吕蕊

【摘要】    心理问题是引发一系列恶性事件的罪魁祸首。随着高职学生自杀和犯罪等恶性事件的逐步升级，社会各界越来越重视高职學生的心理危机。社交媒体大数据可以实时准确的为大学生心理危机进行筛查，在相关心理学研究中得出情绪变化可以预测出人的心理危机。在此基础上，心理危机预警模型及其算法基于应激事件和人格特征的计算，通过分析不同类型情绪的强度和阈值来评估情绪行为，然后根据情绪的变化按时间顺序确定心理危机的风险水平，为学生心理危机提供早期预警.仿真结果表明，该方法能反映学生情绪变化的过程，当他们应激压力状态时，可以有效地提醒他们心理危机。

【关键词】    心理危机预警    社交媒体    大数据

目前由于自杀、犯罪等威胁事件的心理问题，每年都在加剧，这对高校的日常管理、学生的整体健康发展、家庭和社会的稳定都有极为不利的影响。因此，需要高校实施精准科学的心理预警，及时发现和解决可能出现的问题。社交媒体大数据是教育技术的三大支柱之一，在促进教育方面发挥着多样化的作用，因此与教育的融合是必然的。社交媒体是学生注册生活、表达、分享和交流观点的最重要方式。也是反映学生真实状态实时可靠的大数据源之一。

一、理论依据及模型构建

1.激发反应理论。心理危机是一个人的心理反应，它通常发生在个人面临不可避免的、更大的压力时，经过个人评估，压力会对个人的状况、安全产生危险，并且自身动用个人所具备的应对手段都失败后，个体会有明显的急性情绪以及认知和行为上的功能紊乱。这也被称为引起应激的生活事件，即应激的成因，主要由四种类型组成：躯体的，心理的，文化和社会事件。躯体事件是直接影响人体并引起压力的事件，就如高温又或者是疾病等。心理事件是心理冲突造成应激的事件，就如外界对某一次考试成绩的期待太高。文化事件主要是受生活方式以及宗教信仰发生改变而产生了压力的事件，就比如海外留学等等。社会事件主要是社会事件而产生压力的事件，就比如人际关系不融洽，社会动乱等等。应激反应的类型可以分为3类;即心理、生理、行为反应。心理反应通常包括情绪反应和认知反应。常见的情绪反应包括恐惧、焦虑、抑郁、愤怒等。常见的认知反应有偏执、沉思、否认等。生理反应主要是指生理指标的变化。例如血压和呼吸等生理指标。行为反应主要包括回避、羞辱、敌意、自怜等。

应激事件引起的应激反应会产生心理反应，主要表现为情绪反应，它不仅意味着在压力下无法消除的消极情绪，而且还产生积极的情绪，如果个人没有足够的社会支持和应对能力，极度紧张和恐惧，以及无法忍受的情绪时会导致情绪不平衡和危机情况的发生。从以上可以看出情绪可以直接表现出心理危机，长时间负向情绪又或者情绪的剧烈波动，都可证明学生当前正处在一个危机的状态当中。因此对学生情绪波动的剧烈变化以及长时间的负向情绪进行观察检测，是识别心理危机的有效方法。

2.人格理论。应激事件是个体情绪反应的外在刺激，但在同样的压力下，每个个体的反应也有所不同，情绪反应也不一样，这在很大程度上取决于个人的人格。人格是影响情绪表达的重要因素;相关学者的研究还证实心理危机与人的人格有一定的关系。不同的心理学家提出了不同的人格模式，被普遍认为是“五大”人格模型。开放型具有创造性、情感性等特点;谨慎型具有公正性、谨慎性、克制性等;外倾型具有温暖、坚定、冒险和客观性;宜人型具有自信、直率、依从等特点;神经质型具有焦虑、敌意、冲动等特点。人格特质是学生个人情绪变化的内在原因，例如开放性人格学生在面对挫折时的，能够积极客观地去解决问题;而具有神经质人格的学生在遇到同样挫折时容易表现的消极。

二、心理危机预警模型构建

1.数据源层。据中国互联网信息中心报道，高校学生年龄段人群最受欢迎的社交应用之一是“新浪”微博，新浪微博中用户数据非常多，且具有一定时效性和客观性，并且可利用API对这些用户数据进行获取，本文主要根据社交媒体大数据对高职生数据进行采集和分析。在新浪微博中高职学生的数据通常可分为两大类即动态数据和静态数据，动态数据主要是学生发表的各种博客文章;静态数据就包含昵称、出生年月日、学校信息以及个人爱好等。新浪微博中的API可以对高职学生数据进行采集，让后将数据预处理整理成统一的数据格式在数据库中存储，这为基础计算层提供了相应的数据支持。

2.基础计算层。基础计算层主要有两种计算：即应激事件计算和人格计算。应激事件计算主要是分析学生在社交媒体上发表的文本，识别所表达的应激事件。霍姆斯创建的LCU量表将其分为43类。相关学者结合LCU指标表研究了各种生活事件对中国人的影响，它展示了65个生活事件，展示了LEU对四个年龄段的重要性：青年、中年、更年和老年。本研究挑选了20名面临更可能出现应激事件的高职学生，如父母死亡、父母离婚，学校开除、家庭病重、学习成绩高、伤病严重、失恋、就业困难以及学习困难等等。本研究采用词典方法计算应激事件，主要是通过对心理学的研究，在学生社交媒体中，文字表达（单词、语境）和应激事件来创建学生应激词典。然后，利用人工智能实验室建立的单词矢量模型，识别其他具有与手动获取的单词含义相似的单词，如果微博包含字典中的任何单词，则说明表达了相应的应激事件。

人格计算，许多研究表明，个性会影响社交媒体用户的行为。通过收集和计算社交媒体上的用户数据，我们可以分析学生的个人特征。通过深度学习法，我们可以全面分析学生的个性特征。人格的计算基于“五”社交媒体人格模型。人格计算采用hie系统，根据表情、交互形式等多维数据，并基于堆叠泛化方法，结合各种特征语义信息，形成对人格类型的预测。

3.情绪计算层。在前人研究的基础上进行总结，提出了根据应激事件和人格的情绪计算法，此算法的主要思想是根据人格和应激事件计算出某一时刻不同情绪的情绪强度;此外，学生的人格特征评估他们的情绪强度是否超过相应的阈值。在该算法中，根据Ekman等人的情绪分类方法对情绪类型进行分类，主要将情绪分为了六种类型，即厌恶、愤怒、惊奇、恐惧、高兴、悲伤，正向情绪主要包含惊奇、高兴，负向情绪主要包含厌恶、愤怒、恐惧、悲伤。

情绪强度计算。情绪强度是指人们选择事物的倾向。结合人格计算和应激事件计算的结果，可以计算出六种情绪类型学生在一定时期內的相应情绪强度值。其中，积极情绪分布在区间[0，1]，消极情绪分布在区间[-1，0]。每个人都有一个情感活动的阈值。如果情感强度超过这个阈值，个人情绪是可以表达的。为了计算情绪阈值，目前大多数研究将其描述为一个常数。根据学生的个性特征，估算积极和消极情绪表现的阈值，然后评估学生是否表达特定情绪，情绪强度是否超过阈值。计算不同的情绪强度是评估学生是否表达这种情绪的重要依据。

4.危机预警层。本研究采用对情绪持续观测的方法来评估时间序列变化后的心理危机风险。通过观察和研究，主要发现如下，情绪的急剧变化，在短时间内由正向情绪变为负情绪，又或者由负向情绪变为正向情绪。负向情绪持续时间过长，本研究提出了一种双重监控方法，该方法考虑了预警值和持续时间，结合在连续时间序列中改变不同情绪或在未来时间改变情绪强度的过程。按[0，1]区间计算相应的预警值，它在五级预警系统中可视化，影响情绪剧烈变化的计算和负面情绪的持续时间。本研究规定时间序列间隔以天为单位，当学生每天写作超过两次时，他们会选择最大情绪值作为一天的积极情绪值和消极情绪值。

三、算法设计

1.阈值估算函数。大多数研究将情绪阈值定义为一个恒定值，例如将积极和消极情绪阈值分别设置为0.8和0.21。还有一部分学者将正向情绪阈值和负向情绪阈值分别定义为0.16和-0.12，一些研究人员还将情绪阈值和人格之间的关系定义为线性函数。部分学者提出的情绪阈值计算函数为：M=124;o o-o n-o，Brough124;或10，其中O代表开放型人格，n代表神经质人格。然而，在现实生活中，不同的人对相同的应激事件给出不同的答案。用简单的FIXO值或线性TEM关系来估计情绪阈值有很大的局限性;基于Watson等人相关研究的基础上，提出了一种评估情绪阈值的新方法。Watson等人表明，责任感和外倾性人格对积极情绪有显著影响;神经质人格对负性情绪有显著影响。

2.心理危机预警功能。本研究需要统计情绪强度变化以及情绪持续时间。如果情绪强度变化以及持续时间超出了一定范围，这将被认为是学生心理状态的一个急剧变化，例如，可能导致负情绪（I POS=0.8），正能量高达0.8（I NEG=-0），（8）同时，如果负情绪期太长，例如超过3天，因此，本研究提出了一种心理危机预警算法，分别引入六种情感的差异I或负性感觉的时差。

四、仿真实验

4.1神经质人格多重刺激

模拟神经质人格在t=3时采取正向刺激，然后在t=7时改变情绪，在t=3采取正向刺激后，正向情绪的强度逐渐增大，负向情绪的强度逐渐降低;时间的变化过程中正向情绪的强度逐渐下降，不再显现，负性情绪强度呈上升趋势，当T=7时，正性情绪强度逐渐降低，负性情绪强度逐渐升高，随后正向情绪的强度增加，但始终小于激活阈值，不再被激活，而情绪的负强度逐渐减弱，但情绪“恐惧”突破了阈值表现了出来。

五、结束语

本研究基于心理学的相关理论，本研究得出结论，通过持续观察情绪可以预警心理危机，在改进情绪预测算法的基础上提出了一种心理危机预警算法，基于社会媒体大数据通过人格计算，可以预测情绪状态的持续时间和强度，应激事件的影响和情绪计算与衰减的结合，有效地避免了单纯使用机器学习算法所存在的概率问题概率。该研究所开发的基于一定心理学理论的心理危机涉及心理学、医学、社会学等学科，模型和算法的验证也需要不断的数据跟踪。需要进一步研究实际应用中的问题，学生可能不经常在社交媒体来表达他们的感受，当这种情况发生时，要扩大各种社会媒体的信息收集范围。要想获得准确的心理危机预警就需要进行整合多源异构数据，除了学生使用的新浪微博以外，还要对学校信息管理系统中的家庭状况、学习成绩等重要数据进行整合，又或者知乎、百度贴吧等信息也是一个重要的数据来源。另外字是否有学生描述压力的单词，这可能会导致这些问题的解决主要取决于在现有的分离软件中识别未注册单词的能力例如，在当前软件中，“借用词”（hidden markov model，HMM）标识当前表达式的单词，还没有包含在应激事件字典中，如果定义了一个新单词，它会自动提醒分析人员人工识别它们，描述一个应激事件，同时会手动添加到字典中。

参  考  文  献

[1]鞠慧.基于“树理论”的高职学生心理危机预警工作探究[J].法制与社会，2019（31）：168-169.

[2]潘亚姝，朱丽芬，周弦.高职院校学生心理危机预警系统构建与实践——以昆明冶金高等专科学校为例[J].昆明冶金高等专科学校学报，2018，34（02）：85-90.

[3]崔伶玲.高职院校学生新生心理普查结果与分析研究——以无锡藕塘各职教学院为例[J].文化创新比较研究，2018，2（02）：146-147.

[4]张志刚，易今科.高职铁道专业学生企业实习心理危机问题与干预研究[J].科技视界，2014（32）：15-16.