社交网络环境下大学生抑郁高危人群特征调查研究

陈 捷，卓 玛

（北京中医药大学管理学院心理教研室，北京100029）

社交网络环境下大学生抑郁高危人群特征调查研究

陈 捷，卓 玛

（北京中医药大学管理学院心理教研室，北京100029）

目的 探索大学生抑郁高危人群在社交网络（SNS）中呈现的特征信息，追踪抑郁高危人群，为大学生管理部门提供识别抑郁高危人群的检索点，进而为大学生提供心理支持或心理救助的机会。方法 （1）选择SNS，确定目标人群；（2）选择具有抑郁特征的初筛关键词（PSK）；（3）使用PSK进行一次性检索，记录检索结果，检出率最高的10个词汇为最终使用的检索词（FSK）；（4）正式检索，对非转载且有具体内容的“状态”栏中的文本逐一使用FSK进行连续7 d的检索；（5）建立文本数据库，包括姓名、性别、学校以及“状态”栏所涵盖的文本；（6）定位抑郁特征信息词，根据连续7 d检索过程中FSK的检出率进行排序，确定具有代表性的大学生使用的抑郁特征词 （DCK）。结果 DCK均与抑郁相关，FSK检出率由高到低分别为自杀（3.80%）、抑郁（1.80%）、逃避（1.80%）、不想动（1.71%）、睡不着（1.50%）、我没用（1.22%）、痛苦（1.00%）、想哭（1.00%）、绝望（0.83%）、孤单（0.60%），整体的DCK检出率为1.35%。结论 SNS中存在大学生抑郁特征信息，通过DCK的检索能够识别大学生抑郁高危人群，使提供心理支持或救助成为可能。

计算机通信网络； 社会学； 学生； 抑郁； 精神卫生； 高危人群； 社交网络

社交网络（SNS）环境下的抑郁高风险特征是指以大学生在SNS中呈现的抑郁为主要特征的文本内容，包括情绪低落、低自我评价、自我意向下降。随着信息技术的发展，SNS成为人际互动行为发生的重要场域。网络中的人际交往无需呈现真实的面貌和身体语言，情感呈现更加真实。情绪、情感表达是SNS的内容之一，也是与心理健康关系最密切的心理过程，可以作为推断个体心理状态的依据。国内知名SNS——人人网的前身是校内网，决定了其主体人群为在校大学生，由于其开放性，为公众提供了一个数据分享平台，使得研究者获取大学生相关情绪状态的信息成为可能。

在心理问题中，抑郁情绪是青年人经常出现的状态之一，严重的抑郁状态与自杀行为密切相关，探索SNS环境下大学生抑郁高危人群特征，追踪具有抑郁高危风险人群，可为大学生管理部门提供识别抑郁高危人群的检索点。现以人人网中的在校大学生人群为研究对象，以流调中心用抑郁自评量表（CES-D）开展检索，进而为大学生提供心理救助或心理支持的机会，具有重要的现实意义和深远的社会意义。

1 资料与方法

1.1 资料

1.1.1 研究对象 研究对象为人人网中的在校大学生人群。

1.1.2 研究工具 采用CES-D，该量表是由美国国立精神卫生所Radloff在1977年编制而成，适用于对一般人群着重于抑郁情感或心境的普查。CES-D共有20个条目，是编制者通过对大量临床文献及已有量表进行因子分析提取出来的。条目反映了抑郁状态的以下6个侧面：抑郁心情、罪恶感和无价值感、无助与无望感、精神运动性迟滞、食欲丧失和睡眠障碍。填表时要求受试者说明最近一周内症状出现的频度，CES-D与贝克抑郁问卷（BDI）、抑郁自评量表（SDS）相关，但更适用于一般人群调查，因其为评价抑郁心情而不是整个抑郁症候群。

1.2 方法 （1）选择SNS：确定目标人群。（2）选择具有抑郁特征的初筛关键词（PSK）：根据CES-D选择20个描述抑郁状态的词汇，查询《现代汉语词典》得出这20个词汇的近义词，得到40个PSK。（3）确定最终使用的检索词（FSK）：使用PSK进行一次性检索，记录检索结果，选择检出率最高的10个词汇为FSK。（4）检索量与检索时间的确定：连续7 d。（5）确定筛查条件：为本人非转载有具体内容的“状态”文本。（6）检索：逐一使用FSK进行连续7 d检索涉及抑郁的相关记录，从满足筛选条件文本信息中筛选出具有抑郁特征且符合筛选标准的文本信息。（7）建立文本数据库：包括姓名、性别、学校以及“状态”所涵盖的文本。（8）定位抑郁特征信息词：根据连续7 d检索过程中FSK的检出率进行排序，确定具有代表性的大学生使用的抑郁特征词（DCK）。研究过程见图1。

图1 研究过程图

2 结 果

2.1 检索抑郁相关记录结果 使用FSK进行连续7 d的检索，检索出与抑郁相关记录1 375 054条（68 752 700字文本）。由于人人网“状态”栏搜索结果每天仅能浏览前50页，因此本研究共浏览信息10 100条（505 000字）。

2.2 检索符合标准文本信息结果 从中筛出136条具有抑郁特征且符合筛选标准的文本信息；这些信息来自108所院校，其中本科院校83所，占76.85%；非本科院校25所，占23.15%。研究结果所得的男女比例为1∶3。

2.3 具有抑郁特征的PSK及FSK PSK共40个，包括原有的20个词汇和20个近义词，筛选过程见表1。PSK中检出率最高的10个词汇为FSK，即表1中双下划线词，PSK的检出率分别为自杀（3.60%）、抑郁（1.80%）、逃避（1.80%）、睡不着（1.60%）、我没用（1.40%）、不想动（1.40%）、痛苦（1.20%）、想哭（1.00%）、绝望（0.80%）、孤单（0.60%）。在10个FSK中有4个来自于CES-D（下划线词汇），6个来自于近义词。

2.4 DCK检出率 根据连续7 d检索过程中FSK的检出率再次进行排序，其中最高的为自杀（3.80%），其次为抑郁（1.80%）、痛苦（1.80%）等，整体FSK总检出率（DCK检出率）为1.35%，见表2。

表1FSK筛选过程

表2DCK检出率

2.5 PSK与FSK检出率降序比较 对PSK与FSK检出率进行比较。将PSK的检出率与FSK检出率降序对比，前3位与后4位的顺序完全一致，只有第4、5、6的排序稍有改变。见表3。

表3PSK与FSK检出率降序比较

3 讨 论

在过去10年里，网络语言数据迅速增长。国外的相关研究多集中于使用大数据挖掘的形式对网络语言数据进行舆情分析，多侧重于对某一特定时期突发事件的态度研究。2010年以后，部分学者将研究指向网络情绪，研究方法主要包括在线语言情感模型的建立，自适应方法的使用、实时捕捉最新的评价及其社会情绪的变化[1]。研究领域主要包括数据处理，如图形数据处理的结构研究[2]、靶变量的筛选[3]以及在线模型的建立[4]。与此同时，有一些学者把研究视角指向社会网络与青少年心理健康之间的关系，有研究发现，SNS反馈的信息对青少年的社会交往能力与个性发展有潜在的影响[5]。也有学者对互联网使用与人格特质之间的关系展开研究，研究表明过度使用互联网的群体具有共同的人格特质[6]。

SNS与大学生心理健康的研究、大学生网络情绪发泄原因的相关研究[7]，以及大学生SNS应用现状研究表明，42%的人选择写日志表露心迹[8]。网络语言中心理特征的提取研究，主要集中于情感特征句法语义的研究[9]和对情感特征抽取与分析研究，提出了基于层次结构的多策略分析框架与情感分析与算法方法研究[10]。大学生心理预警的研究多是基于心理量表筛查的，以高分数为预警指标的研究[11]。网络检索工具的研究主要集中于主题词表的编制，使主题词表中的各类概念关系更加简单、直观、易于理解[12]。

针对目前鲜见将网络舆情分析指向特定人群的心理健康风险相关研究，本调查研究就此展开并得出以下结论。

3.1 SNS网络能够检出有效的大学生抑郁文本 在本调查研究中，共检出136条有效数据，说明网络能反映大学生抑郁的信息。136条信息来自108所院校，说明SNS的覆盖面较宽，是值得相关部门关注的重要窗口，也反映出有抑郁情绪的大学生是普遍存在的，有心理支持与援救的需求。

3.2 检出结果男女比例 本调查研究结果所得的男女比例为1∶3。2009年人人网公开的注册用户男女比例为接近1∶1，而正常人群中抑郁的男女比例为1∶2，即具有抑郁情绪的女生是男生的2倍，这与其他相关研究结果一致，即女生的抑郁人数高于男生。

3.3 大学生对抑郁相关词汇使用的随意化 随意化指大学生使用抑郁相关词汇对非抑郁情绪状态的描述。例如：“计算机二级又没过，真想死”，这里的想“死”并不代表真正意义上的自杀动机或行为意向。有学者曾经用“想死”进行检索，但多数内容均属于大学生随意使用抑郁相关词汇。

3.4 社会应激事件影响大学生情绪 在人人网中，具有抑郁特征“状态”文本的整体FSK总检出率（DCK检出率）为1.35%，低于问卷法调研所得数据（29.3%）[13]。影响因素主要为社会应激事件的出现以及现今大学生对抑郁相关词汇应用的随意化。在对关键词“自杀”的检索过程中，由于受到“鼓楼医院护士自杀事件”以及“昆明暴力袭击事件”的影响，2014年3月4～6日相关研究未收集到有效数据。但这也从另一个方面反映了大学生对社会应激事件的关注度较高，情绪也受到应激事件影响。例如：“博士除夕夜杀父母后自杀未遂事件”与“鼓楼医院护士自杀事件”的影响仅为1 d，而“昆明暴力袭击事件”的影响持续了3 d，提示在大的社会应激事件出现时应避免大学生的社会感染。“昆明暴力袭击事件”后期转变为“恐怖分子地铁暴力袭击未遂”的笑话，说明应激事件以调侃的方式也会引起关注，不能轻视。

3.5 PSK中的检索词来源 PSK中检索词一般来自于CES-D量表的核心词及与量表条目相关的近义词。来自CES-D量表的词汇有“自杀、抑郁、逃避、想哭”4个，近义词汇包括“不想动、睡不着、我没用、痛苦、绝望、孤单”等16个。检索率占前3位的均来自于CES-D量表的核心词。

3.6 PSK PSK具有较强的稳定性，检索量的变化对其影响不大。PSK检索率与FSK检索率的排序趋于一致，特别是排在前3位的都是“自杀、抑郁、逃避”。由此可以推断，由其演变出来的DCK有较高的信度和效度，可以作为检索工具使用。

3.7 大学生抑郁特点 大学生对抑郁的表达顺序是行为、情绪和躯体症状。在本调查研究检索的关键词中，“自杀”的检出率最高，为3.80%，检出率是排在第2位“抑郁”的2倍。说明大学生抑郁人群常以自杀作为解决问题的手段，对抑郁带来的痛苦耐受性更差。由于年龄特点，大学生愿意直接表达自己的情绪，抑郁同时失眠的检出率较高，为1.50%，说明大学生抑郁的身体反映更明显，大学生管理者应该更注意大学生行为和生理上的变化。

3.8 大学生对抑郁情绪的表达倾向 分析10个关键词汇发现，大学生更喜欢使用表达情绪的词汇，包括“痛苦、绝望、孤单、抑郁、我没用”。典型的躯体表现为“睡不着”、典型的行为意向是“逃避”、典型的自我评价是“我没用”。

3.9 院校分布特点 在136条有效数据中，共涉及108所院校，其中普通本科类院校所占比例为76.85%，情况更严重，更应该关注这部分大学生的心理健康。

3.10 抑郁的原因分析 多数大学生在“状态”较少分析抑郁的原因，在仅有的少数归因中多是对抑郁做外归因，归结为不足轻重的小事情上。大学生更关注身体的症状，如“睡不着、想哭、累、不想动”等；情绪体验，如“绝望、痛苦、寂寞”等。

3.11 本调查研究的局限性 在本调查研究中存在很多不尽如人意的地方，由于研究网站的局限性，对关键词进行检索时只能看到最新500条的状态，无法对全部结果进行筛查。另一方面，默认不公开状态下只能看到研究对象的最新“状态”一条，进行个案跟踪的难度较大。

[1]Yang L，Yu XH，An AJ，et al.Riding the tide of sentiment change：senti ment analysis with evolving online reviews[J].World Wide Web，2013，16（4）：477-496.

[2]Bogdan G，Anna Z.GEVI：context-based graphical analysis of social group dynamics[J].Soc Netw Anal Min，2014，4：160.

[3]Weninger J.An exploration of submissions and discussions in social news：mining collective intelligence of Reddit[J].Soc Netw Anal Min，2014，4：173.

[4]Tsagkias M，Weerkamp W，de Rijke M.News comments：exploring，modeling，and online prediction[J].Lecture Notes Comput Sci，2010，5993：191-203.

[5]Spies Shapiro LA，Margolin G.Growing up wired：social networking sites and adolescent psychosocial development[J].Clin Child Fam Psychol Rev，2014，17（1）：1-18.

[6]Floros G，Siomos K.Excessive internet use and personality traits[J].Curr Behav Neurosci Rep，2014，1（1）：19-26.

[7]晏苹.浅析大学生网络情绪宣泄的原因与方式[J].湖南大众传媒职业技术学院学报，2013，13（5）：60-62.

[8]郭玉翠.大学生社交网络应用现状调查研究——以兰州高校为例[J].软件导刊，2013，12（11）：17-18.

[9]段建勇，谢宇超，张梅.基于句法语义的网络舆论情感倾向性评价技术研究[J].情报杂志，2012，31（1）：147-150.

[10]谢丽星，周明，孙茂松.基于层次结构的多策略中文微博情感分析和特征抽取[J].中文信息学报，2012，26（1）：73-83.

[11]马广水.基于系统动力学大学生心理安全预警技术研究[D].武汉：武汉理工大学，2012.

[12]蒋鑫.大学生人人SNS社交网络使用现状调查[J].新经济，2013（29）：28-29.

[13]唐慧等.2002～2011年中国大学生抑郁情绪检出率的Meta分析[J].吉林大学学报：医学版，2013，39（5）：965-969.

Survey on characteristics of high-risk populations of undergraduate depression from social networks

Chen Jie，Zhuo Ma
（Department of Psychology，School of Management，Beijing University of Chinese Medicine，Beijing 100029，China）

ObjectiveExploring the characteristics information of high-risk populations of undergraduate depression from social networks and tracking the high-risk groups of depression to provide the key points for the administration department of the college students and give more psychological support or psychological aid for them.Methods（1）SNS was focused on the target populations；（2）Preliminary searching keywords（PSK）were selected characterizing expression；（3）Determine keywords for a disposable searching:recorded the result，10 high frequency used words were filtered.as the final searching keywords（FSK）；（4）Formal searching was the non-reprinted text messages with students′view in detail in the′status′column for consecutive 7 days with FSK.（5）Text database established：name，gender，school and text that"status"covered.（6）Depressive characteristic keywords（DCK）positioned：to determine representative DCK used by college students by the detection rate sorted during retrieval in continuous 7 days.ResultsThe DCK was related to depression.The FSK detection rate from high to low was respectively as follows：suicide（3.80%），depression（1.80%），escape（1.80），lazyness（1.71%），insomnia（1.50%），futility（1.22%），pain（1.00%），crying（1.00%），despair（0.83%），loneliness（0.60%）.The overall DCK detection rate was 1.35%.ConclusionCollege students′depression characteristics exists in the SNS.The high-risk depression populations could be found by DCK search，which make psychological support and aids.

Computer communication networks； Sociology； Students； Depression； Mental health； High risk group； Social networks

10.3969/j.issn.1009-5519.2015.06.013

：A

：1009-5519（2015）06-0833-04

2014-05-16

2014-12-16）

陈捷（1959-），女，北京东城人，硕士研究生，副教授，心理咨询师，主要从事心理学的教学和研究工作；E-mail：chenjoy0224@163.com。