APP下载

大数据四层结构的学生心理健康促进模式研究

2017-07-12卢小杰黄道斌叶明全

电脑知识与技术 2017年13期
关键词:数据挖掘大数据

卢小杰 黄道斌 叶明全

摘要:在大数据视角下对大学生心理健康促进模式研究是心理学研究的一个重要方面。在大数据领域一般对数据采用数据采集、数据分析、数据重构和数据挖掘四个方面来进行,以此建立起基于大数据“四层”结构的大学生心理健康促进模式。采用数据挖掘算法理论构建心理健康预测模型,为大学生心理健康教育提供决策依据。

关键词:大数据;健康促进模式;心理数据;数据挖掘

中图分类号:TP393 文献标识码:A 文章编号:1009-3044(2017)13-0001-02

1概述

随着互联网和移动终端深入到人们生活的各个方面,尤其在大学生群体中产生海量的、动态的大数据资源,大数据为大学生心理和行为的研究开辟了广阔的空间。

本文是在大数据视角下对大学生心理健康促进模式的研究,在大数据领域一般数据分析采用数据采集、数据分析、数据重构和数据挖掘四个方面来进行研究,本文以此为启发,建立基于大数据“四层”结构的大学生心理健康促进模式。

数据采集采用常用的计算机技术对大学生的心理数据进行采集,如网络爬虫;数据分析和重构是对动态的、大量的、离散的大学生心理和行为数据进行清洗和建模,以便对其进行下一步的数据挖掘算法理论研究工作。

2心理大数据

2016年被称为人工智能元年,大数据的应用已经遍布到多个学科,心理学也不例外。大数据为心理学研究提法了新思路,在研究方法上也对心理学产生了深刻影响,体现在以下几个方面。

2.1样本规模

心理学研究的传统方法中,多采用问卷式或访谈式,对样本群体采用抽样方式,用小样本间接表达总体,因此,结果必然有偏差,而对心理学大数据研究改变了这一方式,直接可以进行总体分析处理。

2.2数据客观性

心理大数据资源是从网络中获取数据,不是研究者模拟的实验场景,而是不接触被试者的情况下收集的真实行为数据,从而避免了实验环境下出现的数据主观性等因素,使得数据更加客观准确。

2.3数据的收集和处理

由于现代大学生日常行为越来越体现在网络上,对网络行为数据的收集和处理要远远比采用问卷和测验方便的得多,另外在数据处理方面充分利用数学算法理论和计算机技术也会节省大量的人工,另外在数据规模上达到本质的改变,也能够节省研究时间和成本。

3心理大数据四层结构

大数据是数据科学的一个研究领域,大数据研究是从数据采集、数据分析、数据重构、数据挖掘四个方面来进行。同理,本文研究也从这四个方面进行研究。

3.1大学生心理与行为數据采集

互联网和移动终端已经是人们日常生活的必需品,每天数十亿的用户在网络上留下的痕迹会产生海量数据,由于大学生群体的接触网络、移动终端等智能产品最广泛的人群,数据采集的手段变得丰富多样,分为以下几种模式:

1)可穿戴设备

可穿戴设备具有便于携带的特点广泛应用于医学、生物学和心理学等领域,在心理研究中以手环、贴片等方式实时的检测受测群体的生理信号,如感知EEG信号,可用于情绪识别等研究,它能够较为实时和完整的记录学生个体的行为表现,为开展行为心理学研究提供了一个有效渠道。

2)移动智能终端

移动智能终端在大学生群体中广为使用,针对大学生群体开发移动终端App,即可小范围内推广使用进行校内的数据采集,也可以推广至多所学校的数据采集,关键是App的推广和学生的接受程度。设计App时要注意问卷调查的设计,对问卷量表的设计是把传统的、小众的、难以推广的问卷应用在移动终端,从而扩大采集范围。

3)互联网行为记录

大学生互联网行为主要体现在微博,微信,QQ等社交平台以及浏览网页行为等。跟踪记录数据能够为心理学研究提供最真实最全面的行为数据。

通过以上全面的大数据采集方式,可以全方位的采集大学生心理数据,改变了传统的问卷调查的数据量小,分析样本不全面的缺点,可以做到全面掌握大学生心理动态,为大学生心理与行为健康促进模式提供了数据驱动支持。但是这种大范围内采集数据具有零散化、动态化、筛选难度大等问题,因此,要做好以下的数据分析、清洗、建模和挖掘工作。

3.2大学生心理与行为数据分析

应用计算机对大学生心理行为进行跟踪记录,但是这些原始数据无法直接进行心理学模型分析,需要对其清洗、整理,目前很多数据采集工具已经对大数据进行有效的整理,在整理和清洗之后的研究工作极具挑战。

3.3大学生心理与行为数据重构

数据重构即是数学建模,是把收集和分析的数据建立相应的数学模型,便于从数据角度来解决问题,这是进行大数据分析的前提。建立好数学模型后导入到相应的数据库,当下的SQL数据仓库已经不能满足大数据的分析,各个高校需要建立大数据资源系统以适应了大数据计算分析的需要。

3.4大学生心理与行为数据挖掘

数据挖掘是从大量的数据中挖掘有用知识的过程,基于大数据进行大学生心理和行为的研究思路是:利用采集大学生的客观行为数据,通过数据挖掘算法建立基于大数据的大学生心理和行为数据模型。心理大数据模型建立流程如图1所示:

建立有效的大学生心理数据采集机制和数据分析方法,并把这种结合大数据思想构成的模式应用于大学生心理与行为健康的教育和管理中。4构建大学生心理与行为健康促进模式

通过上文所述,建立大学生心理与行为健康促进模式需要四个层面,如图2所示。

1)数据层

通过以上对数据采集的分析可知数据是驱动建立大学生心理与行为数学模型的基本动力,扩大数据采集范围,改变传统的问卷调查方式是心理学研究的巨大进步。

2)分析层

数据分析和建模是对离散的、无序的、动态的数据进行归纳、整合和清洗的过程,当代大学生的网络行为多样,有效的结合心理学原理设计网络问卷,以及提取心理学关键词,进行心理分析。

3)决策层

数据挖掘得出的决策支撑比传统的问卷调查后进行统计模型分析更具有说服力,对于大数据而言,传统心理学研究的统计学方法已经不再适用,而数据挖掘理论算法能够更好的解决这一问题,实验结果和决策支持提供了更有效的数据支撑。

4)应用层

经过上面几层的建立,可以充分为大学生心理与行为健康促进模式的建立提供理论依据,在应用层面就需要教师、学校、学生三位一体的应用于实践。

5结论

大数据时代,对大学生的心理教育研究也面临着新的挑战和机遇,构建大学生心理行为健康促进模式应结合大数据技术,本文通过借鉴其他学科领域的大数据研究,通过大数据研究的四层结构来建立大学生心理行为与健康促进模式研究,利用大数据的关联性和预测性等特点动态有效地掌握学生心理行为,建立健全现代大学生心理健康促进模式,为学生提供更好的心理健康教育服务。

猜你喜欢

数据挖掘大数据
基于并行计算的大数据挖掘在电网中的应用
大数据环境下基于移动客户端的传统媒体转型思路
一种基于Hadoop的大数据挖掘云服务及应用
数据挖掘的分析与探索
基于GPGPU的离散数据挖掘研究