基于情感分析技術(shù)的大學(xué)生心理危機檢測與干預(yù)措施探討

劉忠艷 喬沐溪 喬付

關(guān)鍵詞：心理危機；干預(yù)；大學(xué)生；文本分析；問卷調(diào)查

0 引言

大學(xué)生心理健康是關(guān)系到個體發(fā)展和社會穩(wěn)定的重要問題[1]。近年來，隨著社會的快速發(fā)展，大學(xué)生面臨的各種心理壓力越來越大，心理危機現(xiàn)象日益凸顯[2]。如何有效地檢測大學(xué)生的心理危機，及時提供干預(yù)措施，成為當(dāng)前研究的熱點。傳統(tǒng)的心理檢測方法大多基于問卷調(diào)查和量表測量，這種方法不僅主觀性強，而且效率較低。因此，尋找一種客觀、高效的心理危機檢測方法成為當(dāng)務(wù)之急。

心理危機是指個體在心理活動方面出現(xiàn)的明顯異常表現(xiàn)，如焦慮、抑郁、自卑等。這些心理危機可能導(dǎo)致個體行為異常、學(xué)業(yè)失敗、身心健康問題等。近年來，隨著大數(shù)據(jù)和人工智能技術(shù)的發(fā)展，基于文本分析的心理危機檢測方法逐漸受到關(guān)注。這種方法通過分析個體的文本數(shù)據(jù)，如大學(xué)生的基本信息數(shù)據(jù)、消費信息、心理健康情況、微博、博客、日記等，利用數(shù)據(jù)挖掘和機器學(xué)習(xí)算法，提取心理危機的特征，從而進行有效的心理危機識別[3]。在干預(yù)措施方面，現(xiàn)有的研究主要集中在心理咨詢、心理教育和心理治療等方面。然而，這些干預(yù)措施大多針對心理危機的個體，忽略了心理危機的預(yù)防和早期發(fā)現(xiàn)。因此，如何通過機器學(xué)習(xí)和文本分析技術(shù)，提前發(fā)現(xiàn)個體的心理危機，并提供有效的干預(yù)措施，是當(dāng)前研究的熱點和難點。

本研究采用基于文本分析的方法，對大學(xué)生心理危機進行檢測和干預(yù)。首先，利用調(diào)查問卷收集大學(xué)生的文本數(shù)據(jù)，利用情感分析技術(shù)對這些數(shù)據(jù)進行情感極性標注。通過比較正常文本和危機文本的情感極性分布，初步篩選出具有心理危機的大學(xué)生。其次，針對初步篩選出的心理危機大學(xué)生，利用文本分類技術(shù)對他們的文本數(shù)據(jù)進行分類，通過分析分類結(jié)果中的主題和關(guān)鍵詞，提取心理危機的特征。最后，根據(jù)心理危機的特征，制定相應(yīng)的干預(yù)措施，包括心理咨詢、心理教育和心理治療等。

1 情感分析技術(shù)

情感分析是當(dāng)今數(shù)據(jù)挖掘領(lǐng)域的基本問題，常用詞頻率-逆文檔頻率（TF-IDF） 方法來突出文本中的重要信息。TF-IDF定義如下：

文本分析步驟：讀取數(shù)據(jù)、進行分詞、去掉停止詞、提取TF-IDF特征、結(jié)果分析。

在大學(xué)生心理危機檢測的文本分析中，常用的公式包括貝葉斯分類器、支持向量機（Support Vector Ma?chines，SVM） 、邏輯回歸等[5-6]。

貝葉斯分類器是一種基于貝葉斯定理的分類方法，它通過計算文本中每個詞語出現(xiàn)的概率，來預(yù)測文本所屬的類別[6-7]。常用的貝葉斯分類器包括樸素貝葉斯和多項式貝葉斯。樸素貝葉斯假設(shè)文本中各個詞語之間相互獨立，而多項式貝葉斯則考慮了詞語之間的相關(guān)性。

SVM是一種有監(jiān)督的學(xué)習(xí)方法，它通過將數(shù)據(jù)映射到高維空間中的超平面，來實現(xiàn)分類[8]。在文本分析中，SVM可以通過計算文本中的關(guān)鍵詞向量，來判斷文本所屬的類別。

邏輯回歸是一種基于統(tǒng)計學(xué)的分類方法，它通過計算文本中的關(guān)鍵詞出現(xiàn)的頻率和權(quán)重，來判斷文本所屬的類別[9]。常用的邏輯回歸模型包括二項邏輯回歸和多項邏輯回歸。

2 數(shù)據(jù)采集與分析

2.1 數(shù)據(jù)采集

文中實驗環(huán)境為Python3.8和Jupyter工具，所使用的實驗數(shù)據(jù)是基于嶺南師范學(xué)院在校大學(xué)生產(chǎn)生的真實數(shù)據(jù)為基礎(chǔ)的。通過制定問卷星調(diào)查問卷并通過網(wǎng)上發(fā)布來收集樣本，共收集到樣本數(shù)據(jù)200 份[9]。問卷星首頁界面如圖1所示。收集的學(xué)生數(shù)據(jù)主要包括學(xué)生的性別、年級、是否獨生子女、家庭所在地、自身心理健康關(guān)注度等基本信息，以及學(xué)生消費狀況和在校掛科情況、家庭背景影響、對心理健康出現(xiàn)異常的看法和措施等32個問題，其中還包含問卷來源詳情以及問卷填寫得分等數(shù)據(jù)。采集的信息及部分數(shù)據(jù)形式如表1所示。

2.2 詞云圖顯示學(xué)生填寫情況

在該調(diào)查問卷中，設(shè)置了樹洞選項以供學(xué)生填寫心里話，該選項并未設(shè)置為必填項，學(xué)生填寫與否取決于學(xué)生意愿。如圖3所示為學(xué)生樹洞詞云圖，通過詞云圖的顯示結(jié)果可以看出未填寫該答題的學(xué)生占比較大（大部分學(xué)生不愿意吐露心聲），學(xué)生的答題結(jié)果整體看來比較偏向負面，少部分偏向正面。

如圖4所示為心理危機學(xué)生樹洞填寫情況詞云圖，可以很直觀地看出分類標簽為“心理危機”的學(xué)生樹洞填寫結(jié)果更偏向于負面，對于如何有效檢測出這些學(xué)生并進行心理干預(yù)至關(guān)重要。

2.3 學(xué)生個人心理危機經(jīng)歷及心理健康看法

除了識別出心理危機的學(xué)生外，對于如何采取有效措施對存在心理危機的學(xué)生給予援助也至關(guān)重要。可以從學(xué)生填寫的問卷中了解學(xué)生對自身心理關(guān)注程度，了解他們在碰到心理問題時如何求助和處理，以及了解學(xué)生對學(xué)校心理健康工作站開設(shè)的必要性等。這對于學(xué)校如何對學(xué)生正確引導(dǎo)以及對哪些方面的工作需要進一步加強具有一定意義。

如圖5所示為學(xué)生對學(xué)校心理輔導(dǎo)站開設(shè)看法占比以及開設(shè)心理輔導(dǎo)站必要性占比圖，從該圖可以看出學(xué)生對學(xué)校輔導(dǎo)站開設(shè)作用持負面看法，覺得學(xué)校開設(shè)輔導(dǎo)站的必要性不大，這對于學(xué)校進行學(xué)生危機心理干預(yù)，幫助學(xué)生走出不良狀況起到一定的阻礙作用。學(xué)校需要加強學(xué)生對心理輔導(dǎo)站方面相關(guān)知識的學(xué)習(xí)，讓學(xué)生了解輔導(dǎo)站的作用，在遇到心理問題時，能夠第一時間通過心理輔導(dǎo)站獲取援助。

如圖6和圖7所示分別為學(xué)生獲取心理健康信息相關(guān)知識的來源圖和學(xué)生認為學(xué)校需要強化心理工作詞云圖，根據(jù)這兩張詞云圖顯示可以得出學(xué)生獲取心理健康信息相關(guān)知識的來源一般為網(wǎng)上、講座和書籍；學(xué)生認為學(xué)校需要強化的心理工作包括講座的舉行、與學(xué)生多溝通。學(xué)校可以根據(jù)學(xué)生意見對這些工作進行加強。

2.4 心理危機檢測模型

SVM分類算法在復(fù)雜非線性和高維空間分類中具有明顯的優(yōu)勢。支持向量機的核心是試圖通過最大化兩個不相交半平面之間的間隔來減少泛化誤差。在線性不等式約束下，通過最小化凸二次函數(shù)來解決優(yōu)化任務(wù)。

其中，TP 表示心理健康樣本成功預(yù)測為心理健康樣本的數(shù)量，TN 表示心理異常樣本成功預(yù)測為心理異常樣本的數(shù)量，F(xiàn)P 表示心理異常樣本錯誤預(yù)測為心理健康樣本的數(shù)量，F(xiàn)N 表示心理健康樣本錯誤預(yù)測為心理異常樣本的數(shù)量[10]。

在采用SVM模型檢測心理異常學(xué)生時，檢測效果在很大程度上受懲罰參數(shù)C和核函數(shù)影響，合適的參數(shù)會大幅度地提升SVM模型的檢測效果。本節(jié)分析參數(shù)C與核函數(shù)對SVM模型的檢測效果的影響。

隨機從總的200 個樣本數(shù)據(jù)集中抽取出80%的樣本作為訓(xùn)練集，20%的樣本作為測試集，得到劃分處理的數(shù)據(jù)，代入SVM模型進行訓(xùn)練，進行30 次重復(fù)實驗，將得到檢測準確率30 次的平均值作為結(jié)果的準確率[11]。SVM分類器中其他參數(shù)都取默認值，當(dāng)核函數(shù)取值為linear 時，SVM 模型準確率取得最大值為0.9，高于其他3 種核函數(shù)。因此，本文SVM模型中核函數(shù)取linear。進行同樣的實驗，參數(shù)C取值為[1，6]，步長為1，當(dāng)參數(shù)C取2 時，SVM模型準確率取得最大值0.95，所以，本文SVM模型中參數(shù)C取值為2。

數(shù)據(jù)劃分與模型運行次數(shù)與上節(jié)同樣。本文SVM模型的檢測準確率為0.95，并與貝葉斯、邏輯回歸等不同的檢測模型準確率進行對比，貝葉斯檢測模型檢測準確率為0.90，邏輯回歸檢測模型準確率為0.80，如圖8 所示。SVM模型對心理危機學(xué)生檢測的準確率高于其他兩種模型。

2.5 學(xué)校干預(yù)措施

心理危機的干預(yù)是指通過一系列措施，對處于心理危機狀態(tài)的個人或群體進行干預(yù)，以緩解其心理困擾，恢復(fù)其心理平衡[12]。心理危機干預(yù)的基本原則包括及時性、系統(tǒng)性、有效性等。常用的心理危機干預(yù)方法包括心理教育、心理咨詢、心理治療等[13]。研究表明，及時、有效的心理危機干預(yù)可以顯著降低自殺率和心理疾病的發(fā)病率。

如圖9～圖11分別為學(xué)生認為心理問題來源詞云圖、學(xué)生心理危機問題處理詞云圖和學(xué)生心理危機求助詞云圖。從這三張詞云圖可以看出，大多數(shù)學(xué)生認為心理問題的來源是學(xué)習(xí)以及各方面壓力影響，在遇到心理問題時，大多數(shù)會選擇自我消化，用吃東西或者睡覺方式來緩解心理壓力，但長此以往，不止學(xué)生心理狀況、身體也會更加糟糕，容易導(dǎo)致胃病、增重等不良后果。學(xué)校應(yīng)對學(xué)生進行正確引導(dǎo)，具體建議如下：

第一，開展心理健康教育。學(xué)?？梢酝ㄟ^開設(shè)講座與線上課程等形式，幫助學(xué)生了解心理健康知識，增強心理素質(zhì)。

第二，加強心理咨詢與治療。學(xué)校應(yīng)建立心理咨詢與治療中心，配備專業(yè)的心理咨詢師和治療師，為學(xué)生提供及時、有效的心理健康服務(wù)。

第三，建立心理危機預(yù)警機制。通過建立心理危機預(yù)警機制，早發(fā)現(xiàn)、早干預(yù)學(xué)生的心理情況，防止心理危機問題的發(fā)生。

第四，營造良好的校園氛圍。學(xué)校應(yīng)加強開展校園文化，營造活躍的校園氛圍，減少學(xué)生的心理壓力，提高其心理健康水平。

3 結(jié)論

本文通過對大學(xué)生調(diào)查問卷文本數(shù)據(jù)的分析，提出了基于情感分析技術(shù)的心理危機檢測與干預(yù)措施。通過對比實驗的結(jié)果，本研究發(fā)現(xiàn)基于文本分析的方法能夠顯著提高大學(xué)生心理危機的檢測準確率。同時，針對不同類型心理危機的大學(xué)生，制定的干預(yù)措施能夠有效改善他們的心理狀況。然而，這種方法也存在一些局限性。例如，情感分析技術(shù)對于不同語境和文化背景的數(shù)據(jù)可能存在偏差。此外，文本分類技術(shù)的效果也受到數(shù)據(jù)質(zhì)量和特征選擇的影響。因此，未來研究需要在技術(shù)和方法上進行進一步的優(yōu)化和改進。