曾先锋 刘红霞 吴金强

海南政法职业学院，海南 海口 571100

一、大数据背景

大数据时代最早是全球知名咨询公司麦肯锡提出，进入2012年，大数据一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据，并命名与之相关的技术发展与创新。正如《纽约时报》2012年2月的一篇专栏中所称，“大数据”时代已经降临，在商业、经济及其他领域中，决策将日益基于数据和分析而作出，而并非基于经验和直觉。哈佛大学社会学教授加里·金说：“这是一场革命，庞大的数据资源使得各个领域开始了量化进程，无论学术界、商界还是政府，所有领域都将开始这种进程。”习近平总书记在视察中国科学院时强调，“大数据是工业社会的‘自由’资源，掌握了数据，谁就掌握了主动权。”目前，大数据在物理学、生物学、环境生态学、军事、金融、通讯等行业存在已有时日。高校心理健康教育者也开始从大数据的角度去关注大学生心理健康问题，并取得一定的成就。但是，通过中国知网查阅发现，目前已有研究极少从大数据的角度去关注服刑人员的心理健康问题。为此，笔者尝试从大数据角度对服刑人员的心理健康状况的人口统计学资料进行差异检验、分析，以期对服刑人员的心理健康问题的发现、解决等提供一定的理论基础。

二、人口统计学变量

人口统计学是一门古老的学科，最先使用“人口统计学”一词的是法国统计学家A.吉亚尔，他于1855年发表《人类统计或比较人口学大纲》，认为人口统计学是人类自然的和社会的历史。另一位法国经济学和统计学家勒瓦瑟尔认为，人口统计学是借助统计方法、探讨人类生命的各个方面，揭示人口一般过程及其各种规律的科学。进入20世纪以来，随着人口统计工作的深入和扩大以及电子计算机的应用，人口统计学扩大了研究领域，广泛采用了数学分析方法和间接估算方法。人口统计学特征是指搜集、整理和分析有关人口现象数量资料的整个工作过程。人口统计学特征一些指标：人口总数、性别、年龄、健康状况、职业、婚姻、文化水平、收入等等。本次采用SCL-90对服刑人员进行测评，所涉及的人口统计学变量有抽查人数、籍贯、性别、年龄段、职业、婚姻、文化程度等几个方面进行方差检验。

三、研究对象及方法

(一)研究对象

从三个监狱随机抽取500名服刑人员发放问卷，收回439份。其中男性253，女性186；本省347，外省92人；已婚242，未婚197；有职业119，无职业320；年龄分为青年期(18-30)、中年期(30-60)和老年期(60岁以上)三个阶段。

(二)研究方法

采用SCL-90量表对服刑人员进行无记名进行统一测试，数据使用SPSS对其数据进行差异检验。

四、研究结果及分析

服刑人员的心理健康及9个因子在性别、籍贯、婚姻、职业、年龄段等五个人口统计学变量的差异检验结果如下，见表1。

从上表1可知，SCL-90各因子在性别上差异不显著，即男性与女性服刑人员的心理健康状况基本相近。服刑人员在SCL-90总量表得分及9个因子在籍贯上差异均显著，具体表现在外省服刑人员的心理健康状况要低于本省服刑人员的心理健康。产生这一结果的原因可能是外省服刑人员远离家乡，在亲情帮教方面不容易做到，而本省的服刑人员相对于外省的服刑人员来说较为方便的进行亲情帮教。由此可见，亲情帮教在服刑人员进行改造具有一定的积极作用。是否结婚在服刑人员SCL-90及9个因子上差异均不显著。有职业的服刑人员心理健康低于无职业的，且差异显著；有职业的服刑人员的恐怖、偏执和精神病性因子均高于无职业的服刑人员，且差异显著。产生这一结果可能是，受过教育的服刑人员在思考问题时候更为深刻，更注重社会对服刑人员的负面看法，以致心理健康状况较无职业的服刑人员的要低。从年龄段来看，随着年龄的增高，其SCL-90总分及各个因子得分呈现越来越高的趋势，且三个年龄段差异显著。为了进一步了解年龄与心理健康的关系，对其进行LSD比较，结果显示：在躯体化因子上，A年龄与B年龄段的差异显著(P<0.001)；在强迫症状因子上，A与B年龄段差异显著(P<0.01)；在人际关系因子上，A与B年龄段差异显著(P<0.01)；在抑郁因子上，A与B年龄段差异显著(P<0.01)；在抑郁因子上，A与B年龄段差异显著(P<0.001)，A与C年龄段差异显著(P<0.05)；在焦虑因子上，A与B年龄段差异显著(P<0.001)；敌对因子上，A与B差异显著(P<0.01)，A与C差异显著(P<0.05)；在恐怖因子上，A与B差异显著(P<0.001)，A与C年龄段差异显著；在偏执因子上，A与B差异显著(P<0.001)，A与C差异显著(P<0.5)；在神经病性因子上，A与B差异显著(P<0.001)，A余C差异显著；在心理健康总情况，A与B年龄段差异显著(P<0.001)，A余C年龄段差异显著(P<0.05)。产生这一结果的原因可能是，(18-30)岁的服刑人员多数未婚，来自家庭的压力比较小，而随着年龄的增长，其思考问题越深刻，担忧也就越多以致心理健康状况较差。

表1 服刑人员的SCL-90各因子在人口统计学变量的差异检验

续表1

备注:A：18-30岁;B：30-60岁;C：60岁以上。

五、大数据与心理健康教育的融合路径

在大数据背景下，监狱服刑人员的心理健康需要其心理健康教育指导中心、监区心理工作者、服刑人员的协助者及信息技术人员等多部门、多个人和多个专业领域进行大力配合。如何有效整合这支队伍，多方面全方位的发挥教育心理健康教育队伍的综合作用，使大数据与心理健康教育较好的融合，可以从以下几个角度思考。

(一)建立多元的人才结构模式

目前，很多心理学工作者尚未及时认识并掌握大数据的特点，不能有效的获取数据、分析数据、挖掘数据、解析数据等技术而使大数据不能被很好的应用于心理健康领域。所以，大数据时代要求心理健康教育团队要打破传统的以心理学专业为主的团队建设模式，而应该从心理学、教育学、医学和信息学等多个领域的人才队伍。加强团队培训和学习，为心理健康教育团队建设提供一定的支持与保障，并在实际工作中加强大数据与心理健康的联系。

(二)提升心理数据的收集分析水平

大数据的一个显著特点是庞大的数据和复杂数据结构，并针对收集的数据进行整理、筛选和分析。心理学对数据的处理处理传统的EXCEL、SPSS、Access、VB、Fox pro、Fox table、Lister和SAS等软件的使用。在数据收集、数据分析评估，要本着严格要求，通过各种方式数据分析方法，对数据进行科学的、综合的、全面的进行分析、解决问题。

(三)建立协调有序的预警工作组织

监狱心理健康教育工作容易被忽视，究其原因，一是服刑人员需要完成甚至超额完成工作量以用来不被惩罚或者减刑，以致他们有心理问题也没时间进行求助；其二，监狱本身也有一定的工作量，甚至每个监区都要进行评比，所以监狱和监区工作人员为了自己的业绩，对服刑人员心理健康教育较少关注。因而，一旦服刑人员出现心理问题，大多数是处于比较严重且不利于治疗的阶段。鉴于此，要求监狱一是改变传统以工作量作为主要考核依据的弊端，把服刑人员学习、生活现场的表现也列入考核依据，建立思想改造、行为改造和心理健康为主线的考核指标，这样就克服了单一以完成工作量作为主要考核依据的弊端；二是吸纳服刑人员心理健康指标作为民警或监区考核指标，同时协调建立有效的服刑人员心理预警工作机制，并作为一项系统工程。要求心理健康中心、监区、医务室等监狱管理人员、志愿者等和服刑人员及家属等组成一个完备的系统。做好各个部门工作的协调，明确并落实各个部门的职责，多部门协调一致对服刑人员进行干预。建立服刑人员定期心理测评机制，在心理测评的基础上进行数理分析，并结合观察和访谈等形式，较为客观全面地判定服刑人员的心理问题类型。进而在全面分析的基础上进行科学准确的评估，为危机干预决策提供参考。