大學(xué)生心理突發(fā)事件的監(jiān)測與預(yù)警研究

摘要：大學(xué)生處在一個半封閉的群體生活環(huán)境中，面對一系列問題，會產(chǎn)生一些心理波動，當(dāng)刺激超出個人心理承受能力時，就會出現(xiàn)心理突發(fā)事件。本文對大學(xué)生心理突發(fā)事件監(jiān)測與預(yù)警系統(tǒng)進(jìn)行研究，構(gòu)建了主成分分析法模型和神經(jīng)網(wǎng)絡(luò)監(jiān)測模型，并采集數(shù)據(jù)進(jìn)行了驗證，提出了高校大學(xué)生心理突發(fā)事件預(yù)警措施。

關(guān)鍵詞：心理突發(fā)事件監(jiān)測預(yù)警;主成分分析法;神經(jīng)網(wǎng)絡(luò)監(jiān)測模型

一、研究背景

受社會復(fù)雜性及其發(fā)展不確定性影響，高校大學(xué)生心理問題誘發(fā)機制呈現(xiàn)深層化、復(fù)雜化趨勢。大學(xué)生心理突發(fā)事件監(jiān)測預(yù)警是大學(xué)生心理健康管理體系的重要組成，加強監(jiān)測預(yù)警研究對預(yù)防大學(xué)生心理突發(fā)事件的發(fā)生具有重要意義，它有助于高校管理者提前預(yù)判并解決學(xué)生心理突發(fā)事件風(fēng)險隱患，助力學(xué)生心智健康成長。

二、研究方法

（一）研究步驟

首先，尋找產(chǎn)生當(dāng)代大學(xué)生心理問題的誘因，確定引發(fā)這些心理問題的主要影響因素，建立指標(biāo)體系集，依據(jù)指標(biāo)體系采集相關(guān)數(shù)據(jù)，應(yīng)用主成分分析法對數(shù)據(jù)集進(jìn)行研究，確定各影響因素的主成分，給出影響排序結(jié)果，明確主要影響因素指標(biāo)。

其次，依據(jù)對主要影響因素的分析結(jié)論，構(gòu)建基于影響因素的大學(xué)生心理問題評估指標(biāo)體系，并驗證指標(biāo)體系的信度和效度。采用Cronbach's Alpha系數(shù)矩陣數(shù)據(jù)的可靠性進(jìn)行信度分析，采用KMO和Bartlett檢驗的結(jié)果來體現(xiàn)指標(biāo)效度分析。

第三，建立大學(xué)生心理突發(fā)事件監(jiān)測模型，并通過仿真分析，驗證模型的有效性與穩(wěn)健性。采用神經(jīng)網(wǎng)絡(luò)模型進(jìn)行監(jiān)測，該神經(jīng)網(wǎng)絡(luò)模型通過影響因素的成分確定權(quán)值，構(gòu)建多元線性關(guān)系，將原始數(shù)據(jù)和結(jié)果帶入網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，將改動數(shù)據(jù)帶入網(wǎng)絡(luò)中進(jìn)行模擬仿真，得到仿真的誤差和范圍，間接體現(xiàn)模型的有效性與穩(wěn)健性。

第四，根據(jù)模型的仿真分析結(jié)果，構(gòu)建大學(xué)生心理突發(fā)事件預(yù)警體系，并提出相關(guān)對策和建議。

（二）模型假設(shè)及符號說明

1.假設(shè)BP神經(jīng)模型的輸入閾值與輸出閾值之間的誤差對神經(jīng)網(wǎng)絡(luò)模型的影響微弱。

2.假設(shè)所考慮的10個因素即為大學(xué)生心理問題的全部影響因素。

三、心理突發(fā)事件影響因素分析

（一）數(shù)據(jù)預(yù)處理

通過信息采集與分析，確定當(dāng)代大學(xué)生心理問題的10個影響因素，分別是學(xué)生人際交往問題、學(xué)生學(xué)習(xí)壓力大、學(xué)生對大學(xué)生活壓力不適、學(xué)生受戀愛心理影響、學(xué)生對前途渺茫、就業(yè)壓力過大、學(xué)校缺少一定的心理健康培訓(xùn)、學(xué)生的人際關(guān)系緊張、大學(xué)環(huán)境因素的影響、班主任導(dǎo)師對學(xué)生的關(guān)懷[1]，這些因素按照順序依次用x1-x10代替。

收集到某高校關(guān)于10個影響因素的調(diào)查數(shù)據(jù)，該數(shù)據(jù)由5個專家針對各影響因素對大學(xué)生心理健康影響的打分。

為了能夠更精確的對產(chǎn)生當(dāng)代大學(xué)生心理問題的影響因素進(jìn)行分析，通過數(shù)據(jù)預(yù)處理，將獲取到的數(shù)據(jù)進(jìn)行歸一化處理，處理公式如下所示：

其中 代表第i個因素的第j個專家的打分; 代表第i個因素的所有專家給出打分的最小值; 代表第i個因素的所有專家給出打分的最大值; 代表代表第i個因素的第j個專家打分的歸一化之后的數(shù)值。

（二）建立模型

為研究引發(fā)這些心理問題的主要影響因素，用主成分分析法對10個影響因素進(jìn)行分析。

（1）主成分分析法原理

主成份分析是設(shè)法將原來眾多具有一定相關(guān)性（比如P個指標(biāo)），重新組合成一組新的互相無關(guān)的綜合指標(biāo)來代替原來的指標(biāo)。通常數(shù)學(xué)上的處理就是將原來P個指標(biāo)作線性組合，作為新的綜合指標(biāo)。最經(jīng)典的做法就是用F1（選取的第一個線性組合，即第一個綜合指標(biāo)）的方差來表達(dá)，即Var（F1）越大，表示F1包含的信息越多。因此在所有的線性組合中選取的F1應(yīng)該是方差最大的，故稱F1為第一主成分。如果第一主成分不足以代表原來P個指標(biāo)的信息，再考慮選取F：即選第二個線性組合，為了有效地反映原來信息，F(xiàn)，已有的信息就不需要再出現(xiàn)在F：中，用數(shù)學(xué)語言表達(dá)就是要求Cov（F，F(xiàn)a）=0，則稱F：為第二主成分，依此類推可以構(gòu)造出第三、第四……第P個主成分。

（2）主成分分析步驟

S1 原始信息進(jìn)行標(biāo)準(zhǔn)化處理;

S2 計算相關(guān)系數(shù)矩陣R;

S3 計算相關(guān)矩陣R的特征根和特征向量;

S4 計算各主成分的方差貢獻(xiàn)率;

S5 選取主成分量;假如按所選取的m個主因子的信息量之和占總信息量的85%以上，即有m個主因子被提取。

主成份因子模型為：

計算主成分得分和綜合得分，綜合得分越高，系統(tǒng)水平越高，反之系統(tǒng)水平越低。

（三）模型求解

將歸一化之后的數(shù)據(jù)帶入軟件SPSS21中，使用軟件的降維-因子分析進(jìn)行主成分分析，

變量相關(guān)陣三個最大特征根都大于1，而且它們的方差累計貢獻(xiàn)率為94.844%，這說明前三個主成份提供了原始數(shù)據(jù)的足夠信息。特征值在某種程度上可以被看成是表示主成分影響力度大小的指標(biāo)，如果特征值小于1，說明該主成分的解釋力度不如直接引入一個原變量的平均解釋力度大，因此一般可以用特征值大于1作為納入標(biāo)準(zhǔn)。主成分個數(shù)提取原則為主成分對應(yīng)的特征值大于1的前m個主成分。通過方差分解主成分提取3個主成分，即m=3。

x1、x2、x3、x4、x8、x10在第一成分有著較高的成分載荷，說明第一成分基本反映了這些指標(biāo)的信息。x5、x6、x7在第二成分有著較高的成分載荷，說明第二成分基本反映了這些指標(biāo)的信息。x9在第三成分有著較高的成分載荷，說明第三成分基本反映了這些指標(biāo)的信息。

對原始變量標(biāo)準(zhǔn)化，以每個主成分所對應(yīng)的特征值占所提取主成分總的特征值之和的比例作為權(quán)重計算主成分綜合模型：

根據(jù)主成分綜合模型即可計算綜合主成分值，并對其按綜合主成分分值進(jìn)行排序，即可對各因子進(jìn)行綜合評價比較，結(jié)果如下表所示：

由上表可得影響因素的排序，其中影響最大的因素為學(xué)生人際交往問題，最小因素的為學(xué)校缺少一定的心理健康培訓(xùn)。

四、心理突發(fā)事件評估指標(biāo)體系

4.1建立模型

將10個影響因素通過軟件分析，得出分為三層主成分，依據(jù)軟件分析結(jié)果，將指標(biāo)體系分為三類：第一類為學(xué)生自身因素對心理健康問題的影響：學(xué)生人際交往問題，學(xué)習(xí)壓力大，大學(xué)生活壓力不適，受戀愛心理影響，人際關(guān)系緊張，老師對學(xué)生的關(guān)懷。第二類為學(xué)生就業(yè)方面對心理問題的影響：對前途感到迷茫，就業(yè)壓力大。第三類為大學(xué)環(huán)境因素對心理問題的影響：缺少心理健康培訓(xùn)，大學(xué)環(huán)境因素影響。

4.2模型求解

（1）指標(biāo)體系的信度

信度的分析主要是對調(diào)查數(shù)據(jù)的一種數(shù)學(xué)上的檢驗，主要考察的是數(shù)據(jù)的一致性和可靠性。采用Cronbach's Alpha系數(shù)矩陣數(shù)據(jù)的可靠性進(jìn)行信度分析，被觀測的變量主語0.6-0.85之間的認(rèn)為數(shù)據(jù)來源可靠，Cronbach's Alpha在0.7-0.8之間，可認(rèn)為這個數(shù)據(jù)是很有意義的。

將收集到的數(shù)據(jù)帶入軟件SPSS21中進(jìn)行信度分析，結(jié)果顯示Cronbach's Alph的值在0.806符合規(guī)范，所得數(shù)據(jù)可靠。

（2）指標(biāo)體系的效度

采取SPSS21的因子分析功能進(jìn)行分析，用主成分法來提取因素影響，使用相關(guān)系數(shù)作為因素抽取基礎(chǔ)，用Bartlett球形分析來檢驗是否相關(guān)系數(shù)不同并大于0，顯著的球形檢驗表示相關(guān)系數(shù)滿足要求。KMO系數(shù)代表與該變量有關(guān)的所有相關(guān)系數(shù)與凈相關(guān)系數(shù)的比值，比值越大表示相關(guān)性越好，KMO統(tǒng)計需要大于0.5，適合因素分析。效度主要測量的是指標(biāo)的質(zhì)量，本研究的KMO&Bartlett檢驗量度為0.551，符合標(biāo)準(zhǔn)，指標(biāo)質(zhì)量良好，效度高。

五、心理突發(fā)事件監(jiān)測模型構(gòu)建

（一）模型建立

依據(jù)主成分綜合模型，通過主成分綜合模型所得的每個因素的F值構(gòu)成一個多元方程模型，如下：

上式中，C為專家對10個影響因素的綜合打分，且范圍為[-10，10]。

將式中的關(guān)系式子通過帶入神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練，可得到訓(xùn)練模型的一個網(wǎng)絡(luò)關(guān)系，訓(xùn)練好的網(wǎng)絡(luò)模型即為大學(xué)生心理突發(fā)事件的監(jiān)測模型。神經(jīng)網(wǎng)絡(luò)預(yù)測模型步驟：

S1 初始化神經(jīng)網(wǎng)絡(luò)預(yù)測模型[2]：

對神經(jīng)網(wǎng)絡(luò)模型的連接權(quán)值 ， 和閾值 、 分別賦于[0，1]區(qū)間內(nèi)的值。

S2 對神經(jīng)網(wǎng)絡(luò)中隱含層神經(jīng)節(jié)點的輸入 和 進(jìn)行計算，即：

S7 計算輸出值于期望值得誤差，如果滿足設(shè)定精度要求，則神經(jīng)網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)結(jié)束，否則轉(zhuǎn)入步驟S2繼續(xù)進(jìn)行訓(xùn)練學(xué)習(xí)。

（二）模型求解

建立神經(jīng)網(wǎng)絡(luò)模型，通過BP神經(jīng)網(wǎng)絡(luò)，應(yīng)用matlab軟件進(jìn)行編程，將歸一化處理之后的數(shù)據(jù)放入網(wǎng)絡(luò)中進(jìn)行訓(xùn)練，得出訓(xùn)練的神經(jīng)網(wǎng)絡(luò)誤差小于10-4，說明訓(xùn)練結(jié)果有效。

通過上述神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練，得到一個關(guān)于大學(xué)生心理突發(fā)事件的監(jiān)測模型，該模型的輸出結(jié)果的范圍的正常值是[-10，10]，網(wǎng)絡(luò)模型的誤差結(jié)果小于10-2認(rèn)為網(wǎng)絡(luò)的訓(xùn)練和輸出結(jié)果可接受，且有效。為了驗證模型的有效性與穩(wěn)健性，通過修改各專家對各因素的打分值，并且打分值控制在[0，100]正常范圍內(nèi)，將修改后的值的歸一化處理。

然后我們將重新修改的值帶入模型中進(jìn)行仿真訓(xùn)練，得到如下的訓(xùn)練結(jié)果：

通過神經(jīng)網(wǎng)絡(luò)檢測模型的仿真訓(xùn)練結(jié)果，得到模型仿真訓(xùn)練的誤差小于10-8，說明仿真訓(xùn)練的模型結(jié)果有效，驗證了模型的有效性。結(jié)果范圍都屬于[-10，10]，表明訓(xùn)練出來的結(jié)果屬于正常范圍內(nèi)波動，仿真訓(xùn)練的結(jié)果驗證了模型的穩(wěn)健性。

六、結(jié)語

大學(xué)生心理突發(fā)事件監(jiān)測預(yù)警工作是一項非常復(fù)雜的系統(tǒng)工程，本文對影響大學(xué)生心理問題的10個重點因素進(jìn)行分析，基于主成分分析法模型和神經(jīng)網(wǎng)絡(luò)監(jiān)測模型對大學(xué)生心理突發(fā)事件的監(jiān)測與預(yù)警問題進(jìn)行了研究，對預(yù)警體系構(gòu)建進(jìn)行了探索。本文用到的神經(jīng)網(wǎng)絡(luò)監(jiān)測模型具有非線性映射能力，自學(xué)習(xí)和自適應(yīng)能力，泛化能力和容錯能力等優(yōu)點。但是存在局部極小化問題，神經(jīng)網(wǎng)絡(luò)算法的收斂速度慢，使得算法低效，網(wǎng)絡(luò)模型的逼近和推廣能力與學(xué)習(xí)樣本的典型性密切相關(guān)。

參考文獻(xiàn)

[1]錢慧. LN高校學(xué)生心理健康教育主要影響因素分析研究[D].華南理工大學(xué)，2013.

[2]肖陽. 基于協(xié)整理論和人工神經(jīng)網(wǎng)絡(luò)的煤炭價格預(yù)測模型[D].西安科技大學(xué)，2016.

[3]張勇. 我國大學(xué)生心理危機行為的系統(tǒng)分析與管理對策研究[D].合肥工業(yè)大學(xué)，2018.

【作者簡介】王雪瑩（2001，2—），女，漢族，北京通州人，本科學(xué)歷，中國石油大學(xué)（北京）學(xué)生，研究方向：信息管理與信息系統(tǒng)