AI技術(shù)在高校學(xué)生心理評(píng)估中的應(yīng)用

張鵬

摘 要：我國現(xiàn)有的大學(xué)生心理評(píng)估方式缺乏有效信息整合，且無法應(yīng)對(duì)年輕人心理動(dòng)態(tài)變化的高時(shí)變性的特點(diǎn)。AI（人工智能）技術(shù)的個(gè)性化、動(dòng)態(tài)特征剛好滿足大學(xué)生心理評(píng)估的某些需求：第一，對(duì)各類心理影響因素及其不同權(quán)重的計(jì)算上更加精確、高效和全面;第二，較強(qiáng)的適配性，可有效解決評(píng)估的時(shí)效性和個(gè)性化的問題。基于這些優(yōu)勢(shì)可以構(gòu)建大學(xué)生心理智能評(píng)估系統(tǒng)。但是人工智能技術(shù)也不是萬無一失的，應(yīng)用時(shí)，首先需要警惕的是數(shù)據(jù)源的問題，保證數(shù)據(jù)精確、全面和實(shí)時(shí)更新;保證算法模型的公正，不失于片面;確認(rèn)評(píng)估結(jié)果僅作為參考的意義;明確技術(shù)的工具地位。

關(guān)鍵詞：AI;學(xué)生心理評(píng)估;算法;大數(shù)據(jù)

中圖分類號(hào)：G434? ? ? ?文獻(xiàn)標(biāo)志碼：A? ? ? ? ? 文章編號(hào)：1673-8454（2020）10-0090-04

一、引言

100多年前深受自然主義影響的克雷佩林就認(rèn)為“心理事件與物理事件間并沒有本質(zhì)區(qū)別”“人就是自然的一部分，而人所能夠做的一切就是這個(gè)自然的存在物按照自然規(guī)律所必然會(huì)做出的行為”。因此人們一直致力于探尋能夠科學(xué)評(píng)測(cè)人類心理的數(shù)學(xué)方法。

目前，人類心理評(píng)估的方式主要有三種：①臨床式評(píng)估。此種方式以心理專家訪談為基礎(chǔ)，由心理專家根據(jù)自己的專業(yè)知識(shí)和判斷為基礎(chǔ)來評(píng)估，這種評(píng)估主觀性比較大;②問卷統(tǒng)計(jì)評(píng)估。這種評(píng)估方式需要編制各類測(cè)評(píng)量表，根據(jù)被測(cè)對(duì)象的答題情況給出評(píng)估結(jié)果，評(píng)估結(jié)果受被測(cè)對(duì)象答題狀態(tài)的影響比較大;③算法評(píng)估。隨著技術(shù)發(fā)展，大數(shù)據(jù)和人工智能技術(shù)向各個(gè)領(lǐng)域擴(kuò)展，心理評(píng)估也已經(jīng)開始應(yīng)用人工智能和數(shù)據(jù)分析技術(shù)進(jìn)行評(píng)估。其實(shí)第三種評(píng)估方式是在第二種評(píng)估方式基礎(chǔ)上發(fā)展而來，只是在評(píng)估方法上進(jìn)行了更新，但是方法的更新卻是革命性的。

社會(huì)發(fā)展越來越快，生活中的誘惑也越來越多，大學(xué)生學(xué)習(xí)生活壓力與日俱增，針對(duì)大學(xué)生科學(xué)全面的心理評(píng)估能為教育教學(xué)和人才培養(yǎng)保駕護(hù)航。當(dāng)前高校心理評(píng)估實(shí)踐中主要采取三種方式：①心理測(cè)評(píng)報(bào)告。主要是心理專家對(duì)大學(xué)生人格和心理狀態(tài)的主觀解讀;②社會(huì)調(diào)查報(bào)告。對(duì)大學(xué)生成長經(jīng)歷、監(jiān)護(hù)情況等外在環(huán)境因素的走訪調(diào)查和客觀分析;③各類測(cè)評(píng)量表。主要通過問卷的形式發(fā)掘大學(xué)生的人格、心理特征，來評(píng)估大學(xué)生心理狀態(tài)和潛在風(fēng)險(xiǎn)。在實(shí)際操作中，以上三種方式經(jīng)常是互為補(bǔ)充，交叉使用。但以上三種方式獲得的信息是分立的，缺乏有效整合，對(duì)大學(xué)生心理評(píng)估的信度和效度都有不良影響，且影響深度無從評(píng)價(jià)。另外評(píng)估的全面性和準(zhǔn)確性也不能完全保證。因此，不少研究者已經(jīng)轉(zhuǎn)向人工智能技術(shù)支持的評(píng)估研究，以大數(shù)據(jù)分析為依托，以深度學(xué)習(xí)算法為方向，力求探索出大學(xué)生心理評(píng)估的新路徑和新方法。

二、當(dāng)前大學(xué)生心理評(píng)估人工智能技術(shù)的應(yīng)用現(xiàn)狀

人工智能并不是一個(gè)新的研究領(lǐng)域，早在1950年，圖靈發(fā)表了題為《機(jī)器能思考嗎》的論文，提出了著名的“圖靈測(cè)試”，體現(xiàn)其24歲時(shí)就提出的“利用某種機(jī)器實(shí)現(xiàn)邏輯代碼的執(zhí)行，以模擬人類的各種計(jì)算和邏輯思維過程”的觀點(diǎn)，限于當(dāng)時(shí)的計(jì)算機(jī)技術(shù)水平，并不能實(shí)現(xiàn)“真實(shí)”的測(cè)試。近來隨著大數(shù)據(jù)分析、數(shù)據(jù)挖掘、云計(jì)算和深度學(xué)習(xí)算法等技術(shù)迅速發(fā)展，人工智能技術(shù)有了突飛猛進(jìn)的發(fā)展。但距離圖靈提出的“不能分辨人還是機(jī)器”的“圖靈測(cè)試”趨向的強(qiáng)人工智能還有很長的路要走。當(dāng)前的人工智能技術(shù)只能處理單一領(lǐng)域問題，距離完全模擬人腦進(jìn)行復(fù)雜問題處理還差得很遠(yuǎn)。

但也不能說現(xiàn)在的人工智能技術(shù)一無是處，當(dāng)前人工智能技術(shù)的使用在測(cè)試輔助、分類分析和事前預(yù)警研判等三個(gè)方面有很多優(yōu)勢(shì)發(fā)揮的余地：①通過智能化輔助手段的運(yùn)用，按需提供精準(zhǔn)智能測(cè)評(píng)服務(wù);②減少心理輔導(dǎo)教師的問卷統(tǒng)計(jì)分析等機(jī)械勞動(dòng)，提高測(cè)評(píng)量表和問卷結(jié)果處理的速度和效率。③現(xiàn)有的人工智能輔助系統(tǒng)的數(shù)據(jù)源是現(xiàn)成的學(xué)生信息，工作原理還是基于已有學(xué)生各類數(shù)據(jù)的對(duì)比和交叉分析。首先需要對(duì)提取的信息進(jìn)行結(jié)構(gòu)化處理，當(dāng)然大部分?jǐn)?shù)據(jù)源本身就是結(jié)構(gòu)化的，很多非結(jié)構(gòu)化的信息，更貼近學(xué)生心理狀態(tài)，但是需要數(shù)據(jù)結(jié)構(gòu)化，并進(jìn)行數(shù)據(jù)清洗。清洗過的數(shù)據(jù)依照相關(guān)算法模型，可以預(yù)測(cè)出相應(yīng)的評(píng)估結(jié)果。但是一些先進(jìn)的人工智能算法模型已經(jīng)可以針對(duì)大學(xué)生個(gè)人歷史信息進(jìn)行發(fā)展性評(píng)估，利用對(duì)比交叉分析和挖掘個(gè)體大學(xué)生心理因素與群體數(shù)據(jù)間的差異，獲取一個(gè)衡量大學(xué)生心理狀態(tài)的閾值，閾值內(nèi)可以隨觀，閾值之外就提出預(yù)警，決策者可以根據(jù)預(yù)警級(jí)別采取相應(yīng)的措施。

三、人工智能應(yīng)用于大學(xué)生心理評(píng)估的可行性分析

1.人工智能技術(shù)的個(gè)性化、動(dòng)態(tài)特征剛好滿足大學(xué)生心理評(píng)估的需求

美國數(shù)學(xué)家凱西·奧尼爾（Cathy O Neil）認(rèn)為“數(shù)據(jù)是文化的數(shù)字回響，算法是置入代碼的觀點(diǎn)?！?[1]大學(xué)生心理評(píng)估的基礎(chǔ)是基于對(duì)大學(xué)生以往行為和人格特質(zhì)等的綜合考察以預(yù)測(cè)其未來的行為傾向。人工智能正是在分析已有數(shù)據(jù)，形成模式模型，分析預(yù)測(cè)未來數(shù)據(jù)發(fā)展走向。人工智能技術(shù)應(yīng)用于大學(xué)生心理評(píng)估，必須以對(duì)人類群體和個(gè)體行為與心理規(guī)律深刻理解和應(yīng)用為基礎(chǔ)。技術(shù)的工具屬性正是為了完成人的目的性。因此，無論是技術(shù)的顯性層面，還是心理分析哲學(xué)隱形層面，人工智能都可以滿足大學(xué)生心理評(píng)估的大部分需求。人工智能應(yīng)用于大學(xué)生心理評(píng)估，深刻體現(xiàn)了不斷減少信息墑，從無數(shù)的不確定中找出可能的確定的過程。人類心理與行為的深度理解和預(yù)測(cè)才是人工智能技術(shù)的內(nèi)在需求和本質(zhì)特征。

2.完善現(xiàn)有大學(xué)生心理測(cè)評(píng)系統(tǒng)需要人工智能技術(shù)加以改造和強(qiáng)化

現(xiàn)有大部分心理測(cè)評(píng)系統(tǒng)都是基于問卷調(diào)查和數(shù)據(jù)報(bào)表。對(duì)大學(xué)生的基本狀況、心理狀態(tài)和心理問題發(fā)展的可能性進(jìn)行評(píng)估，從而為學(xué)校和心理中心工作人員作出是否隨觀、進(jìn)一步評(píng)估、送專業(yè)心理疾病醫(yī)治等決定和相應(yīng)的幫扶工作提供依據(jù)。

利用人工智能技術(shù)進(jìn)行大學(xué)生心理評(píng)估時(shí)，與傳統(tǒng)的心理測(cè)評(píng)量表系統(tǒng)相似，也需形成以被測(cè)評(píng)人為中心的數(shù)據(jù)源。傳統(tǒng)的心理測(cè)評(píng)量表系統(tǒng)是以問卷調(diào)查和數(shù)據(jù)報(bào)表為基礎(chǔ)，根據(jù)以往調(diào)查分析的結(jié)果形成的模型作參考，對(duì)照被測(cè)評(píng)人對(duì)相關(guān)問題的回答，進(jìn)行大學(xué)生心理評(píng)估。人工智能技術(shù)在全數(shù)據(jù)采樣的大數(shù)據(jù)分析基礎(chǔ)上，分析對(duì)比群體和個(gè)體歷史數(shù)據(jù)，根據(jù)深度學(xué)習(xí)算法模型等智能預(yù)測(cè)被測(cè)評(píng)人的心理狀態(tài)。

（1）人工智能技術(shù)對(duì)各類心理因素及其各異的權(quán)重把握上更加精確、高效和全面

“先假設(shè)，后求證”是傳統(tǒng)心理測(cè)評(píng)量表設(shè)計(jì)和實(shí)施的一般思路。因此，測(cè)評(píng)因子的挑選、因子權(quán)重的權(quán)衡等都受制于主觀判斷和專業(yè)背景，如果人力、物力和財(cái)力等外部條件有局限時(shí)，量表的設(shè)計(jì)和測(cè)評(píng)的實(shí)效性、信度和效度都會(huì)受到不可估計(jì)的影響。

高校中應(yīng)用的測(cè)評(píng)量表往往是國際已有評(píng)估量表的改良和簡(jiǎn)化版，但是為了最大限度地保證評(píng)估的信度和效度，量表設(shè)計(jì)人員必須依靠心理學(xué)專業(yè)知識(shí)和心理咨詢實(shí)踐經(jīng)驗(yàn)等， 結(jié)合各個(gè)院校自身心理評(píng)估工作的實(shí)際，逐條完善問卷設(shè)計(jì)和各類評(píng)估因素及其權(quán)重的設(shè)計(jì)。在量表設(shè)計(jì)好以后，為了保證評(píng)估量表的信度和效度，還要對(duì)不同的大學(xué)生群體進(jìn)行試測(cè)，檢驗(yàn)量表的穩(wěn)定性等特性。但是大數(shù)據(jù)支撐的人工智能可以針對(duì)大學(xué)生個(gè)人歷史信息進(jìn)行發(fā)展性評(píng)估，利用對(duì)比交叉分析和挖掘個(gè)體大學(xué)生心理因素與群體數(shù)據(jù)間的差異，獲取一個(gè)衡量大學(xué)生心理狀態(tài)的閾值，閾值內(nèi)可以隨觀，閾值之外就提出預(yù)警，決策者可以根據(jù)預(yù)警級(jí)別采取相應(yīng)的措施。人工智能在大數(shù)據(jù)分析處理并自動(dòng)識(shí)別和發(fā)現(xiàn)數(shù)據(jù)相關(guān)性，從而推測(cè)出數(shù)據(jù)因子之間可能的因果關(guān)系上發(fā)揮積極有力的作用。

（2）人工智能較強(qiáng)的適配性，可有效解決評(píng)估的時(shí)效性和個(gè)性化的問題

保證評(píng)估結(jié)果的時(shí)效性是處理校園心理危機(jī)的首要任務(wù)，因此評(píng)估結(jié)果的時(shí)效性需要非常高。大學(xué)生心理狀態(tài)波動(dòng)較大，甚至未完全成熟，不斷變化的社會(huì)環(huán)境提供了大量大學(xué)生心理不穩(wěn)定的誘因;隨著社會(huì)環(huán)境的變化和信息社會(huì)媒體環(huán)境的嬗變，大學(xué)生心理評(píng)估各項(xiàng)因素也需要與時(shí)俱進(jìn)，變化本身是唯一不變的。智能不管是人工的還是原生的，都是動(dòng)態(tài)變化的過程，這正契合了大學(xué)生心理評(píng)估的動(dòng)態(tài)性特點(diǎn)。

傳統(tǒng)的測(cè)評(píng)方式是對(duì)相關(guān)因素進(jìn)行主觀選取和抽樣評(píng)測(cè)，通過對(duì)某個(gè)時(shí)間點(diǎn)、一定的被試對(duì)象進(jìn)行抽樣考察，量化分析，最后編制量表并修正結(jié)果。但是當(dāng)某些因子發(fā)生異動(dòng)時(shí)， 傳統(tǒng)測(cè)評(píng)方式的信度和效度都會(huì)發(fā)生偏離。人工智能基于大數(shù)據(jù)分析，對(duì)被測(cè)群體數(shù)據(jù)進(jìn)行全采樣，通過系統(tǒng)深度學(xué)習(xí)訓(xùn)練，智能化修正和更新影響因子及其權(quán)重，動(dòng)態(tài)修正、優(yōu)化迭代測(cè)試模型，系統(tǒng)一直伺服評(píng)測(cè)的信度和效度。簡(jiǎn)單說就是人工智能分析數(shù)據(jù)時(shí)，快速識(shí)別相關(guān)影響因子的波動(dòng)，不斷修正評(píng)估該因子的權(quán)重，在自動(dòng)修正中不斷更新算法，響應(yīng)大學(xué)生心理評(píng)估因素的變化，在整個(gè)動(dòng)態(tài)過程中反映評(píng)估，并給出預(yù)警建議。

3.人工智能有效整合已有評(píng)估結(jié)果獲取數(shù)據(jù)全貌

評(píng)估獲取有效信息越全面，評(píng)估結(jié)論越準(zhǔn)確。為了精準(zhǔn)評(píng)估大學(xué)生心理狀態(tài)，引導(dǎo)和幫助大學(xué)生健康成長，就需要更多的信息整合能力。當(dāng)前的大學(xué)生心理評(píng)估方式包括調(diào)查報(bào)表、心理測(cè)評(píng)量表和心理專家的心理測(cè)評(píng)報(bào)告。但是不同的評(píng)估方式的原理、方法和標(biāo)準(zhǔn)都有很大的不同，更有甚者不同評(píng)估方式獲得的結(jié)論都有可能是矛盾的。比如某實(shí)際案例中，心理專家的測(cè)評(píng)報(bào)告顯示某大學(xué)生具有人格障礙，缺乏正確的人生觀和價(jià)值觀，其心理疾病特征明顯，但是通過社會(huì)調(diào)查方式，開展家訪、學(xué)校宿舍和同班同學(xué)訪談等，得知其心理較為正常，過往行為表現(xiàn)良好，兩種方式綜合研判的結(jié)果是該大學(xué)生心理危機(jī)水平并不高。當(dāng)然在實(shí)踐中還有其他明顯矛盾的典型案例。比如心理測(cè)評(píng)量表測(cè)評(píng)結(jié)果顯示某大學(xué)生心理危機(jī)可能性較大，但是經(jīng)過心理咨詢，心理專家給出的結(jié)論卻是正常心理狀態(tài)。種種矛盾情況出現(xiàn)的時(shí)候，往往會(huì)對(duì)教師尤其是輔導(dǎo)員造成很大的困擾。不同評(píng)估方式的設(shè)計(jì)意圖、評(píng)估原理和測(cè)評(píng)內(nèi)容是有所側(cè)重的，“以偏概全”可能是各種評(píng)估方式的先天特性。

人工智能依托實(shí)時(shí)動(dòng)態(tài)的全樣本的數(shù)據(jù)全采樣和深度學(xué)習(xí)算法，有效整合已有評(píng)估結(jié)果動(dòng)態(tài)獲取數(shù)據(jù)全貌，有助于解決各種評(píng)估“以偏概全”的先天弱勢(shì)。

四、人工智能在大學(xué)生心理評(píng)估中的應(yīng)用

基于機(jī)器學(xué)習(xí)的心理評(píng)估系統(tǒng)已有一些成功案例。目前美國大約有60余種智能心理評(píng)估系統(tǒng)，給教育決策者提供科學(xué)全面的決策支持。人工智能系統(tǒng)解決實(shí)際問題，一般要經(jīng)歷四個(gè)過程：?jiǎn)栴}解析，明確需求—獲取數(shù)據(jù)源并結(jié)構(gòu)化數(shù)據(jù)和清洗數(shù)據(jù)—架構(gòu)算法模型—輸出建議決策方案。算法支持的教育決策日益得到學(xué)校決策者的認(rèn)可，但是由于技術(shù)的復(fù)雜性，必然掩蔽了數(shù)據(jù)選擇和算法構(gòu)建的隱形傾向性，增加了不少評(píng)估的不透明性，勢(shì)必引起許多對(duì)于人工智能評(píng)估在公平、公正和準(zhǔn)確性等方面的質(zhì)疑。正如當(dāng)前現(xiàn)有評(píng)估方式 “以偏概全”的先天弱勢(shì)一樣，人工智能評(píng)估也不應(yīng)該是“萬無一失”的。所有技術(shù)至上的傾向都是值得質(zhì)疑的，但是利用評(píng)估結(jié)果最終作出決策的還是人本身。我們應(yīng)該審視已有智能評(píng)估系統(tǒng)的優(yōu)勢(shì)和弱點(diǎn)，結(jié)合我國大學(xué)生心理評(píng)估的實(shí)際，為我國大學(xué)生心理智能評(píng)估系統(tǒng)提出更多更好的建議。

數(shù)據(jù)是人工智能運(yùn)行的基礎(chǔ)，可以運(yùn)用OCR技術(shù)，智能識(shí)別歷史文字?jǐn)?shù)據(jù)并數(shù)字化，通過自然語言處理和智能字段識(shí)別和提取等技術(shù)，整合過往個(gè)案中調(diào)查報(bào)告、心理測(cè)評(píng)記錄以及其他與大學(xué)生心理狀態(tài)相關(guān)的各類信息。

數(shù)據(jù)源獲取的信息往往是非結(jié)構(gòu)化數(shù)據(jù)，首先通過自動(dòng)化的結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換;然后是進(jìn)行數(shù)據(jù)清洗，此過程可能需要人工修正，人工工作量比較大;最后形成大學(xué)生心理因素的數(shù)據(jù)倉庫，為了保護(hù)大學(xué)生的個(gè)人隱私，該過程需要進(jìn)行數(shù)據(jù)脫敏。

聚類分析常見大學(xué)生心理因素及其影響程度，對(duì)影響大學(xué)生心理的各項(xiàng)因子進(jìn)行交叉和聚類分析，在權(quán)重設(shè)置上體現(xiàn)評(píng)估側(cè)重點(diǎn)。此過程需要對(duì)不同個(gè)體、不同心理狀態(tài)進(jìn)行分型處理，構(gòu)建大學(xué)生心理評(píng)估深度神經(jīng)網(wǎng)絡(luò)模型。[2]

人工智能評(píng)估最終需要為決策者提供決策建議，系統(tǒng)應(yīng)能夠從被測(cè)評(píng)大學(xué)生個(gè)人的社會(huì)生存狀態(tài)、周圍物理和人文環(huán)境，傳統(tǒng)的心理測(cè)評(píng)記錄和其他心理咨詢記錄等全部信息中篩選出相關(guān)高閾值因子，并與數(shù)據(jù)庫中同年齡段群體數(shù)據(jù)進(jìn)行對(duì)比，適配最優(yōu)算法模型，進(jìn)行全面評(píng)估，最終獲取出其心理狀態(tài)綜合評(píng)估結(jié)果，為教育者提供精確、有針對(duì)性的教育、咨詢和矯治參考。

五、人工智能應(yīng)用于大學(xué)生心理評(píng)估過程可能遇到的問題

以數(shù)字技術(shù)為基礎(chǔ)的信息社會(huì)，人人互聯(lián)、萬物互聯(lián)。數(shù)字化的互聯(lián)社會(huì)結(jié)構(gòu)，方便著人們的同時(shí)， 也帶來了各種意想不到的潛在風(fēng)險(xiǎn)，正如習(xí)總書記所言“人工智能具有多學(xué)科綜合、高度復(fù)雜的特征”“要加強(qiáng)人工智能潛在風(fēng)險(xiǎn)的研判和防范，維護(hù)人民利益和國家安全，確保人工智能安全、可靠、可控?！?[3]技術(shù)往往是“雙刃劍”，在教育領(lǐng)域的技術(shù)應(yīng)用也有其體現(xiàn)。就深度神經(jīng)網(wǎng)絡(luò)算法模型而言，我們往往無法事前預(yù)判機(jī)器學(xué)習(xí)的結(jié)果，這是人工智能技術(shù)的優(yōu)勢(shì)也是其弊端的根源。[4]數(shù)據(jù)獲取愈來愈方便的同時(shí)，也要警惕智能技術(shù)肆意收集數(shù)據(jù)的潛在風(fēng)險(xiǎn)。數(shù)據(jù)源頭的每一個(gè)被試者都無法與龐雜的數(shù)據(jù)分析系統(tǒng)相抗衡，更無法進(jìn)行監(jiān)管，即使智能系統(tǒng)的設(shè)計(jì)者也可能無法全時(shí)監(jiān)督和控制數(shù)據(jù)分析和決策過程。因此，設(shè)計(jì)和使用人工智能系統(tǒng)進(jìn)行大學(xué)生心理評(píng)估都應(yīng)當(dāng)把防范和避免技術(shù)對(duì)個(gè)人權(quán)利的侵害作為第一原則。

在數(shù)據(jù)獲取和數(shù)據(jù)挖掘之初，就應(yīng)力求保證數(shù)據(jù)的準(zhǔn)確、全面，從源頭上解決算法帶來可能的偏頗和無形的權(quán)利侵害。當(dāng)然大數(shù)據(jù)技術(shù)研究者會(huì)爭(zhēng)辯說“追求絕對(duì)準(zhǔn)確是小數(shù)據(jù)時(shí)代的要求”“隨著數(shù)據(jù)容量的擴(kuò)大，錯(cuò)誤信息對(duì)結(jié)果的影響會(huì)越來越小?！?[5]就數(shù)據(jù)源來說，由于大學(xué)生調(diào)查報(bào)告、心理評(píng)估量表等的應(yīng)用在我國發(fā)展時(shí)間都還很短，因此大學(xué)生心理測(cè)評(píng)數(shù)據(jù)累積的體量還太小，數(shù)據(jù)質(zhì)量也不夠高。有限的數(shù)據(jù)與人工智能相結(jié)合，并不能發(fā)揮大數(shù)據(jù)的優(yōu)勢(shì)，算法模型是以數(shù)據(jù)為基礎(chǔ)的，所以數(shù)據(jù)本身的偏頗和不精準(zhǔn)會(huì)直接影響到最后評(píng)估結(jié)果的有效性。所以第一個(gè)需要解決的問題就是，在數(shù)據(jù)獲取和數(shù)據(jù)挖掘之初，就要對(duì)數(shù)據(jù)進(jìn)行必要的清洗和整理。[6]

如前文所述，大學(xué)生心理評(píng)估存在時(shí)效性和個(gè)性化的問題，因此應(yīng)特別注意人工智能算法的更新和迭代。大學(xué)生心理評(píng)估因子及其權(quán)重具有明顯的動(dòng)態(tài)特征，精準(zhǔn)采集和評(píng)價(jià)這些動(dòng)態(tài)因子，可更加準(zhǔn)確地反映大學(xué)生心理評(píng)估結(jié)果，更能彌補(bǔ)傳統(tǒng)量表評(píng)估的靜態(tài)反饋的弱點(diǎn)。人工智能算法的設(shè)計(jì)者應(yīng)當(dāng)既是軟件工程架構(gòu)專家，更應(yīng)該有心理學(xué)專業(yè)知識(shí)背景，這樣才能時(shí)時(shí)保持大學(xué)生心理評(píng)估動(dòng)態(tài)因子敏感度，實(shí)時(shí)矯正由于算法的錯(cuò)誤反饋來更新和迭代整個(gè)系統(tǒng)暴露出的缺陷和偏差。所以第二個(gè)要解決的問題是，智能算法設(shè)計(jì)要與時(shí)俱進(jìn)，實(shí)時(shí)伺服動(dòng)態(tài)因子的變化，實(shí)時(shí)驗(yàn)證、糾偏， 以保證評(píng)估系統(tǒng)的精準(zhǔn)性、客觀性和兼容性。

人工智能評(píng)估系統(tǒng)的應(yīng)用，在于通過人機(jī)協(xié)同[7]更加快速地解決復(fù)雜問題，絕不是讓機(jī)器完全替代人。況且當(dāng)前的人工智能技術(shù)還處在“弱人工智能”階段，更不能把決策權(quán)交給機(jī)器[7]。當(dāng)前的人工智能評(píng)估系統(tǒng)給出的評(píng)估結(jié)果具有參考價(jià)值。只有人才能洞察出事物間的隱含關(guān)系并進(jìn)行合理解釋，對(duì)常識(shí)和規(guī)則的理解和靈活運(yùn)用還是機(jī)器的弱勢(shì)。人工智能可能找出某些數(shù)據(jù)因子的相關(guān)性，但是要確立具體的因果關(guān)系和給出確定的判斷，必須有決策者來完成。

人可以穿透相關(guān)性迷霧，確定因果關(guān)系，當(dāng)人工智能評(píng)估系統(tǒng)得出相應(yīng)的評(píng)估結(jié)果后[8]，還需要具有心理學(xué)專業(yè)背景的教育者進(jìn)行分析和研判，作出最終的判斷。

參考文獻(xiàn)：

[1][美]凱西·奧尼爾著，馬青玲譯.算法霸權(quán)：數(shù)學(xué)殺傷性武器的威脅與不公[M].北京：中信出版社：150.

[2]張建萍.基于計(jì)算智能技術(shù)的聚類分析研究與應(yīng)用[D].濟(jì)南：山東師范大學(xué)，2014：3。

[3]習(xí)近平.推動(dòng)我國新一代人工智能健康發(fā)展[DB/OL].http：//www.xinhuanet.com//2018-10/31/c_1123643321 .htm.

[4]Joel Emer.Efficient Processing of Deep Neural Networks：A Tutorial and Survey[D].https：//arxiv.org/abs/1703.09039.

[5][英]維克托·邁爾-舍恩伯格、肯尼思·庫克耶著，盛楊燕、周濤譯.大數(shù)據(jù)時(shí)代[M].杭州：浙江人民出版社，2013：55.

[6][日]松尾豐.人工智能狂潮：機(jī)器人會(huì)超越人類嗎？[M].北京：機(jī)械工業(yè)出版社，2015.

[7][美]Nils J.Nilsso著，王飛躍、趙學(xué)亮譯.理解信念：人工智能的科學(xué)理解[M].北京：機(jī)械工業(yè)出版社，2016.

[8]翟振明，彭曉蕓.“強(qiáng)人工智能”將如何改變世界——人工智能的技術(shù)飛躍與應(yīng)用倫理前瞻[J].人民論壇·學(xué)術(shù)前沿，2016（7）：22-33.（編輯：魯利瑞）