打开文本图片集

摘要：为了加强和改进大学生心理健康教育，本文将山东省大学生群体作为调研对象，分别从性格、行为、情绪等六个维度全面分析评价大学生心理健康现状。采用统计分析、机器学习等方法构建风险预警机制，对大学生的心理状况进行识别、筛查、预测、预警，将有效降低高校教育工作者人工排查难度。通过Lasso回归和Logistic回归分析筛选特征因子，构建风险预警机制。风险预警机制实现大学生客观数据的有效识别、动态筛查并及时报警，可有效提高心理危机干预的及时性、实时性和精准性，降低从性格到人格、行为到行动、情绪到精神的病变风险，对于大学生心理健康工作的顺利开展和有效落实具有重要的现实意义。

关键词：大学生心理健康；Lasso回归；Logistic回归；风险预警机制

引言

2016年12月，原国家卫生计生委、教育部等22部门联合印发《关于加强心理健康服务的指导意见》，对高校学生心理健康教育提出任务要求。2017年12月，中共教育部党组发布《高校思想政治工作质量提升工程实施纲要》，将“心理育人”纳入高校“十大”育人体系。2018年7月，《高等学校学生心理健康教育指导纲要》更将推进知识教育、开展宣传活动、强化咨询服务、加强预防干预作为心理健康教育的主要任务[1]。加强和改进大学生心理健康教育是新形势下全面贯彻党的教育方针、推进素质教育的重要举措，是促进大学生健康成长、培养高素质合格人才的重要途径，是加强和改进大学生思想政治教育的重要任务。随着信息化、智能化的发展，机器学习技术在大学生心理健康工作中起到越来越重要的作用。

一、大学生心理现状调研分析

1.1调查问卷内容设置

从性格维度、行为维度、情绪等六个维度调查大学生在后疫情时期的学业、人际关系及就业压力情况、上网时间及睡眠时间的变化情况、大学生对新冠疫情焦虑担忧频率、生活满意度和近期情绪状态以及大学生在后疫情时期对专业心理支持或咨询的需求以及对学校心理咨询服务的了解程度，设置《大学生心理危机调查问卷》。

1.2调查问卷基本信息

本次调查问卷共计发放410份，排除不合格样本后得到389份有效问卷。其中男性为198人，占比50.9%；女性为191人，占比49.1%。

年级方面，大一和大二占据较大比例，分别是28.53%和42.67%。大四占比最小，为5.66%。

专业类别方面，工科占据较大比例，为39.33%。理科占比最小，为28.53%。

1.3 调查问卷的信度效度检验

本研究的调查问卷在秦佑凤等修订的《心理咨询效果问卷》 （Outcome Questionaire-45，OQ-45）评估学生的心理健康水平的基础上修改而成，与 OQ-45《心理咨询效果问卷》在结构和内容上存在一定差异。OQ-45 主要侧重于评估个体在症状困扰、人际关系和社会角色功能等方面的状况，以衡量心理咨询的效果[2]。本调查问卷涵盖了性格、行为、情绪、家庭与社会环境、自我感知与评价等多个维度。

为了保证调查的科学性、客观性、真实性、以及研究的有效性，对问卷结果进行了信度和效度的检验。关于问卷的信度，项目组采用Cronbach’s Alpha 系数来对问卷的信度进行检验，问卷的总体信度为 0.941，该指数大于 0.7，表明问卷具有较高的信度。关于问卷的效度，经过分析，显示大学生心理危机状况调查问卷的 KMO 值为 0.949，说明具有较高的效度。

二、大学生心理危机调查指标分析及评价体系构建

2.1大学生心理危机调查指标分析

通过从性格维度、行为维度、情绪维度对大学生的心理健康状况情况的统计分析，得出的调查结果如下：（1）学业压力增加；（2）人际压力增加；（3）上网时间增加睡眠时间减少。

2.2 建立测评量表，构建大学生心理健康评价体系

本研究的调查问卷在《心理咨询效果问卷》 （Outcome Questionaire-45，OQ-45）评估学生的心理健康水平的基础上修改而成，是一种广泛使用的心理评估量表，用于评估个体在心理治疗过程中的症状变化和心理功能改善情况。评分方式一般是根据被试者对每个项目的回答进行计分，然后综合计算得出总分。分数越高，通常表示心理问题越严重或心理功能越差[3]。

在《大学生心理危机调查问卷》中，每个项目都有5个选项，分别对应不同的分值，结合OQ-45 量表的评分标准，建立《后疫情时代山东省大学生心理健康测评量表》。《大学生心理健康测评量表》中，量表总分为除基本信息外选项得分之和，总分越高，表明心理症状越严重，心理功能越差。结合OQ-45 量表总分设置了两种心理健康状态：74分及以下：表示心理健康，用“0”表示；74分以上：可能存在一定程度的心理问题，表示心理危机，用“1”表示。评价体系的两种状态影响因素较多，下一步结合机器学习方法找出引起心理变化相关程度较高的特征因子。

三、大学生心理危机的回归分析研究

3.1 Lasso回归模型

Lasso（Least absolute shrinkage and selection operator）方法是以缩小变量集（降阶）为思想的压缩估计方法。它通过构造一个惩罚函数，可以将变量的系数进行压缩并使某些回归系数变为0，进而达到变量选择的目的[4]。

3.2 Lasso回归模型筛选特征因子

应用SPSSPRO在线数据分析平台进行Lasso回归，把所有的变量因素进行变量筛选。Lasso回归当参数λ=0.02，结果显示4. 您通常如何应对压力或挑战？、5. 您如何评价自己的宜人性（与人相处的和谐程度）？、7. 您如何评价自己的责任心和自律性？、15. 您如何评价自己的生活满意度？、17. 您如何评价自己的挫折承受能力？、18. 您是否经常感到生活没有意义或目标？、25. 疫情后，您是否感到孤独或与社会脱节？、27. 您如何评价自己的自我接纳程度？、29. 您是否感到需要专业的心理支持或咨询？、30. 您是否知道如何寻求学校提供的心理咨询服务？这10个变量被保留，它们是大学生心理危机风险的危险因素。Lasso回归λ与模型回归系数图见图1，模型系数表展示了模型系数情况，当模型中标准化变量系数为0时，代表这个变量被排除出模型。

四、大学生心理危机风险模型构建

4.1 Logistic回归分析技术

二元逻辑回归：在这种方法中，响应变量或因变量本质上为二分法，即它只有两种可能的结果（如 0 或 1）。在Logistic回归中，这是最常见的使用方法，更概括地说，它是二元分类最常见的分类器之一。

4.2多因素logistic回归模型及实现

将 Lasso 回归筛选出的10个变量作为自变量，以“大学生心理是否健康”为因变量，构建多因素logistic回归模型[5]。

应用SPSSPRO在线数据分析平台进行因素logistic回归模型分析，输出的模型评价显示显著性P值0.000***，水平上呈现显著性，因而模型是有效的。输出结果详见表1。

多因素logistic回归模型的结果显示：4. 您通常如何应对压力或挑战？、5. 您如何评价自己的宜人性（与人相处的和谐程度）？、7. 您如何评价自己的责任心和自律性？、15. 您如何评价自己的生活满意度？、17. 您如何评价自己的挫折承受能力？、25. 疫情后，您是否感到孤独或与社会脱节？、27. 您如何评价自己的自我接纳程度？、29. 您是否感到需要专业的心理支持或咨询？这8个变量会对心理健康（0健康，1不健康）产生显著性影响。18. 您是否经常感到生活没有意义或目标？和30. 您是否知道如何寻求学校提供的心理咨询服务？ 这2个变量不会对心理健康（0健康，1不健康）产生显著性影响。输出结果详见表2。

从SPSSPRO在线数据分析平台输出的ROC曲线图可知，多因素logistic回归模型效果很好。从SPSSPRO在线数据分析平台输出的分类评价指标通过量化来衡量逻辑回归的分类效果。准确率、召回率和精确率均为98.2%，AUC为99.7%，AUC值越接近1说明分类效果越好。详见表3。

多因素logistic回归模型确定了8个对大学生心理健康（0健康，1不健康）有显著性影响的变量，对应调查问卷上的8个问题，大学生心理健康（0健康，1不健康）的变化很大程度上取决于这8个因素影响。

4.3影响大学生心理健康因素的标准化

根据logistic回归模型，本研究确定了影响大学生心理健康（0健康，1不健康）的8个因素，结合大学生心理健康指标，对影响因素进行标准化命名，如表4所示：

4.4构建风险预警机制

根据logistic回归模型得到的8个显著性因素，构建学校、院系、班级、宿舍的四级风险预警机制[6]。

（1）一级预警

高校大学生心理健康中心是大学生心理健康风险预警机制的一级预警，负责大学生心理问题的专业的心理支持或咨询。高校大学生心理健康中心负责指导大学生心理评估和干预方案的全面工作，为大学生提供心理健康教育。

（2）二级预警

二级学院心理健康辅导员和各班级辅导员、班主任的二级预警工作主要通过谈话、观察、其他学生反映等多渠道对学生进行判断和识别，了解学生的压力或挑战以及挫折承受能力，定期摸清学生心理问题状况，有效开展问题应对及后续追踪工作。

（3）三级预警

班级心理委员负责维护学生心理健康，观察大学生心理健康状况，学生的责任心和自律性、班级之间的社会关系，及时发现异常情况并上报并协助解决，组织班级心理健康活动，指导班级心理健康工作，帮助学生解决心理问题。

（4）四级预警

宿舍心理信息员主要聚焦宿舍日常生活，观察学生与人相处谐程度、生活满意度和自我接纳程度，为学生提供必要的心理引导和帮助，参与宿舍内的心理健康教育活动。

大学生心理问题四级预警机制包括学校、院系、班级和宿舍四个层级。这一预警机制的意义在于及时发现和解决学生的心理问题，保障学生的心理健康。此外，高校还应加强与家长的沟通与合作，及时向家长反馈大学生的心理健康状况。

心理健康状况。

五、总结

本研究综合运用了多种研究方法，包括问卷调查、数据分析、案例研究和模型构建等。其中，在数据分析方面，采用Lasso回归模型筛选出引起心理变化相关程度较高的特征因子，对收集到的数据进行挖掘和分析，以探索大学生心理危机的潜在模式和规律。在模型构建过程中，利用机器学习技术的Logistic回归分析技术，对心理变化进行定量检验和定性评价，构建风险预警模型。大学生心理健康风险预警机制能够帮助高校准确识别心理危机高风险学生，制定个性化的干预方案，提高心理健康教育工作的针对性和实效性，提升了高校心理危机干预的能力，为高校心理健康教育提供了科学依据。

参考文献

[1] 吴禹，赵阿勐，厉红，等. 青年大学生心理健康教育的发展概况及对策[J]. 齐齐哈尔医学院学报，2023，44（10）：988-992.

[2] 秦佑凤 ，胡姝婧.（2008）. 心理咨询效果问卷 （OQ-45） 在中国部分人群的试用报告[J] .中国临床心理学杂志， 16（2）， 138–140.

[3]易晓明，定险峰，薛璟，等.《中国大学生心理健康筛查量表》选项等级和部分题目的修改[J]. 中国临床心理学杂志，2022，30（6）：1371-1375.

[4] 姚春芬，屠嘉俊，童林泉，等. 大学生心理危机发生的影响因素分析：基于社会支持的视角[J] . 嘉兴学院学报，2023，35（3）：137-144.

[5] 袁翔宇，张蓬鹤，熊素琴，等. 基于逻辑回归算法的异常用电辨识方法研究[J]. 电测与仪表，2021，58（12）：81-87.

[6] 朱焰，林爽. 大数据视域下大学生心理预警系统的构建[J]. 煤炭高等教育，2020，38（1）：60-67.

课题来源：2022年度山东省人文社会科学课题

课题名称：后疫情时代基于机器学习的山东省大学生心理危机轨迹及预警模型研究

课题编号：2022-XXDY-16