李宝珍 叶正飞 林玉双

摘 要：高校特殊群体学生现状调查是当今社会关注的焦点之一，其危机干预的策略研究也是社会全体同仁高度重视的事情，然而，这一问题目前还未得到有效解决。文章在传统研究模式的基础上，引入大数据及机器学习算法，提出一套新的方法。首先，以某高校为试点，整合该高校多年来从事这一工作数据，收集得到的详实资料，利用多种研究方法，提炼出高校特殊群体学生各种类的现状与特征，形成较为精准的特殊群体学生数据库。其次，使用机器学习算法在这些数据的基础上，建立有效的模型，精确识别不同类别的高校特殊群体学生。最后，归纳出一套对于高校匹配度高且有效的高校特殊群体学生危机干预策略。

关键词：大数据 特殊群体 学生 现状调查 危机干预 策略研究

中图分类号：F016.3;G645  文献标识码：A

文章编号：1004-4914（2021）05-151-05

一、背景及意义

随着素质教育的深入和发展，我国高等教育正经历前所未有的跨越式大发展，高等教育规模从精英化走向大众化。教育是国家发展的基石，而大学生是国家发展的未来。近年来伴随着社会转型发展，高校也面临着新问题。其中一个非常重要的问题就是经困、学困、心困等特殊群体学生人数不断增加，特殊群体学生已是学生群体的重要组成部分，由特殊群体学生引发的安全问题愈发频繁，这也是当前高校的痛點之一。随着数字信息时代的到来，高校如何在大数据背景下，对这些特殊群体学生现状调查及危机干预的策略研究是对于如何做好高校特殊群体的思政工作具有极其重要的实际意义。在目前高校对特殊群体学生现状调查不够全面以及危机干预应对策略仍不够完善的前提下，利用大数据分析，从数据库发现隐含的有价值的信息，实现对特殊群体学生的现状调查全面化，以及危机干预的应对策略研究高效化，开展有效的危机干预工作;对特殊群体学生进行正确的疏导与指引，尊重教育和学生身心发展自然规律，构建适合新时代的新型的特殊群体学生危机干预模式，为每个高校的特殊群体学生提供订单式教育，并能使得高校学生工作的效果得到优势最大化。

二、建立完善的特殊群体学生信息源

本研究整理已有信息库，包括申请人所在高校学生的显性和隐性数据，并对缺失值、异常值、敏感信息等进行处理。本研究组采集了所在高校近60种特殊关注的高校学生网络行为，其中涵盖了图书馆借阅信息、网页浏览等动态行为，结合学籍管理系统，可以形成显性和隐性数据完整的特殊群体学生信息库。调查信息方面，收集了所在高校学生的多方面信息，其中包括每月的生活费、学习负担重、参加活动次数、家庭经济情况等一系列信息。在数据预处理方面，将取得的信息与参考数据相匹配，将超过三个标准差的样本数据视为异常值进行剔除，将具有过多缺失值数据进行剔除，含少量缺失值的数据，连续型特征数据采用中位数或k近邻算法进行填充，离散性特征数据用众位数进行填充。

样本方面，收集8992个学生的五类数据集，分别是正常生、学困生、心困生、经困生和其他特殊生，其中正常生表示正常非特殊群体的学生，其它均为高校特殊群体学生。经困生代表经济困难的学生，根据是否入家庭经济困难信息库且申请贫困补助判定，学困生代表学习困难的学生，根据学生挂科情况进行判定，心困生代表心理亚健康的学生，其他特殊生为除以上三类之外的特殊生，根据学生的调查分析综合评定。

特征方面，本课题组共筛选了22个，分别是学生平均每学期心理健康咨询次数、参加集体活动次数，平均每月的饮食消费、娱乐消费、购物消费、总消费金额，平均每周玩游戏时间、看视频时间、浏览网页时间、去图书馆次数、学习时间、旷课次数，问卷方面包括男女性别、是否单亲、农村或城市户口，家庭贫困程度，承受的各方面压力程度以及应对困难采取方式。

三、高校特殊群体学生现状调查研究

基于“高校特殊学生群体”所包含的细分群体种类较多，本文将分析高校特殊学生群体中三类最为典型的细分群体给予研究，其三类为学困生、心困生、经困生，从而以点带面，将其经验和相关性扩散到整个群体。

（一）经困生现状调查研究

经济贫困对部分学生的心理和行为产生较大影响，针对经困生的分析研究，本研究组选取正常生和经困生各300个进行分析，特征方面选取部分相关特征分析，例如平均每月饮食消费、娱乐消费、购买消费、总消费、家庭贫困程度等特征。

首先，本研究做出关于正常生和经困生在平均每月饮食消费、娱乐消费、购买消费、总消费各方面的箱线图，如图1所示。对于该箱线图，从上向下看，分别对应着异常值、上边缘、上四位分数、中位数、下四位分数和下边缘的信息。经比较得到正常生和经困生在各消费水平上存在一定的差异性，而这些差异为数据挖掘提供了有用的信息，发现经困生独有的行为特征，有助于筛选重要特征和对高校特殊群体学生进行预测。

为了进一步探索正常生和经困生在不同特征下更细微的差异，本研究结合概率统计的知识，研究其概率分布情况。如图2所示，分别展示了正常生和经困生在不同消费金额的人群概率密度图，由图可知，在饮食消费水平方面，正常生与经困生之间的差距不是很大，主要在1000到1500元范围波动，但在娱乐、购买和总消费水平上呈现较大的差距，也呈现出不同分布。

由于特征间又存在一定相关性，为了提高计算效率选取有用特征，避免冗余特征和无关特征的干扰，本课题组做出对特征的多变量分析。最终结果如图3所示，该图为特征两两对比的多变量图，有图可知娱乐消费、购买消费和总消费两两间存在较高的相关性，而饮食消费则存在较弱的相关性。总体来说，对于列举的这四个特征，从多变量图来看，任意选取两个特征均能较好的对正常生和经困生进行聚类。

在采用多个特征分析方法，完成了相应的特征工程工作后，本研究采用机器学习方法，选取k近邻（KNN）、支持向量机（SVM）和随机森林进行（Random Forest）对正常生和经困生进行分类预测。采用交叉验证法，划分数据集，将70%样本数据作为训练集，剩下30%样本数据作为测试集，其最终结果如表1所示，其中采用的支持向量机算法的效果十分明显，说明选取的特征和构建的模型是有意义的，能有效对经困生进行预测。

最后，本研究针对经困生的基本信息和心理压力等特征，进行数字化处理并做t检验分析，筛选出其中的显著性特征，根据p-value决定，选取特征的p-value小于0.05的值，最终筛选得到4个显著特征，户口、是否单亲、家庭贫困程度和经济压力。显示结果如表2所示，由表可知，经困生与正常生的主要区分在于家庭贫困程度和是否单亲因素，经困生虽然承受着一定程度的经济压力，但其均值未超1，且与正常生相比差距不是很大，总的来说属于可接受范围，但仍需对经困生实行定量的心理辅导帮助，以避免不必要的高校特殊群体危机事件发生。

（二）学困生现状调查研究

学困生容易出现自我效能感差、厌恶学习和逆反心理现象，追溯原因与该类学生目标不明确、基础知识弱、动力不足，方法欠佳，意志力弱，自控力差，心理素质低于平均水平，影响正常生活和学习。本研究选取正常生和学困生各200个进行分析，特征方面我们选取部分相关特征分析，例如平均每周玩游戏时间、看视频时间、浏览网页时间、去图书馆次数、学习时间、旷课次数，学业压力和应以困难采取方式等特征做分析，挖掘有用信息。

首先本研究选取高校学生平均每周玩游戏时间、旷课次数、学习时间、去图书馆次数做统计分析，为了直观对比正常生和学困生在不同特征下的行为情况，则选取了小提琴图进行可视化。如图4所示的是各特征下正常生和学困生的小提琴图，由图可知，游戏和学习方面正常生与学困生平均时间差距不大，但学困生相对出现较多的花大量时间玩游戏现象，正常生相对较多花更多时间在学习上，在旷课方面差异不太明显，仅有的较大差异则体现在去图书馆次数上，且由于学生挂科率不高，学困生样本较少这都使得对特困生分析提出了更大的挑战。

由于特征差距不明显，所以本研究选择先用机器学习方法对正常生和学困生进行分类预测，之后再采用支持向量机的递归消除法或随机森林的特征选择法，选出重要特征，若预测的结果越好，表示选择的特征越好。同样将70%的数据作为训练集，剩下30%数据作为测试集，如表3所示，在对多个算法对比下，可以看出支持向量机的效果并不明显，k近邻算法的效果也是一般，而随机森林的效果最好，这是由于随机森林算法具有特征筛选的功能和决策树信息增益的特点。因此，对学生行为上的分析，使用随机森林算法能尽早发现学困生，采取相应的危机干预策略。

之后，本研究根据预测结果，使用随机森林算法，使用OBB采样，即有放回采样，构造训练集和测试集，再分别对各特征随机加入噪声，根据测试集准确度降低的幅度，计算出每个特征的重要性，选出重要特征。由于特征的重要性均为小数，于是将其值缩放成整数，以条形图方式展示。如图5所示，由图可知，排在前四的重要特征正是前面作小提琴图分析的特征，而紧接之后的重要特征就是学业压力和应对困难采取方式，则需进一步分析这两个特征。

最后，本课题组进一步分析学困生学业压力和应对困难采取方式情况，最终对学困生信息进行统计，其统计结果如表4所示，由表可知当学困生无学业压力时，呈现出两个极端，应对困难采取方式以解决问题和逃避为主，当学困生有轻微压力则呈现更加主动去解决问题和寻求支持，而学业压力较大时逃避和寻求支持成为主要应对困难采取方式，则需要对学困生进行正确的心理教育，避免产生期待和逃避的处事行为。

（三）心困生现状调查研究

心困生是指心理处于亚健康状态，具有一定心理障碍的学生，其表现为个体无法适应当前社会环境，从而表现出心理活动异常的状态。针对于对于心困生的研究，本课题组选取正常生和心困生各300個，由于造成心困生相关的特征较多，则主要分析与其相关的一些特征，其中包括学生平均每学期心理健康咨询次数、参加集体活动次数，承受的家庭压力、经济压力、学业压力、就业压力、社会与人际关系压力程度以及应对困难采取方式等特征。

首先本研究针对承受的一些压力类型进行分析，如家庭压力、学业压力、就业压力和社会与人际关系压力，同样将承受压力程度分别标记，再作出小提琴图，如图6所示，由图可知，正常生与异常生来自家庭压力的情况差异不大，来自学业压力呈现出较小的差别，而略微明显的则是就业压力和社会与人际关系压力，总体来说正常生和心困生同样面对着各发面的压力，而且差距微小，所以在之后的工作中会考虑到心困生与正常生主要的差别来自于内心的承受能力和对事物发展的人生态度。

然后，本研究对正常生和心困生做出行为上的差异分析，主要是平均每学期心理健康咨询次数和参加集体活动次数的特征进行分析。如图7所示，不论正常生还是心困生，他们总的心理健康咨询次数较少，但正常生和心困生的咨询次数仍然存在明显的差异，这也为及时更早发现心困生提供了重要的帮助。相对参见体积活动，心困生参加的次数略少于正常生，基本保持一致，无太明显的差异。

而后，本研究对正常生和心困生进行分类预测，由于在上述特征分析过程中，未发现太多显著差异特征，则可以知道心困生相对经困生和学困生更加难以预测。由于在之前使用的k近邻算法效果相对其它算法较差，本研究即引用神经网络算法替换k近邻算法，试图找到最适合预测心困生的算法。同样保留70%样本数据作为训练集，剩下30%数据作为测试集，并进行优化调参，最终结果如表5所示，根据结果所示，在神经网络训练过程中需要进行大量的计算还要不断优化参数、控制隐藏层数目，这使得训练量加大，但最终的良好的结果使得模型具有相应的可使用性，可有效地对心困生进行分类预测。

最后本研究针对比正常生和心困生在应对困难采取的方式进行统计，其结果如表6所示。由表可知，正常生在应对困难时主要采取的方式是解决问题和寻求支持，而期望和逃避的解决问题方式呈现递减现象，且占较少比例。心困生在应对困难时，采取的四种方法较为均匀，但期望方式表示等待他人帮助或是依靠他人决定态度，这种应对困难采取的方式显然不够积极，同样逃避也是极不提倡应对困难的方式，相对正常生中0.07比例的逃避现象，心困生竟达到了0.23的比例，这就需要及时对心困生进行心理上的辅导和处事态度上进行端正。

四、危机干预的策略研究

经过上述对三类典型的高校特殊群体学生--经困生、学困生和心困生的研究分析，本研究决定从学生个体方面、家庭方面、学校方面及社会环境方面全面展开对其典型的三类高校特殊群体学生危机的成因分析，根据不同类型的高校特殊群体学生制定出相应的危机干预策略，同时建立有效的危机干预机制，来帮助高校特殊群体学生，从而较少事故发生。

（一）危机形成原因分析

高校特殊群体学生危机的形成一般都是由内因和外因综合作用产生的，内因主要是学生个体方面因素，外因则是学生家庭、学校、社会等外在环境的合力。

学生个体方面，是高校特殊群体学生危机事件引发的根本原因，例如身体、心理健康方面存在问题或缺陷，这使得学生在生活中产生诸多不便甚至痛苦，这可能会形成不良好的人物性格，例如自卑心理和极端心理，也会产生学习重视不够和自我认识混乱的现象，若不及时处理，则会留下危机隐患。

家庭方面，家庭成员的行为会对孩子的价值观、道德品质和行为作风产生影响，而且家长的培养模式也会对孩子今后自我塑造和习惯行为养成产生深远的影响。高校特殊群体学生同时可能也承受着来自家庭经济的压力，当这些压力增大时，也会容易形成个体发展危机。

学校方面，存在某些问题，例如教务管理、学生管理体系不够全面，这都需要高校的各层教育管理者完善对学生的管理及服务。服务方面，需要日渐完善图书馆、教室、实验设备等一些基本教育资源，管理方面则需要学校完善教育体制，避免高校特殊群体学生危机事件的发生。

社会方面，当代人的价值观、处事手法等众多宏观社会环境影响着家庭和学生个体，学生也面临着就业压力和社会人际交往等压力，这就要提高学生对当代社会环境的适应能力和对社会的反思能力来应对日益多元化的社会现象。

（二）经困生危机干预策略

经困生主要承受着经济压力，可以专门构建针对经困生的管理体系，精准地对经困生开展物质和精神扶贫。在物质方面，高校要加大大学生助学政策宣传力度，完善经困生助学金评定体系，为他们提供适合的勤工助学岗位，并做好家庭经济困难学生的临时性困难补助工作;在精神方面，因为经困生在物质贫困的同时可能还存在心理贫困的现象，所以高校老师要多关注他们的心理状态，提供思想和观念上的帮助，通过各种渠道和形式来让他们独立、乐观、奋斗。其次，应针对贫困大学生的人际交往不良心理和情绪，可以通过个体咨询或者团体辅导。要培养他们人际交往技巧和方法，将人际交往中的要素传授给他们，用心获得他人的信任、尊重和真诚的友谊。最后，要培养他们的感恩的之心以及健全的人格，使他们树立正确的“三观”。

（三）学困生危机干预策略

学困生是指高校中具有学习困难的学生，而学习困难可能会造成，学生学业出现学业警告、降级、延长学制、肄业、结业、不授学位、不能按期毕业、退学等，这也可能会迎来危机事件发生。所以要对学困生实施全方位跟踪的过程管理和帮扶计划。根据大数据技术对学困生进行预测，并结合各院系实际情况确定学困生名单，尤其针对补考或重修的学生。针对此类学生，制定帮扶计划，建立激励机制，设立培养档案，做好跟踪报告，营造学风氛围;根据帮扶计划，推行学业帮扶导师制，将班级分为若干组，每组有学业优秀学子，这些学子作为导师结对经困生，应用积分制进行小组考核，小组之间形成你追我赶的良好氛围;班主任、辅导员则需要深入全面了解和掌握学生的整体情况，时时关注相关学生状态，精准约谈;实现家校联动，共同帮助学生成长;应用大数据技术做好反馈，实现即时反馈，使资源实现最大化;院系领导把控全局，做好网格化指导，真正促进学困生的转化。

（四）心困生危机干预策略

对于心困生危机干预策略，需要做到加强心理健康教育，完善心理咨询工作，建立有效的“心理危机干预”机制体系。具体可做好如下工作：健全心理咨询工作队伍建设，设立心理咨询督导制，建立心理健康咨询数据档案，进行个体跟踪辅导;在学生中开展心理测评工作，对测评中有不健康倾向的大学生，进行个体心理咨询且筛选，给予心理健康情况定级，随后要进行有针对性的教育;开展心理健康月系列活动，心理团辅、心理情景剧、心理健康知识专题讲座等，培养学生的心理素养;开设《教育心理学》课程等途径，使学生了解心理基本知识和心理特点;引导学生积极投身社会实践，使学生感受自我的存在价值，培养自信、自尊、自强意识。

五、研究总结

随着社会经济和高等教育的不断深化，以及信息技术的高速发展，高校的教育模式从精英化向大众化转变，近年来高校特殊群体学生数量不断上升，高校特殊群体学生已是学生群体的重要组成部分，由特殊群体学生引发的安全问题愈发频繁。所以，在目前高校对特殊群体学生现状调查不够全面以及危机干预的应对策略仍不够完善的前提下，对高校特殊群体学生现状进行调查，并对这些学生的危机干预提出相应的管理方法、相應的制度、相应的应对策略等都对做好思政工作和维持高校的安全稳定起到重要的推动作用。

随着教育信息化建设的快速发展，同样本研究所在高校也建设了较为全面的信息资源系统，其中包含所有学生的网络数据和调查数据。对于此次的项目研究，本课题组使用了本校从2016年至今近60种特殊关注的高校学生网络数据和收集的大量调查统计数据。网络数据方面包括教务系统数据、上网行为数据、心理咨询记录、一卡通消费记录、图书馆行为记录等数据信息。调查统计数据包含学生的一些基本背景数据、心理测试数据、参加集体活动数据、上课签到数据、违纪行为等数据。在收集大量原始数据后，进行进一步分类、整理，提取多方面基本特征数据。

在研究过程中，采用了多种研究方法，其中基本方法有调查分析法和文献分析法，即通过调查来获取特殊群体学生的相关资料信息和学习大量中西方危机干预的应对策略的创新模式研究的文献来获取关于本项目的先验知识，为项目的研究打下坚实的理论基础和实践基础。在之后的工作中，本课题组主要使用大数据技术来进行实验分析法、案例比较法和定性定量法的研究，在分析过程中，使用了概率统计和机器学习相结合的方法，做了对不同类型的高校特殊群体学生的做了概率统计分析、特征值分析、差异分析、相关性分析、聚类分析和预测分类，有效完成了多层次、多角度的分析。

本研究利用数据挖掘、信息检索、大数据分析等多种技术高校特殊学生群体的总结和分析，对高校特殊群体学生进行按类分析，挖掘出不同类型的高校特殊群体学生行为的异常性信息，并实现了对高校特殊群体学生的预测分类，总结出不同类型的高校特殊学生群体的危机干预措施，并建立相应的应对策略体系，给出具有推广性的危机干预应对策略，这使得高校学生工作的效果得到优势最大化。

本研究涉及大量高校特殊学生群体原始资料的收集与整理工作，经过研究组对原始数据的收集整合并构建数据库，完成了对高校特殊群体学生的现状调查，也为教育信息化管理提供了宝贵的数据资源。且构建了分析模型，并研究分析了相关类型的特殊群体学生的特异性行为信息，实现了对不同类型的高校特殊群体学生的预测，给出了相应的危机干预的应对策略，避免危机事件的发生。分析出高校特殊群体学生的共性问题，即内在因素心理原因，给出了具有推广性的高校大学生心理危机事件干预应对策略，同时对于做好思政工作和维持高校的安全稳定起到重要的推动作用。

（本文获温州市思政专项课题和浙江省高等教育学会课题立项）

参考文献：

[1] 安哲锋，张鹏.大数据背景下高校学生心理健康数据分析及反馈体系构建研究[J].思想教育研究，2016（9）：93-96.

[2] 李秀芳.大学生心理危机及干预策略研究[M].红旗出版社，2013.

[3] 曾红.应急与危机心理干预[M].人民卫生出版社，2012.

[4] 李瑛.高校学生心理危机干预问题分析及对策研究[J].图书情报导刊，2008，18（27）：168-170.

[5] 郭堃，杨奇红.构建应用型大学学生的精神家园[M].北京出版社， 2012.

[6] Han Q. On The Major Emergencies of Psychological Crisis Intervention Strategies of College Students[C]. the 2010 Chinese seminar on the principles of safety science and technology， 2010.

[7] 徐国峰，徐古祥，何鎏，刘丹.大学生特殊群体问题解决路径分析——基于社会主义核心价值观语境[J].高校辅导员，2018（01）：67-70.

[8] 陈增堂.上海高校心理危机干预工作现状分析与对策思考[J].思想理论教育，2014（3）：79-82.

[9] 杨微梅，黎琳.大学生心理危机干预体系建构探析[J].高教论坛， 2010，2010（1）：40-43.

[10] Meng Q. The Cause and Intervention Strategy of Non-governmental Vocational College Students' Psychological Crisis[J]. Journal of Hubei Correspondence University， 2017.

[11] 姜龙.大学生特殊群体的交往困扰及心理干预研究[D].黑龙江大学，2016.

[12] 周波，吴永.高职学生心理健康现状及危机干预对策的研究[J].教育教学论坛，2016（45）：41-42.

[13] 宋韬.高校特殊群体学生体育教育现状调查与对策研究[J]. 教育与职业，2014（3）：121-123.

[14] Shen D. Status quo of college students' psychology crisis consciousness and crisis intervention[J]. China Construction Education， 2013.

[16] Zhou L， Liu T， Li Z. The research of college student group crisis evolution mechanism and intervention mechanism in higher education zone of China[J]. IEEE， 2011， part 2： 1320-1323.

（作者單位：1.温州理工学院 浙江温州 325035;2.温州大学 浙江温州 325035;3.温州大学 浙江温州 325035）

[作者简介;李宝珍（1982—），女，硕士，教育学在读博士，浙江苍南人，汉族，讲师，党总支副书记。研究方向：思想政治教育、创新创业教育;叶正飞（1981—），男，硕士，浙江苍南人，汉族，温州大学副教授，研究方向：思政教育、创业教育;林玉双（1979—），女，硕士，浙江乐清人，汉族，温州大学讲师，研究方向：高等教育管理。]

（责编：若佳）