打开文本图片集

摘 要：针对目前高校大学生的心理健康问题，分析了目前常见的心理健康预警系统存在的一些问题，从心理健康数据的采集、清洗和挖掘等方面，提出一种适合我国高校的基于人工智能技术的大学生心理健康预警技术及防范机制，促进应用型人才培养。

关键词：人工智能、大学生心理健康、预警系统

1  引言

传统的大学生心理危机预警机制主要通过自陈式的自我报告法来分析人的行为特征和心理健康，要求学生依据自身情况回答事先设计好的行为和心理问题，从而以计分的方式估测学生的心理健康程度。自陈式的自我报告法受到测试者主动配合程度和记忆误差的干扰，实时性和准确度不足，同时过于依赖测试者的参与度，无法开展大规模的实时心理健康预测[1]。

随着信息化时代的快速发展，计算机网络与日常生活不断深入融合，作为人心理外在表现的海量的网络行为有助于为心理健康预警带了一种新的思路。目前很多研究发现网络行为与其心理特征存在着关联关系，2000年以色列的汉姆博格儿和本·阿尔茨首次提出人类网络行为对心理学研究的影响[2]。

2  基于人工智能的心理识别

2009年昆士兰的威尔逊等人利用多元回归分析显示年轻人的人格特征与社交网站的使用有相关性，外向心理特征的人群具备更高水平的社交网络使用[3]。2014年英国的巴斯大学的哈伍德团队研究发现，更高的智能设备参与度与更高水平的抑郁和压力显著相关，同时智能设备的使用与抑郁、焦虑或压力没有显著关联[4]。2016年北京人民大学的高玉松等人从收集到的手机原始数据提取了10类共105维手机使用行为特征，为了检验手机使用行为特征对交往焦虑、孤独感的区分性，该研究组对手机行为在不同交往焦虑、孤独感水平上进行了显著性差异检验，该研究结果对于进一步利用智能手机使用行为数据进行用户交往焦虑、孤独感等心理状态的识别有着重要的启示意义[5]。上述研究表明，大学生生活学习过程中的各类行为线索可以作为电子数据记录下来，这些量化的行为记录与大学生的心理健康之间存在着密切的关系。

通过对大学生在各类网络社交平台的行为痕迹的分析，借助人工智能技术，能够一定概率的自动识别大学生的心理健康问题。2013年剑桥大学的科辛斯基团队通过获取127名志愿者的智能手机的使用行为，得出社交焦虑和孤独感同智能手机的使用行为存在一定的相关性，可通过合适的模型来识别个人的心理健康问题。2014年中科院的李玲等人利用网络爬虫手机收集547名微博用户的数字记录，通过建立回归模型预测用户的心理特征相关系数达到0.48-0.54之间。2020年同济大学的帅学倩团队对大学生抑郁筛查及预警系统的提出一定的可行性，具备很好的发展前景[6]。上述国内外研究表明，利用大学生网络行为线索，通过机器学习训练得到的相关预测模型，可对大学生心理健康问题有效识别并达到预警作用。

3  大学生心理健康预警技术

大学生心理健康自动识别技术是指利用生态化方式采集大学生的网络行为数据，得到大学生授权的前提下结合机器学习方法，通过非用户的自我报告或客观指标的测量方法对大学生的心理特征进行自动识别以达到心理健康预警的方法。具体步骤包括：建立大学生网络行为初始数据仓库，通过数据预处理筛选所需心理样本数据，利用特定的机器学习预测模型进行计算，实现对于大学生心理健康的自动识别。

建立数据仓库：无选择地对于大学生网络行为数据进行收集和记录。比如通过网络爬虫或者其他技术收集和下载大学生的网络社交平台的数据，建立大学生群体的多样化的网络行为数据仓库以便分析和建模。

数据预处理：针对初始数据仓库进行数据筛选。首先需要设计针对大学生心理健康的关键词对初始数据仓库自动筛选，并且确定网络行为数据的测量时间，可针对网络行为的不同时间段进行回溯性研究。

机器学习预测模型：将经过数据预处理的心理健康数据进行特征提取和属性变换等操作，输入相关的大学生心理健康模型中进行预测，由机器学习模型输出大学生的心理特征预测值，同时可自动化对大概率的心理问题进行预警和提醒。

基于人工智能的大学生心理健康自动识别和预警系统结构分为数据层、机器学习层和用户界面层，数据层用于储存大学生心理初始网络行为数据，通过数据预处理获得心理健康目标数据集。机器学习层用于特征提取，心理特征值的预测。用户界面层用于查看预测结果并预警。如图1所示。

4  结论

研究人工智能和大规模数据技术在大学生心理健康检测和预警中的应用具备很好的实用价值，值得深入探讨和实践。

参考文献：

[1]朱廷劭.人工智能助力心理学研究的应用场景[J].学术前沿，2019，（20）：48-53.

[2]Y.A.Hamburger，E.Ben-Artzi.The relationship between extraversion and neuroticism and the different uses of the Internet[J].Computers in Human Behavior，2000，16（4）：441-449.

[3]WILSON K， FORNASIER S， WHITE K M.， 2009， "Psychological predictors of young adults' use of social networking sites"， Cyberpsychology & Behavior， 13（2）.

[4]张家明，王纯静．基于大数据技术的大学生心理危机预警研究[J].教育与职业，2015（30）： 75-77．

[5]Yusong Gao， Ang Li， Tingshao Zhu， Xiaoqian Liu， Xingyun Liu.， 2016， "How smartphone usage correlateswith social anxiety and loneliness"， PEERJ， 4.

[6]帅学倩等.大学生抑郁筛查及预警系统的研究进展[J].同济大学学报（医学版），2022.41（5）：666-671.

基金项目：浙江万里学院省级大学生创新创业训练计划项目（S202310876051），宁波市高等学校思想政治教育研究会（SGXSZB2318）， 宁波市高等学校保卫工作研究会研究课题“基于人工智能的大学生非正常伤亡事件的预警和防范的研究与实践”