Prediction and Identification of Key Factors Associated with High Soft Drink Consumption Among University Students Using Machine Learning
استخدمت هذه الدراسة تعلم الآلة، وتحديداً خوارزمية الغابة العشوائية (Random Forest)، لتحليل بيانات 450 طالباً جامعياً وتحديد حالة التدخين والسنة الدراسية كعوامل تنبؤ رئيسية للاستهلاك المرتفع للمشروبات الغازية، محققةً دقة بلغت 77.04% بهدف توجيه التدخلات الصحية المستهدفة.
في الممرات المزدحمة بالحياة المعاصرة، أصبحت المشروبات السكرية رفيقاً دائماً، لا سي la سيما للشباب الذين يخوضون مرحلة الانتقال إلى الاستقلال. هذه المشروبات، التي غالباً ما تكون غازية ومليئة بالسكر المكرر أو المحليات الاصطناعية، توفر دفعة سريعة من الطاقة والنكهة، لكن خبراء الصحة حذروا منذ زمن طويل من أن سعراتها الحرارية السائلة لا تشبع الجوع كما يفعل الطعام الصلب. هذا الانفصال يمكن أن يؤدي إلى زيادة تدريجية في إجمالي تناول الطاقة، مما يساهم في زيادة الوزن ومجموعة من المشكلات الصحية الأخرى مثل تسوس الأسنان والاضطرابات الأيضية. وبينما تعد هذه المخاطر معروفة جيداً، فإن فهم من يشرب الأكثر ولماذا يظل لغزاً معقداً؛ فالناس يتخذون هذه الخيارات بناءً على شبكة متشابكة من العادات الشخصية، والضغوط الاجتماعية، وما يعتقدونه عن المشروبات نفسها. ولحل هذا التشابك، يتجه الباحثون بشكل متزايد إلى أداة جديدة قوية: تعلم الآلة. فخلافاً للطرق التقليدية التي تبحث عن علاقات بسيطة ومستقيمة بين شيئين، تستطيع هذه الخوارزميات الحاسوبية فحص كميات هائلة من المعلومات للعثور على أنماط خفية وغير خطية، مما يكشف عن العوامل التي تقود السلوك حقاً بطرق قد تغفل عنها البديهة البشرية.
قرر فريق من الباحثين في جامعة مولانا باشاني للعلوم والتكنولوجيا في بنغلاديش تطبيق هذا النهج المتقدم على مجموعة محددة: طلاب الجامعات. أرادوا تجاوز مجرد الاستطلاعات البسيطة لبناء نموذج تنبؤي يمكنه تحديد الطلاب الذين يحتمل استهلاكهم لكميات كبيرة من المشروبات الغازية، والأهم من ذلك، فهم السمات المحددة التي جعلتهم كذلك. جمع الفريق بيانات من 450 طالباً في مرحلة البكالوريوس في جميع أنحاء الحرم الجامعي، من خلال مقابلتهم وجهاً لوجه لجمع تفاصيل عن حياتهم. سألوا عن الديموغرافيا الأساسية مثل العمر وسنة الدراسة، لكنهم تعمقوا أيضاً في العادات الشخصية مثل التدخين واستهلاك الكحول، وحتى مواقفهم تجاه المشروبات نفسها، مثل ما إذا كانوا يعتقدون أن المشروبات الغازية لذيذة أو إذا كانوا يعتقدون أنها تحتوي على مواد حافظة ضارة. وقد عرف الباحثون "المستهلك المرتفع" بأنه أي شخص يشرب لترًا واحدًا على الأقل من المشروبات الغازية أسبوعياً، وهو حد سمح لهم بالفصل بوضوح بين الشاربين بكثرة وبقية مجتمع الطلاب.
كشفت النظرة الأولية للبيانات عن صورة صارخة؛ حيث وقع حوالي ثلث الطلاب، أو 33.6 بالمائة، في فئة الاستهلاك المرتفع. وعندما بدأ الباحثون في مقارنة عادات هؤلاء الشاربين بكثرة مقابل أولئك الذين يشربون أقل، ظهرت أنماط واضحة. فكان الطلاب الذين يشربون الأكثر أكثر عرضة بشكل كبير للتدخين واستهلاك الكحول. كما اختلفت مواقفهم أيضاً؛ حيث كان الشاربون بكثرة أكثر ميلاً للموافقة على أن المشروبات الغازية لذيذة جداً، وأقل ميلاً للاعتقاد بأن المشروبات تحتوي على مكونات ضارة أو أنها تسبب مشاكل صحية. ومن المثير للاهتمام أن السنة التي يقضيها الطالب في مسيرته الجامعية كانت مهمة أيضاً، حيث أظهر طلاب السنة الثانية أعلى معدلات الشرب بكثرة. أشارت هذه النتائج إلى أن شرب الكثير من المشروبات الغازية لم يكن عادة معزولة، بل كان غالباً جزءاً من مجموعة أوسع من خيارات نمط الحياة ومعتقدات محددة حول الغذاء والصحة.
ولفهم هذه الروابط والتنبؤ بالسلوك المستقبلي، قام الباحثون بتغذية كل هذه البيانات في سبع خوارزميات مختلفة لتعلم الآلة. كانت هذه البرامج الحاسوبية مصممة للتعلم من البيانات وتصنيف الطلاب كمسرفين أو مستهلكين طبيعيين. واختبر الفريق كل برنامج لمعرفة أيهم يمكنه تقديم تنبؤات أكثر دقة. وأظهرت النتائج أنه بينما كان أداء جميع النماذج جيداً بشكل معقول، فقد برز أحدها فوق البقية؛ إذ أثبتت طريقة تسمى "الغابة العشوائية" (Random Forest)، والتي تعمل من خلال الجمع بين قرارات العديد من أشجار القرار البسيطة للوصول إلى استنتاج أكثر استقراراً، أنها الأكثر فعالية. لقد صنف الطلاب بدقة تبلغ حوالي 77 بالمائة، وكان بارعاً بشكل خاص في رصد الشاربين بكثرة، حيث نجح في رصد ما يقرب من 95 بالمائة منهم. يشير هذا المعدل المرتفع من النجاح إلى أن مزيج العادات والمواقف التي قاسها الفريق يحتوي على معلومات كافية لتحديد الطلاب المعرضين للخطر بشكل موثوق.
ربما جاءت أثمن رؤية من هذه الدراسة من سؤال النموذج الحاسوبي الفائز عما يعتبره أدلة أكثر أهمية. حددت الخوارزمية عاملين كأقوى المتنبئات باستهلاك المشروبات الغازية المرتفع: حالة التدخين والسنة الدراسية للطالب. وتعد هذه النتيجة مهمة لأنها تسلط الضوء على أن السلوك متشابك بعمق مع خيارات نمط الحياة الأخرى والضغوط أو الحريات المحددة التي تأتي مع مراحل مختلفة من الحياة الجامعية. وبينما كانت الدراسة محدودة بجامعة واحدة واعتمدت على تقارير الطلاب أنفسهم، والتي قد تكون غير دقيقة أحياناً، فإن النتائج تقدم اتجاهاً واضحاً للعمل المستقبلي. يقترح الباحثون أن الحملات الصحية في الحرم الجامعي لا ينبغي أن تركز فقط على محتوى السكر في المشروبات، بل يجب أن تستهدف أيضاً أنماط الحياة الأوسع للطلاب، وخاصة أولئك الذين يدخنون أو هم في سنتهم الثانية. ومن خلال فهم هذه الدوافع المحددة، يمكن للجامعات تصميم تدخلات أكثر فعالية لمساعدة الشباب على اتخاذ خيارات أكثر صحة بشأن المشروبات قبل أن تترسخ هذه العادات مدى الحياة.
ملخص تقني: التنبؤ وتحديد العوامل الرئيسية المرتبطة بالاستهلاك المرتفع للمشروبات الغازية بين طلاب الجامعات باستخدام تعلم الآلة
بيان المشكلة
يعد الاستهلاك المفرط للمشروبات المحلاة بالسكر (المشروبات الغازية) مصدر قلق متزايد للصحة العامة، لارتباطه بالسمنة، والاضطرابات الأيضية، والأمراض غير المعدية. وبينما أثبتت الأبحاث السابقة وجود ارتباطات بين تناول المشروبات الغاسية وعوامل ديموغرافية وسلوكية واتجاهية متنوعة، إلا أن معظم الدراسات اعتمدت على المناهج الإحصائية التقليدية (مثل الانحدار اللوجستي). وغالباً ما تواجه هذه الطرق التقليدية صعوبة في رصد التفاعلات المعقدة وغير الخطية داخل مجموعات البيانات متعددة الأبعاد. علاوة على ذلك، هناك فهم محدود للمتنبئات المحددة لتناول المشروبات الغازية بمعدلات عالية بين طلاب الجامعات في بنغلاديش، وهم فئة تمر بتحولات غذائية. تعالج هذه الدراسة الحاجة ليس فقط لتحديد العوامل المرتبطة، بل أيضاً لتصنيف المستهلكين وتقييم الأداء التنبئي لخوارزميات تعلم الآلة في هذا السياق.
المنهجية
تصميم الدراسة وجمع البيانات
المكان: دراسة مقطعية أجريت في جامعة مولانا باشاني للعلوم والتكنولوجيا (MBSTU)، بنغلاديش.
المشاركون: 450 طالباً في مرحلة البكالوريوس (من السنة الأكاديمية الأولى إلى الخامسة) تم اختيارهم عبر العينة الميسرة.
جمع البيانات: مقابلات وجهاً لوجه باستخدام استبيان مهيكل تم إدارته في ديسمبر 2024.
متغير النتيجة: مستوى تناول المشروبات الغازية، والذي تم تقسيمه ثنائياً بناءً على العتبة التي اقترحها سكولي وآخرون (2017):
الاستهلاك المرتفع: ≥ 1 لتر في الأسبوع.
الاستهلاك الطبيعي: < 1 لتر في الأسبوع.
المتنبئات: اثنا عشر متغيراً مستقلاً صُنفت إلى أربع مجموعات:
ديموغرافية: العمر، السنة الأكاديمية، الحالة الاجتماعية. بجانب سلوكية: حالة التدخين، استهلاك الكحول.
اتجاهية: المعتقدات المتعلقة بالنكهات/الألوان الاصطناعية، المواد الحافظة، محتوى الدهون، والمذاق.
موضوعية: المعتقدات التي تساوي بين العصائر الطازجة والمشروبات الغازية، وصحة كل منهما، والمشاكل الصحية المتصورة.
تعلم الآلة (ML): تم تدريب واختبار سبع خوارزميات تصنيف خاضعة للإشراف للتنبؤ بمستويات الاستهلاك. تم تقسيم مجموعة البيانات إلى 70% للتدريب و30% للاختبار. شملت الخوارزميات:
شجرة التصنيف والانحدار (Classification and Regression Tree - CART)
الانحدار اللوجستي (Logistic Regression - LR)
ناييف بيز (Naïve Bayes - NB)
آلة ناقل الدعم (Support Vector Machine - SVM)
الغابة العشوائية (Random Forest - RF)
مقاييس الأداء
تم تقييم النماذج باستخدام الدقة (Accuracy)، والحساسية (Sensitivity)، والنوعية (Specificity)، والدقة (Precision)، والمساحة تحت منحنى خصائص تشغيل المستقبِل (AUC). كما تم تقييم أهمية المتغير باستخدام مقياس العمق الأدنى لنموذج الغابة العشوائية.
النتائج الرئيسية
الانتشار والارتباطات
الانتشار: تم تصنيف 33.6% من المشاركين كمستهلكين مرتفعي الاستهلاك للمشروبات الغاسية.
الارتباطات الإحصائية: وُجدت ارتباطات معنوية (P < 0.05) بين مستويات الاستهلاك وجميع المتغيرات الديموغرافية والسلوكية والموضوعية والاتجاهية.
الانحدار اللوجستي: حدد التحليل متعدد المتغيرات حالة التدخين (OR = 3.31)، واستهلاك الكحول (OR = 2.76)، والسنة الأكاديمية (تحديداً السنتين الثانية والرابعة)، والحالة الاجتماعية، ومعتقدات اتجاهية محددة كمتنبئات معنوية.
أداء تعلم الآلة
أفضل نموذج أداءً: تفوقت الغابة العشوائية (RF) على جميع الخوارزميات الأخرى.
الدقة: 77.04% (فاصل ثقة 95%: 0.6902–0.8383)
المساحة تحت المنحنى (AUC): 0.8460
الحساسية: 95.40%
النوعية: 43.75%
الدقة (Precision): 75.45%
المقارنة: بينما حققت نماذج SVM وKNN حساسية أعلى (97.70%)، إلا أنهما عانتا من نوعية أقل بكثير (31.25% و22.92% على التوالي). وأظهر نموذج ناييف بيز أعلى دقة (76.84%).
أهمية المتغير: باستخدام تحليل العمق الأدنى للغابة العشوائية، تم تحديد أهم متغيرين مؤثرين وهما:
حالة التدخين (متوسط العمق الأدنى = 2.02)
السنة الأكاديمية (متوسط العمق الأدنى = 2.07)
المساهمات الرئيسية
التحليل المقارن لتعلم الآلة: تقدم هذه الدراسة مقارنة مباشرة لسبع خوارزميات مختلفة لتعلم الآلة لتصنيف استهلاك المشروبات الغازية، مما يثبت أن الأساليب التجميعية (الغابة العشوائية) توفر دقة تنبؤية وتمييزية (AUC) متفوقة مقارنة بالانحدار اللوجستي التقليدي والمصنفات الأخرى في هذه الفئة الديموغرافية المحددة.
تحديد المتنبئات الرئيسية: بعيداً عن الارتباطات الإحصائية القياسية، تستخدم الدراسة أهمية الميزات القائمة على تعلم الآلة لتحديد حالة التدخين والسنة الأكاديمية كمحركات رئيسية للاستهلاك المرتفع، مما يشير إلى تكتل السلوكيات غير الصحية وتأثير التحولات في الحياة الجامعية.
الأدلة السياقية: تسد هذه الدراسة الفجوة في الأدبيات المتعلقة بأنماط استهلاك المشروبات الغازية والنمذجة التنبؤية بين طلاب الجامعات في بنغلاديش، وهي منطقة تفتقر إلى هذه البيانات.
الأهمية والادعاءات
يدعي المؤلفون أن دمج مناهج تعلم الآلة مع التحليل الوبائي التقليدي يعزز فهم سلوكيات الاستهلاك المعقدة. وتفترض الدراسة ما يلي:
إن تناول المشروبات الغازية بمعدلات عالية هو قضية شائعة بين طلاب الجامعات في بنغلاديش، مما يستدعي تدخلات مستهدفة.
يمكن لنماذج تعلم الآلة، وخاصة الغابة العشوائية، تحديد الطلاب المعرضين للخطر بفعالية بناءً على ملفاتهم السلوكية والديموغرافية.
إن الارتباط القوي بين تناول المشروبات الغازية والسلوكيات الخطرة الأخرى (التدخين، الكحول) يشير إلى أن استراتيجيات الوقاية يجب أن تعالج هذه السلوكيات ككتلة واحدة بدلاً من التعامل معها بشكل منفصل.
المحددات والتواضع
تقر الورقة صراحةً بعدة محددات تخفف من إمكانية تعميم نتائجها:
التصميم: الطبيعة المقطعية للدراسة تمنع الاستدلال السببي.
العينات: استخدام العينة الميسرة من جامعة واحدة يحد من تمثيل النتية عبر مناطق أو مؤسسات مختلفة في بنغلاديش.
جودة البيانات: قد تؤدي البيانات المبلغ عنها ذاتياً إلى تحيزات تتعلق بالذاكرة أو الرغبة في تقديم صورة اجتماعية مثالية.
النطاق: لم تقيم الدراسة عوامل أخرى محتملة مثل النشاط البدني، أو الأنماط الغذائية التفصيلية، أو الحالة الاقتصادية والاجتماعية.
التحقق: حجم مجموعة البيانات المتواضع وعدم وجود تحقق خارجي على عينة مستقلة يعني أن النماذج تتطلب مزيداً من الاختبار قبل تطبيقها في العالم الحقيقي.
يخلص المؤلفون إلى أنه بينما يظهر نموذج الغابة العشوائية إمكانات واعدة، فإن الدراسات الطولية المستقبلية متعددة المراكز ذات العينات الأكبر ضرورية للتحقق من صحة نماذج التنبؤ هذه وإرساء علاقات سببية أقوى.