基于云计算技术的高校心理健康在线服务平台设计

李春燕

（东北石油大学，黑龙江大庆 163318）

高校学生压力随社会高速发展与日俱增，大学生心理健康问题越来越受到人们重视。相关研究学者调查问卷结果显示，五分之一以上高校学生利用网络寻求过心理帮助；二分之一以上高校学生利用网络心理咨询获取帮助。近年来，高校恶性事件发生率明显高于以往，高校学生心理健康成为社会以及研究学者关注的重点，高校学生心理健康问题已成为目前高校迫切需要解决的问题[1-3]。

及时监测高校学生心理健康状况，并及时干预出现心理危机的高校学生，有效提升高校学生心理健康[4-6]。为此，有学者提出了基于茶文化环境构建个性化高校学生心理健康教育机制平台，将具有悠久历史文化的茶文化环境应用于高校学生心理健康教育机制中，培养学生心理健康教育，令学生重视心理健康对自身发展的重要性；有学者提出了基于新媒体技术构建大学生心理健康管理平台，将日益发展的新媒体技术应用于大学生心理健康管理平台构建中，令大学生心理健康管理进入新阶段[6-8]。

云计算技术是近年来网络技术高速发展诞生的新型并行计算技术，适用于海量大数据计算，已广泛应用于各领域[9]。为此，设计了基于云计算技术的高校心理健康在线服务平台，通过现代化技术构建可实时监控并为高校学生提供心理健康在线服务的平台，高校学生可通过手机、电脑等可联网设备访问平台，利用终端设备上传个人心理危机状况，平台依据高校学生心理状况分配心理危机干预人员以及健康管理人员，为高校学生第一时间提供心理健康服务。

1 云计算技术的高校心理健康在线服务平台

1.1 平台总体结构

依据平台信息化及高校用户需求，以互联网技术及云计算技术作为平台主要技术[10]，云计算技术的高校心理健康在线服务平台总体结构如图1 所示。

图1 平台总体架构

通过图1 平台总体结构图可以看出，平台共分为应用层、云计算层、网络层以及设备层四部分，各层介绍如下：

1）设备层。设备层是平台建设所需硬件设备集合，设备层处于云计算平台最底层，利用设备层为平台整体架构提供设备支持。设备层主要包括传感器、摄像头以及手持设备等，通过设备层内设备采集用户信息[11]。利用呼吸速率传感器、心率传感器等设备，通过所采集的数据检测用户不同情况下的心理状态。

2）网络层。平台通过光纤网络、无线网络以及校园网络为平台提供网络支持，利用网络层实现高校用户心理健康数据接收、传输以及共享，通过网络实现各项设备与用户信息和资源的传输。

3）云计算层。通过云计算层处理海量高校心理健康数据，平台的云计算层包括功能层、智能处理层以及数据层三部分，通过以上三部分实现海量心理健康数据分析、存储及集成。数据层负责存储高校用户信息、用户心理数据、相关服务数据以及数据记录；智能处理层利用相关云计算处理技术实现海量数据挖掘、检索、分析、共享以及融合等各项处理[12]，利用处理结果为用户提供符合需求的信息；功能层为平台提供消息、语音以及视频等功能，为应用层提供视频、语音等功能服务。

4）应用层。应用层位于平台最顶层，是高校心理健康服务面对高校用户的直接体现层，高校心理健康服务平台应用层主要分为高校用户模块以及心理咨询师模块两部分，高校用户模块以及心理咨询师模块分别服务高校学生、教师以及心理咨询师等用户，不同用户通过相应模块入口进入平台，且相关数据可互相关联。

1.2 云计算平台部署以及信息推送流程

利用部署云计算平台的云服务，实现平台内海量数据存储、服务以及计算，用户可在电脑、手机以及iPad 等终端设备实现信息推送及访问需求，满足用户高校心理健康服务需求。平台设置高校心理危机预警数据库，依据心理健康指标体系建立云计算层的心理危机预警数据库内，数据库内集合危害大学生心理危机干预机制以及关键因素，其中包含大量心理危机指标体系，平台依据心理危机指标体系评估用户心理状态，评估结果为危险时，平台需要及时发送危机预警至相关负责人，相关负责人依据接收结果对用户实施心理干预以及治疗，避免用户出现心理危机问题[13]。

云计算技术的高校心理健康在线服务平台包括硬件设施以及软件设施，通过应用服务及数据中心部署平台。通过数据中心实现海量心理健康数据的云计算，利用存储设备及服务器组成数据中心，平台将虚拟计算机分配至所有用户，用户利用网络连接至云计算平台，云计算平台部署框架如图2 所示。

图2 平台部署框架

依据图2 平台部署框架实现心理健康数据中心的云端存储、数据计算以及信息推送，信息推送流程如图3 所示。平台管理员针对不同高校用户通过信息推送模块，利用并行Apriori 算法等云计算技术设置不同推送内容，推送结果利用虚拟机通过信息接收代理发送至平台用户，平台实时监测用户的登录状态便于及时发送推送信息。

图3 平台信息推送流程

1.3 云计算的数据挖掘算法

利用并行Apriori 算法的云数据挖掘方法处理平台内海量数据。

1.3.1 数据简化处理

挖掘平台内海量云数据前，需简化处理数据属性，简化过程如下：

1）统计平台内全部云数据属性并排序；

3.采用E-training 模式的另一个显著优势还在于，手机信号既可以传输、下载文字资料，也可以传输、下载图片、音频、视频等信息，通过图片，尤其是音频、视频等类型的资料传输，就能够解决那些文盲、半文盲等文化素质低下或有阅读障碍员工的文字阅读问题，这就从根本上解决了那些文化素质差的员工的教育培训问题。另外，一般情况下，尽管E-training 模式会采用大量图片、音频、视频等信息，但文字培训材料仍将会是大量的，而由于一线员工文化素质普遍较低，因此，在编写文字培训材料时，应充分考虑基层员工的接受能力，应尽可能做到短小精悍、简明扼要、通俗易懂。

2）删除冗余数据属性，简化处理云数据属性[14]。依据平台内海量云数据属性关联简化处理数据，过程如下：

①获取平台内云数据属性的等价数据集；

②用B与C分别表示用户需求数据属性以及云数据属性，依据数据挖掘需求E与云数据属性C间关联，获取不同数据属性间关联性系数分别用η(C,E)以及η(C-{B}，E)表示；

③平台用户需求数据属性权值系数公式如式（1）所示。

当T(B,C,E)>0 时，表示用户需求与该属性数据间存在关联，将该属性数据保存；当T(B,C,E)≤0 时，表示用户需求与该属性数据并未存在关联，将与用户需求无关联的冗余数据去除；

④将利用以上过程简化处理后的云数据存储于数据库内，便于后续用户使用。

计算简化后云数据关联规则[15-20]，通过简化后云数据所组成的数据集获取关联规则，提升数据挖掘的准确性及实时性。

利用Apriori方法挖掘海量云数据，统计全部海量云数据，获取云数据种类数目，计算不同数目的云数据支持度，用Nl与N2分别表示利用最小支持度数据获取频繁1项以及频繁2项数据集合，重复迭代以上过程直至无法获取频繁项数据集合。具体步骤如下：

1）数据连接。通过自体连接处理数据集合Nl-l获取数据项Cl，nl、n2与nj[k]分别表示数据集合Nl-l内元素以及第j个元素的第k项。数据集内海量云数据依据降序规则排列，以nj[]1

设前l-2 项数据属性简化后在数据集内相同，则元素nl与元素n2在数据集Nl-l内为可连接，数据集内元素需要符合式（2）：

以上步骤所获取连接结果如式（3）所示：

2）数据剪枝处理。设nl超集用Cl表示，依据候选项数量可通过数据集Cl获取Nl-l。设数据集Cl内存在海量元素，需压缩处理。当数据集Nl-l内未存在l项集子集时，将其删除，剩余数据即为用户需求数据，通过以上过程实现云计算平台内的数据挖掘处理。

2 高校心理健康在线服务平台性能的仿真测试

为检测云计算技术的高校心理健康在线服务平台针对高校学生心理健康服务的有效性，选取某地某高校2018 级1 000 名学生作为实验对象。平台服务该高校学生心理健康结果如表1 所示。从表1 平台测试结果可以看出，平台可满足用户各项测试指标成功运行，平台执行各项操作响应时间均低于300 ms，有效说明文中所设计的心理健康服务平台具有较高有效性，且平台具有较高的实时性，可满足高校用户实时性需求。

表1 文中平台服务结果

采用文中平台服务高校用户心理健康，不同设备数量时平台执行时间对比结果如图4 所示，为直观展示该平台的运行性能，将文中平台与个性化平台(参考文献[7])以及新媒体技术平台(参考文献[8])进行对比。从图4 平台测试结果可以看出，文中平台随设备数量增加执行时间有所下降；个性化平台以及新媒体技术平台随设备数量增加，执行时间有所提升。平台测试结果说明，文中平台在设备越多时执行性能提升越明显，主要原因是该平台利用云计算技术搭建，通过Apriori 方法挖掘海量云数据，云计算技术具有并行计算性能，有效提升该平台的扩展性。

图4 不同设备数量时平台执行时间对比

选取该校1 000 名学生作为调查对象，调查采用文中平台服务学生心理健康，学生的体验感受统计结果如表2 所示。从表2 调查统计结果可以看出，88.4%的学生认为采用该平台有助于高校学生准确定位自身心理健康情况；90.1%的学生认为采用该平台可明确影响心理健康的问题所在；有助于用户针对具体影响心理健康问题做出调整；90%以上的用户认为该平台可通过合理的心理健康指标体系评价用户心理状态；该平台具有较高的心理健康服务有效性；该平台有助于用户进一步了解自身心理健康；用户使用该平台与心理咨询师沟通情况良好，可通过与心理咨询师咨询获取理想心理调节效果。调查结果有效地验证了平台具有较高有效性，可为用户提供良好心理健康服务。

表2 学生体验感受调查结果

为进一步验证用户使用该平台的满意程度，令1 000 名学生填写满意度调查问卷，调查结果如表3 所示。从表3 调查结果可以看出，大部分用户对平台方便性、反馈速度、响应速度、合理性等各项评价指标均表示满意，仅有低于2%的用户对界面设置以及信息使用率等指标评价结果为不满意，主要原因是调查结果为主观评价结果，个人主观意识占评价结果的主要部分。调查结果表明所设计的高校心理健康服务平台可满足大部分用户服务需求，信息占用率及信息使用率满意度较高，表明平台可有效节省平台资源；用户对平台响应速度满意度较高，表明平台可满足用户对心理健康服务实时性要求。

表3 平台使用满意度调查

3 结束语

高校学生心理健康问题是目前各高校极为重视的问题，利用云计算技术构建高校心理健康服务平台，完善高校心理健康指导中心对高校学生心理健康服务的高效性。通过部署完备的平台，建立高效学生心理健康信息档案，用户可通过手机、电脑以及iPad 等移动设备随时登陆平台，通过光纤网络、无线网络以及校园网络随时与平台连接，令所建立的平台具有更高的实用性。