桂林理工大学

详情

铸牢“心”防线——基于多维度数据调查的心理危机预警模型构建研究

申报人：杨森 申报日期：2025-01-02

基本情况

2025年批次
铸牢“心”防线——基于多维度数据调查的心理危机预警模型构建研究 学生申报
创新训练项目
工学
计算机类
学生来源于教师科研项目选题
一年期
党的二十大报告强调心理健康的重要性，《“十四五”国民健康规划》将其纳入发展目标。《2023年度中国精神心理健康蓝皮书》指出，学生心理健康问题日益突出，抑郁和焦虑呈现低龄化趋势，尤其大学生群体供需矛盾严重，心理服务覆盖不足，心理危机频发。为此，构建高效、便捷、私密的心理危机预警平台势在必行。平台基于大模型技术和数字化手段，通过多维数据科学评估学生心理健康状况，精准预测危机并提供个性化服务，核心功能涵盖早发现、早预防、早干预。平台将提升心理服务覆盖率与质量，助力大学生心理健康发展，筑牢“心”防线。
第十二届“挑战杯”广西大学生课外学术科技作品竞赛
2025年大学生计算机设计大赛
2025年蓝桥杯
张攀峰老师
(1) 国家自然科学基金委员会, 地区科学基金项目, 面向数据发布隐私保护的分级多样性匿名方法研究, 2019-01-01 至 2022-12-31, 资助期满, 主持
(2) 国家自然科学基金委员会, 青年科学基金项目, 面向高性能计算的CPU-GPU胖节点服务器功耗动态协调关键技术研究, 2019-01-01 至 2021-12-31, 结题, 参与
(3) 广西科技厅, 广西科技计划项目（新）-面上项目, 面向电力需求响应的地理分布数据中心激励方法关键技术研究, 2020-06 至 2023-07, 在研, 参与
(4) 广西科技厅, 广西科技基地和人才专项, 基于资源调度的数据去重优化方法研究, 2019-06 至 2022-05, 结题, 主持
(5) 广西科技厅, 广西科技计划项目（新）-面上项目, 两层无线传感器网络面向隐私保护的多维数据范围查询及访问控制协议研究, 2018-12 至 2021-12, 结题, 参与
邓金萍老师主持3项厅级课题，2项校级课题，发布心理学相关论文7篇 
全面支持与指导
区级

项目成员

序号 学生 所属学院 专业 年级 项目中的分工 成员类型
杨森 计算机科学与工程学院 计算机科学与技术（应用） 2023 负责整体项目协调及后端搭建
陈娜雪 计算机科学与工程学院 计算机科学与技术（应用） 2023 负责项目文字资料
郭雨贤 计算机科学与工程学院 网络工程 2023 负责整体项目协调及网页前端搭建
杨杰荣 计算机科学与工程学院 软件工程 2023 负责网页后端搭建
佘雨萱 计算机科学与工程学院 计算机科学与技术（应用） 2023 数据收集分析整理

指导教师

序号 教师姓名 所属学院 是否企业导师 教师类型
张攀峰 计算机科学与工程学院 否
邓金萍 党委学生工作部、 学生工作处 否

立项依据

        党的二十大报告强调重视心理健康，《“十四五”国民健康规划》将其纳入发展目标。《2023年度中国精神心理健康蓝皮书》指出，学生群体面临学业和就业压力，心理健康问题日益突出，尤其是抑郁症和焦虑症呈现上升趋势，且低龄化趋势明显。我国已将抑郁症筛查纳入学生健康体检，并建立心理健康档案，但由于供需矛盾严重，学校心理服务的覆盖面和资源仍然有限，约20%的学生得到重点关注，而剩余的80%学生未能得到足够关注，往往容易出现心理危机。尤其在大学生群体中，这一问题尤为突出，形成了有心无力的困境。鉴于大学生是实现中华民族伟大复兴的重要力量，解决这一困境迫在眉睫，对促进学生身心健康至关重要。
本作品旨在结合先进的大模型技术和数字化手段，构建一个高效、便捷、私密的心理危机预警平台。该平台通过全面收集和分析多维数据，能够科学评估大学生的心理健康状况，精准预测潜在的心理危机，并提供个性化、全天候的心理咨询服务。平台的核心功能包括早发现、早预防、早干预，帮助学校及时发现学生心理健康问题，提供实时预警和干预建议，减少心理危机发生率，提升心理健康服务的覆盖面和质量。通过科技赋能，本模型将促进大学生心理健康服务体系的建设，助力大学生身心健康发展，推动社会心理服务与数字化技术的深度融合，筑牢“心”防线，为大学生心理健康保驾护。
        为了更有效地应对心理危机，本作品提出了一种基于多维度数据驱动的心理危机预警模型。该模型通过整合前端和后端的多维度数据，运用先进的算法和实时监测技术，能够及时识别心理危机的潜在风险并采取个性化干预措施。该模型通过数据收集、数据处理、特征提取、预警算法和预警系统五个模块，前后端分离，形成全方位的预防与干预机制，旨在及早识别潜在心理危机并提供个性化的干预措施。
1.前端：数据收集模块
       用户通过网页链接进入心理健康测试平台，填写心理调查问卷。该模块实时收集用户心理状态的相关数据，确保数据的质量和时效性。这些数据的收集不仅提供了个体心理健康状态的初步评估，也为后续的分析提供了基础信息。通过科学设计问卷和动态监测，能够捕捉到用户情绪、行为变化等细微迹象，及时反映心理危机的潜在风险。
2.后端：
（1）数据处理模块 
       收集到的原始数据经过预处理，以保证数据的准确性和一致性。数据处理模块包括数据清洗、去噪、标准化等操作，对异常数据进行剔除或修正。通过这些处理，确保进入分析阶段的数据具备更高的可靠性，为后续的预警分析打下坚实基础。
（2）特征提取模块
       在数据处理后，系统通过对大量用户数据的挖掘，提取出具有代表性的心理特征。这些特征包括情绪波动、行为习惯、社交互动、学习压力等方面的指标。这一模块帮助识别出可能与心理危机相关的潜在风险因素，为后续的预警评估提供精准依据。
（3）预警算法模块
       通过运用机器学习技术，采用优化的支持向量机（SVM）模型及算法对用户的心理健康状态进行自动评估。系统会根据提取的特征数据对用户进行心理健康等级评定，将其归为正常、轻度、重度等不同风险等级。该评估不仅基于当前的心理状态，还考虑到历史数据、情绪波动趋势等，能够实现动态监测和提前预警。
（4）预警系统模块
       根据心理健康评估结果，预警系统为用户提供及时有效的预警信息。对于潜在的心理危机用户，系统会自动触发警报，并推送个性化的心理健康建议。干预措施包括建议用户参与心理咨询、参加心理健康课程，或通过自助方式调节情绪等。对于高风险用户，系统可实时联动学校、医院或心理健康机构，提供更加专业的帮助。
3.心理危机预防与预警的作用
    该模型不仅着眼于心理危机的早期识别，也注重事前预防和干预。通过数据分析和智能预警，能够有效识别心理状态异常的用户，及时发出警报，防止危机的进一步恶化。此系统具有显著的预防作用，能够在危机发生前提供及时的干预建议，减轻个体和社会的负担。同时，它也有助于培养学生的心理健康意识，提高心理健康服务的覆盖面和效率，实现从被动应对到主动预防的转变。
    这一心理危机预警模型通过全方位的数据收集与分析、实时监测和精准干预，能够有效预防和减轻心理危机的发生，为用户提供科学、个性化的心理健康支持，推动心理危机的有效管理，最终实现社会和谐与个体心理健康的双赢局面。
        心理健康问题正逐渐成为全球关注的重点，心理危机事件频发对社会稳定与个体生活质量产生了深远影响。心理危机预警作为减少心理健康问题影响的重要手段，近年来却鲜有组织研究。并且现阶段心理危机预警模型的发展仍面临诸多挑战，包括模型预测精度、实际应用与伦理问题等方面。
1.危机理论模型的演化
        国外的心理危机研究基于经典心理学理论，如危机干预理论（Crisis Intervention Theory）和压力-脆弱性模型（Stress-Vulnerability Model）。这些理论对心理危机的成因和干预方法进行了系统阐述，并为早期预警提供了理论支持。国内学者在引入这些理论的基础上，结合中国文化背景提出了适合本土人群的模型。例如，将家庭支持和集体文化对心理危机的缓冲作用纳入框架中。然而，国内外研究在理论层面仍普遍面临以下挑战：对跨文化情境下理论的适用性验证不足，以及如何整合不同理论以建立更为统一的框架。
2.多学科交叉的深度不足
        心理危机研究需要整合心理学、社会学、生物学和数据科学等多个学科的视角。然而，现有研究大多从单一学科展开，例如心理学领域注重心理状态的评估，数据科学则侧重于模型构建与预测精度的提升，学科间的深度协同尚不足。例如，社会因素如何通过生物和心理机制影响危机形成仍未形成系统解释。加强不同学科的交流与合作，将更有助于构建全面、科学的心理危机预警体系。
3.干预措施与政策支持的联动
（1）预警与干预之间的脱节 
        许多研究过于关注危机风险的预测，但未充分探讨如何基于预警结果进行有效干预。例如，如何将心理预警与实际的医疗资源分配、心理咨询服务结合起来，尚未形成系统化机制。这导致模型的实际应用价值受到限制。而我们的系统通过多渠道智能推送模块，可以及时向辅导员、校医院等相关部门告知学生的心理状况，做到早发现早干预，防止意外事故的发生。
（2）社会资源与政策支持的缺乏
        在一些低收入地区或资源稀缺的环境中，心理危机预警模型的实施面临实际困难，例如专业心理健康服务不足、公众心理健康意识不高。这在一定程度上限制了模型在高风险群体中的普及。我们的系统更轻量，部署成本低，更容易走进这些较难接受正规心理治疗的群体中。
4.数据隐私保护的技术欠缺
        心理危机研究需要采集大量敏感数据，包括生理指标、社交媒体内容和个人行为记录。虽然已有研究采用匿名化处理或数据加密等手段，但如何平衡数据利用与隐私保护仍是关键难题。例如，社交媒体文本数据可能揭示个人生活细节，现有技术对这种深度敏感数据的保护仍显不足。我们采取了前后端分离的技术，在关键敏感数据上做到了完全脱敏，所有敏感数据只在前端进行处理，不会造成敏感数据外传，保护了使用者的隐私。
当前心理危机预警研究虽已取得显著进展，但仍需在理论模型的完善、学科交叉的深化、干预措施的实际落实以及数据隐私与伦理规范建设方面进一步探索。未来的研究应注重理论与实践的结合，打造更加全面、科学和人性化的心理危机预警体系。同时，通过政策支持与技术创新，推动心理危机预警模型在更多场景下的普及应用，为心理健康事业的发展提供有力保障。 
创新点：
        1.心理危机预警领域中，传统分析方法通常受困于单一维度，难以全面捕捉复杂的心理信息。本研究创新性地将诸如焦虑水平、自尊水平等多维度的信息作为核心切入点，围绕二十个问题大类展开深入分析调查。通过科学设定不同维度的权重比，将分散的信息进行有机整合，从而构建起一套全面且精准的数据体系。这一方式突破局限，精准地反映出个体心理状态的多样性，为后续心理危机预警构筑起坚实的壁垒，极大提高了危机预警的科学性与可靠性。
        2.本研究依托规模宏大且来源多元的数据集，其全面涵盖了大学生个体特征以及高校相关心理调查数据，为模型的训练和优化打下基础。在众多候选模型中，经过与随机森林等模型严谨的对比分析，最终选定泛化能力出众且擅长处理复杂数据结构的支持向量机（SVM）模型。为了进一步提升模型预测性能，针对 SVM 模型的核函数（包括高斯核、多项式核等）、正则化参数，结合数据集的清洗、标准化等预处理进行深度优化。通过不断优化非线性拟合能力，正则化参数平衡模型的泛化能力，塑造出契合本研究需求的专属模型。
        3.本研究打破学科壁垒，实现了心理学、计算机科学和数据科学等多学科知识的融合。多学科的协同合作使本研究能够在心理危机尚处于潜伏期或萌芽期时，敏锐地捕捉相关信息，并及时进行精确预警，为后续实施精准干预措施赢得宝贵时间，有效降低心理危机事件的发生概率，彰显出跨学科创新在心理危机预警中的巨大优势。
        4.针对传统单渠道预警推送在复杂环境下暴露出的信息时效性差、易失败等缺陷，本研究提出创新性的多渠道自动化推送机制。综合运用钉钉、企业微信、SMTP 邮箱等多种主流信息推送渠道进行推送，有效避免了因单一渠道故障或受限导致的信息传递受阻问题。这一创新举措显著增强了系统对复杂多变环境的适应性，大幅提升了信息接收成功率，确保心理预警信息能够及时、准确地传达至目标受众，最大程度地发挥心理危机预警模型的作用。 
项目特色：
1.使用支持向量机机器学习算法，根据1000余条学生压力与心理状况数据集训练生成模型
2.基于Starlette和Pydantic支持异步编程的后端FastAPI技术
3.多渠道智能推送模块，通过多种推送方式（如钉钉、PushPlus、企业微信、SMTP 邮件、Bark、Server酱）实现高效、可靠的消息通知
4.全面的心理健康调查问卷HTML，通过多维度的评估，全面了解学生的心理健康状况 
技术路线：
（1）多维数据采集与处理：通过设计心理健康问卷，收集学生心理状态相关的多维度数据（如情绪、社交、学业压力等）。
（2）机器学习模型构建：基于支持向量机（SVM）模型，结合高斯核、多项式核等技术，优化模型性能。
（3）实时评估与预警系统：构建前后端分离架构，实现心理状态的实时评估，按风险等级分类。
（4）多渠道推送：开发智能化信息推送模块，通过钉钉、企业微信、SMTP等多种平台推送预警信息。
（5）持续优化与监测：模型参数调优，数据动态更新，提升系统的精度和可靠性。 
2.拟解决的问题：
（1）学校心理健康服务覆盖率不足，无法有效关注到大多数学生。
（2）心理健康筛查和干预措施脱节，无法及时发现潜在危机。
（3）传统预警机制局限于单一数据维度，缺乏多学科融合。
3.预期成果： 
（1）构建一套基于大数据和人工智能的心理危机预警模型。
（2）提升心理危机的识别准确率，减少危机干预延迟。
（3）推动高校心理健康管理的数字化、智能化转型。 
第一阶段（1-3个月）：
调查问卷设计与测试；
数据收集与预处理；
初步模型的选择与训练。
2.第二阶段（4-6个月）：
模型优化（参数调优、核函数优化）；
构建实时评估与预警系统；
开发多渠道推送模块。
3.第三阶段（7-9个月）：
系统整合与测试；
模拟应用场景下的数据收集与反馈机制完善；
收集用户体验与性能改进建议。
4.第四阶段（10-12个月）：
项目成果总结与论文撰写；
系统推广与应用。 
研究团队具备心理学、数据科学及计算机科学的多学科背景；
通过文献调研已掌握心理危机领域的主流模型及技术；
初步设计了符合实际应用的心理健康调查问卷。 
（1）已具备的条件：
专业指导团队支持，包括心理学、计算机领域的资深导师；
已整合的学生心理健康数据集，为模型训练提供基础；
开发环境和技术工具（如FastAPI、支持SVM的机器学习框架）已到位。
（2）尚缺少的条件及解决方法：
大规模真实数据：需要与高校合作进行问卷推广与数据采集；
测试平台资源：寻求技术支持部署系统，扩展测试样本规模；
心理咨询专家支持：加强与心理健康领域专家的联系，优化干预建议。 

经费预算

开支科目 预算经费（元） 主要用途 阶段下达经费计划（元）
前半阶段 后半阶段
预算经费总额 9600.00 无 2600.00 7000.00
1. 业务费 9600.00 无 2600.00 7000.00
（1）计算、分析、测试费 3600.00 购买短期服务器 600.00 3000.00
（2）能源动力费 0.00 无 0.00 0.00
（3）会议、差旅费 0.00 无 0.00 0.00
（4）文献检索费 0.00 无 0.00 0.00
（5）论文出版费 6000.00 论文出版 2000.00 4000.00
2. 仪器设备购置费 0.00 无 0.00 0.00
3. 实验装置试制费 0.00 无 0.00 0.00
4. 材料费 0.00 无 0.00 0.00
结束

用户单位： 桂林理工大学        

版权所有： 南京先极科技有限公司