大数据视阈下的大学生心理危机识别与预警探讨

李 旭，郑 雪

（1.广东石油化工学院心理健康辅导中心，广东 茂名525000；2.华南师范大学心理应用研究中心、心理学院，广东 广州 510631）

近年来，随着互联网的飞速发展，特别是社交网络、物联网、云计算以及移动云终端的广泛应用，各类数据量出现了几何级增长，成为当今社会增长最快的资源之一。面对如此增长迅速、庞大繁杂的半结构化或非结构化数据资源，传统的数据存储、分析和处理技术难以应对，大数据（big data）的概念因此应运而生。与大数据相关的数据挖掘和数据应用等技术迅速成为信息科学领域的热点话题，得到了许多领域专家的广泛关注。大数据相关技术是继云计算、物联网之后，信息产业领域的又一次颠覆性的技术革命，对国家管理、组织决策，以及个人生活等都将产生巨大而深入的影响。

近年来一些国际顶级科技杂志，如Science、Nature等均出版专栏讨论大数据在各科学领域中的运用。在心理学领域，许多心理学家也开始利用各种大数据平台收集和处理各类数据进行相关研究。如Gilbert等人通过手机App平台收集人们实时的情绪、思绪等相关信息，来进行幸福事件的研究。Wu等人利用Facebook数据对被试进行人格判断研究，发现准确度和有效率均高于熟人的主观判断。因此，将大数据技术引入到心理健康领域，提高大学生心理危机识别的准确率和有效性是一个值得探讨的问题。

一、当前大学生心理危机识别和预警中存在的问题

大学生心理危机的早期识别和预警对于高校降低和减少因心理问题导致的意外伤害事件具有重要作用。近些年来，随着社会发展和心理健康知识的普及，大部分国内高校都高度重视对在校大学生心理危机事件的识别和预警，并形成一些程序化的做法，但仍存在一些问题。具体表现如下：

1.过分依赖临床诊断量表

临床诊断量表是国内高校进行学生心理危机排查和预警的首选工具。目前常用的临床诊断量表有症状自评量表（SCL-90）、艾森克人格问卷成人版（EPQ-A）、抑郁自评量表（SDS）和焦虑自评量表（SAS）等。但上述量表均来自西方文化背景，虽然国内在引进时进行了中国文化背景的修订工作，但其题项及常模标准均非常滞后，信效度水平较低，测量误差较大。同时，国内高校在使用上述量表时均以商业化的心理档案系统为载体进行，在测量方式上采用的人机对话式的集体测量，其科学性和有效性就更受到置疑。除此之外，上述自评式临床诊断量表均无法排除受测学生的掩饰性及社会赞许性对测量结果的影响。

2.各筛查指标缺乏关联

除临床诊断量表外，门诊咨询和日常排查也是学生心理危机识别和预警的重要来源。但从目前情况来看，国内高校在进行心理危机预警时并没有将上述各项筛查指标有效地结合起来，而是独立地发挥其作用，造成了对高危个体评估的极端片面性，从而降低了心理危机排查的有效性和准确率，导致了对很多高危个体不能及时地进行识别和预警。

3.数据难以实现动态化

人的心理变化是动态变化的，特别是个体的一些隐性心理问题，只有在特定的应激环境中才会被激发表现出来。而目前不管是心理普查还是日常的心理排查，大部分筛查数据都是以静态数据的形式保存的。这种静态化的数据管理方式严重滞后于学生的心理变化过程，导致学校建立的学生心理档案数据与学生的实际心理状况严重不一致，从而大大降低了学生心理危机识别和预警的时效性。

二、大数据技术在学生心理危机识别和预警中的应用

大数据技术可以通过记录受测者的日常行为数据来分析他们的心理属性和日常行为的关联模式，及时发现个体面临的心理健康风险，有利于学生心理危机的早发现、早干预。具体作用表现在以下几个方面：

1.拓展心理危机排查的筛查指标

目前，国内高校学生心理危机的识别和预警主要是基于临床诊断量表的统计分析，而在大数据时代，真实、准确、及时的大数据样本将为大学生心理危机的筛查方法带来新的变革。通过与学生的智能化信息管理系统相结合，各高校可借助于无处不在的大数据（网络使用、宿舍管理、课堂出勤等），在进行学生心理危机识别和预警时摆脱对临床诊断量表的过分依赖，最大限度、最为高效地扩充潜在的筛查指标，并使学生心理危机的排查摆脱时间和空间的制约，尽可能避免社会赞许效应，最大程度地规避受测对象在测试过程中受到的各种繁杂和无关的干扰。

2.实现心理预警数据的动态管理

目前以临床诊断量表为主要评估方式的学生心理预警数据具有静态化和滞后性等不足，而大数据技术具有处理速度（velocity）快的特点，能够及时收集和处理大量在线或实时数据。通过大数据技术获取的学生心理危机筛查数据具有实时性特点，其更新频率甚至可以提高到以秒为单位。大学生心理危机的筛查可以借助于大数据技术，在传统的结构化数据分析的基础上，通过对各类半结构化或非结构化数据的实时收集和处理，从而实现学生心理预警数据的动态化管理，提高心理危机识别的时效性。

3.实现对高危个体的实时心理监控

目前的学生心理危机预警系统局限于临床诊断量表评估的滞后性，难以实现对高危个体的实时心理监控。而借助大数据技术，可以利用受测者的各类日常生活痕迹来弥补临床诊断量表评估的不足。数据挖掘（data mining）是从大量的、不完全的、有噪声的、模糊的和随机的实际应用数据中，提取隐含在其中的但又是潜在有用的信息和知识的过程。利用这一技术，通过积极学习等方法建立基于学生日常行为分析的心理危机预警模型，并通过模型实时评估学生的心理健康状态，实现对高危个体的实时心理监控和自动预警。

三、利用大数据技术应注意的问题

大数据技术对提高大学生心理危机识别与预警的有效性和准确率具有重要作用。但同时我们也要认识到，大数据也有可能会给高校学生心理危机识别和预警工作带来风险。其中风险之一就是学生的隐私权和安全感风险。利用大数据技术可以对学生的日常生活数据进行全方位的抓取和挖掘，这必然涉及到学生隐私权保护的外延和边界。风险之二就是导致“数据万能论”。大数据技术所带来的筛查方法上的巨大革新，可能会导致心理健康工作者更多地关注大数据本身，从而完全忽视或否定以临床诊断量表为基础的传统筛查方法。

目前，国内高校对大学生心理危机的识别和预警还简单地停留在以临床诊断量表为基础的统计分析阶段，并未对学生日常行为数据的潜在价值进行有效的数据挖掘。将大数据技术应用于大学生心理危机的识别和预警工作，可以为开展大学生心理健康教育的规划、决策提供依据，有利于学生心理危机的早期预防和干预，促进和谐校园建设。

[1]喻丰，彭凯平，郑先隽.大数据背景下的心理学:中国心理学的学科体系重构及特征[J].科学通讯，2015，60（5-6）:520-533.

[2]Killingsworth M.A.,Gilbert D.T.A wandering mind is an unhappy mind[J].Science,2010,330（6006）:932-932.

[3]Youyou W.,Kosinski M.,Stillwell D.Computer-based personality judgments are more accurate than those made by humans[J].Proceedings of the National Academy of Sciences，2015,112（4）:1036-1040.

[4]解学慧.心理测量本身及其在应用中的问题[J].心理科学，2007，30（2）:422-424.

[5]何非，何克清.大数据及其科学问题与方法的探讨[J].武汉大学学报（理学版），2014，60（1）:1-12.

[6]化柏林.数据挖掘与知识发现关系探析[J].情报理论与实践，2008，31（4）:507.

[7]冯登国，张敏，李昊.大数据安全与隐私保护[J].计算机学报，2014,37（1）:246-258.