基于数据挖掘的本科院校大学生心理压力评估与分析课题项目的成果公报

2025/10/11 

项目批准号:2023JKDY049

项目类型:广东省教育科学规划课题(德育专项项目)

项目主持人:陈少鸿(副教授),

广州华商学院主要成员:代玲玲、黄国富、陈梅、王金道、洪绍勇、赵慧琴、何顺发、张超

 

一、项目研究的指导思想、理论基础

(一)指导思想

以习近平新时代中国特色社会主义思想为指导,贯彻党的二十大促进学生身心健康、全面发展部署,落实《全面加强和改进新时代学生心理健康工作专项行动计划(2023—2025年)》要求。聚焦本科院校大学生心理压力,以问题导向、数据驱动、应用落地为核心,通过数据挖掘破解传统评估主观性强、实时性差局限,深化压力与关联行为机制研究,为高校提供技术工具+理论依据,助力构建预防-预警-干预一体化心理健康服务体系。

理论基础

心理健康相关理论:以心理压力多维度理论为核心,结合自我调节资源理论(解释自我同情对心理韧性的提升作用)、三“A”理论(支撑不确定心理压力与睡眠拖延的关联逻辑),为机制研究与干预策略提供依据。

数据挖掘与机器学习理论:依托数据挖掘信息提取原理,以BP神经网络搭建静态模型架构,结合粒子群优化(PSO)解决局部最优问题;通过多模态融合提升评估精度,借助联邦学习保障数据隐私,实现跨校协同建模。

教育管理理论:强调理论与实践融合,推动心理健康管理从经验驱动数据驱动转型,将机制研究结论转化为课程内容(如自我同情训练课),契合高校管理科学化需求。

二、项目研究的主要内容和研究方法

(一)主要内容

多源数据采集与预处理

采集:通过量表+校园系统+IIoT设备采集数据,含1068名本科生PSS压力标签(α=0.89)、881名大学生自我同情等专项调查数据,及学业、家庭、社交数据,320小时生理信号(EEG头环256Hz采样)、15000条行为日志。

预处理:剔除150条异常样本、填充缺失值(缺失率<5%),标准化数据并提取特征,筛选10项核心特征,通过Harman检验(首因子变异量27.51%<40%)排除共同方法偏差。

心理压力评估模型构建与优化

PSO-BP静态模型:构建“10-100-1”神经元结构,用PSO(种群规模30、惯性权重0.7)优化权重,适用于实验室静态评估。

多模态IIoT动态模型:采用边缘-云端协同架构,边缘层部署轻量化模型(参数3.2MB,精度损失<3%),云端结合跨模态注意力机制(如考试场景EEG权重58%),引入联邦学习(8个节点)实现跨校建模。

压力分析与干预验证

影响因素分析:通过Gini系数识别核心压力源(学业35%、家庭28%、社交22%),探究考试周(压力高42%)、就业季(压力高35%)及群体差异(医学/工科生压力高于文科)。

机制探究:用SPSSPROCESS验证自我同情心理韧性不确定心理压

睡眠拖延链式中介路径。

干预验证:选取100名中重度压力学生(PSS≥20分)分组实验,匹配心理咨询、团体辅导等个性化措施。

研究方法

采用文献研究法梳理现状、对接政策;

数据采集法实现静态+动态”“客观+主观多维度采集;

数据分析法结合统计与机器学习,验证模型泛化性(5折交叉验证、7:2:1数据划分)及机制路径;

实验验证法通过对照实验与平台部署,验证干预效果与技术落地能力。

三、项目研究取得的主要成果

(一)主要结论

模型性能优异:PSO-BP模型测试集R²=0.892(误差<3分),较传统BP模型提升0.12;多模态IIoT模型分类准确率89.2%(单模态提升10.7%)、延迟105ms,跨校泛化准确率82.6%

机制规律清晰:睡眠拖延与自我同情(r=-0.34)、心理韧性(r=-0.31)负相关,与不确定心理压力正相关(r=0.38);自我同情通过直接效应(39.13%)、单独中介(21.74%+30.43%)、链式中介(8.70%)影响睡眠拖延。

干预成效显著:心理咨询缓解率61.7%,团体辅导+呼吸训练45.3%,睡眠拖延专项干预改善率38.5%,均高于对照组(7.9%/9.2%)。

新的论点

提出静态+动态双模型协同评估、场景化模态权重分配、评估-机制-干预联动、不确定心理压力中介等论点,丰富压力与睡眠关联理论视角。

突破性进展

技术上,PSO-BP模型降低MSE27.1%IIoT技术实现无感化监测;

数据上,构建原始信号-预处理特征-压力标签-行为关联四级数据集,制定预处理指南;

机制上,首次纳入不确定心理压力,成果发表于《贵州师范学院学报》。

四、研究成果推广的范围

高校推广:在广州华商学院试点,模型用于新生普查,机制成果转化为必修课模块;

学术推广:3篇论文发表(含2SCI/EI收录),机制论文下载1698次、引用1次;

五、研究成果取得的社会效益

提升高校服务质量:中重度压力识别效率提3倍,干预响应缩至1小时,睡眠质量评分降2.3分,学业中断、情绪危机发生率分别降18%22%

推动行业规范:制定数据与模型标准,联邦学习保障隐私,机制研究推动领域理论深化;

响应政策需求:为国家心理健康政策落地提供技术+理论支撑,助力全国大学生心理健康体系构建。

六、主要研究成果目录

成果名称

成果形式

字数

发表日期

出版单位或发表刊物名称、刊号

基于多模态IIoT传感数据的神经网络模型大学生心理压力评估与工业人机协作预警系统

论文

5500

2025.08

Internet Technology LettersISSN:2476-1508

基于多源数据融合的PSO-BP神经网络:大学生心理压力评估新方法

论文

7500

2024.12

MEDICINEISSN:1536-5964

自我同情与大学生睡眠拖延的关系:心理韧性和不确定心理压力的链式中介作用

论文

1300

2024.05

贵州师范学院、贵州师范学院学报、CN:52-1151/CISSN:1674-7798

基于数据挖掘的本科院校大学生心理压力评估与分析的研究报告

研究报告

32000

2024.12

广州华商学院(校内成果)

上一篇:政策赋能科研,聚力学科发展——3044am永利集团3044noc召开202...
下一篇:3044am永利集团3044noc院长思政第一课:于变局中开新局,数字...

关闭

Baidu
sogou