針對大學生心理健康的交互式可視分析與探究

鐘偉，李永昌，劉靜，李丹妮，趙瑩瑩

（湖南財政經濟學院，長沙410205）

0 引言

隨著社會競爭的日益激烈，大學生中心理障礙的發生率呈上升趨勢。研究表明，目前大學生的心理問題發生率在10-30%之間，心理健康狀況不容樂觀，心理問題已經成為我國大學生休學、退學和自殺的主要原因之一[1]。

目前，國內各高校均建有心理咨詢部門，對大學生進行心理健康教育并提供咨詢服務。經調查表明，各高校為了解新生的心理狀況，一般采用心理狀態量表通過問卷調查方式進行普查和統計，篩選出有預警情況的學生，由各級輔導員和專門的心理教育工作者進一步甄別研判，對有嚴重心理問題的學生進行干預治療。該方法旨在防范心理危機事件，健康促進和預防干預方面較被動。心理學研究認為人格與心理狀態有著密切關系[2]，且前者對后者有顯著預測作用。目前國內對這兩者關系的研究主要從統計學角度出發，注重受測群體在心理狀態和人格的相關性分析及回歸分析。

通過可視分析的方式同時展示心理狀態和人格特征，挖掘潛在信息的研究相對較少。根據上述傳統方法的不足，本文以探究心理狀態和人格特點、尋找重點關注因素為目標，布局五種可視化圖形，從三個方向逐層進行交互式可視分析：①群體中不同心理狀態在人格中的分布及占比規律，明確干預/促進范圍；②心理狀態因子細節顯示與對比，明確干預/促進方向；③以細節因子為引導，結合人格類型，明確干預/促進個體，細化關注因素。

1 相關研究

1.1 心理學領域相關數據分析現狀

國內高校一般采用癥狀自評量表SCL-90 量表評估大學生心理健康狀態。該量表有90 個項目，包括10個因子（軀體化、強迫癥狀、人際關系敏感、抑郁、焦慮、敵對、恐怖、偏執、精神病性和其他），代表影響心理狀態的因素。

艾森克人格問卷EPQ 通過神經質（N）、外傾性（E）、精神質（P）三個分量表解釋受測者的人格特點。其中，每個量表分別顯示各維度上的三種個性類別（中間型、傾向型和典型），神經質和外傾性共同反映出四種氣質類型，即膽汁質、抑郁質、粘液質和多血質[3]。

在心理學相關研究領域，目前對心理測量數據的研究主要有以下3 類：

（1）單量表結果分析：文獻[4-6]研究受測群體在單量表統計結果中的各項因子結果和差異，通過與常模比較，分析造成相關心理問題的可能因素。

（2）心理狀態元分析：文獻[7-9]研究一定時間范圍的相關出版文獻，通過元分析的方法，得到受測群體隨年代變化的心理發展趨勢以及在性別、生源地和地區方面呈現的心理差異。

（3）心理狀態與個性、習慣等的相關性分析：這類分析[10-12]側重于研究心理健康與習慣、個性、行為等的相關性，涉及兩種或兩種以上量表的數據采集與統計，幫助研究者從多個角度理解影響心理狀態的因素。

上述研究中，分析工具采用Excel、SPSS 等軟件，主要用于記錄和統計。雖然可以做簡單圖形展示，但大部分研究存在多表格、純文字描述的缺陷，缺乏直觀的探究和交互功能。

1.2 多維層次數據可視化的研究現狀

信息可視化是對抽象數據使用計算機支持的、交互的、可視化的表示形式，以增強認知能力[13]，側重于通過可視化圖形呈現數據中隱含的信息和規律。個體多張心理量表的測量數據，屬于多項目、多因子的層次信息，為典型的多維層次數據。

在多維數據可視化技術方面，常用的方法有散點圖、平行坐標圖、雷達圖等。

文獻[8]針對大學生自尊得分隨年代的變化趨勢制作二維散點圖，顯示我國的大學生自尊水平隨年代變遷，呈下降趨勢。可視化分析領域[14-16]通過改變散點顏色、形狀和大小等方式在二維圖形上顯示多維信息，或者采用改進的三維散點圖或散點圖矩陣，進一步增加可顯示維度。

平行坐標[17]是一種經典的多維數據可視化方法。該方法可以在二維空間中顯示更多維度的數據，并在一定程度上可描述相鄰兩個屬性之間的關系。該方法已應用于傳染病模式分析、空氣質量等研究領域[18-19]。針對曲線覆蓋、數據顯示混亂、相關性探究等問題，大部分研究[20-21]通過引入相關性聚類、邊捆綁技術以及混合其他圖形等方式進行完善。

2 可視化設計流程

本文針對大學生SCL-90 和EPQ 兩類數據，設計了一套如圖1 所示的可視分析流程，分別包含數據采集、數據預處理、混合布局方法設計以及方法實現四個部分。

第一步為數據采集階段，設計問卷指導語，使用SCL-90 和EPQ 量表，在線發放和收集問卷，以序號為學生唯一編號。為保證數據的真實性，所有調查問卷都采取匿名的形式，序號保留給學生個人，以方便實施干預措施。

第二步為數據預處理階段，采用SPSS 數據分析軟件，對量表初分進行換算，分別得到SCL-90 總分、各因子標準分以及EPQ 中N、E 兩張量表的T 分，計入DA?TA。將SCL-90 結果按照總分進行心理狀態分類，各狀態按EPQ 的T 分進一步進行個性和氣質類型分類，獲得數據DATACLASS。

第三步為可視化圖形布局階段，散點圖和旭日圖展現心理狀態中人格分布與占比；布局平行坐標圖和柱形圖，探究SCL-90 因子細節；雙數據軸極坐標圖展現群體中的單因子信息。

第四步實現每一種可視化方法，并進行多圖聯動，從不同的角度進行交互式探究和分析。

3 數據采集和分析

3.1 數據采集與預處理

本文采集某高校各專業大一400 新生的SCL-90和EPQ 量表數據（去除無效數據29 條），將采集得到的數據進行以下幾個步驟的預處理，獲得各項標準分：

步驟一：按照公式（1）計算SCL-90 總均分和各項因子總均分。

上式中，N 代表項目數，其中總均分的N 值為90，每項因子總均分按照相應項目總分除以項目數。

步驟二：按照T 分換算表分別計算EPQ 中每個學生在E 量表和N 量表的T 分。

通過上述步驟，得到數據標準數據DATA。

3.2 數據分析

首先將DATA 進行分類分析，按公式（2）分類出SCL-90 的五種心理狀態；然后分別依據N 和E 量表的T 分，由公式（3）分類出分量表個性NP和EP。

將NP和EP由以下步驟獲得個性P：

Step1：若NP∈中間型OR EP∈中間型則P∈中間型，否則執行Step2；

Step2:若NP∈傾向型OR EP∈傾向型則P∈傾向型，否則執行Step3；

Step3: P∈典型。

最后按公式（4）得到不同個性下的四種氣質類型。最終得到類別數據DATACLASS。

通過上述數據分析，可知心理狀態與人格中個性氣質為層次關系，如圖1 所示。

圖1 心理狀態與人格的層級結構

4 可視化布局與可視分析

本文的可視化方法由五個部分協同交互實現。分別為：心理狀態與人格分布散點圖、心理狀態與人格旭日圖、SCL-90 因子平行坐標圖、SCL-90 因子均分柱形圖和單因子極坐標圖。

4.1 心理狀態與人格分布

EPQ 將人格以E 量表為X 軸，N 量表為Y 軸分成三種個性類型，四種氣質類型。本文依據其兩張量表的T 分將DATA 以散點方式展現，通過顏色區分相應的心理狀態。

本次被測群體發現存在一名“重度”情況的學生，從系統中可直觀顯示該生氣質為抑郁質，人格為典型內向，情緒典型不穩定，需根據其人格特征著手干預。

由散點圖的可視結果，提示心理輔導老師應關注膽汁質與抑郁質群體，這兩類群體可能因為情緒不穩，影響心理狀態；

4.2 心理狀態與人格占比

由數據分析可知，心理狀態和人格為層次結構，本文采用旭日圖展示不同層級下的人群占比。最內層為父節點，顯示群體心理狀態，第二層為個性分類，第三層為氣質類型，通過標簽顯示百分比。從圖中可知被測群體中，大部分學生處于“良好”和“輕度”的心理狀態，僅少數存在“中度”情況，“重度”1 人。

4.3 SCL-90因子可視分析

散點圖和旭日圖利于掌握整體的心理狀態和人格特征，但難以判斷影響情緒的因素。本文采用平行坐標圖對SCL-90 十項因子信息進行分析，找出影響情緒的關鍵因素。

通過上述可視分析，在明確干預/促進的基礎上進一步明確輔導方向：被測群體普遍存在強迫和人際關系敏感問題，可能與被測群體為大一新生，對新的生活環境、教育模式等方面存在適應困難有關。心理輔導老師在進行健康促進和預防干預時，應重點從生活適應能力、人際交往能力和自主學習能力著手，主要減輕群體因不適應環境出現的強迫性行為，因不熟悉新的同學和老師，出現過度的敏感和敵對情緒。

4.4 群體單因子極坐標圖

通過上述分析，可以幫助使用者快速找到危機干預對象，明確預防干預和健康促進的群體范圍和方向，但無法精準到“重度”情況之外的被測個體。

為解決這一問題，本文以極坐標圖和柱形圖配合聯動顯示群體單因子信息。極坐標采用雙數據軸分別顯示學生序號NUM 和單項因子結果SCORE。

由于人數隨狀態變化，按照角度平均分配的方式將NUM 等距離顯示在圖形外圍，SCORE 用極軸表示。為避免群體得分普遍偏低，出現節點過于向圓點集中的問題，本文根據群體的實際分值范圍動態設置極軸閾值范圍。此外，將因子分排序后輸出，便于心理輔導老師查看。

5 可視分析結論

由本文提出的可視方法對被測群體進行分析，可明確以下幾點結論：

（1）群體心理狀態總體良好，情緒普遍不穩定，以健康促進和預防干預為主；

（2）群體中出現“重度”情況的學生一人，屬典型抑郁質，影響因素主要為“敵對”、“焦慮”和“抑郁”，應著重從這三個方面進行預防干預；

（3）預防干預和健康促進的范圍集中在膽汁質和抑郁質，其中：

①“中度”群體中的典型個性群體，從強迫和人際關系敏感兩方面進行干預；一位多血質學生，從人際關系敏感和敵對方面進行健康促進；

②“輕度”群體從強迫癥和人際關系敏感兩方面進行健康促進，但是應重點關注典型人格，預防其向中度變化；

③關注“良好”狀態中的抑郁質群體。

（4）對“中度”群體，根據強迫因子，可分別關注每個人的其他因子項以及相應人格特性，細化干預方向。

6 評價與反饋

在本文可視分析方法的布局和開發過程中，心理學相關研究人員的參與和反饋起到了重要作用，經過多個版本的修改，她們認為該可視分析方法與傳統的量表測試方式相比，具有以下幾點優勢：

（1）通過可視分析方法中的散點圖可以迅速突出存在“重度”情況的學生，并顯示其人格特征和氣質類型，進一步由平行坐標圖，直觀反映影響該生心理狀態的嚴重因素，幫助老師在干預時規避敏感問題，增強了輔導的針對性；

（2）通過旭日圖可以掌握需要關注的群體范圍，區分預防干預與健康促進的對象；

（3）通過平行坐標圖和柱形圖，可準確提示影響群體心理狀態的重要因子，幫助心理輔導老師在對群體輔導時重點從這些因素著手；

（4）通過極坐標圖和柱形圖的交互，幫助心理輔導老師進一步尋找需要重點關注的對象，并依據個體差異細化輔導方向；

（5）通過以上散點圖、平行坐標圖、旭日圖、柱形圖和極坐標圖的交互聯動，從多角度全方位分析群體及個體心理狀態和人格特點，達到精準輔導的效果。

7 結語

本文以健全大學生人格發展為出發點，研究和總結了心理學相關領域針對大學生心理健康和人格相關的研究，考察了部分高校對大一新生心理健康的普查方法，選擇使用心理健康自評量表SCL-90 和艾森克人格量表（EPQ）進行數據采集和分析。

通過合理布局多種可視化方法，充分利用各種方法的優勢，以圖形聯動的方式逐層遞進，幫助心理輔導老師重點干預存在“重度/嚴重”情況的學生，鎖定預防干預和健康促進的人格范圍，分析引起心理問題的可能成因，從而采取合適的輔導措施。此外，由群體特征，引導心理輔導老師關注個體心理狀態和人格信息，細化輔導方向。經心理學相關研究者使用反饋，本文方法在直觀展示數據，挖掘隱含信息，引導決策等方面兼具理論價值和實用價值。

未來，將繼續豐富和加強各項可視分析功能。一方面，深入研究EPQ 中可展現的更詳盡的氣質類型，引入SCL-90 和EPQ 的回歸分析；另一方面，引入更多影響大學生心理健康的因素，完善系統需求，從心理的角度幫助學生順利度過大學時代的重要成長期。