Зависимость студентов от социальных сетей
Введение
Студенты нашего поколения совсем не могут представить свою жизнь без социальных сетей, с их помощью нам проще поддерживать связь с теми людьми, что далеко от нас, искать информацию и делиться ей, выражать свое творчество и многое другое. В результате полного погружения в интернет и соц. сети с картинками мы можем не заметить как становимся зависимыми от них. В своем проекте я изучаю влияние социальных сетей на жизнь и состояние студентов.
Для поиска данных я использовала ресурс kaggle, предоставляющий открытые наборы данных. Датасет был найден по запросу Students Social Media Addiction Dataset.
С помощью датасета я провела взаимосвязь между использованием социальных сетей, психическим здоровьем, сном и академической успеваемостью у студентов.
Мне было интересно анализировать эти данные, потому что я лично ежедневно использую социальные сети и отслеживаю насколько я в них погружена.
Типы графиков
Я использовала данные типы графиков: 1. Гистограмма: распределения уровня зависимости от социальных сетей. 2. Круговая диаграмма и столбчатая диаграмма: сдвоенная визуализация влияния социальных сетей на академическую успеваемость. 3. Матрица: корреляция показателей использования социальных сетей и психосоциальных факторов. 4. Диаграмма рассеяния с линией регрессии: взаимосвязь психического здоровья и уровня зависимости.
Этапы работы
Первым этапом работы является загрузка CSV-файла и первичное ознакомление со структурой данных.
загрузка CSV-файла и первичное ознакомление со структурой данных
Покажу как в коде используются библиотеки для обработки данных (pandas, numpy), статистического анализа (scipy), визуализации (matplotlib, seaborn) и управления средой выполнения (os, warnings).
библиотеки для обработки данных (pandas, numpy), статистического анализа (scipy), визуализации (matplotlib, seaborn) и управления средой выполнения (os, warnings).
Далее идет загрузка и проработка данных.
загрузка и проработка данных.
Данная часть кода используется для: визуального стилистического единства всех графиков; интуитивно понятного отображения категорий (платформы, пол, ответы «да/нет»); повышения наглядности и читаемости визуализаций.
стилистическое оформление.
Итоговые графики
График 1. Распределение уровня зависимости студентов.
С помощью кода на графике визуализируется, что более двухсот студентов имеют высокую зависимость от социальных сетей
код для графика 1.
График 2. Влияние зависимости социальных сетей на успеваемость студентов.
Данные графики визуализируют, что зависимость от социальных сетей очень высокая у большинства студентов
код для графика 2.
код для графика 2.
График 3. Корреляционная матрица влияния зависимости на здоровье и уровень жизни.
Диаграмма доказывает, что более высокий уровень зависимости может быть связан с ухудшением психического здоровья, а рост зависимости может сопровождаться снижением продолжительности сна, также на графике показано, что конфликты из-за соцсетей коррелируют с уровнем зависимости.
код для графика 3.
код для графика 3.
код для графика 3.
График 4. Взаимосвязь психики студентов и зависимости.
Этот код вывел график, показывающий, что чем лучше психологическое здоровье, тем ниже зависимость.
код для графика 4.
код для графика 4.
Заключение
С помощью анализа мы выяснили, что чем больше часов студенты проводят в социальных сетях, тем чаще у них вырабатывается зависимость от них, которая вслед ведет к конфликтам, ухудшению здоровья и учебной успеваемости.
Описание применения генеративной модели
Я использовала Chat GPT для улучшения кода и оптимизации решений насчет визуальной составляющей графиков в коде. Также для поиска библиотек для обработки данных и статистического анализа.
