基于物聯網技術的高校心理健康智能評測系統

魏淑妮

(西安文理學院， 藝術學院, 陜西， 西安 710065)

0 引言

目前我國高校大學生屬于一個具有高壓力的群體，因生活節奏逐漸加快，學習壓力、考試壓力，致使高校大學生心理壓力直線上升[1-2]。所以，關注大學生心理健康教育、優化大學生心理素質是目前我國各大高校推進素質教育的核心工作之一[3]。按照目前大學生真實狀況，遵循心理健康教育研究原則，對高校大學生心理健康進行測評十分關鍵。根據測評結果，使用合理方法避免大學生出現心理疾病，是目前每個高校關注的熱點問題，也屬于高校心理健康教育工作的核心任務。文獻[4]、文獻[5]均以心理健康管理為核心設計了基于新媒體技術的大學生心理健康管理系統、基于大數據挖掘的大學生心理預警系統，兩種系統對學生心理健康問題的評測存在一定可用性，但在并發用戶量較多的環境下評測性能有待優化。

本文設計了基于物聯網技術的高校心理健康智能評測系統，本著準確評測高校大學生心理健康狀態為核心思想，以期更好地服務于高校大學生心理健康的管理工作。

1 基于物聯網技術的高校心理健康智能評測系統

1.1 系統結構設計

基于物聯網技術的高校心理健康智能評測系統的拓撲結構如圖1所示。

圖1 基于物聯網技術的高校心理健康智能評測系統的拓撲結構

基于物聯網技術的高校心理健康智能評測系統分為感知層、網絡層、應用層。感知層主要功能是采集高校學生心理健康測試數據；網絡層屬于系統通信核心，主要使用ZigBee網絡連接各層結構的聯系[6-8]；應用層可實現高校心理健康智能評測信息存儲與高校心理健康智能評測。細化基于物聯網技術的高校心理健康智能評測系統的功能結構，詳情如圖2所示。由圖2可知，基于物聯網技術的高校心理健康智能評測系統的功能模塊主要是心理健康信息采集模塊、通信模塊、心理健康測評模塊。心理健康信息采集模塊屬于感知層的核心模塊，用戶通過客戶端/瀏覽器登錄系統后，在用戶界面填寫心理健康測評問題，系統感知層以此實現心理健康信息采集[9]；感知層心理健康信息采集模塊采集用戶心理健康信息后，通過系統網絡層通信模塊的ZigBee網絡傳輸至應用層的心理健康測評模塊[10-11]；心理健康測評模塊使用基于模糊綜合評判的心理健康智能評測模型，實現高校大學生心理健康智能評測。

圖2 基于物聯網技術的高校心理健康智能評測系統功能結構

1.2 基于模糊綜合評判的心理健康智能評測模型

因心理問題具有復雜性與模糊性，本文在綜合評測心理健康時導進多層次綜合評測模型，實現高校大學生心理健康智能評測。

1.2.1 構建因素集和評語集

設置高校學生心理健康評測因素有軀體化、強迫癥狀、人際關系敏感、抑郁、焦慮、敵對、恐怖、偏執及精神病性。心理健康評測因素集是U={u1,u2,…,un}，n是心理健康評測因素數目。將心理健康評測的評語集設成V={v1,v2,v3,v4}，v1、v2、v3、v4依次代表心理健康狀態良好、心理健康狀態正常、心理健康狀態輕度異常、心理健康狀態嚴重異常。

1.2.2 構建多層次模糊綜合評測模型

細分心理健康評測因素集U={u1,u2,…,un}，根據較為普遍使用的心理健康量表SCL-90，將高校學生從感覺、情感、思維、意識、行為習慣和風俗等方面進行心理健康程度的劃分，劃成子集，子集數量是s=1,2,…,90，則評測因素子集是：

Ui=ui1,ui2,…,uis

(1)

其中，i∈s。∪si=1Ui=U，Ui∩Uj=φ，i≠j，代表不同評測子集。

Ui里每個心理健康評測因素子集分配的權值是Ai={ai1,ai2,…,ais}，全部權數符合條件∑nii=1ai1=1。

將各個評測因素子集Ui分別看做一種心理健康評測因素U，則：

U=U1,U2,…,Us

(2)

此時心理健康評測的單因素bsn的決策矩陣R是：

R=b11b12…b1n

b21b22…b2n

???

bs1bs2…bsn

(3)

高校學生心理健康評測因素U分為多個子集Ui，各個子集Ui代表心理健康評測因素U的某個特征情況，然后按照各個子集Ui對心理健康的影響重要水平分配權數。則心理健康評測權重值為

A=a1,a2,…,as

(4)

其中，as是權重值。

以此能夠獲取心理健康評測的二級評測向量模型：

B=A°R=b1,b2,…,bs

(5)

二級決策模型如圖3所示。

圖3 二級決策模型

因為某個大學生心理健康狀態需要通過心理專家、心理醫生實施定義，且差異因素對不一樣的學生存在不一樣的作用，所以一般需要通過專家調查估測法設置權重[12]。

綜上所述，構建高校學生心理健康狀態二級模糊綜合評測模型，將心理健康評測因素集U實施層次分層，層次數目為2。第1層是按照高校學生的軀體特征、人際特征、性格特征進行評測；第2層是將上一層的心理健康評測因素的屬性進行劃分，分成三個心理健康評測因素子因素集，分別實施模糊綜合評測[13-15]。具體步驟如下。

(1) 心理健康評測因素首級因素集

心理健康評測首級因素集是：

U=U1,U2,U3

(6)

其中，U1、U2、U3分別是學生自身軀體特征、人際特征、性格特征。

(2) 心理健康評測第二級因素集

對首級因素集進行二級劃分，則心理健康評測第二級因素集中子集分別是：

U1=u1,u5,u9

(7)

U2=u3,u6,u7

(8)

U3=u2,u4,u8

(9)

其中，u1、u2、u3、u4、u5、u6、u7、u8、u9分別是軀體化評估因子、強迫評估因子、人際關系敏感評估因子、憂郁評估因子、焦慮評估因子、敵對評估因子、恐懼評估因子、偏執評估因子、精神病評估因子。

則心理健康評測二級評測矩陣分別是：

U1=u1

u5

u9

(10)

U2=u3

u6

u7

(11)U3=u2

u4

u8

(12)

(3) 將已建立的各個心理健康評測因素子集實施綜合決策評測，心理健康決策集是V={v1,v2,v3}，Ui里每個心理健康評測因素的分配權數是A=(a1,a2,…,as)。若單因素矩陣是Ri，那么建立了心理健康評測的一級評測向量。

(4) 心理健康評測因素u的單因素決策矩陣是：

R=B1

B2

B3=b11b12b13

b21b22b23

b31b32b33

(13)

式中，B1,B2,B3分別表示高校學生的軀體化特征、人際特征、性格特征的評測結果。其中，U分為多個Ui，各個Ui代表相應的高校學生心理健康特征，此時權重分配為

A=a1,a2,a3

(14)

采用模糊矩陣合成計算，獲取高校大學生心理健康評測的二級評測向量：

B′=A°R=a1,a2,a3°b11b12b13

b21b22b23

b31b32b33

(15)

得到模糊綜合評測的結果集B′，按不同的權重值融合了各項心理健康評測因素的結果，實現了大學生心理健康狀態評測。

2 實驗結果與分析

實驗中本文系統運行環境是：① 服務器硬件配置為PC機，CPU雙核，內存為8 GB；② 客戶端硬件配置為手機、內存128 GB；③ 服務器軟件配置為Linux操作系統，數據庫為SQL Server 2019；④ 網絡環境為ZigBee網絡。為測試本文系統對高校心理健康評測問題的應用價值，以某高校2017年400名新生為評測目標。

2.1 心理健康信息采集模塊

心理健康信息采集模塊屬于本文系統感知層的核心模塊，主要通過心理健康測評問題實現心理健康信息采集，將應用本文系統的并發用戶量依次設成50人、100人、150人、200人、250人、300人、350人、400人，測試本文系統在采集用戶心理健康信息時，所采集信息是否存在錯誤，因用戶在本文系統中的心理健康信息主要通過心理測試題的形式體現[16]，為此，在測試本文系統心理健康信息采集效果時，主要以心理健康信息條數為判斷條件，則本文系統心理健康信息采集效果如圖4所示。

圖4 本文系統心理健康信息采集效果

由圖4可知，當本文系統并發用戶量從50人增加至400人時，所采集的心理健康信息量也逐漸增多，但本文系統采集結果與實際信息條數始終一致，不存在偏差。由此可證，本文系統心理健康信息采集模塊的采集功能可滿足心理健康信息采集應用需求。

2.2 通信模塊

一個性能卓越的評測系統，通信網絡應用性能十分關鍵。通信網絡通信時延與系統應用反饋效果存在直接聯系。為此，將應用本文系統的并發用戶量依次設成50人、100人、150人、200人、250人、300人、350人、400人，測試本文系統在評測學生心理健康狀態之時，通信時延詳細情況如圖5所示。由圖5可知，伴隨并發用戶量逐漸增多，本文系統通信時延最大值0.35 s，時延較少，表示并發用戶量對本文系統應用效果不存在顯著影響，本文系統通信性能極好。

圖5 本文系統通信時延測試結果

2.3 心理健康測評模塊

本文系統心理健康測評模塊對該校大學生心理健康評測精度如圖6所示。由圖6可知，本文系統通過心理健康測評模塊對該校400名新生心理健康進行評測后，心理健康狀態良好、心理健康狀態正常、心理健康狀態輕度異常、心理健康狀態嚴重異常四種心理健康狀態所屬人數和實際人數一致，評測結果精度較高，評測結果可信。

圖6 評測精度

2.4 本文系統性能測試

為測試本文系統應用性能是否存在優勢，以文獻[4]所設計基于新媒體技術的大學生心理健康管理系統、文獻[5]所設計基于大數據挖掘的大學生心理預警系統為對比系統，測試本文系統在同類系統中的使用價值。將并發用戶量依次設成100人、200人、300人、400人，測試此條件下，三種系統對學生心理健康評測因素漏識率，漏識率計算方法是：

Ω1=δ1-γ1×100%

(16)

其中，δ1、γ1分別是3種系統所采集識別的因素數目與實際因素數目。

三種系統漏識率測試結果如圖7所示。由圖7可知，不同并發用戶量條件下，本文系統對軀體化因子、強迫因子、人際關系敏感、憂郁因子、焦慮因子、敵對因子、恐懼因子、偏執因子、精神病9種評測因素的漏識率存在顯著差異，本文系統漏識率最大值為1.98%，文獻[4]系統、文獻[5]系統漏識率均大于6%，大于本文系統。由此可見，本文系統在評測高校大學生心理健康狀態時，9種評測因素的漏識率最低，采集效果最佳。

(a) 本文系統漏識率測試結果

(b) 文獻[4] 系統漏識率測試結果

(c) 文獻[5]系統漏識率測試結果圖7 三種系統漏識率測試結果

3 總結

本文設計了一種基于物聯網技術的高校心理健康智能評測系統，并與基于新媒體技術的大學生心理健康管理系統、基于大數據挖掘的大學生心理預警系統進行對比發現，本文系統在評測高校大學生心理健康狀態時，評測因素漏識率最低，可優化高校大學生心理健康評測效果。

且通過實驗驗證，本文系統所采集心理健康信息量與實際信息條數始終一致，不存在偏差；對某校400名新生心理健康進行評測后，心理健康狀態良好、心理健康狀態正常、心理健康狀態輕度異常、心理健康狀態嚴重異常4種心理健康狀態所屬人數和實際人數一致；本文系統不受并發用戶量影響，系統通信網絡不存在顯著時延，使用價值較高。