[发明专利]一种基于行为信息的大学生心理状态评估方法

说明书

本发明涉及一种基于行为信息的大学生心理状态评估方法，该方法利用改进的决策树算法(C4.5)构建大学生心理状态评估模型；在量表得分、学生基本信息、学习工作信息和生活信息等数据的基础上，根据决策树评估模型得到新个体的抑郁和焦虑状况。本发明不仅提出从学生的基本行为信息进行心理状况评估的方法，还将差分进化算法用于决策树的参数选择中，不仅提高了算法参数选择的准确性和合理性，也利用大数据时代下数据的高效存取能力保证了研究的客观性，从而形成了更科学、更快速和更准确的心理状态评估方法。

技术领域

本发明设计心理状态评估技术领域，具体涉及一种基于行为信息的大学生心理评估方法。

背景技术

抑郁症和焦虑症是世界范围内常见的两种心理疾病。据世界卫生组织统计，预计到2020年抑郁症将成为仅次于冠心病的第二大疾病隐患。大学生尤其是大一新生，面对学业压力、环境变化、经济困难和对未来的担忧都有可能在心理健康方面增加患病风险。据2010年大学生杂志社和中国大学生网调查显示，当前我国大学生的心理健康现状不是很乐观，存在过心理方面问题的学生达90％之高，而导致大学生出现心理健康问题的原因主要包括人际交往、就业压力、自我管理能力、情感问题、人生发展、环境不适应和学习压力等方面。当遇到心理问题时，绝大部分学生会选择向朋友、家人倾诉，但仍有38％的同学选择不找任何人，这种讳疾忌医、极力掩饰的行为会导致心理问题长期得不到有效排解，久而久之，负面情绪的淤积可能导致危机心理的出现，严重的还会影响到学生正常的学习和生活，甚至出现极端事件。因此，无论是高校还是心理研究工作者都需要高度重视大学生心理健康。

目前对心理健康的研究可以分为两个方面：传统心理健康研究和基于大数据的心理健康研究。传统心理健康研究根据心理健康的外显表达推测背后的心理现象的特点和规律，常用的研究方法包括观察法、调查法、测验法、实验法和个案法，其中以实验法中的问卷法居多。传统心理健康研究目前已经比较成熟，具有研究范围广、研究内容细、研究成果多等优势，但还存在样本规模有限、数据采集与处理方面耗时耗力、时效性不足等问题。

基于大数据的心理健康研究的数据主要来源于可穿戴设备、移动智能终端、互联网行为记录、社会活动行为记录、大数据存储于云计算和数据挖掘等。专利文献CN201610808888.0公开了一种基于基于互联网云端数据库的心理健康评估方法，通过云端数据库存储的已知样本建立RBF神经网络评估模型，并将模型应用于新个体心理健康状况的评估。该专利利用了数据的高效存取能力对心理健康进行评估，具有快速、科学的优点，但其未包含个体除个人信息以外的数据属性；专利文献CN201210576344.8公开了一种心理健康状态评估方法，充分利用互联网行为记录这一数据来源，建立和训练了基于网络行为特征的心理健康状态评估模型，消除了个体主观因素对数据收集的影响，提高了心理健康状态评估的准确性。大数据时代的到来，为心理学研究提供了充分的素材，为心理健康的重大突破创造了条件。基于数据驱动的心理健康分析不仅打破了传统的先验逻辑，大大提高了心理健康分析的效率和可能性，而且在研究方法上也对心理学产生了深刻的影响，打破了传统心理健康研究“样本即总体、个体即规律、情境即实验”的常态。

基于上述，如何充分挖掘学生的行为数据，建立更科学、准确、合理的心理健康评估模型是十分必要的。

发明内容

针对上述问题，本发明提出了一种从学生的行为数据获取学生心理状况的方法，大大提高数据采集的科学性和心理状态评估准确性。

一种基于行为信息的大学生心理评估方法，其特征在于，包括步骤：

1)利用改进的决策树算法，基于学生的行为信息和心理健康问卷的得分，分别建立和训练大学生心理健康的评估模型；

2)获取新个体的行为信息，根据所述的心理健康评估模型得到所述新个体的心理健康状况评估结果。