大数据时代高校心理健康教育的路径创新_许靖悦.pdf

高等教育 科学咨询 第 23 期(总第 797 期)150纵观当代中国社会，民众的心理健康始终是一个难以避开的问题。近期，中国科学院心理研究所和社会科学文献出版社共同发布了 中国国民心理健康发展报告（20192020），本次调查结果中显示，18至34岁青年是成人中最焦虑的群体，无业、失业、退休人员的抑郁水平最高，其次便是学生群体。其中，大学生中有18.5%有抑郁倾向，4.2%有抑郁高风险倾向，8.4%有焦虑倾向。在互联网时代，数据是进行科学分析和价值挖掘的基础。大数据时代下高校能否采取恰当的心理健康教育方式是能否缓解甚至解决青年学生群体心理健康问题的关键。本文的调查及研究对象主要是针对高校青年学生群体，关于路径创新的分析也以各高校采取的普遍教育方式为基础。随着时代的发展，如何利用有限数据进行高校心理健康教育方法的无限创新，是教育教学前沿的教学工作者们一定要探讨的新课题。一、大数据的合理运用是创新的关键随着大数据的普及，网络调查问卷成为新时代青年学生发现问题、开展调查和获取分析资料的重要途径。收集数据后对数据的合理处理及运用是形成“收集数据分析处理方式改良收集数据”这一良性循环的关键所在。（一）大数据时代使调查参与度得到基本保障1.心理问题与影响因素相关性研究（回归分析）首先，在常规的心理健康教育以及心理疏导过程中，确定心理病症往往依赖问答的形式，结果单一且主观性较强。在大数据时代下，统计学的知识可以帮助我们分析不同心理问题及其形成原因的关联性，利用数据进行回归分析，也能发现某种心理问题不同变量之间的依存关系。2.多个影响因素对心理问题的影响程度（广义线性模型）通过广义线性模型以及其他的一般线性模型，可以探讨各影响因素对心理问题影响效应的大小以及影响效应有无统计学意义。通过数据分析观察各因素对心理问题的影响程度，有利于我们确定心理疏导的方向，对症下药。其中，各个因素对心理问题的影响程度是不同的，通过广义线性模型进行分析，在所收集的数据中选取两个变量，分别为“是否在意别人的看法”和“是否害怕在大众面前表现自己”，建立Logistic广义回归模型。Coefficients:Estimate Std.Error z value Pr（|z|）（Intercept）-0.03122 1.14308 -0.027 0.978x1 -0.84512 0.55318 -1.528 0.127x2 0.66105 0.41725 1.584 0.113由此得到初步的Logistic广义回归模型即 我们由此可以确定这些因素对心理健康问题的影响程度。3.心理问题归类（判别分析）判别分析是多变量统计分析中用于判断样品所属类型的一种统计分析方法，它所要解决的问题是在一些已知研究对象已经用某种方法分成若干类的情况下，确定新的样品属于已知的哪一类。判别分析在心理健康教育方面可将各类心理问题出现的症状进行量化处理，在之后通过一系列的问卷调查就可以推断出学生心理问题的主要类别。我们针对每一名调查对象进行了家庭环境测量表FEC、SAS焦虑自评量表、SDS抑郁自评量表、生活事件量表四种心理评测表测数，并把他们换算为统一标准进行判别分析，选取属于发展性心理问题、适应性心理问题的数据。利用线性判别分析函数lda（）进行数据分析 LD1FEC 0.2232042大数据时代高校心理健康教育的路径创新许靖悦，王靖宇（鲁东大学，山东烟台 264025）摘 要：大数据时代令高校心理健康教育方式有了 更便捷、客观的创新发展方向。本文通过收集数据分析当代高校学生心理健康问题的根源，完善大数据的运用方式以革新心理健康教育课堂，结合实际讨论并提出创新课堂的可行措施，探索并挖掘促进高校心理健康教育常态化的方法。关键词：大数据；高校心理健康教育；教学方式创新 第 23 期(总第 797 期)科学咨询 高等教育 151SAS -1.6845701SDS -1.3008228LES 1.0583562进一步建立判别分析模型通过新的模型带入原有的数据，检查模型预测结果与原结果的符合率。Case5.G Zld.class LD11 1 1 -0.3152 1 1 0.1743 1 1 -1.9084 1 1 -0.376 1 2 Sum1 22 3 252 1 20 21Sum 23 23 46 0.9130435可以看到判别符合率达到91%以上，也就是说，我们将四种心理评测表测数带入模型所得出的结果有91%的正确率。我们在进行预测时，只需输入四个四种心理评测表测数，就可以区分是哪种心理问题。在有足够的数据和明确的心理问题分类的前提下，判别分析模型可以大大提高我们区分心理问题的效率。在这里我们举例只用了线性判别分析方法，还有更多的判别方法可运用于不同的问题。同时，也可以对不同方法的符合率进行比较，得出最优模型。4.心理问题的主要因素分析（主成分分析）主成分分析是将多指标转化为少数几个综合指标的一种综合分析方法。在日常学生心理问题疏导工作中，心理问题形成的影响因素有很多，例如，他人的看法、自身睡眠、特定事物影响等。对于所形成的心理问题，各个因素的重要程度不同，所以不能单纯将多个因素进行罗列，而要对多个影响因素进行高度概括。影响心理健康问题的因素由于指标过多，不便于综合分析，可以采用主成分分析法提取主要成分，然后进行相应的分析，最终利用R软件运行。我们将所有的因素分成四类，个人、家庭、学校、社会，这四个成分占全部的95.13%，可以说基本代表了全部指标的信息量。利用这四个综合指标，我们不仅可以计算出这四个指标对心理问题的影响程度，而且可以利用线性加权的方法计算综合影响程度并排名。5.影响因素关联性分析（因子分析）因子分析是主成分分析的伸展，主成分分析通过线性组合将原变量综合成几个主成分，用综合指标来代替。但在变量分析中，某些变量又具有相关性，因子分析就是要找出这个可以影响多个变量、使多个变量拥有相关性的因子。例如，若某同学极度在意别人的眼光、不被信任时会心情压抑、害怕在大众面前讲话，那么我们认为该同学自身敏感，自身敏感就是一个因子，在这个因子的作用下，才会有这样的表现。因子分析就是从大量数据中寻找影响或支配变量的多变量统计方法。以上阐述体现了因子分析和主成分分析的不同之处。因子分析法的意义在于对数据结构进行简化，通过科学的定量分析构造一个优良指标体系。利用因子分析法对心理问题的影响因素分析有两个优点：一是能客观反映各因素对心理问题的影响；二是能消除指数相关性对综合评价的影响。使用因子分析很好地解决了多指标下的心理问题影响原因研究过于复杂的问题，通过分析内在关系，抓住主要矛盾，找出主要因素，使多变量的问题易于研究。（二）大数据有助于预测并规划教学方式的创新方向准确的大数据可以预测高校学生群体心理状态的大致发展趋势及方向。据调查，抑郁和焦虑在大学生群体中始终占据一定比例，究其原因，分为以下四个方面：个人、家庭、学校、社会。每个人在成长过程中或多或少都存在着自身不能消化的问题，有人会选择向家人或者朋友倾诉，有人会选择自己默默忍受。在这个过程中，难免会有如家人朋友不理解、心理承受能力弱等诸多不定因素，这些因素甚至会对个体心理造成更严重的二次伤害。另外，在两个及以上个体所形成的人际交往圈中也会有引发情绪问题的因素。他人看法对一部分学生来说十分重要，其心情会随着外界评价起伏，当听到他人对自己的不当评价时，学生会自我怀疑，甚至走进情绪的怪圈，这也是导致心理问题的原因之一。调查显示，由于个体消化不了负面情绪从而导致该部分学生存在心理健康问题的占比不少，所以我们更要引起重视，妥善分析并正确应用到路径创新中。良好的家庭教育可以帮助学生形成更正面的思维方式与妥善处理负面情绪的能力，而家庭教育失之偏颇或严重缺失家庭教育的学生群体就容易产生各类问题。这类人群较容易形成两种性格，一种是对别人精神施压的压迫型人格，做事往往不会考虑他人的感受，我行我素，成长为“情绪的施暴者”。另一种是接受别人精神施压的忍受型人格，做事太考虑他人的感受，经常高等教育 科学咨询 第 23 期(总第 797 期)152忘记照顾自己的情绪，成长为“情绪的忍受者”1。调查显示，不良家庭教育熏陶下的人格便是隐形情绪暴力的主要来源。学校是学生除家庭外生活最长时间的地方，老师的教育方式和行为潜移默化地影响着学生。据问卷调查显示，相当一部分学生在过往的学校教育中都受到过个别老师的情绪暴力，或者目睹过其他同学的遭遇。心理暴力一定程度上比身体暴力还可能让学生产生不可磨灭的心理阴影。由此，要想真正改善当代学生的心理健康问题，要从青少年时期就严格部署，这无疑是一个需要时间来沉淀的远大工程。随着受教育程度的提高，越来越多的人受到较良好且完整的教育，本科学历并不像从前那般稀缺珍贵，这使得当代大学生群体的竞争压力愈渐增长。很多人的付出被贬值，这就很可能导致焦虑甚至抑郁。另外，“学历阶级跨越问题”也是引发心理健康问题的导火索。调查报告中显示，青年学生群体的心理健康意识较强，并具备一定的心理健康技能。由此，调查追踪青年学生群体的心理健康状况，分析其现状、产生原因与动态变化，对于高校心理健康教育的路径创新有着极其重要的参考价值。（三）大数据的合理透明化旨在保护青年学生群体的隐私网络新时代下，数据的线上无阻碍收集确实为研究问题提供了便利，但同时也存在隐私数据泄露的风险，这无疑会令青年学生群体在作答问卷问题时存在诸多顾虑。所以，妥善储存过往调查数据便是大数据合理透明化的关键一环。高校一定要保证调查系统的安全，定期维护、保护好学生的私生活经历及背景，防止不法分子盗取数据从而对学生进行欺诈和伤害。同时，也要对有心理问题学生所在院系采取保密措施，保障学生的权益，帮助学生缓解情绪问题。这一步骤如果没有彻底落实，将会对学生的心理造成更为严重的伤害。同时，高校也不能为了获取学生的数据而采取不当的措施，一定要在学生知晓的情况下录入数据，防止数据过度透明化。二、高校心理健康教育方式的创新（一）高校心理健康教育 落实即创新在当今高校心理健康的筛查和访谈过程中，不仅要为存在焦虑、抑郁倾向的学生提供良好的心理咨询和疏导，还要通过自我检测小程序或问卷筛查出具有潜在心理健康问题的学生。具体措施包括但不限于：由学校心理学专家团制定心理健康自我检测系统或小程序并定期发放网络问卷收集学生的阶段性心理健康数据；每学期组织多次心理沙龙活动；分析问卷数据后组织专题讲座；筛查出自检系统和调查问卷中心理健康问题严重的学生单独提供疏导。以上措施目前还达不到普及和落实，所以，高校心理健康教育才会有不同程度上的缺失。当务之急是有效落实旧政策后再逐步推崇创新政策。（二）高校心理健康教育课堂的完善与升级在当今网络信息时代，心理健康教育课堂的完善与升级方式也有新思路。例如，高校可以研发一款APP或小程序专门用于收集学生的心理健康数据，相较于调查问卷会更系统化、更具有稳定性。一些线下的简单心理健康教育互动活动也可以逐渐转为线上模式，提高学生的参与度和积极性。高校可以把线下教学时反映不佳的课堂环节换一种方式呈现在线上，但线上互动并不能完全取代线下教学2。另外，增加心理健康教育课堂的趣味性同样是完善与升级的必行之路。线上课堂及活动的界面和参与方式要尽量贴近潮流，例如，将心理健康问题融入小游戏中，每通过一关都有相应的奖励，最好将奖励实质化以此提升学生的课堂参与度。此外，以往的高校学生只有在心理健康中心招募被试时，才能接触参与到线下活动，因此可以增加一些传统课堂无法完成的大型心理健康活动，逐步构建线上线下齐头并进的心理健康教育环境。（三）形成高校心理健康教育常态化趋势探究高校心理健康教育课堂模式的新路径后要维护线上线下课堂秩序和活动方式，使高校心理健康教育常态化是进入这一阶段高校的重点工作。从线上课堂看，大数据统计数据虽有诸多好处，但其中仍存在着一些我们无法预测的因素。我们不能仅相信冰冷客观的数据而忽视鲜活存在的个体，故线上课堂及活动的比重最好不要超过线下，最多呈持平状态。从线下课堂看，专业的教师引导和科学的互动方式是至关重要的，例如