基于大数据分析的心理问题预警方法研究

童欢欢

（西安航空职业技术学院，陕西西安 710089）

随着科技与经济的全面发展，社会的贫富分化也逐渐加剧，这直接导致诸多心理问题的集中爆发。例如焦虑、抑郁与狂躁等[1]，处于亚健康心理状态的人并不在少数，尤其是心智还未完全成熟的高校大学生们。若缺乏适当的引导与预警，必然会发生较多恶性案件[2-4]。所以，如何正确地监控与预警高校大学生的心理健康状态，是现阶段亟需解决的重要理论和现实问题[5-7]。目前针对这一问题，国内外学者已经做出了一些值得借鉴的工作。然而随着学生心理的持续发展，这些预警机制较难及时地发现高校学生的心理变化，其实时性与有效性并未有明确的结果。同时为了维护这一监控体系，学校需要定期更新与优化普查软件。其维护成本将迅速增加，最终导致预警机制难以为继[8-10]。

为了避免传统高校学生心理预警机制的诸多缺点，文中通过引入大数据技术，提出了一种具有较优实时性与有效性的心理问题预警方法。利用ASP 与AJAX 技术实现了实时的心理健康动态管理平台，引入SQL 数据库[11-12]等技术，克服了传统纸质文件的繁琐复杂操作。最终，建立以校园网为共享平台的心理预警动态管理系统。

1 心理健康现状

一般而言，在心理学的研究领域中，心理健康是指人们对周边环境与事物均存在良好的适应能力。目前在高校日常工作中，多数的大学生刚脱离原生家庭，心智处于不成熟阶段。一旦出现影响自身情绪的重大事件，则容易诱发严重的心理障碍。利用传统的心理普查软件，文中对某高校在校大学生的心理状况进行全面的统计与分析，如表1所示。

表1 某高校心理健康情况统计表

由统计数据可知，较多大学生均存在严重的心理问题。所以，为了更优地监控学生的心理问题，通过引入大数据分析技术，文中提出了具有较优实时性与准确度的心理问题预警系统。

2 系统设计

为了减轻高校心理辅导人员的工作强度，增强大学生心理监控的实时性与准确度。文中在传统的心理监控流程的前提下，基于多种跟踪评价技术设计了高校大学生的心理问题预警系统，其具体内容如下。

2.1 总体方案

当新生入学后，高校通常会对所有的学生进行必要的心理普查测试，并在后续的学习过程中，尽量实现实时的监控与预警。为了实现这一目的，文中提出心理问题预警系统的总体设计方案，如图1所示。

图1 学生心理预警总体设计方案

2.2 数据库设计

为了提高系统的数据处理速度与效率，根据系统的总体设计方案，利用SQL Server 软件，文中对预警系统的数据库进行了必要的优化设计，其具体介绍如下。

由系统的总体方案可知，心理辅导站需承担汇报与预警等多种任务。所以文中将心理辅导站设置为系统的预警工作核心，其他用户均围绕心理辅导站展开心理问题的预警工作。其心理问题监控和预警的工作体系，如图2 所示。

图2 心理问题监控与预警体系图

根据图2 给出的工作体系，文中设计了详细的数据表格式，并应用于具体的预警系统中。在SQL Server软件中，文中设置了Units、Member与Orga_struct等18 个数据表格式。鉴于篇幅所限，文中只列出了Units 和Member 两个数据表设置，如图3、4 所示。

图3 Units表数据库设置

图4 Member表数据库设置

2.3 大数据技术

为了建立具有较高实时性与有效性的预警系统，文中引入了多种大数据分析技术，主要包括Hadoop[13-15]、JSP、HDFS[16]和B/S 结构等技术，具体介绍如下：

1）Hadoop 技术

Hadoop 是广泛应用于大数据领域的分布式计算平台，该技术是基于Java 语言进行开发，能够应用于多种平台且提供了透明的底层细节。通常Hadoop 技术能够实现伸缩式的数据处理，其特征主要有以下几点：①具有较高的可靠性，这是因为该技术采取冗余的数据存储方式，即便单个数据副本发生一定的故障，其他的数据副本也能够继续提供服务；②具有较高的执行效率，这是因为Hadoop 技术采用了分布式的存储与处理技术，可以并行处理PB数据；③具有较优的扩展性，这主要表现在Hadoop技术对于执行设备没有特殊要求，配置较低的计算机设备也可以运行该技术；④具有较高的容错性，当执行任务出现错误后，Hadoop 技术能够重新分配发生错误的任务，保证分布式计算的正常运行。

2）JSP 技术

JSP 技术是一种由Sun 公司提出的网站开发语言工具，其全称为Java Server Pages，即服务器页面技术。在静态HTML 页面代码的基础上，JSP 技术综合了Java Bean 与Serverlet 等软件平台，实现了强大的程序站点管理。

3）HDFS 技术

HDFS 技术是适用于Hadoop 架构中的分布式存储方法。该技术采用流式处理方法，具备执行超大数据量的处理能力，且可以在通用设备上运行。通常在执行超大数据量的处理任务中，由于HDFS 采取简单一致性模型，即只需写入一次即可多次读取。因此保障了数据存储系统的安全性，降低了大数据存储系统的复杂度，同时提高了系统的吞吐量。

4）B/S 结构

为了实现学生心理问题的预警系统，文中引入了B/S 结构，即浏览器与服务器系统结构。一般而言，B/S 结构也是由C/S 结构（客户端与服务端结构）演化而来，其工作原理为用户使用浏览器及后台服务器进行必要的交互和通信。较少的信息处理等任务在客户端完成，大量的事务信息等处理任务由服务器在远端完成。B/S 结构的工作模式急剧地降低了用户设备的工作压力，从而提升系统的运行效率与速度。

3 系统实现

根据系统的总体设计方案，文中基于B/S 结构，利用大数据分析技术与常规网络技术，实现了具有较高准确性和可靠性的心理问题预警系统。在系统实现中，文中利用多种计算机语言对系统的外观与内核等模块均进行了编程和实现，这些模块主要有自公共类、数据库、用户登录界面和母版界面等。鉴于篇幅所限，文中只展示公共类与数据库函数的具体代码。

1）公共类

文中引入了ASP 技术，则该系统数据库的公共类定义可以减少一定的代码量。同时实现多种数据的操作函数，其Db 公共类的源代码如下：

2）数据库函数

为了实现数据库的查询、插入与读取等功能，文中编写了相应的函数。鉴于篇幅有限，文中仅列出插入函数的源代码，如下：

4 测试与数据分析

为了验证预警系统的可行性，文中在系统实现的基础上，进行了必要的运行测试与分析。需要说明的是，基于完整的外观与内核系统代码，针对预警系统的可靠性，文中执行了多次运行测试，并与传统人工预警模式的运行平均耗费时间进行比较，具体情况如表2 所示。

表2 两种心理预警系统的可靠性测试结果

由表2 的测试结果可知，与传统预警模式相比，基于大数据分析的心理预警模式具有更加灵敏的响应，且所需时间较少。

此外，文中还对这两种预警模式的预警准确度进行了必要的运行和分析。由其运行过程可知，基于Hadoop 与HDFS 等大数据技术的心理问题预警系统可以流畅地运行。其登录与谈话记录等多种功能均可准确执行，达到了初始的系统设计目的。此外，为了衡量该系统的预警准确度，采用某高校的真实数据，文中分别对传统人工预警模式与提出的预警系统进行必要的测试。测试统计结果如表3 所示。由表3 可知，与传统人工预警模式相比，基于Hadoop等大数据技术的预警系统具有更高的预测准确率，说明了文中提出的预警系统的有效性与优越性。

表3 两种心理预警系统的测试统计结果

5 结束语

在Hadoop 等大数据分析技术的基础上，文中提出了一种适用于高校学生心理监控的预警系统，相关仿真结果证明了该系统的可靠性与准确度。然而由于计算能力与平台的限制，文中未能测试该系统的稳定性；换言之，大量的并发数可能会造成系统的瘫痪。未来将针对该问题展开进一步的深入研究。