基于大數據的高校學生心理健康信息反饋平臺構建

王鳳姿

摘 ?要：隨著信息化技術的快速發展，大數據技術大大提升了人們從各種數據資料中獲取價值的能力，大數據預測也日益成為高校學生心理危機預防、預警與干預的重要手段。基于大數據的高校學生心理健康信息反饋平臺，在廣泛收集學生相關數據基礎上，借助云計算、元分析等技術，精準分析處理數據，實現對不同學生心理狀態的分層劃級，形成學生心理健康分級報告;借助平臺實現對點推送，提高應對心理危機的時效性;處理結果的即時反饋，推動平臺優化升級，實現平臺的自主迭代。

關鍵詞：大數據;心理健康;反饋平臺;高校

當前，因心理問題導致的大學生傷人、自傷或自殺等惡性事件時有發生，高校學生心理健康問題已呈多發態勢，日益引發社會廣泛關注。為強化對大學生心理狀態的了解與監控，各高校在心理普查、心理建檔、心理咨詢與教育等方面投入了大量“人、財、物”，這種以手工篩查、反饋、防控與預警的方式，取得了一定成效。然而，當前的高校學生心理健康預防預警工作，在學生多變化心態的實時監控、多渠道資訊的及時掌控、多元化資料的廣泛收集，精準化信息的反饋共享等方面，還遠未形成全方位、多角度、深層次可推廣的應用系統或操作平臺。借助大數據技術構建科學有效的高校學生心理健康信息反饋平臺，正應時所需，具有深遠的理論和現實意義。

一、大數據技術應用于高校學生心理預警工作中的重要性

近年來，因心理疾患造成的大學生刑事犯罪、損人毀物、傷己及人等惡性事件不斷增多，給當事人及關聯家庭帶來沉重打擊，嚴重干擾了高校學子的學習生活，嚴重妨礙了高校、社區及社會的和諧穩定。大數據技術支持下的大數據預測，將成為高校應對學生心理危機，提升預警效能的重要手段。在底層數據支持下，通過建立大數據知識庫，構建數學模型，形成專家知識元支撐庫，依托軟件工具設計及機器思考等前沿技術，開發契合高校學生心理預警工作的信息反饋平臺，從而實現平臺的智能化、人性化[1]，對實現學生心理危機有效防范、即時預警和高效干預，具有十分重要的意義。

（一）呼應時代發展的需要

大數據時代背景下，大學生已逐漸習得互聯網思維，其生活的溝通與連接已遠不是傳統渠道所能滿足，隨之而來的便是其人生追求、奮斗目標日益多元，需要應對的議題與挑戰也更加嚴峻。基于學業、社交、情感、求職等諸多壓力，大學生心理問題也越來越容易發生[2]。構建基于大數據的高校學生心理預警機制，及時識別特殊群體，進而采取有效干預措施，化險為夷轉危為安，是時代發展的必然要求。

（二）提升工作效能的需要

基于大數據技術的高校學生心理預警工作，其效能將大大提升。有賴于大數據強大的信息收集功能，大學生心理危機預警數據將不再拘泥于心理普查、心理咨詢等有限信息，而擴展到其學習生活的方方面面。在人工智能、云計算、元分析等技術的幫助下，心理健康工作者可以借由大數據分析，探尋隱匿于大數據背后學生的生活習性、心智狀況、行為規律、個性特征等，從而形成實踐指南，為構建心理高危學生預警、心理疾患學生排查、心理問題學生識別，提供數據支撐和決策支持。

（三）優化服務水準的需要

互聯網、物聯網、無線移動網、手機等移動終端的飛速發展，為實時監控學生心理健康狀況提供了可能。通過大數據技術的系統評價及元分析，實現對數據價值的充分挖掘和高效利用，可以幫助心理健康工作者擺脫時空局限，最大限度擴充潛在的關注對象，從而及時排查不穩定因素，提前疏導高風險受眾，并提供個性化處置方案。借由工作前置和重心前移，實現心理服務對象的精準定位和心理服務個性化。

二、大數據技術應用于高校學生心理預警工作中的可能性

傳統預警模式中，高校學生心理預警主要基于心理普查、個別訪談等有限數據分析和主觀經驗判斷，其準確性、實效性無法得到充分保障。隨著計算機、互聯網、手機等數據承載方式和云計算等數據處理技術的迅猛發展，高校學生心理預警效能將大幅提升，構建學生心理健康信息反饋平臺也將成為可能。

（一）大數據為高校學生心理預警提供數據支持

融合巨量的、不同類型的數據資源可以為心理預警奠定堅實基礎。大數據帶有全數據特征，各種結構類型的、體量巨大的、實時流動的數據都可以作為高校學生心理預警的依據。伴隨著互聯網成長起來的高校學子，每天的言行無不留下“數據腳印”，諸如校園一卡通消費狀況、朋友圈、貼吧等網上活動，QQ、微信、電話等通訊行為，圖書館使用情況等等，都將被記錄，有意無意地成為數據制造者和供給者。當個體數據累積到一定的量，就能夠通過數據分析揭示其生活習性、興趣愛好、情緒狀況、行為特點和個性特征等等，實現心理預警機制從“任務驅動”向“數據預測”的全新轉變。因此，基于大數據的高校學生心理預警工作，不僅可以克服傳統預警工作存在的被動性、受限性及滯后性等弊端，還可以通過與傳統的心理普查、心理咨詢、心理活動、心理教學獲得的心理健康數據的有機結合，精準識別特殊群體，提高預警的科學性和準確性。

（二）大數據為高校學生心理預警提供技術支持

既往的心理危機預測，主要基于主觀經驗或有限的、局部的數據分析，即使有定量分析，讓不足以掌握預測對象的規律與特征。采用大數據技術，構建數學模型，開發各種軟件，可以獲得強大的數據分析能力，以此來幫助人們解析預測對象的特點，發現其模式特征，探尋其趨勢，進而開展較準確的預測分析[3]。大數據能讓計算機獲得“機器學習”的能力，通過數據的持續輸入，計算機能夠自動學會如何預測，從而提高預測能力。

（三）大數據為高校學生心理預警提供方法支持

傳統預測以因果關系分析為基礎，然而，“因”與“果”表現形態多樣，絕非簡單的一一對應關系。當面對復雜多樣的因果關系，受制于個體有限的認識能力，人們在進行預測分析時，是很難做出全面、準確的判斷的。建立在相關關系基礎上的大數據分析技術，可以發現眾多數據集合之間的關系，識別出有效的關聯物，從而揭示事物內在的規律、特點及模式，為心理預測預警提供全新的視角和方法。如從學生的朋友圈及社區留言、消費購物、通訊記錄等可量化的大數據中，可以預測其情緒、心境狀況。在此基礎上，將網絡與現實中彼此關聯的數據進行整合分析，挖掘隱藏在現實生活背后的深層關系，從而發現高危風險點，實現對心理危機事件的有效防范和事態走勢的精準研判與準確預測。

三、高校學生心理健康信息反饋平臺的設計思路

根據我國高校目前的學生心理危機預防、預警與干預機制與要求，筆者認為高校學生心理健康信息反饋平臺的設計思路主要包括平臺決策設計、數據的收集與處理、心理健康分級及應對、安全機制。

（一）平臺決策設計

心理健康信息反饋平臺的決策設計，是指推動平臺順利運轉的各項體制機制、人、財、物等。平臺決策設計就像是心理健康信息反饋系統的大腦，決定著數據收集的廣度與深度、數據分析的有效性，心理健康分級推送的精準度以及安全保密機制保障。因而，平臺決策設計有幾個方面需要考慮。首先，行政層面設立專門的協同合作機構，調動平臺所需的人力、物資、信息等資源。在此基礎上，明確各相關部門在心理危機預防、預警與干預過程中的職責與任務，并通過制度的形式固化，保障平臺的有效運轉。最后，制定針對反饋平臺的動態管理、維護升級、安全保密等制度，推動平臺的持續穩定運行。平臺決策設計如何，將直接影響到信息反饋、預警干預的有效實現。

（二）數據的收集、分析與處理

數據收集的完備性和有效性將直接影響心理健康信息反饋平臺的精準度與高效性，因而在數據收集層面，需要涵蓋人工收集和計算機輔助收集兩方面。人工收集包括學生心理測量數據、心理咨詢（訪談）記錄、輔導員談心談話材料、心理活動參與情況、學業成績等。計算機輔助收集包括各類互聯網、物聯網、手機等移動終端以及各種各樣的傳感器（如RFID）數據。如學生使用的校園網IP地址信息、校園一卡通消費狀況、圖書館借閱數據、校醫院醫療數據等等，這些都應該被捕捉到。數據內容的收集整理為接下來的數據分析處理奠定基礎。在數據的分析處理環節，針對不同類型的數據，因其結構性和貢獻度差異巨大，應匹配不同權重[4]。如心理測量數據，因其結構性強，參考價值大，因而權重賦值要大些;反之，各類訪談記錄或活動情況，由于結構性稍差，分析難度較大，權重賦值可以稍少些。此外，要充分研究各類數據與學生心理狀態之間的相關性，找到各數據變量之間的匹配算法，在比對統計基礎上，得出心理健康、心理問題及心理疾患梯度數據平面，構建心理高危學生預警、心理疾患學生排查、心理問題學生識別的高校學生心理健康信息反饋平臺。

（三）心理健康分級及應對

在數據收集、分析與處理基礎上，通過正常或異常的心理狀態空間比對，劃分出心理高危、心理疾患、心理問題及心理健康等不同層級狀態，形成學生心理健康分級報告。在此基礎上，根據危機狀況及嚴重程度的差異，決定選擇怎樣的應對方式最為合適，以及決定選擇怎樣的心理咨詢師或者相關人員來化解各類心理風險和隱患[5]。為此，需建立并明晰不同層次心理干預人員的工作對象、職責及權限，通過平臺設計實現精準推送，相關人員在接收信息后即時反應，事后還需將處理結果梳理總結，反饋至系統平臺，平臺據此調整修正數據算法，以此提升平臺工作精準度。

（四）安全機制

心理健康信息反饋平臺建立在大數據基礎之上，大數據的潛在風險如隱私泄密、系統入侵等問題，常會帶來諸多安全隱患。因而，為確保通信安全、數據傳輸與存儲安全，信息反饋安全，構建信息安全保密機制必不可少。具體來說，數據層面的安全措施可以是：基礎設施安全防護、數據加密、身份認證及訪問與限制、安裝入侵檢測系統、安裝網絡防火墻、數據備份等[6]。訪問層面的安全措施可以是：限定不同層級參與人員的訪問權限;組織相關人員的安全保密培訓并簽署保密協議等。

四、高校學生心理健康信息反饋平臺的具體實現

大數據技術指導下的高校學生心理健康信息反饋平臺，具有信息體量巨大、反應迅速、全方位全過程覆蓋等特點，在數據收集、分析與處理，心理健康分級及應對等方面，特別是在心理高危學生預警、心理疾患學生排查、心理問題學生識別等心理預警與防控方面，功能強大，具有廣闊應用前景。高校學生心理健康信息反饋平臺的具體實現，可以由附圖所示的平臺結構拓撲圖呈現。

高校學生心理健康信息反饋平臺主要由數據來源、數據收集、數據分析與處理、分級應對等模塊構成，這些模塊的主要功能如下。

（一）數據來源

該模塊主要是暢通與學生心理健康狀況相關的數據來源和渠道，在涵蓋盡可能多的數據來源基礎上，將最有價值的數據信息收集進來。如網上活動，可以從群組聊天、社區留言、微博發文、微信朋友圈、QQ空間等方面，盡可能地拓寬數據來源。

（二）數據收集

通過各種硬件設備收集、存儲平臺所需數據，為后續分析處理提供基礎數據。用于數據收集與存儲的硬件設備可以是各類智能終端設備，如移動設備中的傳感器、物聯網傳感器、皮電傳感器、移動通信網絡等等。

（三）數據分析與處理

該模塊構成了心理健康信息反饋平臺的“大腦”，決定著平臺能否精準有效運行，因此是至關重要的部分。當所有數據上傳云平臺后，就要設計云計算、元分析的算法，以此對數據進行識別、篩選、綜合分析。各種數據彼此是作為相互獨立的變量存在的，如何將不同變量進行歸一化處理，如何找到各類數據與學生心理健康狀況的關聯性，如何分配權重、找到恰當的匹配算法？這些都是在數據分析處理部分要著重考慮的問題。

（四）分級應對

心理健康信息反饋平臺在結果的輸出上，應能清晰呈現心理健康、心理問題及心理疾患梯度數據平面，劃分出不同心理狀態層級，形成學生心理健康分級報告。并根據不同權限、職責及干預對象的心理健康工作者，以短信、微信、郵件或OA系統等途徑，實現“點對點”精準推送，確保第一時間啟動應急機制，為心理危機預警與干預爭得時間。應急處置結束后，工作人員還需將處理結果即時總結反饋至信息平臺，以此調整修正數據算法，進一步優化平臺功能，實現平臺自主更新。

五、結語

大數據既是一種數據集合的表現形態，也是一種獲取、管理、分析和解析數據的方法與技術[7]。大數據技術在心理危機預防預警工作中的發展與應用，為我們理解個體心理與行為背后的各個構成要素及其互動關系，提供了新的思維取向和方法選擇。大學生群體的心理危機預防、預警與干預，也需要借助大數據方法，在數據收集、分析與處理，數據品質及有效性等方面獲得更多的突破與推進，構建起精準有效的心理健康信息反饋平臺，助力高校心理危機預防預警與干預、心理健康教育與咨詢等實務工作的有效實踐。

參考文獻：

[1]張家明，王純靜.基于大數據技術的大學生心理危機預警研究[J].教育與職業，2015（30）：75-77.

[2]林曉燕.大數據時代背景下高校經濟困難學生心理預警機制構建[J].中國成人教育，2016（14）：79-81.

[3]彭知輝.基于大數據的警務預測：局限性及其順應之道[J].中國人民公安大學學報（社會科學版），2016，32（02）：37-45.

[4]安哲鋒，張鵬.大數據背景下高校學生心理健康數據分析及反饋體系構建研究[J].思想教育研究，2016（09）：93-96.

[5]梁娟，劉月秀，林曉燕.大數據時代背景下大學生心理預警系統的建設路徑[J].赤峰學院學報（自然科學版），2017，33（13）：109-110.

[6]楊倩，陳登凱，朱夢雅，李炳超.基于互聯網技術的老年人心理健康服務系統設計[J].包裝工程，2017，38（22）：53-59.

[7]鄭建君.大數據背景下的社會心理建設[J].哈爾濱工業大學學報（社會科學版），2019，21（04）：8-13.

責任編輯 ?苗存龍