基于大数据技术的大学生心理危机监测预警体系研究

孟祥辉，盛晓春，欧贤才

（1.宁波工程学院，浙江 宁波 315211；2.广西农业职业技术大学，南宁 530007）

近年来，大学生心理危机事件时有发生，对大学生的身心健康带来很大影响，特别是受新冠肺炎疫情影响，大学生正常的学习、交往和生活节奏经常被打乱。在2021 年11月召开的全国高校学生心理健康教育工作推进会上强调，“科学识别、实时预警、专业咨询和妥善应对是做好工作的关键，要强化过程管理，心理测评要全面覆盖、精准应用，预警管理要全天候、一站式”[1]。精准监测、预警大学生心理危机事件的发生，是高校心理健康教育工作的重要任务。大数据技术的发展为高校解决大学生心理危机提供了新的思路和方法。余成武[2]提出从提升数据意识、完善相关制度、建立数据平台入手，将大数据思维融入高校心理危机预警工作。梁娟等[3]从心理预警系统的结构分析入手，结合大数据的特点提出了心理预警系统的建设路径。朱焰等[4]认为基于大数据技术建立的大学生心理预警系统分为三个部分，分别是心理健康普查系统、心理状况动态评估系统和心理变化实时监测系统，并进行了检验。李彤彤等[5]构建了基于社交媒体大数据的大学生心理危机预警模型。周晓东等[6]利用大数据技术，建立心理健康智能评测系统，实现心理危机预警。总体来看，已有研究侧重于平台建设，如数据采集指标、分析处理平台、监测预警系统等，采集指标全，缺少侧重点，数据分析较为复杂，不易进行简便判断，普通心理健康工作人员难以完成。因此，进一步优化数据采集指标，建立更便捷、准确、及时的心理危机监测预警平台，有助于解决高校面临的工作困境。

一、研究方法

（一）研究对象

面向某高校在校生随机发放调查问卷，收到有效问卷5 871 份。其中，按照性别，男生3 142 人，女生2 729人；按照年级，大四942 人，大三672 人，大二2 468 人，大一1 789 人。

（二）研究工具

1.症状自评量表（SCL-90）

该量表共有90 个项目，每一个项目均采取5 级评分制，采用10 个因子分别反映10 个方面的心理症状情况，包括躯体化、强迫症状、人际关系敏感、抑郁、焦虑、敌对、恐怖、偏执、精神病性及其他。

2.自编问卷

编制《疫情常态化情况下大学生心理健康状况调查》问卷，了解学生的学习和生活行为状态，包括睡眠、晚未归、与同学交往、学业、旷课和突患疾病等。

（三）数据处理

使用Excel 进行数据处理，运用SPSS25、python 进行数据分析。

二、研究结果

（一）不同大学生的心理健康状况

1.不同睡眠情况大学生的SCL-90 分析

对不同睡眠情况大学生的SCL-90 各因子进行方差分析，结果见表1。从表1 可知，不同睡眠情况大学生在SCL-90 各因子上的差异均极其显著。进一步的两两比较发现，不同睡眠情况大学生之间在各因子上差异极其显著（p＜0.001）。

表1 不同睡眠情况大学生的SCL-90 差异分析（M±SD）

2.晚未归大学生的SCL-90 分析

对晚未归大学生的SCL-90 各因子进行方差分析，结果见表2。从表2 可知，不同晚未归情况大学生在SCL-90 各因子上的差异均极其显著。进一步的两两比较发现，“没有”与“较少”学生在恐怖因子上差异不显著（p=0.07），在其余因子上均有显著性差异（p＜0.05）。

表2 晚未归大学生的SCL-90 差异分析（M±SD）

3.与同学交往情况大学生的SCL-90 分析

表3 是与同学交往情况大学生的SCL-90 各因子方差分析情况。从表3 可知，不同交往情况大学生在SCL-90 各因子上的差异均极其显著。进一步两两比较发现，大学生在各因子上均有显著差异（p＜0.01）。

表3 与同学交往情况大学生的SCL-90 差异分析（M±SD）

4.学业情况大学生的SCL-90 分析

对不同学业情况（挂科门数）的大学生的SCL-90各因子进行方差分析，结果见表4。从表4 可知，他们在SCL-90 各因子上的差异均极其显著。进一步两两比较发现，不同学业情况大学生在各因子上均有显著差异（p＜0.05）。

表4 不同学业情况大学生的SCL-90 差异分析（M±SD）

5.不同旷课情况大学生的SCL-90 分析

不同旷课情况大学生的SCL-90 分析见表5。从表5 可知，他们在SCL-90 各因子上的差异均极其显著。进一步两两比较发现，“没有”与“较少”学生在强迫、恐怖因子上没有显著性差异（p=0.243，p=0.053），不同旷课情况大学生在其余因子上均有显著性差异（p＜0.05）。

表5 不同旷课情况大学生的SCL-90 差异分析（M±SD）

6.突患疾病大学生的SCL-90 分析

对突患疾病大学生的SCL-90 分析结果见表6。从表6 可知，他们在SCL-90 各因子上的差异均极其显著。进一步两两比较发现，突患疾病情况大学生在各因子上均有显著性差异（p＜0.05）。

表6 突患疾病大学生的SCL-90 差异分析（M±SD）

（二）大学生心理健康状况与学习、生活行为状态的关系

用python 进行数据分析，建立随机森林模型，结果见表7。从表7 可知，睡眠、同学交往等因素对SCL-90各因子的影响程度不一样，分数越高，表示该影响因素对这一因子的影响程度越大。

表7 大学生心理健康状况与学习、生活行为状态的关系

三、讨论与分析

在迅速发展的今天，社会竞争日益激烈，生活节奏也在不断加快，大学生面临的学习、生活、就业及情感等压力不断增大，由此产生的心理健康问题日益突出。有关研究表明，大学生心理健康水平受到多种因素的影响，既包括性别、专业及生源地等因素[7]，同时，家庭经济情况、家庭结构、父母关系、家庭氛围及童年生活经历等家庭因素也对大学生心理健康有重要影响[8]。

从分析来看，具有不同学习和生活行为情况的大学生，他们的心理健康水平也是存在差异的。睡眠、晚未归、与同学交往、学业、旷课和突患疾病等情况，影响了大学生的心理健康水平，睡眠情况越差、晚未归次数越多、与同学交往越少、挂科越多、旷课越多及疾病越严重的学生，他们的心理健康水平越低，越需要高校辅导员、心理中心、家长和朋辈群体进行关注。同时，研究也显示，对大学生不同方面的心理健康而言，睡眠、晚未归、与同学交往、学业、旷课和突患疾病等情况的影响程度有所不同，相对来说，睡眠、与同学交往等情况影响更大，突患疾病对躯体化影响更大，学业等对心理健康影响相对较小。良好的人际关系是人们生活中的一个重要方面，对大学生而言，他们正处于学习知识、了解社会、适应社会的重要阶段，良好的同学关系对他们的学习、成长有很大的影响，满足安全需求、交往需求和尊重需求，更好地获得自我成长、适应社会。相对于性别、专业和家庭等比较稳定的因素，大学生的学习和生活行为状态是实时变化的，这些变化情况，更能精准反映他们的心理健康变化状态。

在工作中，根据实际需要，高校普遍建立了多个学生信息平台，如教务系统、学工系统和住宿系统等，依托现有各种信息平台，大学生的学习和生活行为信息较为容易被观察到和获取，通过大数据技术对这些信息进行整合分析，可以实现对学生心理状态的动态跟踪和实时监测预警，以便及时发现遇到心理危机的学生，高校能够及时提供心理援助，进行危机干预，帮助学生解决遇到的问题。利用大数据技术对大学生心理危机进行监测预警，可以弥补传统高校心理危机监测预警中存在的时效差、效率低和人员不足等问题，保障大学生的身心健康和学院稳定。

四、大学生心理危机监测预警体系构建

利用大数据优势，发挥朋辈群体和辅导员、心理中心等力量，不断完善传统的大学生心理危机监测预警方式，进一步构建基于大数据技术的大学生心理危机监测预警体系。

（一）优化信息采集指标

通过分析可以发现，在大学生的学习和生活行为情况中，睡眠、晚未归、与同学交往、学业、旷课和突患疾病等有助于我们更好地识别学生的心理健康变化状态，可以确定为心理危机监测预警的重要指标，避免指标大而全，从而提高工作效率和精准预警。同时，对已有的信息也进行采集，如心理测评数据、心理咨询情况、家庭经济情况及其他家庭因素等。

（二）搭建心理数据平台

依托现有的心理测评、教务、学工、住宿和心理咨询等信息系统，搭建心理数据平台，利用大数据技术进行整合分析，实现各信息系统的数据共享和有效利用。针对现有信息系统的不足之处，进行改善和完善，进一步增强数据化。如旷课情况，需要任课老师及时上传旷课名单，也可以利用教务系统由学生扫码签到，实时呈现旷课情况。有些信息是通过辅导员、班主任、心理中心和朋辈群体等人群采集的，如睡眠情况、与同学关系和生病等突发情况，等等，建立分级、合理的信息采集及查看系统，弥补其他系统的不足。

（三）建立两级监测预警机制

根据分析，依据不同程度，将指标进行量化，分为两级进行预警（见表8），系统根据采集的信息自动进行预警。针对不同级别监测预警，建立相对应的二级干预机制。一级预警由学院为主进行干预，提供帮扶和支持，学校心理中心提供专业指导；二级预警由学院和学校心理中心共同干预，学院主要提供支持和进行跟踪管理，学校心理中心提供专业干预，必要时邀请校外专家进行联合会诊，做好转介工作。

表8 心理危机两级监测预警机制

综上所述，具有不同学习和生活行为情况的大学生，他们的心理健康水平存在差异，睡眠、晚未归、与同学交往、学业、旷课和突患疾病等情况反映了大学生的心理健康状态，特别是睡眠、与同学交往情况，对大学生心理健康有较大的影响，将这些因素作为信息采集指标，进行数据整合分析，进行两级监测和预警，可以实现对大学生心理健康状态的动态跟踪管理和精准监测预警，及时发现和识别大学生潜在的心理危机，提升高校心理健康教育工作水平，维护学生身心健康、家庭美满幸福和校园安全稳定。