心理健康智能预警防控系统的研究与实践
2024-09-14庞建成曹静云
摘要:随着社会的快速发展,大学生面临的心理压力日益增加,大学生心理健康问题日益受到关注,大学生心理健康教育成为职业教育中不可忽视的一部分。然而,传统的心理健康教育方式往往缺乏针对性和及时性,无法满足大学生的实际需求。如何利用新的技术手段,提高大学生心理健康教育的效果和质量,成为当前研究的热点问题。文章基于大数据技术,研发了心理健康智能预警防控系统,具有强大的数据采集、分析和挖掘能力,可以为大学生心理健康教育提供新的解决方案。
关键词:大学生心理健康问题;针对性;及时性;心理健康教育;大数据技术;心理健康智能预警防控系统
中图分类号:G642 文献标识码:A
文章编号:1009-3044(2024)23-0059-04
开放科学(资源服务)标识码(OSID)
0 引言
在传统的心理健康教育活动中,高校主要通过心理测评来评估大学生的心理健康状况。辅导员会根据测评结果,与有不同程度心理问题的学生进行谈心谈话,并针对具体情况进行深入分析。然而,这种传统方式存在时效性不足的问题,无法及时为学生提供有效的帮助,甚至可能产生误导,因此,及时有效、个性化的心理健康教育尤为重要。随着社会和信息技术的进步,大数据技术在学校教育中广泛应用。大学生们线上发表观点和情感已经成为常态,这种网络行为产生了大量的实时数据,这些数据为后续的心理健康教育提供了有力的数据支持,通过对以上数据的分析,可以实时监测学生心理状态,及时发现和解决潜在问题。这种基于数据的心理健康教育方式将更加科学、准确,有助于提高教育效果,更好地促进学生的心理健康发展。
1 大学生心理健康状况
当代大学生是国家和社会建设与发展的主要力量,大学生正处于人生的重要转折点,即将从学校进入社会,处于心理不成熟到逐渐成熟的过渡阶段,这也导致大学生容易出现相关心理健康问题[1-2]。
现代社会在不断发展,人们的竞争变得越来越激烈,科学技术的飞速进步迫使人们不断更新知识,用人单位对人才素质的要求越来越高,对当代大学生的要求也越来越高;由于高校扩招,每年都有越来越多的高校毕业生,然而就业机会并未随之迅速增加。双重原因导致在校大学生既面临学业压力,还面临毕业后的就业压力。此外,大学生在学习和生活中也随时面临着情感、人际、经济等相关问题。在诸多问题和挑战下,如果大学生心理不成熟,情绪波动大,心理承受能力弱,将无法承受社会竞争和变化的冲击,产生严重的心理问题,甚至于会走向极端。
2019年12月,始料未及的新冠疫情突发,这对在校大学生产生了不小的影响[3-4]。疫情常态化下,一些学生比平时有更多的抑郁和焦虑,面对封闭的学校环境,他们的情绪波动更大[5-6],由此产生的心理问题也特别严重。研究指出,中国大学生在面对心理挫折和突发事件时,普遍展现出较低的心理承受能力。
2 现状及存在的问题和不足
原国家教委曾进行调查和测试,发现全国高校每年都存在自杀事件的发生,主要是因为失恋、考试失败或者人际冲突等原因[7]。而在预防大学生心理问题产生上,大多数职业院校仍采用传统人力方式。
目前,大多数高职院校采取“心理测评—发现问题学生—辅导员谈心谈话”的方式开展心理健康问题发现及教育工作,学生心理健康测评的时间一般都放在了上半学期,大多数情况下也只将大一学生作为调查对象。不可否认,对于大一学生来说,刚进入一个新环境,一些学生可能产生一些如:焦虑不安、压力较大等的负面情绪,对这一阶段的学生进行心理健康测评的确十分重要。但是不可忽视的是,随着学生在校时间的增长,高年级学生的学习压力也可能会随之增长,也需要进行持续的心理跟踪测评,然而学校却没有进行或者很少进行这样的跟踪测评,并形成跟踪测评体系,这在一定程度上也削弱了对大学生心理健康管理的成效。
在日常工作当中,在校大学生的心理健康状况大多数情况由辅导员直接负责[8],由于辅导员工作的繁杂性、学生的多样化,导致辅导员很难全面地关注到每一位学生的心理状况。并且,有些辅导员不是心理学专业的,对心理健康教育知识知之甚少或一无所知,很难对学生进行精准的心理辅导。在日常工作中,虽然学校会针对学生的心理健康教育问题为辅导员安排培训或讲座,但仅仅靠几次培训和讲座来提高辅导员的心理健康能力是远远不够的,能学到的往往只是表面的,并不能为学生提供全面的心理健康咨询[9]。
学生心理健康教育往往通过“线上线下访谈+线下活动”的方式开展,但是总的来说还是问题已经发生了之后才去解决这些问题,而没有运用现代信息技术的手段来进行及时预警心理健康问题的发生。
综上所述,传统心理健康工作存在覆盖面小、分析难度大、效率低等问题。由于互联网的快速普及,网络日益成为大学生心理情感表达和宣泄的重要渠道,传统的方式无法及时获取和分析与学生心理健康相关的网络数据,大学生心理健康教育工作存在一定缺失。基于大数据技术的心理健康智能预警防控系统,弥补了心理智能预警防控方面的不足之处。
3 大数据技术介绍
随着社会的发展和科学技术的进步,尤其是互联网技术的高速发展,网络、通信、移动设备等产生的数据量日益庞大,社会已经进入一个大数据时代,传统的数据处理方法已经不足以应对现代社会产生的巨大数据,而大数据技术可以帮助人们处理庞大的数据,大数据技术也正受到越来越多人的关注[10]。
3.1 什么是大数据
从字面意思来看,大数据即巨量数据。大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,“大量化、多样化、快速化、价值密度低”就是“大数据”的显著特征[11]。大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理,通过“加工”实现数据的“增值”。通常具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。
一是数据量巨大。根据互联网数据中心发布的“数字宇宙”的报告,预计到2025年,全球数据使用量达175ZB[12]。
二是数据类型繁多。数据来源非常广泛,这也直接或间接地决定了数据类型的多样性。大数据可以分为三类:一是结构化数据,其特征在于数据之间存在明确的因果关系;二是非结构化数据,其特征在于数据之间缺乏明显的因果关系;三是半结构化数据,其特征在于数据之间的因果关系相对较弱[13]。有统计数据显示,目前整个互联网数据量的75%以上的数据都是结构化数据,但实际上,那些非结构化数据才是真正能够产生价值的“大数据”。
三是价值密度低。在传统数据时代,数据大多为结构化数据,每个字段都有其特定的意义,因此价值密度非常高。然而,在大数据时代,大量的数据开始变得半结构化或非结构化,其中许多内容并不具备实际价值,真正有价值的部分相对较少,尽管数据量大大增加,但其价值密度实际上有所降低。
四是处理速度快。在大数据时代,数据的生产和传播方式与传统数据载体截然不同,主要依赖于互联网和云计算等技术。数据的生产和传播速度非常快,几乎实时进行,此外,大数据处理要求极高的响应速度,数据的输入、处理和舍弃都需要在瞬间完成。
研究大数据,最重要的意义是进行预测。因为数据从根本上讲,是对过去和现在发生事情的归纳和总结,数据本身不具备趋势和方向性的特征,但是可以应用大数据去了解事物发展的客观规律,了解人类行为,并且能够帮助人们改变过去的思维方式,建立新的数据思维模型,从而对未来进行预测和推测。
3.2 大数据技术简介
大数据技术主要涉及数据采集、预处理、存储和可视化等方面。在众多流程中,数据采集是至关重要的第一步,因此其重要性不言而喻[14]。
大数据的采集是指利用数据库、日志、外部数据接口等方式收集分布在互联网各个角落的数据。采集过程中需要用到各种技术,如网络爬虫、分布式采集等,以尽可能地扩大数据采集的范围,因此大数据的采集方法和传统数据采集的方法有着较大的差异。
数据预处理主要是对采集到的原始数据进行必要的处理,以保证数据的质量和准确性。数据预处理主要包括数据清洗、数据集成、数据转换和数据归约等技术[15]。
数据存储是指将大规模的数据持久化到计算机中,以便进行后续的处理和分析。大数据存储的挑战在于如何有效地管理和存储大规模的数据,并提供快速的数据访问速度。常见的大数据存储系统有分布式文件系统、关系型数据库、非关系型数据库等。针对不同类型的大数据,可以选择适合的存储系统来满足数据存储的需求,目前主流的存储方式是采用分布式架构进行存储,在分布式存储当中,将大数据存储的任务分成一个个小块,从而分配到集群中的各个机器上。常用的大数据存储技术是采用分布式文件系统和分布式存储系统HBase来实现的。
大数据处理系统是指用于处理大规模数据的系统,它可以利用分布式计算技术和数据存储技术来加速数据处理和分析过程。大数据处理系统通常采用并行处理的方式,将数据分布到多个处理器或计算机上进行同时处理,以提高处理速度和效率。常见的大数据处理系统有Hadoop、Spark、Flink等[16-17]。
由于大数据的采集、存储和计算涉及大量数据,因此需要特殊的技术来有效处理这些数据。从技术上看,大数据与云计算的关系就像一枚硬币的正反面一样密不可分,大数据无法仅通过一台计算机进行处理,而是需要采用分布式架构。大数据和云计算两者虽然概念不同,但是二者是相辅相成、互为一体、共同发展的,大数据要依托云计算的分布式处理、分布式数据库和云存储、虚拟化计算,而且必须采用分布式架构,才能对海量数据进行分布式数据挖掘,两者只有紧密结合在一起,才能实现功能和价值的最大化发挥[18]。
4 基于大数据的心理健康智能预警防控系统
4.1 系统开发与应用
系统采用大数据相关技术对学生在校日常学习生活中通过一卡通系统、网络行为日志、心理测评等系统中产生的数据进行采集和存储,并经过数据清洗和处理,构建学生详细的行为轨迹记录,并在每天近亿条记录的情况下实现轨迹的差异性分析,同时采用人工智能技术和数据计算引擎,结合学校实际业务构建心理健康异常预警模型,通过该模型能够对孤僻人群、异常人群、行为异常人群、测评异常人群进行预警,并且通过心理综合画像以及数据可视化看板将心理健康异常的人群进行展示,实现了心理健康教育工作的“前置”,真正做到防患于未然,并达到了对学生心理健康预警的全覆盖,如图1所示。
系统能够实时采集网络行为日志数据,并结合心理测评等相关数据,通过大数据技术进行分析,将心理异常学生分为初现、疑似和高危人群,从而形成三级预警机制,并展示出各部分的人数和具体的学生信息,进而推送给相关辅导员,如图2和图3所示。
系统提供了一套全校学生心理健康实时防控系统驾驶舱,如图4所示,方便实时掌握全校所有学生的心理健康情况。系统不但针对某一项构建业务和数据模型进行挖掘分析,并且能构建更为复杂的业务模型对心理健康整体预警。
基于大数据的心理健康智能预警防控系统,能够实时获取心理测评数据,核心功能包括对孤僻、心理抑郁、心理行为异常、心理测评等直接与心理健康相关的异常因素进行实时预警,同时还对有可能引起心理异常的其他异常行为进行智能预警,如:网贷、网瘾、学业异常等。
4.2 系统实际应用效果
系统具有实时性、全覆盖、精准化等特点。系统的实时性指基于学生行为、生活和学习习惯,可以实时监测学生心理变化并进行预警,发生紧急情况的时候,辅导员等相关老师可以及时介入处理;系统的全覆盖指可以对全校每一个学生心理健康进行监测,真正掌握每一个学生的心理健康状况;系统的精准化指一旦出现预警,不但分析预警的原因,还可查看异常心理变化轨迹,从而能够在最短的时间内做出相对应的对策。
系统经过学校各个院系的应用,产生了不错的效果,辅导员和学生管理人员对心理健康智能预警防控系统给予了较高的评价,学生心理健康预警准确率达到92.1%,辅导员能够及时介入,进行心理疏导,并防范问题进一步发展和发生。
系统主要服务于学校领导、学生处心理健康教育中心、院系领导和辅导员。校领导可实时查看了解全校学生心理健康情况,以及心理健康教育中心和院系在心理疏导方面的工作进展;学生处心理健康教育中心可实时掌握学校学生心理状况及心理预警学生分布;院系领导能够及时掌握院系学生心理异常情况,及时给予关注;辅导员可以及时掌握自己带班学生心理情况,并给予重点关注和引导。
4.3 系统提升优化的思路措施
系统在运行过程中,也存在一些需要完善的地方,比如如何科学地利用网络信息技术获取精准度较高的学生心理健康信息,如何建立完善的心理信息收集机制,如何完善心理预警的信息分析方法,如何智能化预警与干预机制的建立,呈现方式如何更加人性化、权限管理粒度需要进一步细化、预警防控模型需要优化等。
5 总结
基于大数据技术的心理健康智能预警防控系统,可以有效解决传统心理健康工作方式覆盖面小、分析难度大、效率低的问题,也形成了较为完善的大学生心理健康跟踪测评体系,弥补了传统线下心理健康教育的不足,为在校大学生的心理健康预警防控起到了一定的作用,也为在校大学生的健康成长保驾护航。下一阶段研究将对心理预警的指标进行扩充、对心理健康数据进行有效的总结以及分析,在运行过程中持续优化系统,使系统更加智能和人性化,以期为校园学生的心理健康管理工作带来了极大的便利,也更有利于学校老师及早发现学生心理健康相关方面的问题并且能够及时解决。
参考文献:
[1] 杨艺旋.社会支持对大学生心理健康的影响研究[D].成都:四川省社会科学院,2021.
[2] 于萌.大学生的心理健康问题分析及其调适[J].中国科教创新导刊,2007(27):117.
[3] 程桂练,干林,王秀丽,等.新冠肺炎疫情给高校信息素养教育带来的思考[J].河南图书馆学刊,2021,41(4):75-77.
[4] 李宇玲,向婉婉,陈佳怡,等.新冠肺炎疫情对大学生预防医学专业认同感的影响[J].卫生职业教育,2022,40(24):129-132.
[5] 咸世昭.常态化疫情防控下某高校大学生心理健康状况测评与分析[J].运城学院学报,2021,39(6):77-80.
[6] 秦赞,张敬亚,李丽,等.新冠肺炎疫情对大学生就业带来的影响及对策[J].品位·经典,2021(19):116-117,127.
[7] 王渊博.如何做好大学生心理健康工作[J].科学咨询(教育科研),2015(4):15-16.
[8] 李红,庄蕾.提升高职院校辅导员心理健康教育工作能力的有效途径[J].辽宁行政学院学报,2014,16(12):109-110.
[9] 查卫华.探究高校辅导员在心理健康教育工作中的角色定位[J].公关世界,2021(14):118-119.
[10] 叶钧.大数据技术在高校教育信息化管理中的运用探讨[J].中国设备工程,2022(3):32-33.
[11] 宋本玉.大数据时代下高校档案管理相关问题的探讨[J].管理观察,2015(13):125-126.
[12] 管廷昭,夏艳东.大数据视角下高校综合信息分析平台的构建[J].数字技术与应用,2014,32(8):73-74.
[13] 陈晨健.大数据环境下民办高校图书馆的知识服务之路[J].传播与版权,2017(11):96-98.
[14] 张伟龙,李荣娴,张波.基于大数据技术的专业发展信息化系统研究[J].电脑知识与技术,2020,16(20):38-39.
[15] 昂清,王卫东.生物标记物的数据挖掘在临床医学中的研究[J].科学技术与工程,2007,7(6):1237-1239,1247.
[16] 韩浦霞.大数据技术综述[J].天津职业院校联合学报,2020,22(12):113-118.
[17] 田石.基于Hadoop和Spark的大数据投票特征选择方法[D].保定:河北大学,2020.
[18] 刘若华,王菁.刍议云计算与大数据技术研究现状[J].信息记录材料,2021,22(8):16-17.
【通联编辑:王 力】