AI賦能青少年心理健康動態監測：M市基于大數據模型的實踐探索

【中圖分類號】G449【文獻標志碼】A【論文編號】1671-7384（2025）07-011-03

提升青少年心理健康水平的第一步是精準確定青少年心理健康的真實水平，并將那些具有高風險、可能陷入心理危機的青少年及時篩選出來。《健康中國行動（2019一2030年）》指出：“心理健康教育要堅持預防為主，必須把關口前移，把預防擺在更加突出的位置，來積極應對當前突出的健康問題。”心理健康監測體系是青少年心理健康教育體系中的基礎環節，能起到預警作用。根據M市統計年鑒，2019年末M市共有戶籍人口531.29萬，M市教育系統共有各類學校1474所，教師52，443名，在校學生884，277名，其中中小學學生共576，716名。在這樣龐大的學生群體開展心理健康水平監測，及時發現其心理健康狀況的變化、甄別出心理危機信息，幫助其化解思想矛盾和心理障礙，無論是對于促進青少年的健康成長、提升青少年未來適應力，還是對于學校、教育系統規避風險，都具有十分重要的現實意義。人工智能技術的融入，讓學校能夠更加科學、有效地守護青少年的心理健康[1]。

AI賦能構建大數據模型下心理健康動態監測的工具開發

構建基于大數據的青少年心理健康動態監測體系是一項系統性工程，其核心在于通過科學工具和規范流程，實現對青少年心理狀態的動態追蹤與精準干預。

在工具研發層面，M市與H醫院的合作是關鍵。H醫院基于對S縣等地多年的心理健康數據積累，結合積極心理學理論和布朗芬布倫納生態系統理論，開發了一套包含21項核心指標的心理測評工具。這21項指標覆蓋三大維度：積極心理品質（如抗逆力、創造力）、情緒與行為問題（如焦慮、攻擊性行為）以及心理影響因素（如家庭支持、同伴關系）。工具設計的創新點在于突破傳統病理化視角，避免僅以“問題篩查”為導向的標簽化傾向，轉而強調心理健康的全面性評估[2]。例如，工具不僅關注學生是否存在抑郁癥狀，還會評估其情緒調節能力和社會支持水平，為后續干預提供多維依據。

以N中學為例，筆者2024年在該校通過對3033名高一年級新生進行施測，所有量表的各項信度、效度分析如表1所示。整體來看，在實際操作過程中該指標體系具有較高的可信度和準確度，能夠真實有效地反映學生的真實心理健康水平，有助于學校掌握學生的心理健康真實信息[3]。

AI賦能構建大數據模型下心理健康動態監測的程序設計

在監測程序實施層面，項目組構建了從啟動到數據應用的完整鏈條，包含十個步驟：監測項目啟動、試點學校培訓、數據采集、監測結果報告、監測結果核實、建立心理檔案、風險學生應對、監測數據分析、研制測評報告、報告結果運用。

一是監測項目啟動。項目組組織專家團隊設計心理健康教育骨干教師三級培訓課程體系，以適應不同層次教師的心理素養提升需求。完成課程設計后組織心理健康工作推進會，宣布相關的測評政策，并對心理健康教育骨干教師進行培訓。完成培訓后，征集并進一步培訓愿意參與心理健康監測服務的學校負責人，確保他們理解項目的重要性和操作流程。

二是試點學校培訓。在培訓完負責人后，項目組選擇具有代表性的試點學校，與具體參與項目的工作人員進一步交流，確保這些學校能夠按照項目要求對全體學生進行心理健康監測。以N中學為例，從2021年起，學校開始按照要求對全體學生開展心理健康監測，每年均按照要求對全年級開展了測評，累積了大量縱向跟蹤數據，為后續進一步研究奠定了基礎。截至2024年10月，系統累計測評學生14萬余人次。

三是數據采集及注意事項。在采集數據前，學校需要讓學生和家長共同簽訂知情同意書，以避免倫理爭論。為方便大規模采集學生心理健康水平數據，測評采用了電子化版本，學生既可以通過電腦端測評，也可以通過手機小程序完成，大量縮短了數據錄入的時間，避免了人工錄入可能出現的錯誤。

四是監測結果報告。學生數據錄入后，由AI生成個性化測評結果報告，該報告只有學校管理員可見，以保護學生隱私。如學生自己有需要，可到學校心理健康中心詢問相關教師后查看，避免學生在查看報告時可能會產生的過度解讀和污名化行為。

五是監測結果核實。監測結果出來后，學生是否屬于高風險需要進一步核實，專家組經過研究討論，設計出班主任-教師-家長-同學的多角度相互印證鏈。心理健康教師向以上人員多次求證，核實風險學生的真實性。

六是建立心理檔案。在監測數據收集階段，每一位學生已經在AI工具的輔助下建立了電子心理健康檔案，心理健康檔案包括以下方面。（1）基本信息：包括姓名、公民身份證號碼、性別、學校、班級、家長信息等。（2）心理健康特征：包括積極心理品質（創造性、責任心、外傾性、宜人性、情緒穩定性、自尊水平等）和情緒與行為問題（抑郁情緒、焦慮情緒、壓力情緒、生活滿意度低、自傷行為、吸煙行為等）。（3）心理影響因素：包括個體因素（是否患軀體疾病、是否缺乏運動）、家庭因素（家庭功能、是否有家人患病、是否為留守兒童、是否有童年創傷經歷）、社會因素（學業負擔、同學關系、師生關系）等[4。（4）歷次心理測評記錄：包括歷次心理測評個體報告。

七是風險學生應對。相關部門可成立市級層面的專家小組，指導各縣、區成立縣級專家小組，為有需要的風險學生提供專業指導。針對家長、教師、學生、學校等不同群體開發不同課程體系，幫助這部分群體防患于未然。

八是監測數據分析。培訓有管理權限的學校教師，對收集到的數據進行多層面分析，包括個體、班級、學校等不同層面，為撰寫數據分析報告和指導實踐做準備。

九是研制測評報告。有關部門可組成專家小組，根據不同的群體，研制針對性分析報告，向對應主管部門反饋測評報告，以便采取相應的措施和制定相關政策。

十是報告結果運用。針對報告中發現的兒童期虐待促使青少年形成消極內歸因、損害自我認知、導致低自尊狀態（低自尊作為虐待的深遠心理影響之一，是內化心理障礙包括抑郁的重要易感因素）等情況[5]，撰寫以《成長的力量》為代表的系列叢書，為學生、學校、家庭提出干預建議。

AI賦能構建大數據模型下心理健康動態監測的效果反思

本研究歷時三年，在M市內共計監測學生629，233人次，項自實踐成效顯著。一是工具科學性方面，測評工具經多輪測評修訂，結果可靠，心理問題檢出率正常，問題設置符合中小學生認知水平，心理監測工具體系信、效度可靠。二是數據追蹤層面。在20余方人的學生群體中進行大規模心理健康教育數據測評，從2021年開始，項目組在部分學校收集了寶貴追蹤數據，有利于揭示學生心理發展水平的年代效應。三是監測體系科學性方面。項目形成了比較科學的針對大規模學生測評的監測體系，保障學生家長知情權，不輕易給學生貼標簽，測評結果可信可靠，為后續學生心理健康針對性干預提供了重要參考。

基于大數據的青少年心理健康動態監測體系在實踐過程中展現出顯著優勢，但仍存在一定局限性。當前監測體系以年度集中測評為主，數據采集周期較長，難以及時捕捉學生心理狀態的短期波動。例如，考試壓力或家庭突發變故導致的情緒變化可能無法在固定測評間隔期內被識別，存在干預滯后風險。在風險學生核實環節，依賴班主任、家長、同學等多方人工核實的流程雖能提升準確性，但面對大規模學生群體時效率較低，尤其在超千人規模的學校中，心理健康教師需逐一對高風險學生進行多次求證，可能延誤干預窗口期。此外，干預課程體系雖已針對不同群體開發分層方案，但個性化匹配度仍有不足。例如，同屬“學業焦慮”類別的學生，其壓力源可能涉及家庭期待、自我要求等不同維度，而現有課程尚未完全實現基于個體特征的精準化推薦。

AI賦能青少年心理健康動態監測面臨的挑 戰與對策

1.數據隱私與安全問題

在數據收集和使用過程中，基于大數據的心理健康監測涉及青少年大量的個人隱私數據，如心理狀態、社交行為、生理信息等。數據一旦泄露，將對青少年的權益和身心健康造成嚴重損害。同時，數據存儲和傳輸過程也面臨被攻擊和篡改的風險。因此，教育主管部門、學校和第三方平臺必須制定嚴格的數據隱私保護制度，明確數據收集、使用、存儲和共享的規范和流程，確保數據處理符合法律要求。采用先進的數據加密技術，對敏感數據進行加密存儲和傳輸，防止數據被竊取和篡改。建立數據訪問權限管理機制，嚴格限制數據的訪問范圍，只有經過授權的人員才能訪問特定的數據。對數據訪問進行詳細記錄，以便追溯和審計。

2.模型準確性與可靠性提升

青少年心理健康狀況受到多種因素的影響，數據復雜多變，模型難以完全準確地捕捉和預測。同時，不同地區、不同群體的青少年心理健康特征可能存在差異，模型的泛化能力有待提高。此外，模型訓練依賴大量高質量的數據，如果數據存在偏差或不完整，將影響模型的準確性和可靠性。基于此，需要不斷優化模型結構和算法，引入更先進的機器學習技術，如遷移學習、強化學習等，提高模型對復雜數據的處理能力和泛化能力。

3.社會認知與接受度問題

部分學校、家長和社會公眾對AI技術在青少年心理健康監測中的應用存在疑慮和擔憂，擔心AI監測結果不準確，過度依賴技術會忽視青少年的個體差異和情感需求，甚至將AI監測視為對青少年的監控。這些觀念影響了AI技術在青少年心理健康監測領域的推廣和應用。因此，教育主管部門和學校一是要加強宣傳和教育，通過舉辦講座、培訓、科普活動等方式，向學校、家長和社會公眾普及AI技術在青少年心理健康監測中的原理、優勢和應用案例，提高社會認知度和接受度。二是強調AI監測與人工干預的結合，突出AI技術在提高監測效率和準確性方面的作用，同時說明人工評估和干預在關注青少年情感需求、提供個性化支持方面的不可替代作用，消除公眾對過度依賴技術的擔憂。三是建立透明的監測機制和反饋渠道，讓學校、家長和青少年能夠了解監測的過程和結果，對監測結果有疑問時能夠及時得到解釋和溝通，增強公眾對監測系統的信任。

結論

本研究深入探討了AI賦能青少年心理健康動態監測的理論與實踐，通過構建大數據模型，利用多模態數據融合和機器學習算法，實現了對青少年心理健康狀況的全面、實時、精準監測。實踐表明，AI技術在青少年心理健康監測中具有顯著優勢，能夠有效提高監測的準確性和及時性，為心理健康干預提供有力支持。然而，應用過程也面臨數據隱私與安全、模型準確性與可靠性、專業人才短缺、社會認知與接受度等挑戰，需要通過一系列對策加以解決。

參考文獻

[1]楊雅彬．中小學在線心理健康測評系統的設計與開發[D].天津：天津師范大學，2018.

[2]杜葉．區域性中小學心理檔案系統構建與分層管理模式[D].南京：南京師范大學，2011.

[3]林崇德，李虹，馮瑞琴.科學地理解心理健康與心理健康教育[J]．陜西師范大學學報（哲學社會科學版），2003（5）：110-116.

[4]侯瑞鶴，俞國良.情緒調節理論：心理健康角度的考察[J].心理科學進展，2006（3）：375-381.

[5]馬惠霞，白學軍．《青少年心理健康素質調查表》人際素質分量表的編制[J].心理與行為研究，2006（3）：168-171.

作者單位：1.四川綿陽南山中學2.四川綿陽安州中學