大數據視閾下的大學生心理危機識別與預警探討

李 旭，鄭 雪

（1.廣東石油化工學院心理健康輔導中心，廣東 茂名525000；2.華南師范大學心理應用研究中心、心理學院，廣東 廣州 510631）

近年來，隨著互聯網的飛速發展，特別是社交網絡、物聯網、云計算以及移動云終端的廣泛應用，各類數據量出現了幾何級增長，成為當今社會增長最快的資源之一。面對如此增長迅速、龐大繁雜的半結構化或非結構化數據資源，傳統的數據存儲、分析和處理技術難以應對，大數據（big data）的概念因此應運而生。與大數據相關的數據挖掘和數據應用等技術迅速成為信息科學領域的熱點話題，得到了許多領域專家的廣泛關注。大數據相關技術是繼云計算、物聯網之后，信息產業領域的又一次顛覆性的技術革命，對國家管理、組織決策，以及個人生活等都將產生巨大而深入的影響。

近年來一些國際頂級科技雜志，如Science、Nature等均出版專欄討論大數據在各科學領域中的運用。在心理學領域，許多心理學家也開始利用各種大數據平臺收集和處理各類數據進行相關研究。如Gilbert等人通過手機App平臺收集人們實時的情緒、思緒等相關信息，來進行幸福事件的研究。Wu等人利用Facebook數據對被試進行人格判斷研究，發現準確度和有效率均高于熟人的主觀判斷。因此，將大數據技術引入到心理健康領域，提高大學生心理危機識別的準確率和有效性是一個值得探討的問題。

一、當前大學生心理危機識別和預警中存在的問題

大學生心理危機的早期識別和預警對于高校降低和減少因心理問題導致的意外傷害事件具有重要作用。近些年來，隨著社會發展和心理健康知識的普及，大部分國內高校都高度重視對在校大學生心理危機事件的識別和預警，并形成一些程序化的做法，但仍存在一些問題。具體表現如下：

1.過分依賴臨床診斷量表

臨床診斷量表是國內高校進行學生心理危機排查和預警的首選工具。目前常用的臨床診斷量表有癥狀自評量表（SCL-90）、艾森克人格問卷成人版（EPQ-A）、抑郁自評量表（SDS）和焦慮自評量表（SAS）等。但上述量表均來自西方文化背景，雖然國內在引進時進行了中國文化背景的修訂工作，但其題項及常模標準均非常滯后，信效度水平較低，測量誤差較大。同時，國內高校在使用上述量表時均以商業化的心理檔案系統為載體進行，在測量方式上采用的人機對話式的集體測量，其科學性和有效性就更受到置疑。除此之外，上述自評式臨床診斷量表均無法排除受測學生的掩飾性及社會贊許性對測量結果的影響。

2.各篩查指標缺乏關聯

除臨床診斷量表外，門診咨詢和日常排查也是學生心理危機識別和預警的重要來源。但從目前情況來看，國內高校在進行心理危機預警時并沒有將上述各項篩查指標有效地結合起來，而是獨立地發揮其作用，造成了對高危個體評估的極端片面性，從而降低了心理危機排查的有效性和準確率，導致了對很多高危個體不能及時地進行識別和預警。

3.數據難以實現動態化

人的心理變化是動態變化的，特別是個體的一些隱性心理問題，只有在特定的應激環境中才會被激發表現出來。而目前不管是心理普查還是日常的心理排查，大部分篩查數據都是以靜態數據的形式保存的。這種靜態化的數據管理方式嚴重滯后于學生的心理變化過程，導致學校建立的學生心理檔案數據與學生的實際心理狀況嚴重不一致，從而大大降低了學生心理危機識別和預警的時效性。

二、大數據技術在學生心理危機識別和預警中的應用

大數據技術可以通過記錄受測者的日常行為數據來分析他們的心理屬性和日常行為的關聯模式，及時發現個體面臨的心理健康風險，有利于學生心理危機的早發現、早干預。具體作用表現在以下幾個方面：

1.拓展心理危機排查的篩查指標

目前，國內高校學生心理危機的識別和預警主要是基于臨床診斷量表的統計分析，而在大數據時代，真實、準確、及時的大數據樣本將為大學生心理危機的篩查方法帶來新的變革。通過與學生的智能化信息管理系統相結合，各高校可借助于無處不在的大數據（網絡使用、宿舍管理、課堂出勤等），在進行學生心理危機識別和預警時擺脫對臨床診斷量表的過分依賴，最大限度、最為高效地擴充潛在的篩查指標，并使學生心理危機的排查擺脫時間和空間的制約，盡可能避免社會贊許效應，最大程度地規避受測對象在測試過程中受到的各種繁雜和無關的干擾。

2.實現心理預警數據的動態管理

目前以臨床診斷量表為主要評估方式的學生心理預警數據具有靜態化和滯后性等不足，而大數據技術具有處理速度（velocity）快的特點，能夠及時收集和處理大量在線或實時數據。通過大數據技術獲取的學生心理危機篩查數據具有實時性特點，其更新頻率甚至可以提高到以秒為單位。大學生心理危機的篩查可以借助于大數據技術，在傳統的結構化數據分析的基礎上，通過對各類半結構化或非結構化數據的實時收集和處理，從而實現學生心理預警數據的動態化管理，提高心理危機識別的時效性。

3.實現對高危個體的實時心理監控

目前的學生心理危機預警系統局限于臨床診斷量表評估的滯后性，難以實現對高危個體的實時心理監控。而借助大數據技術，可以利用受測者的各類日常生活痕跡來彌補臨床診斷量表評估的不足。數據挖掘（data mining）是從大量的、不完全的、有噪聲的、模糊的和隨機的實際應用數據中，提取隱含在其中的但又是潛在有用的信息和知識的過程。利用這一技術，通過積極學習等方法建立基于學生日常行為分析的心理危機預警模型，并通過模型實時評估學生的心理健康狀態，實現對高危個體的實時心理監控和自動預警。

三、利用大數據技術應注意的問題

大數據技術對提高大學生心理危機識別與預警的有效性和準確率具有重要作用。但同時我們也要認識到，大數據也有可能會給高校學生心理危機識別和預警工作帶來風險。其中風險之一就是學生的隱私權和安全感風險。利用大數據技術可以對學生的日常生活數據進行全方位的抓取和挖掘，這必然涉及到學生隱私權保護的外延和邊界。風險之二就是導致“數據萬能論”。大數據技術所帶來的篩查方法上的巨大革新，可能會導致心理健康工作者更多地關注大數據本身，從而完全忽視或否定以臨床診斷量表為基礎的傳統篩查方法。

目前，國內高校對大學生心理危機的識別和預警還簡單地停留在以臨床診斷量表為基礎的統計分析階段，并未對學生日常行為數據的潛在價值進行有效的數據挖掘。將大數據技術應用于大學生心理危機的識別和預警工作，可以為開展大學生心理健康教育的規劃、決策提供依據，有利于學生心理危機的早期預防和干預，促進和諧校園建設。

[1]喻豐，彭凱平，鄭先雋.大數據背景下的心理學:中國心理學的學科體系重構及特征[J].科學通訊，2015，60（5-6）:520-533.

[2]Killingsworth M.A.,Gilbert D.T.A wandering mind is an unhappy mind[J].Science,2010,330（6006）:932-932.

[3]Youyou W.,Kosinski M.,Stillwell D.Computer-based personality judgments are more accurate than those made by humans[J].Proceedings of the National Academy of Sciences，2015,112（4）:1036-1040.

[4]解學慧.心理測量本身及其在應用中的問題[J].心理科學，2007，30（2）:422-424.

[5]何非，何克清.大數據及其科學問題與方法的探討[J].武漢大學學報（理學版），2014，60（1）:1-12.

[6]化柏林.數據挖掘與知識發現關系探析[J].情報理論與實踐，2008，31（4）:507.

[7]馮登國，張敏，李昊.大數據安全與隱私保護[J].計算機學報，2014,37（1）:246-258.