大數據背景下服刑人員心理健康差異與融合路徑探討*

曾先鋒 劉紅霞 吳金強

海南政法職業學院，海南 海口 571100

一、大數據背景

大數據時代最早是全球知名咨詢公司麥肯錫提出，進入2012年，大數據一詞越來越多地被提及，人們用它來描述和定義信息爆炸時代產生的海量數據，并命名與之相關的技術發展與創新。正如《紐約時報》2012年2月的一篇專欄中所稱，“大數據”時代已經降臨，在商業、經濟及其他領域中，決策將日益基于數據和分析而作出，而并非基于經驗和直覺。哈佛大學社會學教授加里·金說：“這是一場革命，龐大的數據資源使得各個領域開始了量化進程，無論學術界、商界還是政府，所有領域都將開始這種進程。”習近平總書記在視察中國科學院時強調，“大數據是工業社會的‘自由’資源，掌握了數據，誰就掌握了主動權。”目前，大數據在物理學、生物學、環境生態學、軍事、金融、通訊等行業存在已有時日。高校心理健康教育者也開始從大數據的角度去關注大學生心理健康問題，并取得一定的成就。但是，通過中國知網查閱發現，目前已有研究極少從大數據的角度去關注服刑人員的心理健康問題。為此，筆者嘗試從大數據角度對服刑人員的心理健康狀況的人口統計學資料進行差異檢驗、分析，以期對服刑人員的心理健康問題的發現、解決等提供一定的理論基礎。

二、人口統計學變量

人口統計學是一門古老的學科，最先使用“人口統計學”一詞的是法國統計學家A.吉亞爾，他于1855年發表《人類統計或比較人口學大綱》，認為人口統計學是人類自然的和社會的歷史。另一位法國經濟學和統計學家勒瓦瑟爾認為，人口統計學是借助統計方法、探討人類生命的各個方面，揭示人口一般過程及其各種規律的科學。進入20世紀以來，隨著人口統計工作的深入和擴大以及電子計算機的應用，人口統計學擴大了研究領域，廣泛采用了數學分析方法和間接估算方法。人口統計學特征是指搜集、整理和分析有關人口現象數量資料的整個工作過程。人口統計學特征一些指標：人口總數、性別、年齡、健康狀況、職業、婚姻、文化水平、收入等等。本次采用SCL-90對服刑人員進行測評，所涉及的人口統計學變量有抽查人數、籍貫、性別、年齡段、職業、婚姻、文化程度等幾個方面進行方差檢驗。

三、研究對象及方法

(一)研究對象

從三個監獄隨機抽取500名服刑人員發放問卷，收回439份。其中男性253，女性186；本省347，外省92人；已婚242，未婚197；有職業119，無職業320；年齡分為青年期(18-30)、中年期(30-60)和老年期(60歲以上)三個階段。

(二)研究方法

采用SCL-90量表對服刑人員進行無記名進行統一測試，數據使用SPSS對其數據進行差異檢驗。

四、研究結果及分析

服刑人員的心理健康及9個因子在性別、籍貫、婚姻、職業、年齡段等五個人口統計學變量的差異檢驗結果如下，見表1。

從上表1可知，SCL-90各因子在性別上差異不顯著，即男性與女性服刑人員的心理健康狀況基本相近。服刑人員在SCL-90總量表得分及9個因子在籍貫上差異均顯著，具體表現在外省服刑人員的心理健康狀況要低于本省服刑人員的心理健康。產生這一結果的原因可能是外省服刑人員遠離家鄉，在親情幫教方面不容易做到，而本省的服刑人員相對于外省的服刑人員來說較為方便的進行親情幫教。由此可見，親情幫教在服刑人員進行改造具有一定的積極作用。是否結婚在服刑人員SCL-90及9個因子上差異均不顯著。有職業的服刑人員心理健康低于無職業的，且差異顯著；有職業的服刑人員的恐怖、偏執和精神病性因子均高于無職業的服刑人員，且差異顯著。產生這一結果可能是，受過教育的服刑人員在思考問題時候更為深刻，更注重社會對服刑人員的負面看法，以致心理健康狀況較無職業的服刑人員的要低。從年齡段來看，隨著年齡的增高，其SCL-90總分及各個因子得分呈現越來越高的趨勢，且三個年齡段差異顯著。為了進一步了解年齡與心理健康的關系，對其進行LSD比較，結果顯示：在軀體化因子上，A年齡與B年齡段的差異顯著(P<0.001)；在強迫癥狀因子上，A與B年齡段差異顯著(P<0.01)；在人際關系因子上，A與B年齡段差異顯著(P<0.01)；在抑郁因子上，A與B年齡段差異顯著(P<0.01)；在抑郁因子上，A與B年齡段差異顯著(P<0.001)，A與C年齡段差異顯著(P<0.05)；在焦慮因子上，A與B年齡段差異顯著(P<0.001)；敵對因子上，A與B差異顯著(P<0.01)，A與C差異顯著(P<0.05)；在恐怖因子上，A與B差異顯著(P<0.001)，A與C年齡段差異顯著；在偏執因子上，A與B差異顯著(P<0.001)，A與C差異顯著(P<0.5)；在神經病性因子上，A與B差異顯著(P<0.001)，A余C差異顯著；在心理健康總情況，A與B年齡段差異顯著(P<0.001)，A余C年齡段差異顯著(P<0.05)。產生這一結果的原因可能是，(18-30)歲的服刑人員多數未婚，來自家庭的壓力比較小，而隨著年齡的增長，其思考問題越深刻，擔憂也就越多以致心理健康狀況較差。

表1 服刑人員的SCL-90各因子在人口統計學變量的差異檢驗

續表1

備注:A：18-30歲;B：30-60歲;C：60歲以上。

五、大數據與心理健康教育的融合路徑

在大數據背景下，監獄服刑人員的心理健康需要其心理健康教育指導中心、監區心理工作者、服刑人員的協助者及信息技術人員等多部門、多個人和多個專業領域進行大力配合。如何有效整合這支隊伍，多方面全方位的發揮教育心理健康教育隊伍的綜合作用，使大數據與心理健康教育較好的融合，可以從以下幾個角度思考。

(一)建立多元的人才結構模式

目前，很多心理學工作者尚未及時認識并掌握大數據的特點，不能有效的獲取數據、分析數據、挖掘數據、解析數據等技術而使大數據不能被很好的應用于心理健康領域。所以，大數據時代要求心理健康教育團隊要打破傳統的以心理學專業為主的團隊建設模式，而應該從心理學、教育學、醫學和信息學等多個領域的人才隊伍。加強團隊培訓和學習，為心理健康教育團隊建設提供一定的支持與保障，并在實際工作中加強大數據與心理健康的聯系。

(二)提升心理數據的收集分析水平

大數據的一個顯著特點是龐大的數據和復雜數據結構，并針對收集的數據進行整理、篩選和分析。心理學對數據的處理處理傳統的EXCEL、SPSS、Access、VB、Fox pro、Fox table、Lister和SAS等軟件的使用。在數據收集、數據分析評估，要本著嚴格要求，通過各種方式數據分析方法，對數據進行科學的、綜合的、全面的進行分析、解決問題。

(三)建立協調有序的預警工作組織

監獄心理健康教育工作容易被忽視，究其原因，一是服刑人員需要完成甚至超額完成工作量以用來不被懲罰或者減刑，以致他們有心理問題也沒時間進行求助；其二，監獄本身也有一定的工作量，甚至每個監區都要進行評比，所以監獄和監區工作人員為了自己的業績，對服刑人員心理健康教育較少關注。因而，一旦服刑人員出現心理問題，大多數是處于比較嚴重且不利于治療的階段。鑒于此，要求監獄一是改變傳統以工作量作為主要考核依據的弊端，把服刑人員學習、生活現場的表現也列入考核依據，建立思想改造、行為改造和心理健康為主線的考核指標，這樣就克服了單一以完成工作量作為主要考核依據的弊端；二是吸納服刑人員心理健康指標作為民警或監區考核指標，同時協調建立有效的服刑人員心理預警工作機制，并作為一項系統工程。要求心理健康中心、監區、醫務室等監獄管理人員、志愿者等和服刑人員及家屬等組成一個完備的系統。做好各個部門工作的協調，明確并落實各個部門的職責，多部門協調一致對服刑人員進行干預。建立服刑人員定期心理測評機制，在心理測評的基礎上進行數理分析，并結合觀察和訪談等形式，較為客觀全面地判定服刑人員的心理問題類型。進而在全面分析的基礎上進行科學準確的評估，為危機干預決策提供參考。