Нейросетевая модель распознавания индикаторов предсуицидального риска подростков в цифровой образовательной среде

Актуальность. Цифровизация образования создает условия для применения методов машинного обучения и нейросетевых моделей в задачах мониторинга и поддержки принятия решений в образовательной среде. Одной из наиболее социально значимых задач является раннее автоматизированное выявление предсуицидального риска подростков, эффективность которого критически зависит от обоснованного набора входных признаков модели.
Цели представленного в статье исследования — разработать архитектуру нейросетевой модели распознавания индикаторов предсуицидального риска подростков в цифровой образовательной среде и эмпирически обосновать набор ее входных признаков на основе показателей самоотношения и рискогенности образовательной среды.
Материалы и методы. Эмпирическую базу отбора признаков составили данные 599 обучающихся 13–17 лет (M = 14,34; SD = 0,83). Применялись методика исследования самоотношения С. Р. Пантилеева, шкала самовосприятия Пирса—Харриса, методика диагностики склонности к виктимному поведению, личностный дифференциал и «Индекс социокультурной безопасности школьника». Отбор и валидация признаков выполнены методами корреляционного анализа, t-критерия Стьюдента и однофакторного дисперсионного анализа (ANOVA); предложена архитектура полносвязной нейронной сети с трехклассовым выходом.
Результаты. Сформирован и эмпирически обоснован компактный набор входных признаков: самоценность, самопринятие, замкнутость, самообвинение, поведение, семья и рискогенность образовательной среды. Высокий уровень склонности к самоповреждающему и саморазрушающему поведению, соответствующий целевому классу повышенного риска, выявлен у 29 % подростков.
Выводы. Предложенная нейросетевая модель с эмпирически обоснованным набором признаков может быть интегрирована в цифровую образовательную среду как инструмент масштабируемого раннего выявления предсуицидального риска при условии этических ограничений и подтверждения специалистом.

1. Каракозов С. Д., Самохвалова Е. А., Рыжова Н. И. Имплементация основ искусственного интеллекта в курс информатики среднего общего образования: практикоориентированный аспект. Информатика и образование. 2024;39(5):6–20. DOI: 10.32517/0234-0453-2024-39-5-6-20. EDN: EJGPIY.

2. Walsh C. G., Ribeiro J. D., Franklin J. C. Predicting risk of suicide attempts over time through machine learning. Clinical Psychological Science. 2017;5(3):457–469. DOI: 10.1177/2167702617691560.

3. Jung Jun Su, Park Sung Jin, Kim Eun Young, Na Kyoung-Sae, Kim Young Jae, Kim Kwang Gi. Prediction models for high risk of suicide in Korean adolescents using machine learning techniques. PLOS ONE. 2019;14(6):e0217639. DOI: 10.1371/journal.pone.0217639.

4. Walsh C. G., Ribeiro J. D., Franklin J. C. Predicting suicide attempts in adolescents with longitudinal clinical data and machine learning. The Journal of Child Psychology and Psychiatry. 2018;59(12):1261–1270. DOI: 10.1111/jcpp.12916.

5. Любов Е. Б., Зотов П. Б., Банников Г. С. Самоповреждающее поведение подростков: дефиниции, эпидемиология, факторы риска и защитные факторы. Сообщение I. Суицидология. 2019;10(4(37)):16–46. DOI: 10.32878/suiciderus.19-10-04(37)-16-46. EDN: QZCFZQ.

6. Klonsky E. D. The functions of deliberate self-injury: A review of the evidence. Clinical Psychology Review. 2007;27(2):226–239. DOI: 10.1016/j.cpr.2006.08.002.

7. Whitlock J., Muehlenkamp J., Eckenrode J., Purington A., Baral Abrams G., Barreira P., Kress V. Nonsuicidal self-injury as a gateway to suicide in young adults. Journal of Adolescent Health. 2013;52(4):486–492. DOI: 10.1016/j.jadohealth.2012.09.010.

8. Сыроквашина К. В., Дозорцева Е. Г. Психологические факторы риска суицидального поведения у подростков. Консультативная психология и психотерапия. 2016;24(3(92)):8–24. DOI: 10.17759/cpp.2016240302. EDN: WMJCLX.

9. Холмогорова А. Б. Суицидальное поведение: теоретическая модель и практика помощи в когнитивно-бихевиоральной терапии. Консультативная психология и психотерапия. 2016;24(3(92)):144–163. DOI: 10.17759/cpp.2016240309. EDN: WMJCOP.

10. Польская Н. А. Факторы риска и направления профилактики самоповреждающего поведения подростков. Клиническая и специальная психология. 2018;7(2):1–20. DOI: 10.17759/cpse.2018070201. EDN: XWQWOT.

11. Банников Г. С., Федунина Н. Ю., Павлова Т. С., Вихристюк О. В., Летова А. В., Баженова М. Д. Ведущие механизмы самоповреждающего поведения у подростков: по материалам мониторинга в образовательных организациях. Консультативная психология и психотерапия. 2016;24(3(92)):42–68. DOI: 10.17759/cpp.2016240304. EDN: WMJCMR.

12. Польская Н. А., Власова Н. В. Аутодеструктивное поведение в подростковом и юношеском возрасте. Консультативная психология и психотерапия. 2015;23(4(88)):176–190. DOI: 10.17759/cpp.2015230411. EDN: VHSQOX.

13. Польская Н. А. Эмоциональная дисрегуляция в структуре самоповреждающего поведения. Консультативная психология и психотерапия. 2018;26(4(102)):65-82. DOI: 10.17759/cpp.2018260405. EDN: YQHLOX.

14. Польская Н. А., Якубовская Д. К. Влияние социальных сетей на самоповреждающее поведение у подростков. Консультативная психология и психотерапия. 2019;27(3(105)):156–174. DOI: 10.17759/cpp.2019270310. EDN: TJMBWB.

15. Польская Н. А. Причины самоповреждения в юношеском возрасте (на основе шкалы самоотчета). Консультативная психология и психотерапия. 2014;22(2(81)):140-152. EDN: SJUUMP.

16. Столин В. В. Самосознание личности. М.: Издательство Московского университета; 1983. 284 с.

17. Сарджвеладзе Н. И. Личность и её взаимодействие с социальной средой. Тбилиси: Мецниереба; 1989. 206 с.

18. Баева И. А. Психологическая безопасность образовательной среды как ресурс психического здоровья субъектов образования. Психологическая наука и образование. 2012;17(4):11–17. EDN: PYRBYX.

19. Гилемханова Э. Н. Методика «Индекс социокультурной безопасности школьника». Вестник Московского университета. Серия 14. Психология. 2019;(2):164–183. DOI: 10.11621/vsp.2019.02.164. EDN: VSKGLN.

20. Гилемханова Э. Н. Нарушенная субъектность как индикатор проблем безопасности «субъектно-контекстной» системы образовательной среды. Мир науки, культуры, образования. 2022;(4(95)):103–113. DOI: 10.24412/1029-3388-2022-4-103-113. EDN: DLPJNX.

21. Андронникова О. О. Методика исследования склонности к виктимному поведению: учебно-методическое пособие. Новосибирск: НГПУ; 2015. 105 с.

22. Прихожан А. М. Диагностика личностного развития детей подросткового возраста. М.: АНО «ПЭБ»; 2007. 56 с.

23. Пантилеев С. Р. Методика исследования самоотношения. М.: Смысл; 1993. 32 с.

24. Бажин Е. Ф., Эткинд А. М. Личностный дифференциал: методические рекомендации. Л.: ЛНИПНИ им. В. М. Бехтерева; 1983. 12 с.

25. Капранова Л. Д. Цифровая трансформация общества и уровень жизни населения. Экономика. Налоги. Право. 2025;18(3):81–91. DOI: 10.26794/1999-849X-2025-18-3-81-91. EDN: GDXTGU.

26. Максимова М. В., Фролова О. В., Этуев Х. Х., Александрова Л. Д. Адаптивное персонализированное обучение: внедрение современных технологий в высшем образовании. Информатика и образование. 2023;38(4):14–27. DOI: 10.32517/0234-0453-2023-38-4-14-27. EDN: ZXOKFV.

27. Ильина И. Ю. Формирование конкурентныхстратегий преподавателей российских вузов в условиях цифровизации образования. Экономика. Налоги. Право. 2024;17(4):92–101. DOI: 10.26794/1999-849X-2024-17-4-92-101. EDN: BQXUXU.

28. Каширский Д. В., Сабельникова Н. В. Личностные предпосылки отношения к цифровизации образования у российских студентов. Психологическая наука и образование. 2024;29(4):44–62. DOI: 10.17759/pse.2024290404. EDN: RTJGOP.

29. Барабаш Д. А., Панов П. М. Создание программного прототипа системы распознавания лиц для образовательных учреждений на платформе «1С:Предприятие». Информатика и образование. 2023;38(6):52–58. DOI: 10.32517/0234-0453-2023-38-6-52-58. EDN: INQART.

30. Маркина О. С., Молчанов С. В. Взаимосвязь восприятия эмоционально значимых событий своей жизни и базисных убеждений личности студенческой молодежью в период транзитивных изменений. Психолого-педагогические исследования. 2023;15(2):3–17. DOI: 10.17759/psyedu.2023150201. EDN: JHUEIZ.