基于數據挖掘的大學生心理健康智能測評研究

馮翊

(西安工程大學， 學生工學部， 陜西， 西安 710048)

0 引言

隨著大學生的數量不斷增加，而且大學生學習和就業壓力越來越大，大學生出現心理健康問題的概率越來越高，給社會穩定和高校管理帶來嚴峻的挑戰，大學生心理健康問題引起了社會的高度重視[1-2]。大學生心理健康智能測評可以幫助學生管理員了解大學生心理健康變化，根據大學生心理所處的狀態制定相應的治療方案，因此設計性能優異的大學生心理健康智能測評方法具有重要的實際應用價值[3-5]。

針對大學生心理健康測評問題，出現了許多有效的評測方法。最初采用專家方式進行大學生心理健康測評[6]，該方法對大學生心理健康智能測評具有較強的主觀性，而且這種心理健康智能測評成本高[7-9]。隨后出現了一些大學生心理健康智能測評技術，如通過引入人工神經網絡進行大學生心理健康智能測評[10-12]，由于人工神經網絡模擬人大腦的神經系統工作，具有一定的自學習能力，可以對大學生心理健康狀態進行擬合，得到較好的大學生心理健康智能測評結果，但是在實際應用中，人工神經網絡需要大量的先驗知識，如果缺乏大學生心理健康的一些先驗知識，那么大學生心理健康智能測評錯誤率高，而且它們不能幫助合理確定大學生心理健康智能測評指標的權值，導致大學生心理健康智能測評結果不太可靠[13]。

為了改善大學生心理健康智能測評效果，本文設計了基于數據挖掘的大學生心理健康智能測評方法，測試實驗結果表明，本文方法可以全面、客觀地描述大學生心理健康變化的特點，大學生心理健康智能測評正確率高，可以為大學生心理健康測評提供一種新的工具。

1 數據挖掘的大學生心理健康智能測評方法

1.1 大學生心理健康智能測評的原理

基于數據挖掘的大學生心理健康智能測評原理如圖1所示。依圖先構建大學生心理健康智能測評指標體系，采集大學生心理健康智能測評指標的數據，并進行預處理；然后采用采用變異系數法確定每一個大學生心理健康測評指標的權值，權值刻畫每一個指標對大學生心理健康智能測評結果的貢獻；最后采用灰色聚類算法建立大學生心理健康智能測評模型，并對待測評樣本進行測試，輸出大學生心理健康智能測評結果。

圖1 大學生心理健康測評的原理圖

1.2 設計大學生心理健康智能測評指標體系

大學生心理健康智能測評指標體系的設計是大學生心理健康測評模型構建的第一步，十分關鍵。結合當前大學生心理健康的實際情況，設計了如圖2所示的大學生心理健康智能測評指標體系。

圖2 大學生心理健康智能測評指標體系

1.3 指標量化以及心理健康等級的劃分

對圖2的大學生心理健康測評指標需要進行量化處理，具體說明如下。

(1) 智力水平取值范圍為0～40分，x1<10表示正常，x1處于10～20范圍表示存在一定障礙；x1>20表示出現嚴重障礙。

(2) 意志力取值范圍為0～40分，x2<10表示意志力強；x2處于10～25范圍表示判斷能力有障礙；x2>25表示無法進行自控。

(3) 人格特征取值范圍為0～30分，x3<10表示自我意識清楚；x3處于10～20范圍表示存在強迫癥狀；x3>20表示人格要素不完整，自我意識差。

(4) 情緒取值范圍為0～50分，x4<15表示心情愉快；x4處于15～30范圍表示情緒有定波動；x4>30表示存在焦慮癥。

(5) 自我評價取值范圍為0～30分，x5<10表示能恰如其分評價自己；x5處于10～20范圍表示評價能力一般；x5>20表示無法科學認識自我。

(6) 社會適應取值范圍為0～24分，x6<6表示社會適應能力好；x6處于6～12范圍表示社會適應能力一般；x6>12表示社會適應能力存在一定問題。

(7) 人際關系取值范圍為0～40分，x7<10表示人際關系正常；x7處于10～25范圍表示人際關系有小問題；x7>25表示人際關系差。

(8) 心理活動取值范圍為0～24分，x8<8表示心理活動與實際年齡之間相一致；x6處于8～16范圍表示心理活動與實際年齡之間有微小差異；x8>16表示心理活動與實際年齡之間存在嚴重偏差。

綜合上述可知，大學生心理健康測評指標的量化結果如表1所示。然后根據采用變異系數法確定每一個大學生心理健康測評指標的權值。

表1 大學生心理健康測評指標的量化值

1.4 數據挖掘的大學生心理健康智能測評模型構建

定義1設有n個聚類對象，m個聚類指標，s個不同灰類，根據第i(i=1,2,…,n)個對象關于j(j=1,2,…,m)指標的觀測值xij(i=1,2,…,n，j=1,2,…,m)，將第i個對象歸入第k(k∈{1,2,…,s})個灰類，稱為灰色聚類。

本文選擇數據挖掘的灰色聚類算法進行大學生心理健康智能測評，具體步驟如下。

(1) 根據表1中的大學生心理健康測評指標量化值的3個區間[a1,b1]、[a2,b2]、[a3,b3]，得到算術中點λk(a0,b0)，具體公式計算如下，

(1)

(2)

(4) 那么大學生i心理健康狀態屬于灰類k*的表達式為

(3)

2 大學生心理健康智能測評的具體應用實例分析

2.1 測試對象

為了測試大學生心理健康智能測評效果，選擇5所高校的在校學生作為研究對象，它們分別采用A～E進行編號，每1所學校選擇的學生如表2所示。采用VC 6.0編程實現大學生心理健康智能測評仿真實驗。

表2 大學生心理健康智能測評對象

2.2 計算大學生心理健康智能測評的權值

采用變異系數法計算每一個大學生心理健康測評指標的權值，具體如圖3所示。從圖3可以看出，對于不同的學校，大學生心理健康智能測評指標權值有一定的差別，但是大學生心理健康測評指標權值變化趨勢是一樣的，得到權值與實際指標對大學生心理健康智能測評結果的貢獻相同，這表明引入變異系數法確定指標權值是可行的，為后續的大學生心理健康智能測評打下了良好的基礎。

圖3 不同學校的大學生心理健康測評指標權值

2.3 大學生心理健康智能測評結果對比

為了使數據挖掘的大學生心理健康智能測評結果具有可比性，選擇文獻[11]和文獻[12]的大學生心理健康測評方法進行對比實驗，統計每一種方法的大學生心理健康智能測評正確率、錯誤率，結果如圖4、圖5所示。對圖4、圖5的大學生心理健康智能測評結果進行比較和分析可以發現，相對于文獻[11]和文獻[12]的大學生心理健康測評方法，本文方法的學生心理健康智能測評正確率得到了明顯的提升，大幅度降低了學生心理健康智能測評的錯誤率，獲得更優的學生心理健康智能測評結果，對比結果驗證了本文設計的數據挖掘的學生心理健康智能測評方法優越性。

圖4 大學生心理健康智能測評正確率

圖5 大學生心理健康智能測評錯誤率

2.4 具體應用效果分析

設計大學生心理健康智能測評方法就是要發現大學生心理健康變化規律，及早發現存在心理健康問題的大學生，并對有心理健康問題的大學生進行心理疏導和治療，使大學生心理回到健康狀態。從5所學校中，選擇部分有心理問題的大學生進行測試，根據測試結果制定相應的治療方案，治療完成后，對這些大學生再次進行心理健康評測，結果具體如圖6所示。

圖6 本文方法應用前后的大學生心理健康分值對比

對圖6結果進行分析可以發現，根據本文方法的測評結果制定相應的治療方案，大學生心理健康狀態得到了明顯的改善，這表明本文方法獲得十分理想的應用效果，具有較高的實際應用價值。

3 總結

大學生心理健康智能測評是當前高校學生管理領域中的一個研究熱點，針對當前大學生心理健康智能測評過程存在的一些難題，為了獲得更高精度的大學生心理健康智能測評結果，提出了數據挖掘的大學生心理健康智能測評方法，測試結果表明，本文方法是一種正確率高、錯誤率低的大學生心理健康智能測評方法，具有十分廣泛的應用前景。