Skip to content

maxime2476/academic-stress

BranchesTags

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

16 Commits
data
data
 
 
logs
logs
 
 
notebooks
notebooks
 
 
outputs
outputs
 
 
scripts
scripts
 
 
src
src
 
 
tests
tests
 
 
.gitignore
.gitignore
 
 
README.md
README.md
 
 
config.yaml
config.yaml
 
 
requirements.txt
requirements.txt
 
 

Repository files navigation

Academic Stress Index — Prediction & Analysis

Identification des étudiants à haut risque de stress académique par régression logistique,
avec une batterie complète de tests économétriques et statistiques.

Python scikit-learn pandas pytest Dataset AUC-ROC PR-AUC

Contexte

Ce projet analyse les facteurs associés au stress académique chez 140 étudiants (enquête auto-administrée, juillet–août 2025) et construit un modèle de régression logistique binaire pour identifier les étudiants à haut niveau de stress (indice ≥ 4/5).

Objectif principal : outiller les services de santé universitaire pour un dépistage précoce, en hiérarchisant les facteurs de risque par ordre d'impact.

Structure du projet

academic_stress_index_predict/
│
├── config.yaml                  # Tous les paramètres (chemins, modèle, seuils…)
├── requirements.txt             # Dépendances Python
├── .gitignore
│
├── data/
│   └── academic_stress_level.csv   # Données brutes (n=140)
│
├── src/                         # Modules source réutilisables
│   ├── config.py                # Chargement centralisé de config.yaml
│   ├── data_loader.py           # Ingestion, validation, nettoyage
│   ├── preprocessing.py         # Pipeline sklearn (binarisation + encodage)
│   ├── modeling.py              # Entraînement, CV, seuils, bootstrap OR
│   ├── evaluation.py            # Métriques, figures, exports
│   ├── econometrics.py          # Batterie de 13 tests économétriques
│   └── utils.py                 # Logging, JSON, utilitaires
│
├── scripts/                     # Scripts exécutables
│   ├── run_analysis.py          # Pipeline complet (entraînement → exports)
│   └── run_econometrics.py      # Tests économétriques seuls
│
├── tests/                       # Suite pytest
│   ├── conftest.py              # Fixtures partagées (données synthétiques)
│   ├── test_data_loader.py
│   ├── test_preprocessing.py
│   ├── test_modeling.py
│   ├── test_evaluation.py
│   └── test_econometrics.py
│
├── notebooks/
│   └── academic_stress_notebook.ipynb   # Exploration visuelle uniquement
│
└── outputs/                     # Artefacts générés (ignorés par git)
    ├── figures/                 # PNG (ROC, PR, confusion matrix, OR…)
    ├── results/                 # JSON + CSV (métriques, prédictions)
    └── models/                  # Modèle sérialisé (joblib)

Installation

# 1. Cloner le dépôt
git clone https://github.com/maxime2476/academic_stress_index_predict.git
cd academic_stress_index_predict

# 2. Créer un environnement virtuel (recommandé)
python -m venv .venv
# Windows :
.venv\Scripts\activate
# macOS / Linux :
source .venv/bin/activate

# 3. Installer les dépendances
pip install -r requirements.txt

Utilisation

Analyse complète (recommandé en premier)

python scripts/run_analysis.py

Produit dans outputs/ :

  • results/full_results.json — toutes les métriques (AUC, PR-AUC, Brier, seuils…)
  • results/predictions_test.csv — prédictions sur le jeu de test
  • results/scores_full.csv — probabilités pour l'ensemble des données
  • models/logistic_regression.joblib— modèle + pipeline sérialisés
  • figures/roc_curve.png, pr_curve.png, confusion_matrix.png, calibration_curve.png, odds_ratios.png, threshold_comparison.png

Tests économétriques

python scripts/run_econometrics.py

Produit :

  • results/econometrics_report.json
  • figures/vif_barplot.png, wald_coefficients.png, marginal_effects.png, spearman_heatmap.png, cramers_v_associations.png

Suite de tests

# Tous les tests avec rapport de couverture
pytest tests/ -v --cov=src --cov-report=term-missing

# Un module spécifique
pytest tests/test_econometrics.py -v

Notebook exploratoire

jupyter notebook notebooks/academic_stress_notebook.ipynb

Le notebook se concentre sur la visualisation et l'interprétation des résultats. Il charge les sorties générées par les scripts plutôt que de réexécuter l'analyse.

Données

Variable Type Valeurs Rôle
Timestamp datetime juil.–août 2025 Métadonnée
Your Academic Stage Nominal undergraduate, high school, post-graduate Prédicteur
Peer pressure Ordinal (Likert) 1–5 Prédicteur
Academic pressure from your home Ordinal (Likert) 1–5 Prédicteur
Study Environment Nominal Peaceful, Noisy, disrupted Prédicteur
Coping strategy Nominal 3 modalités Prédicteur
Bad habits Nominal No, Yes, prefer not to say Prédicteur
Academic competition Ordinal (Likert) 1–5 Prédicteur
Rate your academic stress index Ordinal (Likert) 1–5 Cible

Variable cible binarisée : HighStress = 1 si indice ≥ 4 (configurable dans config.yaml).

Qualité des données :

  • 140 réponses collectées, 1 ligne supprimée (valeur manquante Study Environment)
  • Analyse finale : n = 139

Méthodologie

Prétraitement (sans fuite de données)

  1. Regroupement ordinal : les scores Likert 1–5 sont discrétisés en trois bandes (1-2 = faible, 3 = moyen, 4-5 = élevé) pour réduire la dispersion tout en préservant l'ordre.
  2. Encodage ordinal : OrdinalEncoder (0/1/2) pour les variables Likert regroupées.
  3. One-Hot Encoding avec drop='first' pour les variables nominales (évite la multicolinéarité parfaite dans la matrice de design).
  4. Le pipeline sklearn est ajusté uniquement sur les données d'entraînement, puis appliqué au jeu de test — aucune fuite d'information.

Modèle

  • Régression logistique (liblinear, pénalisation L2, class_weight='balanced')
  • Découpage stratifié train/test : 65 % / 35 % (graine fixée pour reproductibilité)
  • Validation croisée stratifiée à 5 plis sur l'ensemble complet

Optimisation du seuil de décision

Trois seuils sont calculés et comparés :

Seuil Méthode Usage
f1_optimised Maximise le F1-score Équilibre précision/rappel
operational (t=0.465) Validé manuellement Déploiement recommandé
cost_minimised Minimise FN×3 + FP×1 Prioriser la détection exhaustive

Intervalles de confiance sur les Odds Ratios

Bootstrap non-paramétrique (B=500 rééchantillonnages) pour les IC à 95 % des OR.

Résultats principaux

Performance (jeu de test, seuil opérationnel t=0.465)

Métrique Valeur
AUC-ROC 0.747
PR-AUC 0.857
Brier score 0.203
Accuracy 0.735
Sensibilité (recall) 0.806
Spécificité 0.611
F1 0.733

Validation croisée (5-fold, dataset complet)

Métrique Moyenne ± Écart-type
AUC-ROC 0.699 ± 0.054
PR-AUC 0.801 ± 0.021

La cohérence entre les performances test et CV indique une bonne généralisation.

Facteurs de risque principaux (Odds Ratios bootstrap)

Facteur OR IC 95% Interprétation
Compétition académique élevée (4-5) 3.04 [1.19, 3.89] Risque × 3 vs. faible
Pression des pairs élevée (4-5) 2.23 [1.2, 3.5] Risque × 2.2
Pression familiale élevée (4-5) 1.82 [1.0, 3.0] Risque × 1.8

Tests économétriques

La batterie de 13 tests (scripts/run_econometrics.py) couvre :

# Test Ce qu'il mesure
1 VIF Multicolinéarité entre prédicteurs (seuil d'alerte : VIF ≥ 5)
2 Hosmer-Lemeshow Qualité d'ajustement — probabilités prédites vs. observées
3 Likelihood Ratio Test Gain du modèle plein vs. modèle nul (constante seule)
4 Tests de Wald Significativité individuelle de chaque coefficient
5 McFadden R² Pouvoir explicatif global (log-vraisemblance)
6 Cox-Snell R² Pseudo-R² (ne sature pas à 1 pour données binaires)
7 Nagelkerke R² Cox-Snell normalisé pour atteindre [0, 1]
8 AIC / BIC Critères d'information (compromis ajustement/complexité)
9 Pearson / Déviance Adéquation globale vs. modèle saturé
10 Cramér's V + IC bootstrap Force d'association catégorielle avec la cible
11 Kruskal-Wallis + Mann-Whitney (Bonferroni) Différences de stress entre groupes catégoriels
12 Corrélations de Spearman Relations ordinales entre prédicteurs et indice de stress
13 Effets marginaux moyens (AME) ΔP(HighStress=1) par unité d'augmentation de chaque prédicteur

Architecture du code

Principe de séparation des responsabilités

flowchart TD
    %% Définition des styles
    classDef config fill:#f8f9fa,stroke:#ced4da,stroke-width:2px,color:#495057
    classDef data fill:#e7f5ff,stroke:#339af0,stroke-width:2px,color:#0b7285
    classDef process fill:#fff3bf,stroke:#fcc419,stroke-width:2px,color:#d9480f
    classDef model fill:#f3f0ff,stroke:#845ef7,stroke-width:2px,color:#5f3dc4
    classDef eval fill:#ebfbee,stroke:#51cf66,stroke-width:2px,color:#2b8a3e
    classDef artifact fill:#ffe8cc,stroke:#fd7e14,stroke-width:2px,color:#d9480f

    C[("⚙️ config.yaml\n(Paramètres)")]:::config
    D[("📄 academic_stress_level.csv\n(Données brutes)")]:::data

    subgraph "1. Ingestion & Prétraitement"
        DL["<b>data_loader.py</b><br/>Validation & Nettoyage (n=139)"]:::process
        SPLIT{"Split Stratifié<br/>(Train 65% / Test 35%)"}:::process
        PREP["<b>preprocessing.py</b><br/>LikertBinner & Encodage<br/>(Ajusté sur Train uniquement)"]:::process
    end

    subgraph "2. Apprentissage & Validation"
        CV["<b>Validation Croisée</b><br/>5-Fold Stratifié sur Train<br/>(Hyperparamètres)"]:::model
        MOD["<b>modeling.py</b><br/>Régression Logistique (L2)<br/>Entraînement sur tout le Train"]:::model
    end

    subgraph "3. Évaluation & Économétrie"
        EVAL["<b>evaluation.py</b><br/>Métriques, Seuils d'alerte,<br/>Matrices & Courbes"]:::eval
        ECON["<b>econometrics.py</b><br/>13 Tests (VIF, χ²...), IC Bootstrap,<br/>Effets Marginaux (AME)"]:::eval
    end

    subgraph "4. Artefacts Générés (Outputs)"
        OUT_MOD[("💾 Modèles\n(pipeline.joblib)")]:::artifact
        OUT_RES[("📊 Résultats\n(.json, prédictions .csv)")]:::artifact
        OUT_FIG[("📈 Figures\n(ROC, OR, VIF .png)")]:::artifact
    end

    %% Flux d'Ingestion
    C -->|Charge configs| DL
    D --> DL
    DL --> SPLIT
    
    %% Flux de Prétraitement (Contrôle du Leakage)
    SPLIT ==>|X_train, y_train| PREP
    SPLIT -.->|X_test, y_test| PREP
    
    %% Flux d'Apprentissage
    PREP ==>|Train transformé| CV
    CV ==> MOD
    
    %% Flux d'Évaluation (Parallèle)
    MOD ==> EVAL
    PREP -.->|Test transformé| EVAL
    
    MOD ==> ECON
    PREP -.->|Test transformé| ECON

    %% Flux de Génération des Artefacts
    MOD ===> OUT_MOD
    EVAL ===> OUT_RES
    EVAL ===> OUT_FIG
    ECON ===> OUT_RES
    ECON ===> OUT_FIG
Loading

Chaque module est indépendamment testable via les fixtures synthétiques de tests/conftest.py. Aucun test ne dépend du fichier CSV réel.

Prévention des fuites de données

Le pipeline sklearn est instancié et ajusté uniquement sur X_train, puis appliqué séparément à X_test. Les étapes de binning et d'encodage n'observent jamais les données de test pendant l'entraînement.

Limites et perspectives

Limites actuelles :

  • Taille d'échantillon modeste (n=139) — puissance statistique limitée
  • Données auto-rapportées (biais de désirabilité sociale possible)
  • Population non représentative (échantillon de convenance, courte période)
  • Modèle linéaire en log-odds — interactions entre variables non capturées

Extensions possibles :

  • Tester des modèles non-linéaires (Random Forest, XGBoost) avec SHAP
  • Régression logistique ordinale sur le score brut 1–5 (davantage d'information)
  • Collecte longitudinale pour analyser l'évolution du stress dans le temps
  • Analyse de sous-groupes (niveau d'études, discipline académique)
  • Validation externe sur un autre échantillon

Dépendances principales

Package Usage
scikit-learn Pipeline, encodeurs, métriques ML
statsmodels VIF
scipy Tests statistiques (χ², Kruskal-Wallis, Spearman…)
pandas / numpy Manipulation des données
matplotlib / seaborn Visualisations
joblib Sérialisation du modèle
PyYAML Lecture de config.yaml
pytest Suite de tests

About

Analyse du stress académique chez les étudiants où ce projet explore les facteurs liés au stress académique à partir d’une enquête menée auprès de 140 étudiants.

www.kaggle.com/datasets/poushal02/student-academic-stress-real-world-dataset

Resources

Readme
Activity

Stars

1 star

Watchers

0 watching

Forks

0 forks
Report repository

Releases

No releases published

Packages

 
 
 

Contributors

Languages