“大數據+心理健康”在家庭教育 及家校共育中的探索

鄧雯文 簡永鍵

摘要：家庭教育、家校共育作為未成年人教育的重要陣地，因缺乏體系研究和科學的指導與服務，未能發揮其積極效用。從大數據模型的角度尋找家庭教育與家校共育的關系，為其進行科學畫像，建立家庭與學校、家庭與社會、家庭與學生之間的大數據生態模型，以建立“大數據+心理健康”框架下的家庭教育與家校共育的友好生態與良性循環態勢。

關鍵詞：家庭教育；家校共育；大數據模型

中圖分類號：G44 文獻標識碼：B 文章編號：1671-2684（2022）99-0045-04

未成年人的教育體系由三部分組成，即家庭教育、學校教育和社會教育。家庭、學校、社會發揮著各自的職能與作用，其中，家庭教育是一切教育的基礎與開端。然而，由于缺乏系統、科學的家庭教育指導與服務，大多數家長在對家庭教育的認知、家長在家庭教育中應具備的基本知識與技能、正確有效的家庭教育方式與方法等方面缺少必要的認知與儲備，嚴重影響了家庭教育的效果。

對此，家校共育在某些方面、某種程度上可以彌補家庭教育的遺憾。但就現實情況而言，由于缺少科學有效的指導與體系研究，家庭與學校聯動教育在信息傳輸、資源配置、風格互補、全人效能等方面缺少有效聯動與挖掘，家校共育也并沒有發揮應有的積極作用。

在互聯網、云計算等技術發展的時代背景下，科學、客觀、高效地將大數據云計算技術應用于指導家庭教育與家校共育的工作中，構建大數據智慧賦能的家庭教育與家校共育體系，以大數據的客觀性、智能化、互動性特質推進教育信息化，健全完善科學有效的家校共育教育管理體系，將對我國青少年的身心健康發展具有深遠意義。

一、“大數據+心理健康”在家庭教育及家校共育中的應用

“大數據+心理健康” 是指根據海量的行為數據及心理數據，結合心理學原理，建立科學實證性的數據模型，最終勾畫群體的心理健康畫像，推理出影響群體心理健康的可控因子，繼而針對此群體推送有效的、高效的解決方案的一種大數據與心理學結合的研究方法范式。

為了能夠向國家和社會提供重要的國民健康狀態指標，為教育、公共健康政策的制定提供科學參考，許多科研中心及地方機構開展了一系列關于國民心理健康方面的調研與研究。它們大都在客觀數據的基礎之上進行，然而受條件限制，長期以來在心理學、社會學、公共健康領域研究的樣本規模十分有限，一般多采用抽樣的方式，再把局部樣本的研究結果推廣到總體上，導致研究結論的有效性不可避免地受到樣本代表性的影響。此外，傳統方法大多依賴于用戶自陳，數據收集過程也比較緩慢。云計算、大數據和互聯網技術的普及在科學、經濟、健康領域以及社會生活的方方面面，蘊含著人類行為及認知信息。大數據作為信息技術發展的新趨勢，具有海量的數據規模（Volume）、快速的數據流轉（Velocity）、多樣的數據類型（Variety）和巨大的數據價值（Value）4V 特性[1]。大數據理論與技術的出現，特別是移動互聯網的普及，極大地拓展了數據采集的廣度和深度，使研究人員有可能針對極大規模用戶開展研究，進行全面的記錄、跟蹤并實現數據顆粒度的靈活變化，從而使心理學研究的數據基礎更全面、堅實。大數據技術在心理健康方面的應用，比如在健康篩查、個性化治療方案推送、監測復發、預防心理健康疾病等方面有很大的潛力。

利用大數據信息采集與處理技術，可以實現對個體和群體外部表現心理數據的實時采集，彌補傳統研究方法時效性不足的缺點。通過大數據技術的數據挖掘，對學生、家長和、教師的行為數據、心理信息進行統計、分析整合及推理，揭示學生心智發展現象、心理健康狀況及其背后的本質和影響因子間的相互關系，為搭建科學的家庭教育和家校共育體系提供科學實證，進而指導家校共育、家庭教育中實際問題的解決。

二、家庭教育與家校共育的大數據分析與模型

家庭教育與家校共育體系分為家長維度、學生維度、教師維度、學校管理風格維度、家庭成員維度、家庭與社會資源互動維度這六個維度。

根據大數據提供的信息可以通過上述六個維度為區域家長群體、學校家長群體、獨立單個家長個人進行畫像，建立家庭教育模型。根據模型分類，給出家庭教育現狀分析以及家校共育狀態剖析，并給出改進方案與建議，為其配置家庭教育資源，推送相匹配的家庭教育服務與課程，提出家校共育的改進方案與實施方法，提高家庭教育與家校共育的資源互補優勢與深度合作效能，實現“用大數據心理服務體系賦能家庭教育，為青少年心理成長保駕護航”的宗旨與目的。

通過對學生的綜合心理健康調查，包括青少年生活事件量表（劉賢臣，1997）、青少年心理健康量表（王極盛，1997）、病人健康問卷抑郁量表（PHQ-9）、失眠嚴重指數量表（ISI）、青少年心理韌性量表（RSCA）等心理量表，可以分析構建得出區域學生的群體、學校學生群體、單個學生個人畫像，從心理癥狀、心理壓力、心理韌性三個維度統計、跟蹤、分析出該區域學生群體心理健康狀況、心理壓力狀態及心理韌性水平。

圖1展示了某校學生在心理癥狀各指標上的異常人數比例，呈現出該校學生的普遍心理癥狀畫像。大數據技術還可以收集、分析、呈現出某區域某學校學生的普遍壓力事件及分析影響學生心理健康的主要壓力事件。

此外，大數據技術還可以分析出哪種心理因素能力能大大緩解生活壓力事件對學生的影響和減少心理癥狀異常的發生。如圖2所示，在控制了年級學段和性別的因素之后，結果顯示心理韌性維度指標對各種心理癥狀都存在著顯著的影響，且多呈現負關系向預測關系影響。其中，情緒管理對心理癥狀的影響程度最大，即情緒管理水平越高，出現異常心理癥狀的情況越少。

通過青少年親子溝通量表（PACT）等和其他量表，大數據云平臺可以計算呈現出區域家長群體畫像，從親子互動模式可以判斷出該區域家長群體屬于信任鼓勵型、情感溫暖型、民主型、權力型、溺愛型、不過問型、混合型之中的某一類型或某幾個類型的混合型。（如圖3）

同理，通過教師心理狀態與發展性評估量表校園管理文化風格問卷，了解預測學校及老師的群體畫像。根據群體畫像及相關的數據收集，從而預測出適合該區域或學校的家校合作的形式。

比如，通過數據采集與計算，測出某學校的學校風格為民主開放型，則學生在學校能夠獲得更多的自主選擇與自我探索機會。在家庭教育中，則可以適當增加任務與難度相對較高的活動與項目，如要求孩子在規定時間內完成體能運動的任務；在規定時間內完成做飯、洗衣服、清理庭院等家務勞動；對孩子的興趣愛好或特長進行專業提升訓練等。通過相對嚴格的訓練與任務要求，彌補學生在學校的相對寬松的學習氛圍，有利于對于學生的心理韌性與抗挫折能力培養。

相反，如果學校教學風格為嚴格管理型，則意味著學生在學校得到了嚴謹細致的管理，在規則意識、規范行為方面已得到充分的磨練與提升。那么，在家庭教育中，則應多提供自由寬松的活動與項目內容，如家長可以帶著孩子多做一些戶外運動，游戲與娛樂；多鼓勵、贊揚孩子，讓孩子的身心在家庭教育中得到充分的舒展與釋放。

三、建立“大數據+心理健康”框架下的家庭教育與家校共育的友好生態與良性循環態勢

根據大數據的采集與計算，建立大數據下的家庭教育與家校共育教育管理體系模型。根據所測試出的家庭教育的風格類型與效能分級，為其推送相應的家庭教育與家校共育指導方案與綠蘿家庭教育專業課程與咨詢服務。比如，為家庭教育與親子關系緊張的家庭提供諸如改善親子關系、增強親子溝通效能的家庭教育課程；為家庭教育效能較差的家庭推送如何增強家長的家庭教育專業知識與技能的家庭教育課程；為家庭教育效能較好的家庭推送如何提升與引導學生自驅力的課程；為家庭教育效能極好的家庭推送如何為孩子進行生涯規劃與生涯準備的課程，等等。

此外，在具體實施中，學校可以基于大數據的采集和計算，向不同風格類型的家長推送適合每一個孩子的教育引導方案，提供個性化的服務與建議。例如，為民主型家長群推送高效能家長服務包與生涯規劃輔導服務，為權威型家長群推送親子溝通技巧服務與親子關系課程服務，等等。

家校共育方面，通過大數據的跟蹤，學校和家長可以知悉孩子當下的心理狀態和以往的心理狀態狀態。一旦發現有不良趨勢，學校可依據科學數據與家長進行溝通，通過家校聯動、家校場景融通與轉換，有效地幫助、支持孩子的發展。比如，孩子在學業上自信心不足，出現厭學傾向時，家長可以通過與學校老師溝通，為孩子提供可以體現自我價值的機會，如以孩子擔任學科課代表、小組長等方式提升孩子的自我效能感；家長也可以在家中培養孩子的興趣與愛好，讓孩子通過擅長的領域獲得成就感與自我認同感；老師也可以在班級里創造機會，請孩子展示其愛好特長，進而幫助孩子提升自我效能與價值感。

在家校溝通與協同合作方面，學校可根據所測試出的家庭教育模型與分級，根據學生的心理癥狀、心理壓力與心理韌性的三個方面、十八個維度的大數據測評結果， 設定家校共育的內容與主題，比如培養孩子自信心、自我管理能力、自驅力、人際交往能力、生涯規劃與實踐、學術背景提升等，提供配套的家庭教育課程與咨詢服務，提升家庭教育與家校共育的合作效能。

四、結論

根據大數據提供的信息數據，對區域家長群體、學校家長群體、家長個體畫像建立家庭教育效能模型與分級指導，給出家庭教育現狀分析，指出優勢與不足，提出家校共育提升方案。并為其配置所需要的家庭教育資源，達到家庭教育與家校共育的資源與效能的疊加。真正做到“大數據+心理健康”框架下的家庭教育與家校共育的友好生態與良性循環，實現“用大數據心理服務體系賦能家庭教育，為青少年心理成長保駕護航”的宗旨與目的。

參考文獻

[1]徐鵬，王以寧，劉艷華，張海.大數據視角分析學習變革——美國《通過教育數據挖掘和學習分析促進教與學》報告解讀及啟示[J].遠程教育雜志，2013（6）：11-17.

編輯/黃偲聰 終校/石 雪