人工智能輔助學(xué)生心理健康的生態(tài)化自然識別系統(tǒng)初探

【中圖分類號】G442【文獻(xiàn)標(biāo)志碼】A【論文編號】1671-7384（2025）07-034-04

引言

目前，對學(xué)生的心理健康檢測，大部分使用的還是各種心理測量量表，這也是學(xué)校獲取學(xué)生心理健康狀態(tài)的普遍方法，但學(xué)生作答的主觀隨意性、記憶偏差，以及答題態(tài)度不端正等因素，會直接減弱量表結(jié)果的客觀性，這樣的數(shù)據(jù)診斷也未能提供科學(xué)有效的導(dǎo)向價值。當(dāng)下，人工智能在獲取心理數(shù)據(jù)方面已經(jīng)開拓出許多新的技巧和方法。例如，在社交網(wǎng)絡(luò)心理數(shù)據(jù)的運(yùn)用方面，中國科學(xué)院心理研究所研究員朱廷劭等人提出一種基于網(wǎng)絡(luò)行為視頻的抑郁檢測方法，通過抑郁自評量表和網(wǎng)絡(luò)行為采集獲取了728名受試者心理特征數(shù)據(jù)，使用視頻分析構(gòu)建了視頻特征，該方法能有效地捕捉抑郁狀況變化。在語音識別上，李田港等人開發(fā)研究出了一套“語音情感算法”，可以通過語音準(zhǔn)確識別人的多種情緒，諸如傷心、喜悅、慣怒等。在圖像數(shù)據(jù)和心理的研究上，LIQ提出了微表情光流特征，最終通過向量儀器將其分類[2。除此之外，“決策樹”數(shù)據(jù)樣本分析法以及仿生物的“人工神經(jīng)網(wǎng)絡(luò)”，還有“支持向量機(jī)”“深度學(xué)習(xí)”都已經(jīng)成為人工智能在分析心理時的常見算法，這些成果標(biāo)志著人工智能技術(shù)的多元性已經(jīng)滲透到了心理研究的各個領(lǐng)域，這些實(shí)例和探究更是為人工智能在學(xué)生心理輔導(dǎo)的生態(tài)化識別系統(tǒng)的探索與研究提供了有力支撐[3]。人工智能引領(lǐng)下的“生態(tài)化識別系統(tǒng)”將通過經(jīng)學(xué)生及其家長授權(quán)、采取不侵?jǐn)_的模式，在學(xué)生未感知測量的前提下，對學(xué)生進(jìn)行自然狀態(tài)下的檢測以及綜合評定。這樣既充分發(fā)揮了當(dāng)下人工智能在心理領(lǐng)域的研究價值，又彌補(bǔ)了傳統(tǒng)心理輔導(dǎo)的弊端，將人工智能技術(shù)對學(xué)生心理輔導(dǎo)及幫助的研究意義落到實(shí)處。

研究內(nèi)容

筆者將從多元化信息收集和心理評估步驟，這兩個橫縱維度進(jìn)行人工智能輔助學(xué)生心理研究課題的初探。

1.橫向維度的信息收集

學(xué)生的心理問題主要來源于學(xué)習(xí)、生活、成長發(fā)育等多個方面。從環(huán)境角度看，主要集中在家庭和學(xué)校。從年齡段分類來看，可以分為幼兒、小學(xué)、初中、高中、大學(xué)五個學(xué)段，而大學(xué)階段的學(xué)生心理疾病較為突出；其次是新冠疫情前后，中小學(xué)生復(fù)課前后的心理問題層出不窮。鑒于學(xué)生情況的復(fù)雜性，我們將從自然語言分析、神態(tài)捕捉分析、生理信息分析、社交網(wǎng)絡(luò)提取分析、睡眠質(zhì)量檢測五個方面進(jìn)行探究，并綜合數(shù)據(jù)建模和總評估。

（1）自然語言分析。近年來，語音識別技術(shù)已經(jīng)在安全防盜、罪犯追蹤、刑事查辦等領(lǐng)域日趨成熟，其帶給智能心理領(lǐng)域的研究價值受到特別關(guān)注。在學(xué)校，語言是生生、師生之間交流的最普遍方式，蘊(yùn)含著學(xué)生豐富的心理特質(zhì)，通過采集學(xué)生在課堂和課下的音質(zhì)、音調(diào)、語態(tài)以及語音內(nèi)容等數(shù)據(jù)，對學(xué)生心理情緒的問題檢測和評估有著重要幫助。在語音特質(zhì)研究方面，季田港等人已經(jīng)設(shè)計(jì)了集成學(xué)習(xí)的語音情感算法，將人的生氣、悲傷、恐懼等情緒在聲音上做出了較好的識別成就，以及結(jié)合相關(guān)醫(yī)學(xué)建立起較為健全的語音資料庫，檢測方式可以分為入校朗讀日常檢測、生態(tài)化課堂實(shí)錄分析以及課下隨機(jī)抽查多元方式[4]，最終綜合評定出學(xué)生音質(zhì)心理健康指數(shù)。

（2）神態(tài)捕捉分析。面部表情是人們內(nèi)心情緒的映射，同語音一樣，其豐富的變化性和規(guī)律性，在分析學(xué)生情緒問題時同樣具有重要作用。其中，對于表情神態(tài)成像的采集可分為“動態(tài)采集”和“靜態(tài)采集”兩種方式。在課堂中，主要對學(xué)生進(jìn)行課堂實(shí)錄檢測，進(jìn)行“動態(tài)采集”和不定時鎖定抓取異常個體，并定格進(jìn)行“靜態(tài)采集”，這樣動靜分析相結(jié)合的采集模式，再與微表情心理分析、相關(guān)精神病理數(shù)據(jù)相結(jié)合，最后綜合評定學(xué)生面部心理健康指數(shù)。

（3）生理信息分析。古希臘名醫(yī)希波克拉底提出“四液說”，即人的四類血質(zhì)對應(yīng)四種不同性格的人群；德國精神病學(xué)家克雷奇默提出可以按體型劃分人的氣質(zhì)類型的體型說。這些觀點(diǎn)雖然缺乏堅(jiān)實(shí)的科學(xué)根據(jù)，但把人的氣質(zhì)按照血質(zhì)和體型來劃分，在今天看來仍具有其合理性。學(xué)生的病史和健康狀況也是導(dǎo)致學(xué)生產(chǎn)生心理疾病的重要原因。因此，生理上的信息分析在一定程度上對學(xué)生的性格情緒評估也有著不可小頗的作用。建議學(xué)校對學(xué)生學(xué)年剛?cè)胄：推谀┻M(jìn)行兩次健康狀況統(tǒng)計(jì)，統(tǒng)計(jì)數(shù)據(jù)包括心率、心電圖、腦波、血質(zhì)、體重等體檢數(shù)據(jù)，以及對比其期初和期末的數(shù)值變化，有異常變化數(shù)據(jù)者應(yīng)該重點(diǎn)關(guān)注其近期情緒問題，結(jié)合其他項(xiàng)目重點(diǎn)檢測分析。

（4）社交網(wǎng)絡(luò)提取分析。隨著網(wǎng)絡(luò)的興盛，學(xué)生擁有通信設(shè)備、應(yīng)用通訊社交的年齡逐漸幼齡化。大量研究發(fā)現(xiàn)，互聯(lián)網(wǎng)用戶的網(wǎng)絡(luò)行為與其心理特征存在關(guān)聯(lián)關(guān)系。學(xué)生運(yùn)用網(wǎng)絡(luò)的表現(xiàn)形式有：上網(wǎng)聽音樂、打游戲、網(wǎng)絡(luò)引擎搜索、閱讀文字、觀看音頻、通訊社交、自媒體撰寫博文、追星、購物、關(guān)注社交網(wǎng)頁等，其網(wǎng)絡(luò)行為實(shí)名或者匿名，都具有較強(qiáng)的主觀驅(qū)動性，都同樣體現(xiàn)著發(fā)自內(nèi)心的探索欲、社交欲、表現(xiàn)欲。這種自發(fā)性的“行為記錄”是監(jiān)測和評估學(xué)生心理情緒健康的重要參考，可以在學(xué)生家長授權(quán)知情的情況下，進(jìn)行智能實(shí)時監(jiān)測，鎖定“情緒敏感字眼”“情緒敏感語音”等關(guān)鍵信息，最終形成學(xué)生的網(wǎng)絡(luò)行為數(shù)據(jù)，綜合評定出學(xué)生網(wǎng)絡(luò)社交心理健康指數(shù)。

（5）睡眠質(zhì)量檢測。激烈的社會競爭，促使學(xué)生“內(nèi)卷”現(xiàn)象嚴(yán)重。近年來，諸多研究對我國大學(xué)生抑郁、焦慮、睡眠障礙、自殺等心理行為問題的檢出率進(jìn)行了調(diào)查，但不同研究結(jié)果存在明顯差異。以焦慮為例，檢出率最高可達(dá) 82.5% ，最低僅不足 1% 。失眠、入睡晚等睡眠問題是抑郁等心理情緒疾病的明顯特征。如在潛艇員的封閉訓(xùn)練中，由于精神和體力產(chǎn)生過度的緊張和疲倦，潛艇員會產(chǎn)生嚴(yán)重的睡眠問題以及情緒問題。因此，有專家研究了“智能心理多功能減壓倉”，通過音樂、阿爾法腦波以及氧療等多種方式結(jié)合，一定程度減輕了潛艇員睡眠異常的狀況[5。近些年，學(xué)生的焦慮、緊張和壓力也在不斷提升，學(xué)習(xí)壓力成了學(xué)生心理情緒疾病的重要根源，而睡眠質(zhì)量更是情緒的導(dǎo)火索。因此，智能生態(tài)系統(tǒng)鼓勵將學(xué)生睡眠的脈搏、呼吸、綜合放松度納入信息采集任務(wù)里，并將其作為生態(tài)化檢測的一項(xiàng)重要評估指標(biāo)，最后綜合評定出學(xué)生睡眠質(zhì)量的健康指數(shù)作為心理健康評定輔助。

2.縱向維度心理評估步驟

人工智能在學(xué)生心理輔導(dǎo)的生態(tài)化識別系統(tǒng)的實(shí)際運(yùn)用，分為“初次篩選”和“二次鎖定”兩個步驟。這二者在進(jìn)行的同時都可結(jié)合AR實(shí)景現(xiàn)場實(shí)錄檢測。其中，入校離校的記錄測評系統(tǒng)和常規(guī)進(jìn)出校門口的“安檢系統(tǒng)”捆綁，不再單獨(dú)設(shè)置檢測項(xiàng)目。除此之外，還可以加入學(xué)生的“步態(tài)”“皮膚電導(dǎo)”“腦波”等檢測項(xiàng)目，學(xué)?？裳娱L“安檢”過道的長度，確保檢測范圍到位，更加精準(zhǔn)地實(shí)時監(jiān)測，收集有效數(shù)據(jù)。

首先，學(xué)校應(yīng)和家長、學(xué)生簽訂授權(quán)協(xié)議，確保家長和學(xué)校師生對檢測情況和步驟享有知情權(quán)。學(xué)校及教育部應(yīng)當(dāng)以尊重、保護(hù)學(xué)生隱私為前提，科學(xué)理性地進(jìn)行一系列的心理健康監(jiān)控活動。

其次，初次排查建議分為“在?！薄半x?！眱纱蟛糠?，在校分為“課堂上”“課間”“考試作業(yè)”三個部分。

一是學(xué)生在課堂上的生態(tài)化情緒監(jiān)測。面部特征與心理學(xué)特質(zhì)的映射關(guān)系已經(jīng)被傳統(tǒng)心理學(xué)研究證實(shí)。在課堂上，通過監(jiān)控可以輪流抽查學(xué)生的眼動頻率，眼動是記憶力、注意力是否集中的有效指標(biāo)，通過對學(xué)生眼動注視的情況進(jìn)行記錄和分析，一定程度上可以洞察學(xué)生心理情緒狀況。除了眼動分析外，還有面部的微表情記錄與分析，包括學(xué)生回答問題和思考問題以及跑神兒等多種情況下的表情變化分析，回答問題、朗誦課文甚至談及與課堂內(nèi)容無關(guān)的音色、語調(diào)、音質(zhì)、音頻都可納入最后的綜合評定建模體系中。除課堂的表情語態(tài)動作分析外，作業(yè)和成績也是影響學(xué)生心理情緒的一個關(guān)鍵要素，字體的書寫、成績的起伏統(tǒng)計(jì)，以及相關(guān)文科類作業(yè)的主觀表達(dá)，都可納入綜合評定體系[7]。

二是離校后的智能設(shè)備數(shù)據(jù)也是情緒監(jiān)管的重點(diǎn)?，F(xiàn)代生活中，學(xué)生的電子手表、手機(jī)、學(xué)習(xí)機(jī)等各種電子產(chǎn)品層出不窮，學(xué)生的社交方式也是隨著時代技術(shù)的變革變得更加多樣化，甚至出現(xiàn)了不少學(xué)生沉溺于網(wǎng)絡(luò)的行為，無論是游戲、還是社交，都是自發(fā)情緒的主要表現(xiàn)。因此，要想實(shí)現(xiàn)生態(tài)化有效檢測，社交網(wǎng)絡(luò)的實(shí)時動態(tài)是必不可少的，其中包括學(xué)生日常使用的音頻軟件、購物信息、通訊（QQ/微信/游戲）及其應(yīng)用用時統(tǒng)計(jì)，還有GPS定位系統(tǒng)，進(jìn)行全方位的實(shí)時監(jiān)管，結(jié)合學(xué)生在課堂上的情緒監(jiān)測數(shù)據(jù)，最終形成綜合建模評估（圖1）。

生態(tài)化識別系統(tǒng)的常見算法

1.決策樹算法

決策樹算法是通過一系列規(guī)則對數(shù)據(jù)進(jìn)行分類的方法，就像一棵大樹，數(shù)據(jù)樣本被分類到具體的枝葉上，這種方法既適用于分類又適合回歸問題。其優(yōu)點(diǎn)是簡易，便于使用，擅長處理無關(guān)數(shù)據(jù)，直觀明了；缺點(diǎn)是容易忽略數(shù)據(jù)集中屬性的相關(guān)性，對于缺失數(shù)據(jù)部分難以運(yùn)行。

2.人工神經(jīng)網(wǎng)絡(luò)

通過模擬生物學(xué)中的神經(jīng)元，人工神經(jīng)網(wǎng)絡(luò)從信息處理角度開始，進(jìn)行抽象和簡單建模，依據(jù)各種鏈接組合成不同網(wǎng)絡(luò)，它是一種由大量節(jié)點(diǎn)組合鏈接的運(yùn)算模型，既是一種邏輯策略的表達(dá)，又比較接近于函數(shù)的呈現(xiàn)。這種算法的優(yōu)點(diǎn)主要集中在人工神經(jīng)網(wǎng)絡(luò)能夠通過訓(xùn)練自動提取數(shù)據(jù)的特征并進(jìn)行分類或預(yù)測，具有強(qiáng)大的自學(xué)習(xí)和自適應(yīng)性，以及高度的泛化能力，能夠在新的數(shù)據(jù)上展現(xiàn)出良好的性能。不足的是對數(shù)據(jù)較為依賴，訓(xùn)練成本高，推理過程和依據(jù)往往難以被人類理解，其內(nèi)部機(jī)制較為復(fù)雜等[8]。

3.支持向量機(jī)

支持向量機(jī)是一種將數(shù)據(jù)視作空間中的點(diǎn)，對于線性不可分的數(shù)據(jù)，利用核函數(shù)把低維輸入空間的樣本映射到高維特征空間，以尋找最優(yōu)分類超平面來實(shí)現(xiàn)分類的算法。其優(yōu)點(diǎn)是在樣本量適中的高維數(shù)據(jù)場景，泛化能力優(yōu)秀，借助核函數(shù)能應(yīng)對非線性問題。其缺點(diǎn)是對缺失數(shù)據(jù)無原生良好支持，需預(yù)處理；數(shù)據(jù)集規(guī)模大，訓(xùn)練計(jì)算復(fù)雜度高、效率降低；不能直接提供概率估計(jì)，若需概率輸出，常需額外處理（如Platt縮放）。

4.深度學(xué)習(xí)

深度學(xué)習(xí)特指基于深層神經(jīng)網(wǎng)絡(luò)模型和方法的機(jī)器學(xué)習(xí)。它是在統(tǒng)計(jì)機(jī)器學(xué)習(xí)、人工神經(jīng)網(wǎng)絡(luò)等算法模型基礎(chǔ)上，結(jié)合當(dāng)代大數(shù)據(jù)和大算力的發(fā)展而發(fā)展出來的。深度學(xué)習(xí)最重要的技術(shù)特點(diǎn)是具有自動提取特征的能力，所提取的特征也稱為“深度特征”或“深度特征表示”。相比于人工設(shè)計(jì)的特征，深度特征的表示能力更強(qiáng)、更穩(wěn)健，尤其在處理非線性關(guān)系上更具優(yōu)勢，其缺點(diǎn)包括依賴大規(guī)模的數(shù)據(jù)，對結(jié)果的解釋性很差[9]。

難點(diǎn)與問題預(yù)測

1.學(xué)生的信息安全和隱私問題

網(wǎng)絡(luò)智能欣欣向榮的當(dāng)下，智能技術(shù)延展了我們的感官，拓寬了我們的認(rèn)知，提高了我們的工作效率，更對輔助我們解決當(dāng)下學(xué)生心理疾病預(yù)測的難題，起到了不可小頗的作用。但研究發(fā)展的同時，我們也應(yīng)該要看到信息網(wǎng)絡(luò)發(fā)展的弊端，尤其是個人信息保護(hù)的問題，必須要守住智能生態(tài)化發(fā)展的道德底線和邊界。

2.綜合建模的數(shù)據(jù)分析及處理問題

通過多元維度的生態(tài)化監(jiān)測，我們將會得到海量的學(xué)生心理數(shù)據(jù)，那么如何將這些數(shù)據(jù)進(jìn)行條理清晰的分類，如何多維度整合這些數(shù)據(jù)信息，以及評估的條目標(biāo)注，都需要學(xué)生心理研究領(lǐng)域、精神醫(yī)學(xué)領(lǐng)域、教育學(xué)領(lǐng)域以及計(jì)算機(jī)數(shù)據(jù)分析研究領(lǐng)域等學(xué)科相交叉，共同完善共同建模[10]。

3.生態(tài)化檢測學(xué)生心理的落實(shí)問題

在綜合建模評估系統(tǒng)完成后，如何開展落實(shí)評估系統(tǒng)在學(xué)生學(xué)習(xí)和生活中的應(yīng)用也是一個難題。一方面需要家長、學(xué)校、學(xué)生的理解和支持，要正確認(rèn)識到學(xué)生心理健康情況的重要性；另一方面，數(shù)據(jù)分析結(jié)果在實(shí)踐中的指導(dǎo)如何落實(shí)，教師對其數(shù)據(jù)反饋的結(jié)果是否重視，是否切實(shí)能夠有助于學(xué)生心理健康現(xiàn)狀的改善，都是亟待研究與測試的[11]。

結(jié)語

利用綜合建模評估系統(tǒng)對學(xué)生心理健康狀態(tài)進(jìn)行生態(tài)的實(shí)時檢測，能夠幫助我們突破傳統(tǒng)心理量表的被動狀態(tài)以及量表結(jié)果的主觀隨意性。通過海量心理數(shù)據(jù)，多維度研究學(xué)生心理的規(guī)律，家校建立學(xué)生心理檢測的實(shí)時感知系統(tǒng)，對當(dāng)下學(xué)生心理情緒的預(yù)測有著重要意義。除此之外，AR場景的生態(tài)化技術(shù)，結(jié)合生態(tài)化自然融合到課堂的理論探索，對學(xué)生心理實(shí)時監(jiān)測預(yù)防，也有著一定的實(shí)踐意義。希望生態(tài)化綜合建模評估系統(tǒng)的實(shí)際意義能夠引起業(yè)界學(xué)者的關(guān)注，學(xué)生的心理問題及時被發(fā)現(xiàn)、被干預(yù)，盡早對其進(jìn)行有效輔導(dǎo)，讓學(xué)生擁有一個健康的心理情緒以及較為完整的自我情緒認(rèn)知。

參考文獻(xiàn)

[1]楊利，丁橋，胡天寒，等.人工智能應(yīng)用于心理學(xué)領(lǐng)域研究現(xiàn)狀[J].電腦知識與技術(shù)，2022（11） ：1-3+6

[2][4]朱廷劭.人工智能助力心理學(xué)研究的應(yīng)用場景[J].學(xué)術(shù)前沿，2019（20）：6.

[3][5]朱廷劭.試析通用人工智能在心理學(xué)領(lǐng)域的應(yīng)用[J]學(xué)術(shù)前沿，2023（14）：86-91.

[6]石榮，劉江．從統(tǒng)計(jì)學(xué)與心理學(xué)的視角看可解釋性人工智能[J].計(jì)算機(jī)與數(shù)字工程，2020，48（4）：6.

[7]劉冬予，駱方，等.人工智能技術(shù)賦能心理學(xué)發(fā)展的現(xiàn)狀與挑戰(zhàn)[J].北京師范大學(xué)學(xué)報（自然科學(xué)版），2024，60（1）：30-37.

[8]熊媛，王銘軍.教育心理學(xué)研究對人工智能神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的啟示[J].中國電化教育，2018（11）：118-125.

[9]彭凱平，童松．積極心理學(xué)更智能：機(jī)器學(xué)習(xí)與自發(fā)生成數(shù)據(jù)集的新途徑[J].西北師大學(xué)報，2024，61（2）：91-99.

[10]劉冬予，駱方.人工智能賦能教育和心理學(xué)研究中的數(shù)據(jù)處理[J].中國考試，2024（3）：18-27.

[1]李田港，葉碩，葉光明，等.基于集成學(xué)習(xí)的語音情感識別算法研究[J].計(jì)算機(jī)技術(shù)與發(fā)展，2020，30（6）：82-86.

作者單位：河南師范大學(xué)計(jì)算機(jī)與信息工程學(xué)院

編輯：馮艷艷