来源：期刊VIP网 时间：
作者：周艳;张可;张卫;
单位：商丘师范学院教师教育学院;华南师范大学教师教育学部;华南师范大学心理学院;
摘要：本研究基于河南省商丘市、周口市和信阳市334所中小幼学校的33 569名教师样本，构建可解释机器学习模型预测基础教育教师职业倦怠。通过逻辑回归、随机森林、XGBoost、CatBoost和LightGBM算法比较，发现CatBoost综合性能最优(AUC=0.88,特异性=0.86)。人口学分析显示村镇教师倦怠率高于区县，未婚教师及低经济水平群体风险突出。SHAP解释性分析揭示了基础教育教师职业倦怠的重要风险和保护因素排序，影响基础教育教师职业倦怠的前5个预测因子依次为：深层扮演、工作投入、角色过载、抑郁、神经质。其中，深层扮演与工作投入为核心保护因子，角色过载、抑郁和神经质为主要风险源。研究构建了可解释的教师倦怠预测模型和可视化预测工具，明确了“深层扮演—工作投入”双保护因子与“角色过载—抑郁—神经质”三风险源的核心作用，为区域教育管理部门实施分级干预提供了证据。
关键词：基础教育教师;;职业倦怠预测;;可解释机器学习;;CatBoost模型;;SHAP特征分析
基金资助：河南省哲学社会科学教育强省研究项目(2025JYQS0049);; 河南省高等教育教学改革研究与实践重大项目(2024SJGLX0632)
