張繼美

摘要：隨著當(dāng)前社會(huì)生活節(jié)奏加快、社會(huì)競(jìng)爭(zhēng)激烈和就業(yè)壓力加大等，大學(xué)生心理問題日益成為高校和社會(huì)關(guān)注的焦點(diǎn)。高校開始重視大學(xué)生的心理健康教育，開展定期的大學(xué)生心理測(cè)評(píng)工作，積累了大量的心理檔案數(shù)據(jù)。對(duì)這些心理測(cè)評(píng)數(shù)據(jù)的分析篩選與研究也成為眾多高校教師和科研人員的研究方向之一。近年來數(shù)據(jù)挖掘技術(shù)在大學(xué)生心理領(lǐng)域中的研究日益廣泛，在對(duì)學(xué)生心理問題的分析研究中也出現(xiàn)了各種數(shù)據(jù)挖掘技術(shù)和算法。數(shù)據(jù)挖掘是上世紀(jì)末興起的一種智能數(shù)據(jù)分析技術(shù)，也被稱為數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)，它可以從數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)、或其他存儲(chǔ)庫(kù)中提取或挖掘出有用的知識(shí)[1]。

關(guān)鍵詞：數(shù)據(jù)挖掘；大學(xué)生心理；心理測(cè)評(píng)

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2015）26-0012-02

當(dāng)前我們國(guó)家經(jīng)濟(jì)水平提高，網(wǎng)絡(luò)的快速發(fā)展帶來信息量的劇增，人們的物質(zhì)生活水平大幅度提升，可人們心理負(fù)擔(dān)的加重和心理問題的出現(xiàn)也日益受到關(guān)注，特別是代表創(chuàng)新、青春與活力一群的現(xiàn)代大學(xué)生群體。隨著當(dāng)前社會(huì)生活節(jié)奏加快與社會(huì)競(jìng)爭(zhēng)激烈、就業(yè)壓力加大等，大學(xué)生還要面臨著對(duì)新環(huán)境的適應(yīng)，專業(yè)方向的選擇與認(rèn)同，人際關(guān)系的處理，青春的躁動(dòng)和戀愛的問題等，致使大學(xué)生心理負(fù)重增大，心理、情緒、思維和觀念意識(shí)都在發(fā)生著變化。很多調(diào)查數(shù)據(jù)顯示出現(xiàn)心理問題的大學(xué)生比例在增加，很多校園惡性事件也源于學(xué)生心理問題，國(guó)家對(duì)大學(xué)生心理問題提起了重視，各高校也在加強(qiáng)大學(xué)生的心理健康教育。合理利用高校心理檔案系統(tǒng)中的大量數(shù)據(jù)進(jìn)行研究工作，對(duì)高校加強(qiáng)心理健康教育、預(yù)防學(xué)生出現(xiàn)心理問題、進(jìn)行心理干預(yù)和心理咨詢工作提供幫助。

學(xué)生綜合素質(zhì)改革的要求下，結(jié)合計(jì)算機(jī)技術(shù)的現(xiàn)代化教育管理模式已經(jīng)應(yīng)用在廣大高等院校。目前心理測(cè)評(píng)系統(tǒng)已經(jīng)應(yīng)用到各高校中，很多高校每年都會(huì)對(duì)學(xué)生進(jìn)行心理測(cè)評(píng)，而SCL-90心理測(cè)評(píng)量表是常用的心理測(cè)量量表之一。高校積累了大量的學(xué)生心理測(cè)評(píng)數(shù)據(jù)，對(duì)這些心理測(cè)評(píng)數(shù)據(jù)的分析篩選與研究也成為眾多高校教師科研人員的研究方向之一。近年來數(shù)據(jù)挖掘技術(shù)在大學(xué)生心理領(lǐng)域中的研究日益廣泛，在對(duì)學(xué)生心理問題的分析研究中也出現(xiàn)了各種數(shù)據(jù)挖掘技術(shù)和算法。

1 數(shù)據(jù)挖掘概述

隨著計(jì)算機(jī)和信息時(shí)代的飛速發(fā)展，人們對(duì)數(shù)據(jù)的收集、存儲(chǔ)和訪問的能力大大提高，海量數(shù)據(jù)的快速增長(zhǎng)已遠(yuǎn)遠(yuǎn)超過人們的理解，傳統(tǒng)的數(shù)據(jù)分析工具顯得力不從心。如何有效組織海量數(shù)據(jù)，尋找有價(jià)值的知識(shí)，從而幫助人類做出正確決策，數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生；數(shù)據(jù)挖掘是上世紀(jì)末興起的一種智能數(shù)據(jù)分析技術(shù)，也被稱為數(shù)據(jù)庫(kù)知識(shí)發(fā)現(xiàn)，它可以從數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)、或其他存儲(chǔ)庫(kù)中提取或挖掘出有用的知識(shí) [1]。

對(duì)于高校的學(xué)生心理檔案系統(tǒng)，數(shù)據(jù)源主要包括學(xué)生基本信息、主要社會(huì)關(guān)系和個(gè)性心理特征等，其中個(gè)性心理特征一般使用相關(guān)的心理測(cè)量量表進(jìn)行問卷測(cè)量。數(shù)據(jù)挖掘比較重要的環(huán)節(jié)是數(shù)據(jù)預(yù)處理，對(duì)采集的數(shù)據(jù)源進(jìn)行清洗加工和提煉，提煉出高質(zhì)量的樣本集再進(jìn)行數(shù)據(jù)挖掘。從數(shù)據(jù)本身來考慮，數(shù)據(jù)挖掘通常需要有數(shù)據(jù)信息收集、數(shù)據(jù)集成、數(shù)據(jù)規(guī)約、數(shù)據(jù)清理、數(shù)據(jù)變換、數(shù)據(jù)挖掘?qū)嵤┻^程、模式評(píng)估和知識(shí)表示等8個(gè)步驟?？梢詣澐譃槿齻€(gè)階段：數(shù)據(jù)準(zhǔn)備、數(shù)據(jù)挖掘和結(jié)果知識(shí)表示。如圖1所示。

圖1 數(shù)據(jù)挖掘過程

2數(shù)據(jù)挖掘技術(shù)在大學(xué)生心理問題中研究應(yīng)用

2.1聚類分析

聚類分析是指從一個(gè)給定的數(shù)據(jù)集的對(duì)象之間搜索有價(jià)值關(guān)系的數(shù)據(jù)，是將研究對(duì)象分為相對(duì)同質(zhì)的群組（clusters）的統(tǒng)計(jì)分析技術(shù)。聚類過程是一組物理或抽象的對(duì)象，根據(jù)它們之間的相似性，分為若干組，類似的對(duì)象分為一組，一個(gè)集群是由彼此相似的對(duì)象集合組成，不同的聚類對(duì)象是不相似的[2]。聚類方法主要包括劃分方法、分類方法和層次模型法、基本網(wǎng)格法或基于密度的分類方法等。李哲等[3]運(yùn)用聚類分析方法對(duì)學(xué)生心理檔案數(shù)據(jù)進(jìn)行分析，采用聚類分析的k-means算法將具有相似特征的學(xué)生劃分到同一組，再分析同組學(xué)生共性。

2.2決策樹技術(shù)

決策樹是一種典型的分類方法，是根據(jù)數(shù)據(jù)集特點(diǎn)構(gòu)造分類器，把未知的數(shù)據(jù)樣本映射到給定的分類類別中，內(nèi)部進(jìn)行分類屬性的比較，根據(jù)屬性值的不同向下形成分支，從上到下最終成為一個(gè)類似的樹結(jié)構(gòu)圖。每個(gè)內(nèi)部節(jié)點(diǎn)的決策樹屬性表示一個(gè)測(cè)試，每個(gè)分支表示測(cè)試的結(jié)果，每一個(gè)葉節(jié)點(diǎn)表示一個(gè)類別，從根到葉結(jié)點(diǎn)的路徑形成一條合取規(guī)則。目前應(yīng)用比較廣泛的典型決策樹算法主要有：ID3，C4.5，CART等。

如何構(gòu)造決策樹的小尺寸和高精度是決策樹算法的核心內(nèi)容，構(gòu)造決策樹的過程中，第一步是根據(jù)訓(xùn)練樣本集生成決策樹，第二步是通過對(duì)上一階段決策樹的檢驗(yàn)和修正，剪除冗余分枝和影響準(zhǔn)確性的分枝。

何廣東[4]運(yùn)用ID3算法生成有無焦慮癥狀的決策樹模型，并通過對(duì)提取的規(guī)則進(jìn)行分析得出結(jié)論，性別和家庭和睦程度是影響焦慮癥的最相關(guān)屬性。張俊生等[5]以大學(xué)生心理檔案系統(tǒng)中心理測(cè)量量表為數(shù)據(jù)源，篩選出心理異常學(xué)生為測(cè)評(píng)數(shù)據(jù)作為數(shù)據(jù)集，采用C4.5算法構(gòu)造決策樹進(jìn)行數(shù)據(jù)挖掘研究。周小剛等[6]選取廣東陽(yáng)江職業(yè)技術(shù)學(xué)院學(xué)生的癥狀自評(píng)量表SCL-90的測(cè)評(píng)結(jié)果數(shù)據(jù)作為訓(xùn)練樣本集，采用C4.5算法構(gòu)造決策樹，挖掘出學(xué)生軀體化和敵對(duì)屬性在大學(xué)生心理健康問題中起比較重要的決定作用。

2.3 關(guān)聯(lián)規(guī)則分析

關(guān)聯(lián)規(guī)則挖掘剛開始是R.Agrawal等就超市的購(gòu)物籃問題分析提出的，其目的是找到不同的商品超市交易數(shù)據(jù)庫(kù)之間的關(guān)系，發(fā)現(xiàn)超級(jí)市場(chǎng)中用戶購(gòu)買的商品之間內(nèi)在的關(guān)聯(lián)關(guān)系，并用知識(shí)的形式表示出來[1]。關(guān)聯(lián)規(guī)則的挖掘過程主要包括兩個(gè)步驟：第一步是找到所有的數(shù)據(jù)集高頻項(xiàng)目團(tuán)隊(duì)，第二步是從這些高頻率項(xiàng)目團(tuán)隊(duì)中產(chǎn)生關(guān)聯(lián)規(guī)則。關(guān)聯(lián)規(guī)則挖掘的指標(biāo)是適用于數(shù)據(jù)記錄的離散值，如果原始索引在數(shù)據(jù)庫(kù)中是連續(xù)數(shù)據(jù)，則需要先進(jìn)行適當(dāng)?shù)臄?shù)據(jù)離散化處理，再進(jìn)行關(guān)聯(lián)規(guī)則的挖掘，處理是否合理會(huì)影響關(guān)聯(lián)規(guī)則挖掘的結(jié)果，因此數(shù)據(jù)處理是數(shù)據(jù)挖掘的重要步驟。

經(jīng)典的關(guān)聯(lián)規(guī)則挖掘算法有Apriori算法和FP-growth算法，Apriori算法多次掃描交易數(shù)據(jù)庫(kù)，每一次用候選高頻項(xiàng)目團(tuán)隊(duì)產(chǎn)生頻繁集；FP-growth算法直接用樹結(jié)構(gòu)得到一個(gè)頻繁集，降低掃描事務(wù)數(shù)據(jù)庫(kù)次數(shù)，提高算法效率[1]。關(guān)聯(lián)規(guī)則挖掘技術(shù)已被廣泛應(yīng)用于銀行，保險(xiǎn)，電信，零售和市場(chǎng)營(yíng)銷等方面。

何廣東[4]運(yùn)用關(guān)聯(lián)規(guī)則的Apriori算法對(duì)學(xué)生有無焦慮癥狀進(jìn)行挖掘，由關(guān)聯(lián)規(guī)則分析出家庭不和睦的學(xué)生表現(xiàn)出了焦慮癥狀。在學(xué)生心理管理系統(tǒng)中應(yīng)用關(guān)聯(lián)規(guī)則挖掘技術(shù)，主要目標(biāo)是尋找學(xué)生心理檔案的大量數(shù)據(jù)項(xiàng)中隱藏的某種聯(lián)系或相關(guān)性[7]。學(xué)生心理問題不能僅根據(jù)測(cè)量結(jié)果簡(jiǎn)單判斷，應(yīng)結(jié)合學(xué)生個(gè)人基本信息和主要社會(huì)關(guān)系等，挖掘出其中的關(guān)聯(lián)性。

2.4 其他數(shù)據(jù)挖掘技術(shù)

其他常用的數(shù)據(jù)挖掘技術(shù)有貝葉斯分類方法、神經(jīng)網(wǎng)絡(luò)分類方法、粗糙集方法、模糊集合方法和模糊評(píng)價(jià)方法等。黃中海[8]設(shè)計(jì)實(shí)現(xiàn)了基本CART決策樹算法、BP人工神經(jīng)網(wǎng)絡(luò)算法和模式識(shí)別網(wǎng)絡(luò)算法的大學(xué)生心理挖掘模型，并分別對(duì)三種分類挖掘模型進(jìn)行測(cè)試、比較和分析，設(shè)計(jì)出綜合三種方法的數(shù)據(jù)挖掘內(nèi)核程序。郭晶晶[9]通過向10個(gè)專業(yè)學(xué)生發(fā)放問卷的方式獲取數(shù)據(jù)源，然后分層抽樣收集學(xué)生問卷，構(gòu)造心理評(píng)測(cè)模型，運(yùn)用綜合模糊評(píng)價(jià)法分析計(jì)算出大學(xué)生心理健康的評(píng)判區(qū)間。

3 結(jié)束語(yǔ)

數(shù)據(jù)挖掘技術(shù)在大學(xué)生心理問題領(lǐng)域的研究及對(duì)大學(xué)生心理測(cè)評(píng)數(shù)據(jù)的分析研究是當(dāng)前心理領(lǐng)域的研究熱點(diǎn)，還有很多數(shù)據(jù)挖掘算法可以應(yīng)用。根據(jù)學(xué)生心理測(cè)評(píng)數(shù)據(jù)的特征選擇合適的數(shù)據(jù)挖掘算法是今后需要不斷研究和探索的一個(gè)方向。

參考文獻(xiàn)：

[1] 陳志泊. 數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘[M].北京：清華大學(xué)出版社， 2009.

[2] 朱明. 數(shù)據(jù)挖掘[M].安徽：中國(guó)科學(xué)技術(shù)大學(xué)出版社， 2002.

[3] 李哲， 張映雪， 胡蕙. 聚類分析在大學(xué)生心理健康管理中的應(yīng)用[J].湖北工程學(xué)院學(xué)報(bào)， 2014（11）.

[4] 何廣東. 數(shù)據(jù)挖掘在大學(xué)生心理問題中應(yīng)用[J].無線互聯(lián)科技， 2013（2）.

[5] 張俊生， 張華. 決策樹算法在大學(xué)生心理檔案系統(tǒng)中的應(yīng)用研究[J].價(jià)值工程， 2012（17）.

[6] 周小剛， 周萍， 彭文惠. 決策樹算法在大學(xué)生心理健康評(píng)測(cè)中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用與軟件， 2011（10）.

[7] 張俊生， 張華. 數(shù)據(jù)挖掘在學(xué)生心理管理系統(tǒng)中應(yīng)用[J]. 計(jì)算機(jī)與網(wǎng)絡(luò)， 2012（2）.

[8] 黃中海. 數(shù)據(jù)挖掘在高等學(xué)生心理危機(jī)預(yù)防中的應(yīng)用[D]. 武漢科技大學(xué)， 2015.

[9] 郭晶晶. 基于數(shù)據(jù)挖掘的大學(xué)生心理問題分析[J]. 淮北職業(yè)技術(shù)學(xué)院學(xué)報(bào)， 2015（2）.