تزايدت الاضطرابات النفسية مثل الاكتئاب والقلق بمعدلات مقلقة في السكان حول العالم. ويشكل الاضطراب الاكتئابي الرئيسي مشكلة شائعة بين طلاب التعليم العالي، والتي تتفاقم، وقد تُحدث بالفعل، بسبب الضغوط الأكاديمية التي يواجهونها. وعلى الرغم من أن الأسباب الكامنة وراء هذا الوضع المقلق ما زالت غير واضحة (رغم التحقيقات الواسعة التي أُجريت فيها)، إلا أن من الضروري تقديم العلاج للطالب الذي يعاني بالفعل من هذه المشكلة. ولتحقيق ذلك، يُعدّ التصنيف المبكر للأعراض أول خطوة ضرورية. وعادةً ما يتم ذلك من خلال الاستشارات السريرية أو استجابة استبيانات. ومع ذلك، أصبحت البيانات التي يتم مشاركتها على وسائل التواصل الاجتماعي مصدرًا شائعًا يمكن استخدامه للكشف عن أعراض الاكتئاب، حتى في حالات عدم قدرة الطالب على تحمل تكاليف أو البحث عن رعاية احترافية. وقد اعتمدت دراسات سابقة بالفعل على بيانات وسائل التواصل الاجتماعي للكشف عن الاكتئاب في السكان العامين، وركّزت عادةً إما على الصور المرفوعة أو النصوص أو اعتمادًا على البيانات الوصفية (metadata). وفي هذه الدراسة، نركّز على الكشف عن شدة أعراض الاكتئاب لدى طلاب التعليم العالي، من خلال مقارنة نماذج التعلم العميق مع نماذج استخلاص الخصائص (Feature Engineering) المستمدة من الصور ونصوص التعليق (الكابشن) المرفوعة على إنستغرام. أظهرت النتائج التجريبية أن الطلاب الذين يحققون درجة BDI 20 أو أكثر يمكن اكتشافهم بذات استدعاء (Recall) تبلغ 0.92 ودقة (Precision) تبلغ 0.69 في الحالة المثلى، والتي تم تحقيقها بواسطة نموذج مُدمج (Fusion Model). وتُظهر نتائجنا الإمكانات الكبيرة لإجراء فحوصات واسعة النطاق للاكتئاب، والتي قد تساعد في تحديد الطلاب المعرضين للخطر.