基于大数据的高校学生心理问题干预模式探析

周成毅 王艺鑫 黎小源

（西南科技大学计算机科学与技术学院 四川 绵阳 621000）

据《中国青年报》报道：12%的大学生有中度以上的心理困扰，大数据的应用，为大学生心理健康教育工作提供了新思路。[1]探索基于数据挖掘与算法分析的构建途径，提升高校心理健康教育工作的效率与服务质量，更好地促进“95后”大学生的成长成才。[2]

一、高校“95 后”心理问题产生原因

近年来，大量研究资料表明，高校“95后”中有相当一部分人存在心理问题，且数量在逐年上升。关注、解决高校这个人群的心理问题已刻不容缓。

（一）原生家庭

1.独生子女

目前，我国处于社会转型时期，社会变迁作为重大的应激源将不可避免地给独生子女带来心理冲突。高校“95后”学生多为独生子女，有资料显示，独生子女心理健康问题相当严重，小学生约占15%，中学生占20%，大学生占25%。在其个人成长经历中，父母充当了相当重要的角色，对父母、家庭的过度依赖，是大多数独生子女的通病。独生子女没有亲兄弟姐妹，同龄伙伴的陪伴十分有限，交往伙伴主要是同班同学和邻居，不能完全弥补孤独感。父母的娇宠让在顺境中长大的他们在经济上有保证，生活上有安排。但进入高校后，一部分人不能完成身份、环境、心态的转变，独立的生活、学习与父母呵护的缺失引发一系列心理问题。

2.留守儿童

随着经济的快速发展，许多农村学生家长走出了山村，去城市打工，孩子成了留守儿童。据中商情报网报道，截至2016年，中国仍有902万留守儿童。由于缺乏父母的关爱，留守儿童对父母外出打工有偏见，出现逆反、叛逆的心理。[3]相对于正常家庭的儿童，多数留守儿童的心理及精神需求长时间得不到满足，内心产生一定的落差。相关大数据分析报告显示，留守儿童心理通常有以下特征：胆小、迟钝、不爱与人交往、少言少语、自我调控能力差等，直接影响其身心发展。当这批“90年代的留守儿童”步入高校后，潜在问题如果不得到妥善解决，对其未来的人生发展也会产生较大影响。

3.家庭缺乏相关认知

心理健康教育是新的社会热点，在物质生活充裕的当下，青少年的心理健康状况不容乐观。有人把孩子的心理问题归因于学校教育，或社会大环境，这些说法有一定道理。但笔者认为，很多时候家庭才是孩子心理问题的罪魁祸首。大部分父母重视智力教育，忽视心理健康教育，通常会将孩子的“烦恼”归结于青春期问题，导致孩子面临相同问题时，不想与父母沟通。父母的不重视，造成了家庭在疏导心理障碍方面的角色缺失。近几年，我国抑郁症患者中，青少年占比高达50%，研究发现，90%的父母是在孩子确诊后才意识到问题的严重性的。对于影像可见的器质性病变，我们可以做到早发现、早治疗；但对于心理疾病，家庭未给予足够的关注，无异于雪上加霜。

（二）社会转型

21世纪后，整个社会在飞速发展，高校学生面对的挑战也在增长。首先，因为高等教育的普及，每年都有越来越多的学生进入高校，大学毕业生也在逐年增长。尽管国家每年都在增加就业岗位，鼓励企业扩招；但一部分学生仍要面对“毕业即失业”的尴尬处境。其次，用人单位对学历的要求越来越高，为了顺应这种发展趋势，增加自身就业竞争力，每年选择读研、读博的人数也在攀升，特别是近几年考研人数，可谓“千军万马过独木桥”的第二次高考，更有甚者“二战”“三战”后仍不放弃。因此，如何紧跟发展步伐，如何在信息大爆炸时代脱颖而出，如何迎接未来的挑战，这些问题使“95后”们感到前所未有的压力。如何顺利完成学业，如何找到心仪的工作，这一切所造成的压力也不容小觑。

二、基于大数据解决高校“95 后”心理问题的机遇与优势

（一）传统方法存在弊端

高校研究与解决学生心理问题的传统方法是随机抽样与问卷调查，虽然有一定的可行性与研究价值，但由于问卷调查只能收集某一时刻的主观心理状态，缺乏时效性，调查的对象是整体而非个体，缺乏针对性，调查结果易受各种因素干扰。例如受访者有意隐瞒真实想法，或受当时调查环境刺激，因此传统方法很难解决个体的心理问题，更难实现针对潜在问题的预警。

（二）大数据的发展与机遇

信息时代，大数据技术是时代、社会进步的产物，在统计、分析中，发挥着举足轻重的作用。2019年全国大数据标准化工作会议暨全国信标委大数据标准工作组第六次全会指出，大数据作为国家战略，必须高度重视，全面推进。利用大数据建立高校相关心理预测平台，以此解决高校“95后”心理问题则既是机遇，又是挑战。[4]自2010年以来，利用大数据技术对高校学生进行心理危机预警研究，取得了许多成果。例如，2011年，使用数据挖掘的方法分析智能手机中数据的情况，将手机用户划分成五种人格；2013年，根据网络数据提出了利用大数据技术处理个人隐私问题的方法；2014年，将数据挖掘和管理技术结合起来，通过分析数据库，把人、地点及组织联系起来；2015年，应用大数据理论，对应对压力的各种方法进行分析；2016年，又提出了一种利用大数据技术的情感识别方法。在当前的互联网行业中，拥有从各种类型的数据中快速获得有价值信息能力的大数据技术，正在使这种技术走向大众。大数据技术的不断提升，与我们的生活息息相关，在各个方面都展现了解决问题的能力与潜力。

（三）大数据解决心理问题的优势

传统抽样问卷调查法简单易于操作，收集数据相对可靠，极大减少了调查员差异引起的偏差。但是，如果问题涉及个人隐私或相对敏感，尤其是纸质问卷，收集到的信息可能就不准确。相较于传统抽样与问卷调查，利用数据挖掘与算法分析，不仅节省时间、人力、物力成本，还可以获得每一个调查个体一套准确、及时的分析预测结果，实现测评个性化、针对性的最大化。利用大数据技术实现高校学生心理数据挖掘与算法分析，高校辅导员可随时掌握学生的社交状态、学习状态，预测其心理状态，根据算法分析结果密切关注高风险学生，并与之及时沟通交流，防患于未然。

三、相关数据挖掘与算法分析的途径与挑战

（一）类型分析

通过收集学生连接校园网的数据、分析其使用次数、时间段，来判断其社交行为与生活习惯。若经常连接，则说明学生可能社交活动频繁；若连接次数较少常集中于白天，则可能说明学生缺乏校内户外社交活动；若连接次数较少且常集中于晚上，则可能说明学生不仅缺乏校内社交活动，还缺勤。通过收集学生卡记录，根据消费记录可判断其交友情况。如若常存在两张卡同时同地消费则可能处于恋爱状态；若常存在两张卡以上多卡群体消费，则可能处于交友状态；若总是单卡消费则学生可能缺乏社交对象，处于独行状态。还可以根据校园人脸识别系统，分析其出入寝室、图书馆的次数与时间，若离开寝室时间较长、出入图书馆较多且停留时间长，则可能说明学生社交较少，学习时间较多；若离开寝室时间较长，但出入图书馆次数少且停留时间短，则可能说明学生社交娱乐时间或上课时间较多；若离开寝室次数少，在寝室停留时间长，则可能说明学生对上课与社交活动都不太积极。根据以上几种情况的分析，对于对社交和学习都不积极的学生，辅导员可及时与其沟通交流。该预测算法不仅可以分析单项数据，还可以分析多项联合交叉数据，得出更准确更详细的预测结果；不仅可以分析学生在校信息来实现预警，还可以尝试分析其智能手机搜索引擎记录、常用应用软件的使用情况、社交软件聊天记录，分析学生玩游戏时的潜意识行为及其心理状态等，但该数据挖掘手段需兼顾应用发展与隐私安全需求，因此只能在建立相关数据安全与隐私保护标准下实施。[5]

同时，该预测算法还可以利用人工神经网络，采用机器自主学习技术，实现预测算法的不断自我优化升级。

（二）面临的挑战

1.信息难以整合

高校学生所在的学院、班级不同，因此难以实现信息的整合，难以解决校园信息数据孤岛、碎片化问题。只有学校、学院、班级三级联动，学生个人数据的收集、数据整理挖掘、通过算法进行对应分析才能成为可能。例如，建立每个学生入校以来的个性化心理档案，进行信息收集、数据挖掘、观测动态变化。[6]

2.专业人才空缺

建立相关机制，需要专业的大数据技术人才展开全数据化分析，精准地进行智能收集、数据挖掘和算法分析。但大数据是新兴产业，目前只初步形成了产业链条，专业人才仍然短缺；因此，高校需不断引进或培养相关人才，使数据挖掘与算法分析系统预警与解决高校学生心理问题成为可能。

3.建立心理教育团队

培养专业团队，完成线下心理咨询、心理干预、心理建设等一系列服务，定期开展心理健康活动。[7]让校院班三级联动人员明确各自职能，以学校心理咨询中心、学院辅导员班主任、班级心理委员三位一体，定时定期开展分级培训与考核，提高心理教育团队的专业性、准确性。[8]

四、结语

大数据在心理健康教育方面的前景广阔，特别是问题人数高发的各大高校。随着大数据、算法分析技术不断提高，相信很多问题都能得到解决。当然大数据面临的发展挑战也不容小觑，专业人才的培养、机制的建立等，都还需要高校持续投入精力与时间，并合理利用大数据的时效性、个性化分析来改善高校心理健康教育的现状。[9]