Since December 2019, the COVID-19 pandemic has posed a substantial threat with its associated high mortality, infection, and risk of psychological stress. A large number of students are affected because of a prolonged break from academic activities and staying at home. The focus of this study is to understand the stress levels of Indian students, any psychological imbalances, and their major hurdles during the COVID-19 lockdown.Using a snowball sampling method, an online survey of the Perceived Stress Scale (PSS) was conducted on students across India. Along with their demographic details, the participants also reported their study patterns and challenges during their confinement period. The statistical scores for the responses were calculated and the demographic variables analysed. The levels indicated by the PSS were compared, and variance and regression analyses were performed.We observed that students were generally stressed during lockdown and the pandemic. Females (mean = 3.03) were more stressed than males (mean = 2.61) as they were constantly under pressure because of stressful life events (OR = 0.752, 95% CI = 2.425-310.642) and apprehensive about their studies (RII = 0.67, OR = 2.168, 95% CI = 0.332-6.691).During the pandemic, students' mental health needs to be continually monitored as they are stressed owing to fear as well as about their studies and future careers.منذ ديسمبر ٢٠١٩، شكل وباء كوفيد-١٩ تهديدا كبيرا مع ارتفاع عدد الوفيات، والعدوى، ومخاطر الإجهاد النفسي. تأثر عدد كبير من الطلبة بسبب الاستراحة الطويلة من النشاطات الأكاديمية والجلوس في البيت. محور هذه الدراسة هو فهم مستوى التوتر عند الطلاب في الهند، واختلال التوازن النفسي، والعقبة الرئيسة خلال الإغلاق الكامل بسبب كوفيد-١٩.باستخدام طريقة أخذ عينات كرة الثلج. تم إجراء مسح عبر الإنترنت لمقياس الإجهاد المتصور على الطلاب عبر الهند. مع التفاصيل الديموغرافية، سجل المشاركون أيضا عن أنماط الدراسة والتحديات خلال فترة الإغلاق. تم حساب الدرجات الإحصائية للردود وتحليل المتغيرات الديموغرافية. تم مقارنة مستوى مقياس الإجهاد وأجريت تحليلات التباين والانحدار.لاحظنا أن الطلاب كانوا خلال الإغلاق والجائحة متوترين بشكل عام. وكان الإناث (المتوسط =٣.٠٣) متوترات أكثر من الذكور (المتوسط =٢.٦١) حيث إنهم كانوا تحت الضغط باستمرار بسبب أحداث الحياة المجهدة.خلال الجائحة، يجب مراقبة صحة الطلاب العقلية بشكل مستمر لأنهم متوترون من الخوف حول دراستهم ومستقبلهم الوظيفي.

Worldwide governments have decided to temporarily closures of educational institutions in an attempt to minimize the spread of the COVID-19 Pandemic, which has forged significant challenges for the education community. The present study is from the digital education scenario during the COVID-19 lockdown to find out the factors affecting online learning. This study is exploratory from 1218 students who have been collected based on a structured questionnaire having a 5-point linear scale. Jamovi software has been used for data analysis and results demonstrate that there are three major factors like affordability, infrastructural, and training that affect online learning during the COVID-19. Besides, correlation analysis between these factors highlights the relationship among them. Linear regression has applied to know the impact of affordability and infrastructure on the training factor. Outcomes suggested that infrastructure has a negative impact but affordability has a positive impact on the training factor. In the present scenario, this study highlighted the importance of social distancing and digital education tools that should be adopted by schools and colleges.

Text classification is an ML technique that assigns a set of predefined tags to open text, and text classifiers have been used to structure, organize, and categorize any sort of text data ranging from documents, files, medical studies, to the overall web. This chapter will provide you with the text classification techniques in python. In addition, it focuses on training a supervised learning model to do text classification with a real-time case study.

This chapter discusses a brief introduction to the python programming language, the core Python language, and important libraries for natural language processing by using different IDEs like Anaconda and Google Co laboratory.

This chapter provides details about importing some predefined Python libraries, various data pre-processing techniques, and visualization techniques using various modules in python.