Web-платформа підтримки ментального здоров’я з інтеграцією технологій машинного навчання

Скорочена інформація про документ
dc.contributor.advisorСегеда, Ірина Василівна
dc.contributor.authorХороших, Олександр Леонідович
dc.date.accessioned2026-01-30T14:41:31Z
dc.date.available2026-01-30T14:41:31Z
dc.date.issued2025
dc.description.abstractСтруктура та обсяг кваліфікаційної роботи. Магістерська дисертація складається зі вступу, шести розділів, висновків та додатка. Робота містить посилання на 33 джерела, 15 таблиць, 26 ілюстрацій. Основна частина викладена на 110 сторінках, загальний обсяг роботи 122 сторінки. Актуальність. У сучасному цифровому суспільстві зростає усвідомлення важливості ментального здоров’я як одного з ключових чинників загального добробуту людини. Стрес, тривожність і емоційне вигорання стають поширеними проблемами, особливо серед молоді та осіб, що перебувають у кризових умовах. Однак доступ до кваліфікованої психологічної допомоги часто є обмеженим через брак фахівців, стигматизацію теми або фінансові бар’єри. У зв’язку з цим актуальним є створення цифрових інструментів самодопомоги, які поєднують простоту використання, доступність і персоналізацію. Одним з перспективних напрямів є розробка веб-платформ, здатних не лише фіксувати психоемоційний стан користувача, а й надавати індивідуальні рекомендації на основі аналізу текстів і поведінкових даних. Застосування алгоритмів машинного навчання, зокрема TF-IDF та cosine similarity, дозволяє сформувати релевантні поради, враховуючи індивідуальні особливості користувача, його емоційні коливання та взаємодію з платформою . Метою роботи є розробка веб-платформи підтримки ментального здоров’я, яка забезпечує персоналізовану взаємодію з користувачем на основі алгоритмів машинного навчання, дозволяє вести щоденник, фіксувати настрій, переглядати аналітику та отримувати рекомендації й навчальний контент для емоційної самопідтримки. Для досягнення поставленої мети виконано такі завдання: — проаналізовано сучасні цифрові сервіси у сфері ментального здоров’я; — досліджено математичні основи NLP-моделей, алгоритмів TF-IDF та cosine similarity; — спроєктовано архітектуру клієнтсько-серверної веб-платформи; — розроблено серверну частину на основі Nest.js та базу даних у PostgreSQL; — реалізовано клієнтську частину з використанням Next.js, Tailwind CSS і React Query; — створено функціональні модулі: щоденник, трекер настрою, навчальні вправи, чат і система рекомендацій; — проведено дослідження розробленої системи. Об’єкт дослідження — процес цифрової підтримки ментального здоров’я користувачів у веб-середовищі. Предмет дослідження — веб-платформа з модульною архітектурою, що реалізує фіксацію емоційного стану, персоналізовані рекомендації та навчальний контент. Методи дослідження — аналіз, NLP, векторне подання текстів, проєктування, програмування, валідація, REST API, тестування. Практичне значення роботи полягає у створенні повнофункціонального веб-застосунку, який може бути використаний як цифровий інструмент самодопомоги для покращення ментального стану користувача. Платформа також є адаптивною до впровадження у навчальні, корпоративні чи медичні середовища для моніторингу емоційного стану та надання рекомендацій. Апробація результатів дисертації. Основні положення магістерської роботи були опубліковані та презентовані на: XIII Міжнародна науково-практична конференція «Modern digital technologies and problems of their use» Технічні науки, 24 листопада, Прага, Чехія. Результати дослідження представлені у 1 науковій публікації. Розроблена веб-платформа підтримки ментального здоров’я реалізована як клієнтсько-серверний застосунок із використанням фреймворків Nest.js для серверної частини та Next.js для клієнтського інтерфейсу. Для взаємодії з базою даних використано ORM Sequelize та реляційну СКБД PostgreSQL, що забезпечує ефективне зберігання психологічних даних користувачів, їхніх записів настрою, журналів та історії рекомендацій. Система має модульну архітектуру й охоплює ключові функціональні блоки: щоденник, трекер настрою, аналітику, чат-бот та модуль персоналізованих рекомендацій, що працює на базі алгоритмів TF-IDF та косинусної подібності. Користувачі отримують можливість фіксувати свій емоційний стан, спостерігати динаміку змін за допомогою графіків (реалізованих через Chart.js), а також взаємодіяти з інтерфейсом через зручний дизайн, створений на Tailwind CSS. Завдяки використанню сучасного технологічного стеку, система відзначається високою продуктивністю, масштабованістю, безпекою та зручністю адаптації до потреб різних цільових груп. Це дозволяє не лише підвищити рівень саморефлексії користувачів, а й створити надійну основу для подальшого впровадження платформи в освітні, корпоративні або медичні середовища.
dc.description.abstractotherStructure and Volume of the Thesis. The master’s thesis consists of an introduction, six chapters, conclusions, and an appendix. The thesis includes references to 33 sources, 15 tables and contains 26 illustrations. The main content is presented on 110 pages, total volume of work 122 pages. Relevance. In today’s digital society, there is a growing awareness of the importance of mental health as a key factor in overall human well-being. Stress, anxiety, and emotional burnout have become increasingly common problems, especially among young people and individuals in crisis situations. However, access to qualified psychological support is often limited due to a shortage of specialists, the stigmatization of mental health topics, or financial barriers. Therefore, the development of digital self-help tools that combine ease of use, accessibility, and personalization is highly relevant. One of the promising directions is the development of web platforms capable not only of recording the user’s emotional state but also of providing individualized recommendations based on the analysis of text and behavioral data. The use of machine learning algorithms, particularly TF-IDF and cosine similarity, makes it possible to generate relevant suggestions that take into account a user’s individual characteristics, emotional dynamics, and platform activity. The aim of the study is to develop a web-based mental health support platform that provides personalized interaction using machine learning algorithms, enables users to keep a journal, track their mood, view analytics, and receive tailored recommendations and educational content for emotional self-regulation. To achieve this goal, the following tasks were completed: — an analysis of current digital services in the mental health domain was conducted; — the mathematical foundations of NLP models, TF-IDF and cosine similarity algorithms were studied; — the client-server architecture of the web platform was designed; — the backend was developed using Nest.js and a PostgreSQL database; — the frontend was implemented using Next.js, Tailwind CSS, and React Query; — functional modules were created: mood tracker, journal, learning exercises, chatbot, and recommendation system; — a comprehensive evaluation of the implemented system was carried out. Object of the research: the process of digital mental health support in a web environment. Subject of the research: a modular web platform that enables mood tracking, personalized recommendations, and access to educational content. Research methods: analysis, NLP, vector-based text representation, system design, programming, validation, REST API, and testing. Practical value of the work lies in the creation of a fully functional web application that can serve as a digital self-help tool to improve the user’s mental well-being. The platform is also adaptable for integration into educational, corporate, or healthcare environments for mood monitoring and personalized support delivery. Approbation of the dissertation results. The key findings of the thesis were presented and published at the XIII International Scientific and Practical Conference «Modern digital technologies and problems of their use» (Technical Sciences), November 24, Prague, Czech Republic. The research results were published in one scientific paper.
dc.format.extent122 с.
dc.identifier.citationХороших, О. Л. Web-платформа підтримки ментального здоров’я з інтеграцією технологій машинного навчання : магістерська дис. : 122 Комп’ютерні науки / Хороших Олександр Леонідович. – Київ, 2025. – 122 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78578
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectментальне здоров’я
dc.subjectмашинне навчання
dc.subjectвеб-платформа
dc.subjectNext.js
dc.subjectNest.js
dc.subjectPostgreSQL
dc.subjectTF-IDF
dc.subjectрекомендаційна система
dc.subjectаналіз настрою
dc.subjectцифрова підтримка
dc.titleWeb-платформа підтримки ментального здоров’я з інтеграцією технологій машинного навчання
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Khoroshikh_magistr.pdf
Розмір:
2.7 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ЦТЕ)
Магістерські роботи