數(shù)據(jù)挖掘技術(shù)在高職學(xué)生心理健康問題預(yù)測的應(yīng)用研究

楊 娟

（湖南工業(yè)職業(yè)技術(shù)學(xué)院 湖南長沙 410208）

教育部黨組頒發(fā)了《高等學(xué)校學(xué)生心理健康教育指導(dǎo)綱要》進(jìn)一步提出：“堅持育心與育德相統(tǒng)一，要求完善心理危機預(yù)防和快速反應(yīng)機制，更好地適應(yīng)和滿足學(xué)生心理健康教育服務(wù)需求。”現(xiàn)階段高職院校的學(xué)生心理健康預(yù)測主要集中在一年一次的新生入校心理普查，側(cè)重于數(shù)據(jù)收集及統(tǒng)計，沒有進(jìn)一步挖掘更深層次的信息，總結(jié)發(fā)展規(guī)律，導(dǎo)致問題預(yù)測準(zhǔn)確性較低。

一、數(shù)據(jù)挖掘與心理健康問題預(yù)測的概述

在大數(shù)據(jù)挖掘中發(fā)現(xiàn)關(guān)鍵的關(guān)系信息或?qū)傩灶悇e中的規(guī)律性聯(lián)系，并挖掘潛在的信息，通過關(guān)聯(lián)規(guī)則分析，進(jìn)一步找出發(fā)生的事件并導(dǎo)致其他事件順序或時間上的形成規(guī)律。前期研究表明，高職生心理健康狀況有其群體特征，人際交往問題比較明顯，同時對比分析了不同專業(yè)、生源地、社會支持對心理健康的影響，結(jié)果表明之間有較顯著的關(guān)聯(lián)性，具有不同屬性特征。在此研究基礎(chǔ)上，通過找出發(fā)現(xiàn)數(shù)據(jù)的內(nèi)在信息，根據(jù)樣本數(shù)據(jù)進(jìn)行大量特征分類，抽取概括出這些信息的共質(zhì)性及較明顯特點，自動匹配最具代表性的其他特征，自動匹配最佳權(quán)重指標(biāo)。[1]

二、數(shù)據(jù)挖掘技術(shù)在高職學(xué)生心理問題預(yù)測的運用

通過數(shù)據(jù)挖掘技術(shù)，從大量學(xué)生的心理健康評估數(shù)據(jù)庫里提取有用信息，為高職學(xué)生心理問題預(yù)測做參考。具體流程圖如下：

圖1 高職學(xué)生心理健康測評數(shù)據(jù)挖掘流程圖

（一）數(shù)據(jù)采集

本文中所選用數(shù)據(jù)來源于湖南工業(yè)職業(yè)技術(shù)學(xué)院、湖南科技職業(yè)技術(shù)學(xué)院和湖南工程職業(yè)技術(shù)學(xué)院的心理健康測評系統(tǒng)中自評量表SCL-90及個人基本信息的數(shù)據(jù)，具體從在校大一、大二學(xué)生中選取260名，其中男生157人，女生103人。所涉及職院的心理測評數(shù)據(jù)庫采用SQL Server 2008來存儲管理，個人信息主要收集性別、年齡、專業(yè)、生源地、家庭經(jīng)濟收入、個體社會支持利用程度，共6項內(nèi)容。學(xué)生自評量表SCL-90包含90個評定項目，10個因子分，每個項目采用五級評分制（1-5分），分?jǐn)?shù)越高，表示癥狀越嚴(yán)重。[2]

（二）數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理是數(shù)據(jù)挖掘過程中一項重要環(huán)節(jié)，在處理相關(guān)數(shù)據(jù)時因各種因素會產(chǎn)生很多不準(zhǔn)確噪聲數(shù)據(jù)，對噪聲數(shù)據(jù)進(jìn)行預(yù)處理能極大提升挖掘效率，減少后續(xù)分析時間。1.進(jìn)行數(shù)據(jù)清洗環(huán)節(jié)，具體操作過程中：“學(xué)生基本信息表”中刪除身份證號碼、姓名、出生年月等無效屬性，保留所在年級、性別、所學(xué)專業(yè)、是否獨生子女、生源地情況、家庭經(jīng)濟情況；“學(xué)生自評SCL-90量表”刪除學(xué)院、姓名、學(xué)號等屬性，保留90個評定項目總分、平均分及10個因子分，作為數(shù)據(jù)挖掘的內(nèi)容。最后確定高職學(xué)生基本信息表由年級（NJ）、性別（XB）、專業(yè)（ZY）、生源地（SYD）、家庭經(jīng)濟（JTJJ）組成。高職學(xué)生自評SCL-90量表由強迫（QP）、抑郁（YY）、軀體化（QTH）、敵對（DD）、焦慮（JL）、人際敏感（RJMG）、精神病性（JSBX）、恐怖（KB）、偏執(zhí)（PZ）、其他（QT）因子組成。2.數(shù)據(jù)清洗環(huán)節(jié)，不僅需篩選重復(fù)數(shù)據(jù)，刪除或糾正不正確的數(shù)據(jù)，還需不斷完善數(shù)據(jù)。從高職學(xué)生心理健康測評系統(tǒng)導(dǎo)出的數(shù)據(jù)，除去沒有參加測評、項目缺失比較嚴(yán)重的12位同學(xué)，經(jīng)過數(shù)據(jù)清理處理后，可用于數(shù)據(jù)挖掘數(shù)據(jù)一共2460條。3.數(shù)據(jù)集成環(huán)節(jié)，將多個相關(guān)數(shù)據(jù)集合中的記錄集成構(gòu)建到新的數(shù)據(jù)集的過程。在本文中通過關(guān)聯(lián)學(xué)號對學(xué)生基本信息表和SCL-90心理自評表進(jìn)行連接，由系統(tǒng)中“數(shù)據(jù)選擇” 確定生成新的高職學(xué)生心理健康測評表。4.數(shù)據(jù)規(guī)范，具體操作為數(shù)據(jù)離散化：針對高職學(xué)生SCL-90自評表中每個因子分超過2分，篩選為陽性，視為有癥狀，小于2分為無癥狀。[3]

表1 “高職學(xué)生心理健康測評表”規(guī)范表（部分）

（三）關(guān)聯(lián)規(guī)則算法

關(guān)聯(lián)規(guī)則（Association Rules）是反映某事件與其他事件之間的關(guān)聯(lián)依賴程度，表示形式一般為關(guān)聯(lián)規(guī)則的支持度：Support（A? B）=P（A B），當(dāng)項集A出現(xiàn)時，項集B也出現(xiàn)概率為該關(guān)聯(lián)規(guī)則的置信度：Confidence（A ? B）=p（B/A）。在實現(xiàn)過程中，通過查找全部頻繁項集，貫串連接步和剪枝步，用于挖掘大量數(shù)據(jù)間的相關(guān)性。具體指連接步通過Ln產(chǎn)生Cn，多次連接，把Cn中符合限制條件的項集保存下來，連接產(chǎn)生Cn，多次循環(huán)操作后最大頻繁項集Ln即可產(chǎn)生。剪枝步主要在生成候選項Ck的過程中減少搜索范圍，刪除小于或等于預(yù)設(shè)最小支持度閾值的項值，剩下的規(guī)則達(dá)到預(yù)設(shè)最小置信度閾值，以達(dá)到挖掘出強關(guān)聯(lián)規(guī)則。[4]

高職學(xué)生自評SCL-90量表中選取有代表性的字段和記錄進(jìn)行算法的演練模擬（表3），字段主要是由抑郁（YY）、軀體化（QTH）、敵對（DD）、焦慮（JL）、人際敏感（RJMG）等組成，并將原始數(shù)據(jù)中有癥狀的信息輸入事務(wù)數(shù)據(jù)庫中，選取5位同學(xué)的數(shù)據(jù)記錄，最后得出事務(wù)數(shù)據(jù)庫D（表4）。

表2 選取部分用于Apriori 算法的數(shù)據(jù)記錄

表3 事務(wù)數(shù)據(jù)庫D 及記錄

關(guān)聯(lián)規(guī)則Apriori算法具體如下：假設(shè)最小支持度計數(shù)，掃描事務(wù)D多次迭代，反復(fù)運用過濾、連接及剪枝，生成新的項集。示例：第1次迭代：掃描事務(wù)D，得到1項候選項集C1，假設(shè)最小支持度計數(shù)為2，則最小支持度為（min=0.18），由C1過濾生成頻繁1項集L1；第2次迭代：L1與L2自身連接，生成候選項集C2，由C2計數(shù)過濾生成2項集L2；第3次迭代：運用連接和剪枝由L2生成新的3項集C3。

流程如下：對L2連接，產(chǎn)生新集合{I1，I3，I4}{I1，I2，I4}、{I1，I4，I5}.對L2進(jìn)行剪枝，生成候選3項集C3。

{I1，I3，I4}的兩項子集分別是{I1，I3}{I1，I4}與{I3，I4}，其中舍棄非頻繁子集{I3，I4}；

{I1，I2，I4}的兩項子集分別是{I1，I2}{I1，I4}與{I2，I4}，其中舍棄非頻繁子集{I2，I4}；

......

一般候選支持度計數(shù)等于最小支持度計數(shù)2，以上多次迭代生成了候選3項集C3，L3則無法再生成候選項集。同時，過濾規(guī)則根據(jù)支持度篩選，通常最小的置信度，用于找出最小置信度下的最大支持度，找出符合條件的實例數(shù)。通過數(shù)據(jù)挖掘軟件中的Apriori進(jìn)行挖掘，不斷設(shè)置最小置信度和最小支持度等，從結(jié)果輸出中選擇有價值的規(guī)則。如：

JL=JL3 KB=KB3 PZ=PZ3 135? YY2 1 43 conf：0.99 lif：（1.18）lev：（0.13）[24] conv（12.45）

K B=K B2 PZ=PZ 2 JSBX=JS2 142?QT H=QT H2 YY=YY2 151＜ conf：0.97＞lif：（1.13）lev：（0.11[22] conv（4.07）

RJGX=RJ2 PZ=PZ2 JSBX=JS2 138? YY=YY2 146 ＜conf：（0.98）＞ lift：（1.13） lev：（0.1）[24] conv：（3.87）

QTH=QTH2 RJGX=RJ2 Y Y=Y Y2 151? KB=KB2 139 ＜conf：（0.92）＞lift：（1.23） lev：（0.09）[23]conv：（5.45）

......

對挖掘樣本進(jìn)行了規(guī)則分析，得出軀體化癥狀明顯的學(xué)生，在抑郁、人際敏感等方面可能性比較大；同時在偏執(zhí)、焦慮程度較高的學(xué)生更容易產(chǎn)生軀體化和抑郁癥狀，這些數(shù)據(jù)挖掘的信息說明了個體各心理因子間均有潛在關(guān)聯(lián)，每個因子關(guān)聯(lián)程度不同，對高職學(xué)生心理問題預(yù)測有一定的指導(dǎo)作用。[5]

三、小結(jié)

本文將數(shù)據(jù)挖掘技術(shù)應(yīng)用于高職心理健康問題預(yù)測中，僅采用了SCL-90量表的測評數(shù)據(jù)，沒有更多采用其他形式的心理測評調(diào)查，在今后研究中應(yīng)豐富測評樣本數(shù)據(jù)，進(jìn)一步完善心理健康數(shù)據(jù)的挖掘，使心理問題預(yù)測更加精準(zhǔn)。