社交網絡環境下大學生抑郁高危人群特征調查研究

陳 捷，卓 瑪

（北京中醫藥大學管理學院心理教研室，北京100029）

社交網絡環境下大學生抑郁高危人群特征調查研究

陳 捷，卓 瑪

（北京中醫藥大學管理學院心理教研室，北京100029）

目的 探索大學生抑郁高危人群在社交網絡（SNS）中呈現的特征信息，追蹤抑郁高危人群，為大學生管理部門提供識別抑郁高危人群的檢索點，進而為大學生提供心理支持或心理救助的機會。方法 （1）選擇SNS，確定目標人群；（2）選擇具有抑郁特征的初篩關鍵詞（PSK）；（3）使用PSK進行一次性檢索，記錄檢索結果，檢出率最高的10個詞匯為最終使用的檢索詞（FSK）；（4）正式檢索，對非轉載且有具體內容的“狀態”欄中的文本逐一使用FSK進行連續7 d的檢索；（5）建立文本數據庫，包括姓名、性別、學校以及“狀態”欄所涵蓋的文本；（6）定位抑郁特征信息詞，根據連續7 d檢索過程中FSK的檢出率進行排序，確定具有代表性的大學生使用的抑郁特征詞 （DCK）。結果 DCK均與抑郁相關，FSK檢出率由高到低分別為自殺（3.80%）、抑郁（1.80%）、逃避（1.80%）、不想動（1.71%）、睡不著（1.50%）、我沒用（1.22%）、痛苦（1.00%）、想哭（1.00%）、絕望（0.83%）、孤單（0.60%），整體的DCK檢出率為1.35%。結論 SNS中存在大學生抑郁特征信息，通過DCK的檢索能夠識別大學生抑郁高危人群，使提供心理支持或救助成為可能。

計算機通信網絡； 社會學； 學生； 抑郁； 精神衛生； 高危人群； 社交網絡

社交網絡（SNS）環境下的抑郁高風險特征是指以大學生在SNS中呈現的抑郁為主要特征的文本內容，包括情緒低落、低自我評價、自我意向下降。隨著信息技術的發展，SNS成為人際互動行為發生的重要場域。網絡中的人際交往無需呈現真實的面貌和身體語言，情感呈現更加真實。情緒、情感表達是SNS的內容之一，也是與心理健康關系最密切的心理過程，可以作為推斷個體心理狀態的依據。國內知名SNS——人人網的前身是校內網，決定了其主體人群為在校大學生，由于其開放性，為公眾提供了一個數據分享平臺，使得研究者獲取大學生相關情緒狀態的信息成為可能。

在心理問題中，抑郁情緒是青年人經常出現的狀態之一，嚴重的抑郁狀態與自殺行為密切相關，探索SNS環境下大學生抑郁高危人群特征，追蹤具有抑郁高危風險人群，可為大學生管理部門提供識別抑郁高危人群的檢索點?，F以人人網中的在校大學生人群為研究對象，以流調中心用抑郁自評量表（CES-D）開展檢索，進而為大學生提供心理救助或心理支持的機會，具有重要的現實意義和深遠的社會意義。

1 資料與方法

1.1 資料

1.1.1 研究對象 研究對象為人人網中的在校大學生人群。

1.1.2 研究工具 采用CES-D，該量表是由美國國立精神衛生所Radloff在1977年編制而成，適用于對一般人群著重于抑郁情感或心境的普查。CES-D共有20個條目，是編制者通過對大量臨床文獻及已有量表進行因子分析提取出來的。條目反映了抑郁狀態的以下6個側面：抑郁心情、罪惡感和無價值感、無助與無望感、精神運動性遲滯、食欲喪失和睡眠障礙。填表時要求受試者說明最近一周內癥狀出現的頻度，CES-D與貝克抑郁問卷（BDI）、抑郁自評量表（SDS）相關，但更適用于一般人群調查，因其為評價抑郁心情而不是整個抑郁癥候群。

1.2 方法 （1）選擇SNS：確定目標人群。（2）選擇具有抑郁特征的初篩關鍵詞（PSK）：根據CES-D選擇20個描述抑郁狀態的詞匯，查詢《現代漢語詞典》得出這20個詞匯的近義詞，得到40個PSK。（3）確定最終使用的檢索詞（FSK）：使用PSK進行一次性檢索，記錄檢索結果，選擇檢出率最高的10個詞匯為FSK。（4）檢索量與檢索時間的確定：連續7 d。（5）確定篩查條件：為本人非轉載有具體內容的“狀態”文本。（6）檢索：逐一使用FSK進行連續7 d檢索涉及抑郁的相關記錄，從滿足篩選條件文本信息中篩選出具有抑郁特征且符合篩選標準的文本信息。（7）建立文本數據庫：包括姓名、性別、學校以及“狀態”所涵蓋的文本。（8）定位抑郁特征信息詞：根據連續7 d檢索過程中FSK的檢出率進行排序，確定具有代表性的大學生使用的抑郁特征詞（DCK）。研究過程見圖1。

圖1 研究過程圖

2 結 果

2.1 檢索抑郁相關記錄結果 使用FSK進行連續7 d的檢索，檢索出與抑郁相關記錄1 375 054條（68 752 700字文本）。由于人人網“狀態”欄搜索結果每天僅能瀏覽前50頁，因此本研究共瀏覽信息10 100條（505 000字）。

2.2 檢索符合標準文本信息結果 從中篩出136條具有抑郁特征且符合篩選標準的文本信息；這些信息來自108所院校，其中本科院校83所，占76.85%；非本科院校25所，占23.15%。研究結果所得的男女比例為1∶3。

2.3 具有抑郁特征的PSK及FSK PSK共40個，包括原有的20個詞匯和20個近義詞，篩選過程見表1。PSK中檢出率最高的10個詞匯為FSK，即表1中雙下劃線詞，PSK的檢出率分別為自殺（3.60%）、抑郁（1.80%）、逃避（1.80%）、睡不著（1.60%）、我沒用（1.40%）、不想動（1.40%）、痛苦（1.20%）、想哭（1.00%）、絕望（0.80%）、孤單（0.60%）。在10個FSK中有4個來自于CES-D（下劃線詞匯），6個來自于近義詞。

2.4 DCK檢出率 根據連續7 d檢索過程中FSK的檢出率再次進行排序，其中最高的為自殺（3.80%），其次為抑郁（1.80%）、痛苦（1.80%）等，整體FSK總檢出率（DCK檢出率）為1.35%，見表2。

表1FSK篩選過程

表2DCK檢出率

2.5 PSK與FSK檢出率降序比較 對PSK與FSK檢出率進行比較。將PSK的檢出率與FSK檢出率降序對比，前3位與后4位的順序完全一致，只有第4、5、6的排序稍有改變。見表3。

表3PSK與FSK檢出率降序比較

3 討 論

在過去10年里，網絡語言數據迅速增長。國外的相關研究多集中于使用大數據挖掘的形式對網絡語言數據進行輿情分析，多側重于對某一特定時期突發事件的態度研究。2010年以后，部分學者將研究指向網絡情緒，研究方法主要包括在線語言情感模型的建立，自適應方法的使用、實時捕捉最新的評價及其社會情緒的變化[1]。研究領域主要包括數據處理，如圖形數據處理的結構研究[2]、靶變量的篩選[3]以及在線模型的建立[4]。與此同時，有一些學者把研究視角指向社會網絡與青少年心理健康之間的關系，有研究發現，SNS反饋的信息對青少年的社會交往能力與個性發展有潛在的影響[5]。也有學者對互聯網使用與人格特質之間的關系展開研究，研究表明過度使用互聯網的群體具有共同的人格特質[6]。

SNS與大學生心理健康的研究、大學生網絡情緒發泄原因的相關研究[7]，以及大學生SNS應用現狀研究表明，42%的人選擇寫日志表露心跡[8]。網絡語言中心理特征的提取研究，主要集中于情感特征句法語義的研究[9]和對情感特征抽取與分析研究，提出了基于層次結構的多策略分析框架與情感分析與算法方法研究[10]。大學生心理預警的研究多是基于心理量表篩查的，以高分數為預警指標的研究[11]。網絡檢索工具的研究主要集中于主題詞表的編制，使主題詞表中的各類概念關系更加簡單、直觀、易于理解[12]。

針對目前鮮見將網絡輿情分析指向特定人群的心理健康風險相關研究，本調查研究就此展開并得出以下結論。

3.1 SNS網絡能夠檢出有效的大學生抑郁文本 在本調查研究中，共檢出136條有效數據，說明網絡能反映大學生抑郁的信息。136條信息來自108所院校，說明SNS的覆蓋面較寬，是值得相關部門關注的重要窗口，也反映出有抑郁情緒的大學生是普遍存在的，有心理支持與援救的需求。

3.2 檢出結果男女比例 本調查研究結果所得的男女比例為1∶3。2009年人人網公開的注冊用戶男女比例為接近1∶1，而正常人群中抑郁的男女比例為1∶2，即具有抑郁情緒的女生是男生的2倍，這與其他相關研究結果一致，即女生的抑郁人數高于男生。

3.3 大學生對抑郁相關詞匯使用的隨意化 隨意化指大學生使用抑郁相關詞匯對非抑郁情緒狀態的描述。例如：“計算機二級又沒過，真想死”，這里的想“死”并不代表真正意義上的自殺動機或行為意向。有學者曾經用“想死”進行檢索，但多數內容均屬于大學生隨意使用抑郁相關詞匯。

3.4 社會應激事件影響大學生情緒 在人人網中，具有抑郁特征“狀態”文本的整體FSK總檢出率（DCK檢出率）為1.35%，低于問卷法調研所得數據（29.3%）[13]。影響因素主要為社會應激事件的出現以及現今大學生對抑郁相關詞匯應用的隨意化。在對關鍵詞“自殺”的檢索過程中，由于受到“鼓樓醫院護士自殺事件”以及“昆明暴力襲擊事件”的影響，2014年3月4～6日相關研究未收集到有效數據。但這也從另一個方面反映了大學生對社會應激事件的關注度較高，情緒也受到應激事件影響。例如：“博士除夕夜殺父母后自殺未遂事件”與“鼓樓醫院護士自殺事件”的影響僅為1 d，而“昆明暴力襲擊事件”的影響持續了3 d，提示在大的社會應激事件出現時應避免大學生的社會感染?！袄ッ鞅┝σu擊事件”后期轉變為“恐怖分子地鐵暴力襲擊未遂”的笑話，說明應激事件以調侃的方式也會引起關注，不能輕視。

3.5 PSK中的檢索詞來源 PSK中檢索詞一般來自于CES-D量表的核心詞及與量表條目相關的近義詞。來自CES-D量表的詞匯有“自殺、抑郁、逃避、想哭”4個，近義詞匯包括“不想動、睡不著、我沒用、痛苦、絕望、孤單”等16個。檢索率占前3位的均來自于CES-D量表的核心詞。

3.6 PSK PSK具有較強的穩定性，檢索量的變化對其影響不大。PSK檢索率與FSK檢索率的排序趨于一致，特別是排在前3位的都是“自殺、抑郁、逃避”。由此可以推斷，由其演變出來的DCK有較高的信度和效度，可以作為檢索工具使用。

3.7 大學生抑郁特點 大學生對抑郁的表達順序是行為、情緒和軀體癥狀。在本調查研究檢索的關鍵詞中，“自殺”的檢出率最高，為3.80%，檢出率是排在第2位“抑郁”的2倍。說明大學生抑郁人群常以自殺作為解決問題的手段，對抑郁帶來的痛苦耐受性更差。由于年齡特點，大學生愿意直接表達自己的情緒，抑郁同時失眠的檢出率較高，為1.50%，說明大學生抑郁的身體反映更明顯，大學生管理者應該更注意大學生行為和生理上的變化。

3.8 大學生對抑郁情緒的表達傾向 分析10個關鍵詞匯發現，大學生更喜歡使用表達情緒的詞匯，包括“痛苦、絕望、孤單、抑郁、我沒用”。典型的軀體表現為“睡不著”、典型的行為意向是“逃避”、典型的自我評價是“我沒用”。

3.9 院校分布特點 在136條有效數據中，共涉及108所院校，其中普通本科類院校所占比例為76.85%，情況更嚴重，更應該關注這部分大學生的心理健康。

3.10 抑郁的原因分析 多數大學生在“狀態”較少分析抑郁的原因，在僅有的少數歸因中多是對抑郁做外歸因，歸結為不足輕重的小事情上。大學生更關注身體的癥狀，如“睡不著、想哭、累、不想動”等；情緒體驗，如“絕望、痛苦、寂寞”等。

3.11 本調查研究的局限性 在本調查研究中存在很多不盡如人意的地方，由于研究網站的局限性，對關鍵詞進行檢索時只能看到最新500條的狀態，無法對全部結果進行篩查。另一方面，默認不公開狀態下只能看到研究對象的最新“狀態”一條，進行個案跟蹤的難度較大。

[1]Yang L，Yu XH，An AJ，et al.Riding the tide of sentiment change：senti ment analysis with evolving online reviews[J].World Wide Web，2013，16（4）：477-496.

[2]Bogdan G，Anna Z.GEVI：context-based graphical analysis of social group dynamics[J].Soc Netw Anal Min，2014，4：160.

[3]Weninger J.An exploration of submissions and discussions in social news：mining collective intelligence of Reddit[J].Soc Netw Anal Min，2014，4：173.

[4]Tsagkias M，Weerkamp W，de Rijke M.News comments：exploring，modeling，and online prediction[J].Lecture Notes Comput Sci，2010，5993：191-203.

[5]Spies Shapiro LA，Margolin G.Growing up wired：social networking sites and adolescent psychosocial development[J].Clin Child Fam Psychol Rev，2014，17（1）：1-18.

[6]Floros G，Siomos K.Excessive internet use and personality traits[J].Curr Behav Neurosci Rep，2014，1（1）：19-26.

[7]晏蘋.淺析大學生網絡情緒宣泄的原因與方式[J].湖南大眾傳媒職業技術學院學報，2013，13（5）：60-62.

[8]郭玉翠.大學生社交網絡應用現狀調查研究——以蘭州高校為例[J].軟件導刊，2013，12（11）：17-18.

[9]段建勇，謝宇超，張梅.基于句法語義的網絡輿論情感傾向性評價技術研究[J].情報雜志，2012，31（1）：147-150.

[10]謝麗星，周明，孫茂松.基于層次結構的多策略中文微博情感分析和特征抽取[J].中文信息學報，2012，26（1）：73-83.

[11]馬廣水.基于系統動力學大學生心理安全預警技術研究[D].武漢：武漢理工大學，2012.

[12]蔣鑫.大學生人人SNS社交網絡使用現狀調查[J].新經濟，2013（29）：28-29.

[13]唐慧等.2002～2011年中國大學生抑郁情緒檢出率的Meta分析[J].吉林大學學報：醫學版，2013，39（5）：965-969.

Survey on characteristics of high-risk populations of undergraduate depression from social networks

Chen Jie，Zhuo Ma
（Department of Psychology，School of Management，Beijing University of Chinese Medicine，Beijing 100029，China）

ObjectiveExploring the characteristics information of high-risk populations of undergraduate depression from social networks and tracking the high-risk groups of depression to provide the key points for the administration department of the college students and give more psychological support or psychological aid for them.Methods（1）SNS was focused on the target populations；（2）Preliminary searching keywords（PSK）were selected characterizing expression；（3）Determine keywords for a disposable searching:recorded the result，10 high frequency used words were filtered.as the final searching keywords（FSK）；（4）Formal searching was the non-reprinted text messages with students′view in detail in the′status′column for consecutive 7 days with FSK.（5）Text database established：name，gender，school and text that"status"covered.（6）Depressive characteristic keywords（DCK）positioned：to determine representative DCK used by college students by the detection rate sorted during retrieval in continuous 7 days.ResultsThe DCK was related to depression.The FSK detection rate from high to low was respectively as follows：suicide（3.80%），depression（1.80%），escape（1.80），lazyness（1.71%），insomnia（1.50%），futility（1.22%），pain（1.00%），crying（1.00%），despair（0.83%），loneliness（0.60%）.The overall DCK detection rate was 1.35%.ConclusionCollege students′depression characteristics exists in the SNS.The high-risk depression populations could be found by DCK search，which make psychological support and aids.

Computer communication networks； Sociology； Students； Depression； Mental health； High risk group； Social networks

10.3969/j.issn.1009-5519.2015.06.013

：A

：1009-5519（2015）06-0833-04

2014-05-16

2014-12-16）

陳捷（1959-），女，北京東城人，碩士研究生，副教授，心理咨詢師，主要從事心理學的教學和研究工作；E-mail：chenjoy0224@163.com。