检测与健康支持，采用自然语言处理和机器学习技术

arXiv cs.AI 论文
stress-detection chatbot nlp machine-learning mental-health cultural-awareness

摘要

本文介绍了一种基于人工智能的文化感知聊天机器人，用于巴基斯坦大学生的压力检测与健康支持，使用Random Forest进行分类，准确率为89.09%，并集成开源LLM以提供对话支持。

arXiv:2609.11199v1 公告类型：新 摘要：现有的数字心理健康工具是专为西方环境开发的，巴基斯坦学生在大学中面临着独特的复合压力情况，包括学业、经济、家庭和关系压力源，这已成为巴基斯坦大学学生学业和心理发展的严重关切。本文介绍了一种新型的、基于人工智能且文化敏感的压力检测和健康支持系统，专门针对巴基斯坦大学生的情境。该系统基于名为Random Forest的机器学习模型，使用一个经过验证的学生压力数据集进行训练，该数据集包含来自心理、生理、学业、环境和社会方面的20个特征的1100份回复，准确率为89.09%，宏F1分数为0.89，分为三个压力严重级别。分类输出通过OpenRouter API传递给一个开源大型语言模型，其中通过精心设计的、文化感知的系统提示，使模型能够用英语、乌尔都语和罗马乌尔都语进行关于健康的对话。特征重要性分析发现，该人群中第二重要的压力预测因素是师生关系，这是一个文化上重要的压力因素，突显了地区意识心理健康系统的必要性。未来的研究将包括使用经过验证的DASS-21工具，从巴基斯坦大学不同学术水平的学生中收集主要数据，重点关注从FSc过渡到本科阶段的学生，这是一个心理上脆弱的时期，目前研究不足。
查看原文
查看缓存全文

缓存时间: 2026/09/12 08:24 

# 基于自然语言处理与机器学习的AI驱动文化敏感聊天机器人：面向巴基斯坦大学生的压力检测与健康支持
来源：https://arxiv.org/abs/2609.11199
查看PDF (https://arxiv.org/pdf/2609.11199)

> 摘要：现有数字心理健康工具主要针对西方环境开发，而巴基斯坦大学生在校园中面临独特的复合压力情境，涵盖学业、经济、家庭与人际关系等多重压力源，这对他们的学业发展与心理健康已构成严重威胁。本文提出一种新型AI驱动且具有文化敏感性的压力检测与健康支持系统，专门针对巴基斯坦大学生群体设计。该系统基于名为随机森林的机器学习模型，使用包含1100份问卷调查的经过验证的学生压力数据集进行训练，涵盖心理、生理、学业、环境与社会等20个特征维度，在三级压力严重程度分类中达到89.09%的准确率与0.89的宏F1值。分类结果通过OpenRouter API传送至开源大型语言模型，借助精心设计且具备文化意识的系统提示，以英语、乌尔都语及罗马化乌尔都语开展健康关怀对话。特征重要性分析显示，师生关系是该群体第二大压力预测因子，这一文化特异性因素凸显了开发区域性心理健康系统的必要性。未来研究将针对巴基斯坦大学不同学术阶段的学生，使用经验证的DASS-21量表收集原始数据，重点关注从FSc过渡至本科阶段的学生群体——这一心理脆弱期目前仍存在研究空白。

## 投稿历史

来自：Muhammad Fahad Bashir \[查看邮箱 (https://arxiv.org/show-email/5ce04272/2609.11199)\] **\[v1\]** 2026年9月10日 星期四 08:08:42 UTC \(655 KB\)

相似文章

基于深度学习的阿姆哈拉语高校常见问题问答聊天机器人

arXiv cs.CL

本文提出了一种基于深度学习的聊天机器人系统，用于解答大学中的阿姆哈拉语常见问题，利用TensorFlow和Keras实现神经网络，达到了91.55%的准确率。该系统解决了阿姆哈拉语特有的语言挑战，包括形态变化和词汇缺口，并通过Heroku部署在Facebook Messenger上。