基于大數(shù)據(jù)的校園心理健康體系構(gòu)建與開發(fā)路徑研究

楊偉櫻 蘭 天 楊延波

(陜西工業(yè)職業(yè)技術(shù)學(xué)院 陜西 咸陽 712000)

2017年10月習(xí)近平總書記在十九大報告中指出“要推動互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能和實體經(jīng)濟深度融合”。據(jù)此，互聯(lián)網(wǎng)時代的大數(shù)據(jù)儲備、大數(shù)據(jù)運用正在以前所未有的方式改變著我們的社會,改變著學(xué)生的認(rèn)知體系、改變著學(xué)生的學(xué)習(xí)、生活方式，改變了學(xué)生的心理健康狀況。2021年1月24北京青年報等相關(guān)資料報道，全國有10%青少年需要心理健康干預(yù)，每年約有10萬青少年死于自殺，平均每分鐘就有2個青少年死于自殺，有8個自殺未遂，中國學(xué)生的自殺率在逐年攀升，令人堪憂，需要心理咨詢服務(wù)的在校生出現(xiàn)爆發(fā)式的增長態(tài)勢。以某高校21級大一新生為例，入校心理篩查初步預(yù)警人數(shù)占全院新生人數(shù)的21%，其中重點干預(yù)對象占比全院新生人數(shù)的7.4%。教育部在2021年11月對全國政協(xié)《關(guān)于進(jìn)一步落實青少年抑郁癥防治措施的提案》進(jìn)行了答復(fù)，其中明確將抑郁癥篩查納入學(xué)生健康體檢內(nèi)容。

然而，我國的心理咨詢發(fā)展仍處于初級階段，各校雖然成立了各種各樣的心理咨詢機構(gòu)，建立了心理咨詢室，但校園心理健康咨詢師的嚴(yán)重匱乏，致使校園心理咨詢服務(wù)缺乏專業(yè)性、系統(tǒng)性的，完整的心理健康體系支撐，校園出現(xiàn)的抑郁癥和各類心理疾病的高發(fā)，并未得到有效的控制和干預(yù)。究其原因，我國導(dǎo)致在校生自殺的主要原因之一是少子女及獨生子女缺乏挫折教育，缺乏早期的心理健康誘導(dǎo)，缺乏早期的心理健康大數(shù)據(jù)采集、整理、分析和干預(yù)。為此，在心理健康教育過程中如何利用現(xiàn)代信息技術(shù)手段，對學(xué)生基礎(chǔ)信息和行為數(shù)據(jù)進(jìn)行采集和分析，建立學(xué)生心理健康檔案和數(shù)據(jù)庫，實施科學(xué)研判，危機干預(yù)，引導(dǎo)學(xué)生保持健康心態(tài)，是現(xiàn)階段學(xué)生心理健康教育中需要迫切解決的問題之一。目前國外心理學(xué)建模，使用貝葉斯分類法進(jìn)行研究的比較多，有使用深度學(xué)習(xí)進(jìn)行心理學(xué)建模的發(fā)展態(tài)勢，有較為完整的心理健康教育和咨詢服務(wù)體系，但基于信息技術(shù)的心理健康心理學(xué)測量、大數(shù)據(jù)采集、分析、監(jiān)控工作尚不十分完善，為此，基于大數(shù)據(jù)的心理健康體系建設(shè)研究尚需進(jìn)一步挖掘和開發(fā)研究。

一、校園心理健康咨詢現(xiàn)狀分析

疫情期間，學(xué)生行動范圍較為封閉，上網(wǎng)行為密集。據(jù)相關(guān)分析得知，網(wǎng)絡(luò)中學(xué)生群體占比越來越高，其心理健康標(biāo)準(zhǔn)體系在大數(shù)據(jù)時代產(chǎn)生了重大變革，致使其認(rèn)知、情感與行為方式發(fā)生了根本性的改變，同時給校園危機干預(yù)提供了海量化、實時化、個性化、可量化數(shù)據(jù)資源。在互聯(lián)網(wǎng)技術(shù)高速發(fā)展的今天，網(wǎng)絡(luò)社交媒體成為學(xué)生傾訴想法、宣泄情緒的重要平臺，如何利用學(xué)生對于網(wǎng)絡(luò)的迷戀，收集相關(guān)的心理危機信息，并為危機干預(yù)提供豐富而寶貴的數(shù)據(jù)，成為高校大學(xué)生心理危機干預(yù)面臨的重要途徑，因互聯(lián)網(wǎng)技術(shù)的發(fā)展而帶來的重要挑戰(zhàn)之一。

(一)缺乏基于信息技術(shù)的監(jiān)控手段

市面上暫且沒有完整的基于大數(shù)據(jù)的學(xué)生心理健康心理學(xué)檔案，難于通過現(xiàn)代信息技術(shù)手段對學(xué)生的心理健康基本情況進(jìn)行全面的量化評估。

(二)各院校心理健康量化標(biāo)準(zhǔn)不一

傳統(tǒng)的人工心理危機評估多依靠經(jīng)驗或直覺，反饋模糊延遲，量化評估與風(fēng)險控制相對較為遲鈍。

(三)缺乏完整的心理健康教育系統(tǒng)

一是尚未建立針對學(xué)生、學(xué)生家長、教師不同需求心理健康教育培養(yǎng)、培訓(xùn)的教育學(xué)習(xí)系統(tǒng)和教育教學(xué)資源，許多學(xué)校只進(jìn)行學(xué)生心理健康情況收集，忽略了家庭、教師對學(xué)生心理健康的影響，缺乏完整的教育資源體系和優(yōu)質(zhì)資源，實施因材施教，對癥下藥。二是在學(xué)生的心理健康檔案中，僅僅有檔案是不夠的，還需要建立學(xué)生的能力模型，幫助家長和老師通過學(xué)生能力模型，揚長避短，激發(fā)學(xué)生的發(fā)展?jié)撃?。三是許多社交平臺信息中包含著學(xué)生的情緒和心理狀態(tài)信息，但沒有實時對獲取心理健康信息的分析系統(tǒng)，無法實時預(yù)警，危機干預(yù)機制延遲僵化，效率低下，導(dǎo)致事故頻發(fā)。

(四)危機干預(yù)缺乏可持續(xù)跟蹤評估

在學(xué)生出現(xiàn)心理健康危機后，對危機信息的獲取實時性差，干預(yù)的跟蹤評估機制缺乏預(yù)見性、系統(tǒng)性、完整性和可持續(xù)性。

為此，幫助學(xué)校建立基于信息技術(shù)的大學(xué)生心理健康檔案管理系統(tǒng)、心理健康教育及心理健康監(jiān)控系統(tǒng)，已經(jīng)成為刻不容緩的課題。

二、基于大數(shù)據(jù)的學(xué)生心理健康體系構(gòu)建及系統(tǒng)功能設(shè)計

(一)系統(tǒng)基本功能模塊設(shè)計

基于現(xiàn)代信息技術(shù)手段，以學(xué)生為主體通過大數(shù)據(jù)技術(shù)搭建青少年心理健康檔案管理、心理健康教育及監(jiān)控系統(tǒng)，并通過協(xié)同過濾算法推薦給合適的人群，幫助家長、教師正確教育學(xué)生，建立健康心理模型，并在健康管理系統(tǒng)中，設(shè)置一定量的健康教育課程，助力青少年健康成長，為此本項目主要從以下三個方面進(jìn)行系統(tǒng)功能設(shè)計：

1．建立網(wǎng)上學(xué)生心理健康監(jiān)測數(shù)據(jù)檔案：重點圍繞學(xué)生數(shù)據(jù)采集錄入和分析以及影響學(xué)生心理健康成長的教師、家長數(shù)據(jù)采集、錄入和分析，建立數(shù)據(jù)相關(guān)分析模型，實施三者之間的相關(guān)性分析，構(gòu)建基于信息技術(shù)的學(xué)校心理健康管理平臺。

2．搭建心理學(xué)健康教育模塊(預(yù)防模塊)：抓取用戶行為和用戶屬性信息作為影響因子，利用協(xié)同過濾算法，為用戶精準(zhǔn)推薦與之相關(guān)的心理學(xué)或家庭教育相關(guān)的內(nèi)容。針對不同年齡、不同類型的學(xué)生及與之緊密相關(guān)的家長、教師開設(shè)線上心理輔導(dǎo)、健康教育直播課堂、心理健康專題講座、心理學(xué)活動等。

3．開發(fā)網(wǎng)上心理健康自我診斷預(yù)警系統(tǒng)：基于網(wǎng)上學(xué)生心理健康數(shù)據(jù)分析，使用k-means算法進(jìn)行聚類分析，監(jiān)測、甄別學(xué)生心理健康狀況，并實時加以預(yù)警；實時對密切關(guān)聯(lián)的家長、教師心理健康狀況進(jìn)行分析、教學(xué)方式分析，對心理健康狀況不佳、方法欠妥的家長、教師及時加以預(yù)警，實時通過網(wǎng)上預(yù)約等形式請心理健康導(dǎo)師進(jìn)行干預(yù)，及時疏導(dǎo)學(xué)生、教師及家長心理。

(二)系統(tǒng)關(guān)鍵技術(shù)選擇

優(yōu)選k-means聚類分析技術(shù)、協(xié)同過濾算法等大數(shù)據(jù)技術(shù)應(yīng)用于心理學(xué)領(lǐng)域的研究。目前校園心理學(xué)監(jiān)控手段主要依靠教師人為感官、定期發(fā)放問卷抽查完成，現(xiàn)有的心理學(xué)監(jiān)控算法也主要以主成分分析法為主。但主成分分析在精度上和效率上都有一定的不足，分析對象有比較大的局限性。因此本次研究課題將選擇以上兩種更高級的數(shù)據(jù)挖掘算法進(jìn)行對比，選擇最合適的算法用于系統(tǒng)的預(yù)警、分析、監(jiān)測模塊。

1.k-means聚類分析進(jìn)行數(shù)據(jù)處理

本系統(tǒng)將基于k-means聚類分析方法開發(fā)心理健康監(jiān)測系統(tǒng),在傳統(tǒng)系統(tǒng)的基礎(chǔ)功能上，使用數(shù)據(jù)挖掘的思想對學(xué)生心理數(shù)據(jù)進(jìn)行二次利用,通過對k-means算法的迭代過程優(yōu)化,將大量沉淀的學(xué)生心理數(shù)據(jù)中有價值的部分提取出來,建立數(shù)據(jù)模型并向管理者提供決策引導(dǎo),科學(xué)管理學(xué)生心理健康過程,既能有效的提高心理輔導(dǎo)的整體效率,同時也能對危險因素起到防患于未然的預(yù)警作用。K-means聚類分析是基于劃分的聚類算法中最經(jīng)典的算法。該算法具有以下兩大優(yōu)勢: (1)甄別數(shù)據(jù)集大小和時間復(fù)雜度之間的線性關(guān)系，(2)它收斂于局部最優(yōu)解。k-means的聚類過程演示如圖1所示:

圖1 k-means的聚類過程

2.協(xié)同過濾算法進(jìn)行推薦

本系統(tǒng)心理學(xué)預(yù)防模塊會涉及到內(nèi)容推薦功能，將采用協(xié)同過濾算法實現(xiàn)。協(xié)同過濾一般是在海量的用戶中發(fā)掘出一小部分與之品位(偏好)比較類似的，在協(xié)同過濾中，這些用戶成為鄰居，然后根據(jù)他們喜歡的其他東西組織成一個排序的目錄優(yōu)先推薦給用戶。本系統(tǒng)主要應(yīng)用基于用戶的協(xié)同過濾算法(user-based collaboratIve filtering) 圖2所示。要實現(xiàn)協(xié)同過濾，需要按照：A收集用戶偏好，B找到相似的用戶或物品，C計算推薦，三個步驟實現(xiàn)。

圖2 基于用戶的協(xié)同過濾算法(user-based collaboratIve filtering)

(三)系統(tǒng)設(shè)計的目標(biāo)要求

1.基于大數(shù)據(jù)技術(shù)收集、整理和挖掘，建立學(xué)生校園心理健康數(shù)據(jù)檔案管理平臺。

2.通過算法對學(xué)生(家長)個性化案例分析，提出心理健康分析咨詢報告，推薦相關(guān)的心理學(xué)輔導(dǎo)、誘導(dǎo)、教育內(nèi)容，幫助家長和老師制訂應(yīng)對學(xué)生心理健康疾病預(yù)防和干預(yù)的有效應(yīng)對策略。

3.探索利用數(shù)據(jù)挖掘技術(shù)實時監(jiān)控學(xué)生個體的心理健康狀況，并向監(jiān)管部門、監(jiān)管者(教師、家長)發(fā)出學(xué)生心理健康狀況的預(yù)警通知，并推薦相應(yīng)的服務(wù)心理健康咨詢和教育機構(gòu)，實時開展心理咨詢或矯正。

三、基于大數(shù)據(jù)的學(xué)生心理健康系統(tǒng)開發(fā)技術(shù)路徑設(shè)計

(一)技術(shù)路徑

基于信息技術(shù)的產(chǎn)品技術(shù)框架如下圖3所示，該項目的系統(tǒng)框架主要由四個部分組成：應(yīng)用層、網(wǎng)絡(luò)層、服務(wù)層和數(shù)據(jù)層。其中，不同于其他心理學(xué)平臺之處在于，該系統(tǒng)數(shù)據(jù)層可支持含大數(shù)據(jù)存儲、分析和管理。

圖3 產(chǎn)品技術(shù)框架圖

(二)技術(shù)創(chuàng)新設(shè)計

1.該系統(tǒng)構(gòu)建了基于信息技術(shù)平臺的心理健康大數(shù)據(jù)存儲、分析、管理技術(shù)平臺

該項目的心理健康檔案建立可實現(xiàn)海量處理數(shù)據(jù)的大數(shù)據(jù)存儲、分析和管理技術(shù)，解決現(xiàn)有的心理學(xué)檔案以紙質(zhì)檔案或教師自制電子文檔為主且實時性差、數(shù)據(jù)分析能力差的問題。因此本項目主要對數(shù)據(jù)層技術(shù)進(jìn)行闡述。數(shù)據(jù)層使用Hadoop+hive+spark技術(shù)框架，Hadoop是一個分布式計算框架, Hadoop則是大數(shù)據(jù)處理的基石，其他框架多以數(shù)Hadoop為基礎(chǔ)，從各個方面的不同角度進(jìn)行優(yōu)化和改進(jìn)并加以演變而成，由此，也形成了一個強大而完善的Hadoop生態(tài)圈，從而支撐著現(xiàn)在日益龐大的數(shù)據(jù)處理量。Hive是基于Hadoop的一個數(shù)據(jù)倉庫工具。簡單來說就是它可以用SQL(準(zhǔn)確的說是HQL)來查詢和處理文件，因為它可以把文件映射為一張表。業(yè)務(wù)數(shù)據(jù)經(jīng)過初步處理(數(shù)據(jù)清洗、結(jié)構(gòu)化)后存入Hive，為以后的報表分析、實時計算做好數(shù)據(jù)準(zhǔn)備。Spark是一個基于內(nèi)存計算的并行迭代計算框架，可同時支持批處理或流處理。Spark在機器學(xué)習(xí)方面有著無與倫比的優(yōu)勢，更適合需要多次迭代計算的算法。同時Spark擁有非常出色的容錯和調(diào)度機制，確保系統(tǒng)的穩(wěn)定運行，Spark目前的發(fā)展理念是通過一個計算框架集合SQL、Machine Learning、Graph Computing、Streaming Computing等多種功能于一個項目中，具有非常好的易用性。如圖4所示。

圖4 基于大數(shù)據(jù)的心理健康平臺框架圖

2.針對心理健康撒數(shù)據(jù)分析，通過深度學(xué)習(xí)算法融合推薦算法，讓推薦內(nèi)容更加精準(zhǔn)

融合深度學(xué)習(xí)算法和推薦算法，預(yù)警模塊使用k-means深度學(xué)習(xí)的方法獲得的特征類別，除了可以作為預(yù)警信息外，還可以作為預(yù)防模塊推薦信息的影響因子，將特征值作為影響因子之一收集進(jìn)入?yún)f(xié)同過濾算法中，并提高其權(quán)重，可以提升前端內(nèi)容推薦的準(zhǔn)確度，確保學(xué)生和家長在前端獲得更適合自己的內(nèi)容。如圖5所示。

圖5 預(yù)警模塊使用k-means深度融合學(xué)習(xí)的

四、系統(tǒng)推廣應(yīng)用前景分析

(一)項目校內(nèi)應(yīng)用前景分析

該項目主要是由校內(nèi)的互聯(lián)網(wǎng)+創(chuàng)新團(tuán)隊和地方心理學(xué)會合作聯(lián)合開發(fā)，通過建立學(xué)生心理健康檔案，幫助學(xué)校實時監(jiān)控、預(yù)警、疏導(dǎo)、教育和矯正學(xué)生的心理健康情況，同時將學(xué)生的健康數(shù)據(jù)、推薦給需要心理咨詢學(xué)生的教師、家長以求其提供必要的協(xié)作。

(二)校外應(yīng)用前景分析

通過B2C口碑獲得相關(guān)學(xué)習(xí)課程，線上運營促留存的方式吸引用戶進(jìn)入app使用，保護(hù)線上散戶渠道；通過B2B的方式連接學(xué)校相關(guān)管理部門、相關(guān)學(xué)工部門的辦公系統(tǒng)、社會心理咨詢組織機構(gòu)、家長等，拓展運行及服務(wù)領(lǐng)域，擴展平臺客戶服務(wù)渠道，實時監(jiān)測大學(xué)生心理健康數(shù)據(jù)運行狀況，從而提高大學(xué)生心理健康咨詢效能。