@ARTICLE{Heysieattalab, author = {Aboureihani Mohammadi, Maryam and Fadaei Moghadam Heydarabadi, Mahshad and Zardary, Solmaz and Heysieattalab, Soomaayeh and }, title = {Identifying Psychological Disorders Based on Data in Virtual Environments Using Machine Learning}, volume = {7}, number = {4}, abstract ={اخیراً پژوهش‌هایی در راستای به‌کارگیری شبکه‌های اجتماعی به‌عنوان بستری جدید برای شناسایی افراد با اختلال‌های روانی صورت گرفته است. علاوه بر این به دلیل پیچیدگی تشخیص بیماری‌های روان‌شناختی با استفاده از روش‌های معمول، استفاده از یادگیری ماشین برای شناسایی این افراد رو به افزایش است. هدف این مقاله مرور پژوهش­های انجام شده با استفاده از داده‌های شبکه‌های اجتماعی در پیش‌بینی و تشخیص اختلال‌های روان‌شناختی به کمک یادگیری ماشین است. در این پژوهش به روش مرور نظام‌مند مبتنی بر پریسما، از طریق جستجوی کلید واژه‌های اصلی تشخیص و پیش‌بینی اختلال‌های روان‌شناختی در ترکیب با واژه‌های یادگیری ماشین و فضای مجازی در پایگاه‌های اطلاعاتی تخصصی بدون در نظر گرفتن سال انتشار آن‌ها، یافته‌ها و اطلاعات مورد نظر جهت دستیابی به هدف پژوهش مورد واکاوی قرار گرفت. اختلال روان‌شناختی افسردگی در بین 20 مقاله نهایی انتخاب شده بیشترین فراوانی با قدرت پیش‌بینی 42 و 87 درصد به ترتیب کمترین و بیشترین توان پیش‌بینی افسردگی را داشته است. از طرفی برای جمع‌آوری داده تنها 30 درصد مطالعات از پرسشنامه فضای مجازی و بیشترین رویکرد، از پست‌های عمومی در شبکه‌های اجتماعی با عبارات منظم و نیز توییتر به‌عنوان بیشترین منبع استفاده‌ شده است. به نظر می‌رسد روانشناسی محاسباتی مبتنی بر روش‌های یادگیری ماشین بتواند به شناسایی و پیش‌بینی دقیق‌تر اختلال‌های روان‌شناختی کاربران فضاهای مجازی کمک نماید. }, URL = {http://jcp.khu.ac.ir/article-1-3218-fa.html}, eprint = {http://jcp.khu.ac.ir/article-1-3218-fa.pdf}, journal = {Jornal of Cognitive Psychology}, doi = {}, year = {2020} }