基于大数据技术的高职院校学生心理危机模型构建研究①

丁 璐，邓慧君

（湖南城建职业技术学院，湖南 湘潭 411101）

大数据的发展推动了社会的进步，但网络空间中虚拟化、爆炸化的信息资源集合了新奇、刺激、喜悦、痛苦、不安等各种元素。在大数据的冲击下，高职学生个体的内在心理状态或者外在的行为模式都产生潜移默化的转变，个体潜在的应激与挫折激发因素增多，隐匿性增强。心理危机的发生，容易给学生带来心理动荡或者心理创伤，产生校园的不安定因素，因此如何实现学生心理危机的精准干预是大数据时代高职院校立德树人和安全维稳的重要内容。心理危机干预不等于传统意义上的心理咨询或心理治疗，其最大特点是行动的时效性。要想实现及时干预，建立科学的心理危机预警机制是首要前提。大数据背景下高职院校智慧校园水平不断提升，实现数据的有效采集、科学清洗以及合理重构，以实现个体的心理危机模型的架构与心理画像的描绘成为高职院校大学生心理危机干预工作的重中之重。

一、高职院校学生心理危机模型指标体系分析

心理危机模型指标是指个体层面能够反应且对个体心理危机产生以及程度进行评估的代表性指征，对于其梳理，是实现个体心理画像以及心理危机干预的初始环节，也是核心环节。

（一）个体发展状态指标

个体发展状态指标泛指能够体现个人成长状态的相关因素，能够体现个体层面相对稳定的心理特征，这些因素成就了个体心理现状，同时为未来心理的发展与变化奠定了基调。可以说，是个体认知、情感、意志、行为的既定状态，对于个体如何应对潜在的心理矛盾与困难发挥了基础的调控作用。

个体发展状态指标在内容上主要包括个体的人格特征、学习状态、兴趣爱好、人生目标等内容。尤其是在人格方面，人格中的气质大都来自遗传，奠定了个体心理活动在强度、速度、深度等方面的基本特征；人格中的性格则主要来自个体生长经历过程中基于后天事件所产生的知情意的统一，奠定了个体对世界以及自身的基本看法与态度。经研究发现，“在气质类型基础和后天环境共同作用下形成的人格，也是自杀意念及自杀行为产生的重要影响因素之一”[1]。个体现阶段的学习成绩、人生目标以及兴趣爱好也能从侧面直观体现个体的生活态度与行为调控，实现对个体心理状态的多方位描绘。

（二）社会环境指标

社会环境指标主要是从当下个体的生存境况进行呈现与描述，个体心理的变化与发展离不开周围环境的影响，情随境迁，境由心生，个体对于世界的解读奠定了其对当下生命与世界的基本认知。环境的好与坏、稳定与动荡、简单与复杂、积极与消极都会对个体的内心产生认知的改变、情绪的产生以及行为的激发。

高职学生社会环境指标在内容上主要包括两个方面：一是个体家庭背景，成长经历是形成个体当前心理资本与心理特点的前期基础，对于个体既往经历的了解能够实现对当下个体心理问题与困惑原因的理解与释疑，其提供了个体心理发展状态模型画像的背景资料。二是个体对于当下生存环境的看法与感受，尤其是压力性事件的发生，比如经济压力、恋爱受挫、学业不顺、人际冲突以及亲友离世等应激性事件的发生，个体对于外在环境变化的感知与体验是否积极都会影响个体对于自身的定位与认知以及良性心理状况的养成。

（三）人际交往指标

人际交往指标指的是个体当下人际交往的状态以及社会支持情况，体现的是个体的社会适应能力与人际支持体验。良好的人际交往是大学生心理健康的标准之一，也是个体价值需求、安全需求、依恋需求的重要来源，同时也是个体在应对心理问题与危机过程中重要的心理支持。

高职学生人际交往指标从宏观角度而言主要指的是对人际、对社会的认可度、接纳度和主动程度，反映在个体对人际交往的看法与认知、交往的频率与范围以及交往的主动性与积极性上。从微观层面而言主要指的是个体对于宿舍人际关系、班级人际关系、师生人际关系、家庭人际关系以及恋爱关系的满意度与获得感，反映在具体交往行为的顺畅性上，对具体对象的评价与态度以及对个体良好社会支持系统的形成，而“个体的家庭功能和当下的社会支持是个体能否顺利渡过心理危机的关键指标”[2]。

（四）负性情绪指标

高职学生的负性情绪指标主要包括紧张、焦虑、抑郁、恐惧等负性情绪类型的强烈程度、持续时间、影响范围、调控方式以及对应的躯体症状等。负性情绪是心理危机出现与发展最直接的体现方式，具有一定的外显性和内生性，和危机预警与干预间有着密切的关联度，同时个体负性情绪的产生受到外在环境等外生指标的影响，其外显形式也受到个体人格特质等发展情况指标的个性化表现，继而具有一定的不稳定性、隐匿性和掩饰性。

负性情绪指标在内容上主要包括两个方面：一是个体在进行心理状况感知与描述中所产生的认知与感受，这是从个体层面进行的自我澄清，同时通过一定的途径或在某一空间内对某一对象进行的自我表现。二是个体通过专业性的心理量表进行的评测结果，或是个体自我澄清的主动性与能力不足的情况下所进行的诊断性鉴定，可以从专业层面实现对个体负性情绪的类型、强度、时间等方面进行相对全面科学的评判。

二、高职院校学生心理危机模型大数据获取路径分析

厘清个体心理状态指标后，就目前大数据发展状况而言，学生的哪些大数据能够被及时追溯并掌握，高职院校又如何通过数据的形式呈现个体的心理状态，进而实现数据与心理之间的关联，成为构建心理危机模型的又一问题。

（一）基于新生心理普查获取个体心理状态基本数据

目前，在国家层面的统一要求下，高职院校新生在入学之前都会进行心理普查，一般都是以大学生人格问卷（UPI）和症状自评量表（SCL—90）作为基本的测量工具，部分学校还会进行新生适应基本测评，同时系统根据个体心理测量结果，针对有心理问题的个体或者有心理危机倾向的高危人群派发自杀可能性量表，第一时间帮助心理咨询中心教师做好此类个体的危机干预。在普查之余部分学校还会要求了解学生基本的成长经历、家庭背景资料以及自我评价等，获取个体发展状态以及社会环境等基本数据，新生的心理普查具有普及范围广、内容专业性强、组织过程严谨等特点，尽管其只能反映最近一段时间内个体的心理发展状态，但是结果相对科学，真实性和借鉴性较强，能够为实现个体心理状态画像提供初始的参考值，成为大数据心理危机模型构建基础的指标来源。除去新生开学这一时段外，目前越来越多高职院校开始关注重要时间节点阶段个体的心理健康状况，在毕业阶段、突发性的公共事件发生等节点进行部分重点关注群体的心理普查，普查结果也将进一步完善与充实个体的心理大数据。

（二）基于心理状态反馈获取个体当前心理状况直接数据

心理状况动态数据主要是来自教师或者朋辈队伍对个体心理状态的评估与报告。一般而言，高职院校都建立了学校—学院—班级—宿舍心理健康教育四级工作网络体系，建立了以辅导员老师、班主任、心理委员、寝室长等为主力的心理健康工作队伍，此类人员一般也会进行专业的心理危机知识培训，同时以每周、每月为单位，按期进行个体心理动态报告。心理健康教育与咨询中心教师可以结合心理基础数据以及动态报告数据对个体的心理健康状况进行评估，及时向辅导员或者朋辈队伍进行反馈与工作建议，发挥全员育人机制，及时对具有潜在的问题学生进行干预。除此之外，随着大数据技术的发展，心理健康教育教学也开启了信息化的改革，以笔者所在学校为例，目前心理健康教育课程已经面向所有大一学生开放，同时建有线上教学平台，每年参与心理健康主题讨论与互动的学生人次达20万余人次，个体在教学过程中就相关心理现象、感受或者案例发表自身观点，本身就是对自身的自我反思与澄清，这些数据针对性强、真实度高，同时课程过程中也会进行专题性的心理测试，测试结果也是个体心理状况的外化体现。可以说，在线教学平台的数据也可以成为个体心理状况动态数据的重要来源。

（三）基于个体生活学习轨迹获取个体当前心理状况关联数据

大数据时代，高职院校智慧校园建设逐步成熟，个体的各项学习与生活活动都与大数据密切相关，这些看似零散的数据记录其实可能会反映个体的生活学习状况，成为评估心理健康状态和实现个体心理画像的重要数据来源。比如学生消费提供了个体生活状态数据，学生出入寝室或教室、图书馆记录提供了日常活动状态数据，学生在各类教学平台的学习痕迹以及考试成绩提供了个体发展情况数据，个体微信或者微博等社交媒体数据提供了个体人际状态以及情绪状态数据。诸如此类，个体的心理状态适当地都会反映行为轨迹和生活状态，同时这些数据一般都是实时且每天都在动态变化的，能够实现对心理健康普查系统和心理状况数据库的补充与优化，如将相关数据与心理学界负性生活事件特征值建立对应联系，“从43种负性生活事件中提取与心理健康相关的变量，从而转化为对应的特征值指标，根据对心理健康相关变量的量化指标的实时监测实现对学生心理变化趋势的预测”[3]，继而实现心理危机的有效预警和科学干预。

三、高职院校学生心理危机预警大数据整合路径分析

如何完成数据汇总，实现数据之间的整合与清洗是构建高职院校心理危机模型建立的重要步骤，但也是目前高职院校基于大数据心理危机干预的薄弱环节。

（一）打破信息孤岛，汇总心理画像数据来源

高职院校大都已经建立了以普查系统为基础的个体心理状态基本数据库或者已经扩大到以教师队伍和朋辈队伍为主要力量的心理健康动态数据库，而与学生学习、生活、社交等相关的生活状态数据很少并入相关的心理危机预警或者干预系统，对于个体学习、生活、社交数据的了解往往是在个体心理危机发生之后心理咨询教师通过主动了解获得，这导致相关数据在心理预警或者危机干预中作用的发挥是事后被动式的，继而导致心理危机的预警与干预效率不高。

心理模型指标体系的架构实现了心理状态的理论画像，指标体系来源的探索确立了画像可能存在的外来关联，但要真正完成个体心理的画像与呈现，以及实现心理危机模型的架构，还需要大数据的整合与关联。同时，心理危机模型的指标体系是一个庞杂的内容，同时内容的来源也具有一定的复杂性与隐匿性，因此实现校园内部各部门之间工作数据的共享，打破智慧校园内部各项工作系统自建的数据孤岛，成为建立心理危机模型的首要工作。高职院校要在保护个人隐私以及数据安全管理的基础之上尽可能将学生各项数据实时汇总，丰富心理预警指标体系的来源，在深度和广度上尽可能掌握个体的动态以及对可能发生的行为进行积极预测，继而实现个体心理的精准预判和科学画像。

（二）精确算法，充分发挥心理画像与预警作用

在打破各系统之间信息孤岛、实现对个体信息的共享之后，要依托心理因子关联规律，进行数据的有效清洗与挖掘，“依托大数据分析手段，从种类繁多、纷繁复杂、多源异构的数据中清洗筛选无用信息，进行学生行为痕迹数据个人画像和群体画像分析”[4]，通过各项指标因素与心理危机的影响关系，各指标因素和各项大数据信息之间的作用规律建立心理因子统计分析的算法模型，结合指标体系的数据来源，明确数据挖掘的目标数据集，进行目标数据集与心理指标的关联分析，从动态与静态两条线进行心理综合画像。所谓的静态画像，是指在根据心理明细个体成长状态、社会环境、人际交往以及负性情绪四大指标体系之间的关联与作用规律之上，在建立群体画像基础之上划分出群体常模，帮助教师及时发现背离正常发展规律、出现心理危机的预判。同时，针对明显存在有同质性心理问题或者障碍如自卑、敏感、强迫、依赖等学生群体，心理健康工作相关工作人员可以通过相应的专项训练或者团体辅导等进行自我完善，也可以以班级为单位进行宿舍或者课程学习小组的角色划分，在同辈互助与影响当中潜移默化地进行扬长补短。而所谓的动态画像，则以个体心理状况基础数据库的初始值，结合个体当前心理健康状况的关联数据，及时发现个体心理状况发展动态轨迹中的变化，设置变动阈值，进行异常数据的动态监控与预警，在专业的心理健康工作人员或者专家评估的基础之上及时为有心理问题或面临心理危机的个体提供必要的心理援助或者危机干预。

总的来说，构建基于大数据的高职院校心理危机模型是一个复杂的过程，但也是未来大数据发展下逐步可以实现的过程，其对于高职院校心理危机干预的重要性与积极作用也将推动这一工作的完善与优化。