基于大數據的高校學生心理問題干預模式探析

周成毅 王藝鑫 黎小源

（西南科技大學計算機科學與技術學院 四川 綿陽 621000）

據《中國青年報》報道：12%的大學生有中度以上的心理困擾，大數據的應用，為大學生心理健康教育工作提供了新思路。[1]探索基于數據挖掘與算法分析的構建途徑，提升高校心理健康教育工作的效率與服務質量，更好地促進“95后”大學生的成長成才。[2]

一、高校“95 后”心理問題產生原因

近年來，大量研究資料表明，高校“95后”中有相當一部分人存在心理問題，且數量在逐年上升。關注、解決高校這個人群的心理問題已刻不容緩。

（一）原生家庭

1.獨生子女

目前，我國處于社會轉型時期，社會變遷作為重大的應激源將不可避免地給獨生子女帶來心理沖突。高校“95后”學生多為獨生子女，有資料顯示，獨生子女心理健康問題相當嚴重，小學生約占15%，中學生占20%，大學生占25%。在其個人成長經歷中，父母充當了相當重要的角色，對父母、家庭的過度依賴，是大多數獨生子女的通病。獨生子女沒有親兄弟姐妹，同齡伙伴的陪伴十分有限，交往伙伴主要是同班同學和鄰居，不能完全彌補孤獨感。父母的嬌寵讓在順境中長大的他們在經濟上有保證，生活上有安排。但進入高校后，一部分人不能完成身份、環境、心態的轉變，獨立的生活、學習與父母呵護的缺失引發一系列心理問題。

2.留守兒童

隨著經濟的快速發展，許多農村學生家長走出了山村，去城市打工，孩子成了留守兒童。據中商情報網報道，截至2016年，中國仍有902萬留守兒童。由于缺乏父母的關愛，留守兒童對父母外出打工有偏見，出現逆反、叛逆的心理。[3]相對于正常家庭的兒童，多數留守兒童的心理及精神需求長時間得不到滿足，內心產生一定的落差。相關大數據分析報告顯示，留守兒童心理通常有以下特征：膽小、遲鈍、不愛與人交往、少言少語、自我調控能力差等，直接影響其身心發展。當這批“90年代的留守兒童”步入高校后，潛在問題如果不得到妥善解決，對其未來的人生發展也會產生較大影響。

3.家庭缺乏相關認知

心理健康教育是新的社會熱點，在物質生活充裕的當下，青少年的心理健康狀況不容樂觀。有人把孩子的心理問題歸因于學校教育，或社會大環境，這些說法有一定道理。但筆者認為，很多時候家庭才是孩子心理問題的罪魁禍首。大部分父母重視智力教育，忽視心理健康教育，通常會將孩子的“煩惱”歸結于青春期問題，導致孩子面臨相同問題時，不想與父母溝通。父母的不重視，造成了家庭在疏導心理障礙方面的角色缺失。近幾年，我國抑郁癥患者中，青少年占比高達50%，研究發現，90%的父母是在孩子確診后才意識到問題的嚴重性的。對于影像可見的器質性病變，我們可以做到早發現、早治療；但對于心理疾病，家庭未給予足夠的關注，無異于雪上加霜。

（二）社會轉型

21世紀后，整個社會在飛速發展，高校學生面對的挑戰也在增長。首先，因為高等教育的普及，每年都有越來越多的學生進入高校，大學畢業生也在逐年增長。盡管國家每年都在增加就業崗位，鼓勵企業擴招；但一部分學生仍要面對“畢業即失業”的尷尬處境。其次，用人單位對學歷的要求越來越高，為了順應這種發展趨勢，增加自身就業競爭力，每年選擇讀研、讀博的人數也在攀升，特別是近幾年考研人數，可謂“千軍萬馬過獨木橋”的第二次高考，更有甚者“二戰”“三戰”后仍不放棄。因此，如何緊跟發展步伐，如何在信息大爆炸時代脫穎而出，如何迎接未來的挑戰，這些問題使“95后”們感到前所未有的壓力。如何順利完成學業，如何找到心儀的工作，這一切所造成的壓力也不容小覷。

二、基于大數據解決高校“95 后”心理問題的機遇與優勢

（一）傳統方法存在弊端

高校研究與解決學生心理問題的傳統方法是隨機抽樣與問卷調查，雖然有一定的可行性與研究價值，但由于問卷調查只能收集某一時刻的主觀心理狀態，缺乏時效性，調查的對象是整體而非個體，缺乏針對性，調查結果易受各種因素干擾。例如受訪者有意隱瞞真實想法，或受當時調查環境刺激，因此傳統方法很難解決個體的心理問題，更難實現針對潛在問題的預警。

（二）大數據的發展與機遇

信息時代，大數據技術是時代、社會進步的產物，在統計、分析中，發揮著舉足輕重的作用。2019年全國大數據標準化工作會議暨全國信標委大數據標準工作組第六次全會指出，大數據作為國家戰略，必須高度重視，全面推進。利用大數據建立高校相關心理預測平臺，以此解決高校“95后”心理問題則既是機遇，又是挑戰。[4]自2010年以來，利用大數據技術對高校學生進行心理危機預警研究，取得了許多成果。例如，2011年，使用數據挖掘的方法分析智能手機中數據的情況，將手機用戶劃分成五種人格；2013年，根據網絡數據提出了利用大數據技術處理個人隱私問題的方法；2014年，將數據挖掘和管理技術結合起來，通過分析數據庫，把人、地點及組織聯系起來；2015年，應用大數據理論，對應對壓力的各種方法進行分析；2016年，又提出了一種利用大數據技術的情感識別方法。在當前的互聯網行業中，擁有從各種類型的數據中快速獲得有價值信息能力的大數據技術，正在使這種技術走向大眾。大數據技術的不斷提升，與我們的生活息息相關，在各個方面都展現了解決問題的能力與潛力。

（三）大數據解決心理問題的優勢

傳統抽樣問卷調查法簡單易于操作，收集數據相對可靠，極大減少了調查員差異引起的偏差。但是，如果問題涉及個人隱私或相對敏感，尤其是紙質問卷，收集到的信息可能就不準確。相較于傳統抽樣與問卷調查，利用數據挖掘與算法分析，不僅節省時間、人力、物力成本，還可以獲得每一個調查個體一套準確、及時的分析預測結果，實現測評個性化、針對性的最大化。利用大數據技術實現高校學生心理數據挖掘與算法分析，高校輔導員可隨時掌握學生的社交狀態、學習狀態，預測其心理狀態，根據算法分析結果密切關注高風險學生，并與之及時溝通交流，防患于未然。

三、相關數據挖掘與算法分析的途徑與挑戰

（一）類型分析

通過收集學生連接校園網的數據、分析其使用次數、時間段，來判斷其社交行為與生活習慣。若經常連接，則說明學生可能社交活動頻繁；若連接次數較少常集中于白天，則可能說明學生缺乏校內戶外社交活動；若連接次數較少且常集中于晚上，則可能說明學生不僅缺乏校內社交活動，還缺勤。通過收集學生卡記錄，根據消費記錄可判斷其交友情況。如若常存在兩張卡同時同地消費則可能處于戀愛狀態；若常存在兩張卡以上多卡群體消費，則可能處于交友狀態；若總是單卡消費則學生可能缺乏社交對象，處于獨行狀態。還可以根據校園人臉識別系統，分析其出入寢室、圖書館的次數與時間，若離開寢室時間較長、出入圖書館較多且停留時間長，則可能說明學生社交較少，學習時間較多；若離開寢室時間較長，但出入圖書館次數少且停留時間短，則可能說明學生社交娛樂時間或上課時間較多；若離開寢室次數少，在寢室停留時間長，則可能說明學生對上課與社交活動都不太積極。根據以上幾種情況的分析，對于對社交和學習都不積極的學生，輔導員可及時與其溝通交流。該預測算法不僅可以分析單項數據，還可以分析多項聯合交叉數據，得出更準確更詳細的預測結果；不僅可以分析學生在校信息來實現預警，還可以嘗試分析其智能手機搜索引擎記錄、常用應用軟件的使用情況、社交軟件聊天記錄，分析學生玩游戲時的潛意識行為及其心理狀態等，但該數據挖掘手段需兼顧應用發展與隱私安全需求，因此只能在建立相關數據安全與隱私保護標準下實施。[5]

同時，該預測算法還可以利用人工神經網絡，采用機器自主學習技術，實現預測算法的不斷自我優化升級。

（二）面臨的挑戰

1.信息難以整合

高校學生所在的學院、班級不同，因此難以實現信息的整合，難以解決校園信息數據孤島、碎片化問題。只有學校、學院、班級三級聯動，學生個人數據的收集、數據整理挖掘、通過算法進行對應分析才能成為可能。例如，建立每個學生入校以來的個性化心理檔案，進行信息收集、數據挖掘、觀測動態變化。[6]

2.專業人才空缺

建立相關機制，需要專業的大數據技術人才展開全數據化分析，精準地進行智能收集、數據挖掘和算法分析。但大數據是新興產業，目前只初步形成了產業鏈條，專業人才仍然短缺；因此，高校需不斷引進或培養相關人才，使數據挖掘與算法分析系統預警與解決高校學生心理問題成為可能。

3.建立心理教育團隊

培養專業團隊，完成線下心理咨詢、心理干預、心理建設等一系列服務，定期開展心理健康活動。[7]讓校院班三級聯動人員明確各自職能，以學校心理咨詢中心、學院輔導員班主任、班級心理委員三位一體，定時定期開展分級培訓與考核，提高心理教育團隊的專業性、準確性。[8]

四、結語

大數據在心理健康教育方面的前景廣闊，特別是問題人數高發的各大高校。隨著大數據、算法分析技術不斷提高，相信很多問題都能得到解決。當然大數據面臨的發展挑戰也不容小覷，專業人才的培養、機制的建立等，都還需要高校持續投入精力與時間，并合理利用大數據的時效性、個性化分析來改善高校心理健康教育的現狀。[9]