مقاله #1266

چکیده

زمینه: پیشینه تحقیق اثربخشی شنیدن موزیک را نشان می دهد، اما چه عواملی و چه نوع موزیک منجر به تولید اثرات درمانی شده، چگونه تراپیست ها می توانند موزیک را انتخاب کنند، سوالات بدون پاسخ محسوب می شوند. در اینجا مطالعه ای برای ایجاد عوامل اصلی پیشگو برای اثرات آرامسازی گوش دادن به موزیک با استفاده از روش های یادگیری ماشین ارائه می کنیم.

روش ها: سیصد و بیست آزمودنی سالم به صورت یکسان بر اساس سن، سطح تحصیلات، حضور آموزش موزیک و جنسیت، توزیع شدند. هر یک از آن ها برای ده دقیقه به موزیک گوش دادند (یا موزیک ترجیح داده شده یا موزیکی که به صورت الگوریتمی تولید شده است). سطوح آرامسازی به سه دسته تقسیم شده است: افزایش، کاهش یا عدم تغییر در آرامسازی. یک درخت تصمیم برای پیش بینی تاثیر گوشدادن به موزیک بر آرامسازی تولید شد.

نتایج: یک درخت تصمیم با دقت کلی 0.79 تولید گردید. آنالیز ساختار درخت تصمیم منجر به تولید برداشت هایی راجع به مهم ترین عوامل در پیش بینی تاثیر گوش دادن به موزیک، به خصوص سطح آرامسازی ابتدایی، ترکیب آموزش موزیک و تحصیلات، سن و تکرار گوش دادن به موزیک شد.

نتیجه گیری ها: درخت تصمیم برآیند و آنالیز این مدل قابل تفسیر امکان یافتن عوامل پیشگویی را ممکن ساخته که بر خروجی های گوش دادن به موزیک درمانی تاثیر گذاشته است. عینیت نیرومند گوش دادن به موزیک درمانی نشان می دهد که استفاده از تکنیک های یادگیری ماشین برای پشتیبانی از شیوه موزیک درمانی نوآورانه و مهم است.

واژگان کلیدی: گوش دادن به موزیک درمانی، دارو، تکنیک های یادگیری ماشین، روش های درخت تصمیم، پیش بینی پذیری درمانی