摘 要： 網絡文化的飛速發(fā)展，社會變革的強烈沖擊等給大學生造成的心理危機已成為當前高校和社會面臨的嚴峻挑戰(zhàn)。通過調查研究，從網絡、性格、學習、經濟等方面分析了當前高校大學生心理危機產生的各種原因和關鍵因素，利用決策樹C4.5算法對產生心理危機的各種信息進行分析，找出關鍵因素，建立基于C4.5的大學生心理危機預警模型，以幫助建立、健全危機預警和危機干預機制，并預防大學生心理危機的產生。

關鍵詞： 心理危機； 關鍵因素； C4.5； 危機預警

中圖分類號：TP301 文獻標志碼：A 文獻標志碼：1006-8228（2013）01-03-03

Research on psychological crisis alert model based on decision tree

Zhang Limin， Jin Xinmin

（Zhanjiang Normal University， Zhanjiang， Guangdong 524048， China）

Abstract： With the rapid development of network culture and the strong influence of social transformation， the psychological crisis of college students has become a serious challenge to the universities and society. Through the investigation and study， various factors of the psychological problems from several aspects， such as character， learning， economy and so on， are analyzed. Psychological crisis information is examined by means of decision trees （C4.5 algorithm）. The critical factor is searched in order to establish a psychological crisis alert model of college students， to perfect the mechanism of crisis alert and crisis intervention and to prevent the psychological crisis.

Key words： psychological crisis； critical factor； C4.5； crisis alert

0 引言

危機系指因內、外環(huán)境因素所引起的一種對組織生存具有立即且嚴重威脅性的情境或事件[1]，心理危機則可以定義為當個體面臨突然或重大生活逆境時出現(xiàn)的心理失衡狀態(tài)[2]。大學生心理危機有深刻的社會文化根源，其核心是異質文化的沖突所導致的價值觀念的沖突，突出地體現(xiàn)為文化整合中社會主體文化的內在分裂導致大學生亞文化的貧困、文化轉型中家庭功能的失調、文化沖突中傳統(tǒng)教育的偏頗等[3]。大學生心理危機已成為當前校園危機產生的重要原因，正在威脅著高校的正常教學和管理工作。英國危機管理專家邁克爾·里杰斯特曾經說過：“預防是解決危機的最好辦法”。分析大學生心理危機產生的各種因素有利于構建心理危機預警機制和教育干預體系。

計算機技術的飛速發(fā)展，信息系統(tǒng)的大量應用，海量數(shù)據(jù)背后大量的隱藏信息，迫切需要人們對現(xiàn)實數(shù)據(jù)進行統(tǒng)計分析以發(fā)現(xiàn)其中存在的關系和規(guī)則，從中獲取有用的知識并對未來的發(fā)展趨勢作出預測。決策樹（Decision Tree）是數(shù)據(jù)挖掘分類方法中最常用的方法之一，能夠以圖形化的形式表現(xiàn)挖掘的結果，從而方便于使用者快速作出決定或預測。決策樹在各行業(yè)有廣泛的應用，本文將決策樹C4.5算法應用于心理危機相關信息的數(shù)據(jù)挖掘中，旨在分析影響當前高校大學生心理危機的關鍵因素，為高校有針對性地開展心理健康教育工作提供支持，同時也為建立信息化的校園心理危機預警系統(tǒng)提供理論支撐。

1 高校大學生心理危機產生的關鍵因素

當代大學生心理危機的產生可以用社會環(huán)境、家庭影響、個人性格等多種因素，以及與之關聯(lián)的各種關系的集合來描述，特別是在當前的社會轉型期，社會變革對大學生造成強烈的沖擊，價值觀念的多元化、人際交往的復雜化、各種壓力的并存化極大地增加了大學生的心理負荷，集中表現(xiàn)在客觀環(huán)境的外在擠壓力和個體心理的內在驅動力[4]。

性格缺陷是導致心理健康失衡的重要因素，性格缺陷產生的原因很多，我們采用來源于中國心理衛(wèi)生協(xié)會大學生心理咨詢專業(yè)委員會組織修訂的UPI（University Personality Inventory）調查問卷對入學新生進行調查。根據(jù)UPI測試結果，我們對19.11%心理健康狀態(tài)嚴重的學生進行邀約面談并進行甄別，通過與學生的邀約面談發(fā)現(xiàn)，大部分學生通過談心可以舒緩壓力并表現(xiàn)正常，僅有極少數(shù)性格偏執(zhí)，觀察發(fā)現(xiàn)這部分性格偏執(zhí)的學生在日后的學習生活中產生了諸多問題。家庭環(huán)境是造成各類性格問題的最大原因，尤其是離異家庭和單親家庭對子女的傷害極大，此類家庭的教育會出現(xiàn)相應的缺失或問題。

學習壓力的上升正成為影響大學生心理健康的重要因素，招生規(guī)模的不斷擴大，學生之間學習能力和成績水平存在的差異也進一步拉大，還有競爭對手的突然增多，學習環(huán)境的相對自由等，讓一部分學生陷入了學習困境，導致了學習成績直線下滑，心理壓力也隨之增大。此外，學生對專業(yè)的滿意度也值得關注，興趣是最好的老師，然而很多就讀于一般本科院校的學生卻無法選擇自己喜歡的專業(yè)進行學習。我們在對師范院校的工科學生調查時發(fā)現(xiàn)，只有42.66%的學生對自己所學的專業(yè)滿意，近五成的學生不喜歡自己的專業(yè)，心理壓力的加劇導致學習和心理雙重壓力惡性循環(huán)，成績的下滑和補考的增多進一步加深了學生的學習壓力。

網絡文化的沖擊正急速地影響著當代大學生的心理健康狀況。在相對封閉的校園環(huán)境下，網絡在以其自身特有的形式和手段推動著文化的豐富與創(chuàng)新的同時又承載并傳播大量文化垃圾。形形色色的網絡游戲對自制力尚不健全的大學生構成了嚴重的影響，充斥著色情和暴力的網絡游戲，會對大學生的心理健康產生負面影響。人類的心理病態(tài)主要是由于人際關系的失調而來，沉湎于網絡虛擬世界容易造成對現(xiàn)實世界缺乏正常的認知，自我封閉會導致缺乏自我認同，不能正確地評價自己與他人，從而造成人際關系緊張，缺乏應對沖突和危機的能力，色情與暴力元素的存在則會進一步加深心理缺陷。

經濟因素在心理健康中的影響力正逐步上升。當前部分高校已有超過30%的學生家庭經濟困難，昂貴的學費和生活費對于這部分學生來說是沉重的負擔。貧富差距的持續(xù)拉大，來自不同家庭的學生在消費觀念和消費方式上存在著巨大反差，許多原本相對平衡的心態(tài)出現(xiàn)失衡。在調查中我們發(fā)現(xiàn)，有29.36%的學生選擇“過于擔心將來的事情”，這是對未來工作的擔憂，也是對未來經濟狀態(tài)的擔憂，高額學費的投入已不能產生高額的經濟回報，過重的家庭經濟壓力帶來嚴重的心理壓力，最終可能導致危機事件的發(fā)生。

2 C4.5算法描述

數(shù)據(jù)挖掘是一個從大規(guī)模數(shù)據(jù)庫的數(shù)據(jù)中抽取有效的、隱含的、未知的、有潛在使用價值的知識的過程，數(shù)據(jù)挖掘的結果往往只有統(tǒng)計學上的意義，用戶需要尋找的是有意義的、相對部分數(shù)據(jù)有效的知識，而非一定要考慮所有的數(shù)據(jù)。目前，數(shù)據(jù)挖掘的方法和技術主要包括統(tǒng)計分析方法、關聯(lián)規(guī)則方法、決策樹方法、粗糙集理論方法、神經網絡法、遺傳算法、可視化技術等。

分類作為數(shù)據(jù)挖掘的方法之一，它根據(jù)帶類標號的歷史數(shù)據(jù)建立模型，進而使用該模型來預測類標號未知的數(shù)據(jù)所屬的類。最知名的分類算法是決策樹方法，決策樹是用于分類的一種樹結構，決策樹方法的起源是概念學習系統(tǒng)，發(fā)展到ID3方法為高潮，最后又演化為能處理連續(xù)屬性的C4.5。本文設計并實現(xiàn)用C4.5分類算法來挖掘學生心理危機相關信息數(shù)據(jù)，通過分類方法較全面地分析學生心理危機與各種因素之間隱藏的內在聯(lián)系，從大量數(shù)據(jù)中發(fā)現(xiàn)潛在規(guī)律，找出隱含的模式，準確掌握學生的心理動態(tài)，為心理危機預警提供更多有價值的信息。

J.R Quinlan在1993年提出了C4.5算法[5]，他針對基于ID3算法利用信息增益作為分類評價函數(shù)來選取最優(yōu)屬性而導致容易傾向于選擇取值較多的屬性的缺陷，適當?shù)匦薷牧朔诸愒u價函數(shù)，挑選具有最高信息增益率的屬性作為測試屬性。對樣本集T，假設變量a有n個屬性，屬性取值a1，a2，…，an，對應a取值ai出現(xiàn)的樣本個數(shù)分別為ni，若n是樣本的總數(shù)，則應有n1+n2+…+nk=n。Quinlan利用屬性a的熵值H（X，a）來定義為了獲取樣本關于屬性a的信息所需要付出的代價，即

I（X，a）定義為平均互信息，選擇屬性a作為分類屬性之后信息熵的下降程度，即不確定性下降程度，在ID3算法中選擇使得I（X，a）最大的屬性作為分類屬性。

C4.5則選擇信息增益率來作為評價指標，信息增益率定義為平均互信息與獲取a信息所付出代價的比值，即

信息增益率是單位代價所取的信息量，是一種相對的信息量不確定性度量，以信息增益率作為測試屬性的選擇標準，即選擇E（X，a）最大的屬性a作為測試屬性[6]。

3 基于C4.5的心理危機預警模型

在高校中，可供我們挖掘的與學生心理健康相關的數(shù)據(jù)非常多，依據(jù)前面的分析我們選擇相關性較大的性格指數(shù)、游戲指數(shù)、貧困指數(shù)、志愿指數(shù)和補考指數(shù)作為建立心理危機預警分類決策樹的依據(jù)，測試數(shù)據(jù)表的各字段屬性如表1所示。

表1 測試表字段屬性

[字段名稱＼數(shù)據(jù)類型＼取值范圍＼備注＼ID＼自動編號＼＼記錄ID號＼upi＼文本＼ultra/normal＼性格指數(shù)＼game＼文本＼indulgence/normal＼游戲指數(shù)＼poverty＼文本＼poor/rich＼貧困指數(shù)＼volunteer＼文本＼like/dislike＼志愿指數(shù)＼test＼文本＼much/few＼補考指數(shù)＼alert＼文本＼high/low＼預警級別＼]

關于性格指數(shù)，依據(jù)UPI測試的分類結果分別約談可能存在心理健康問題的學生來確定其性格指數(shù)，ultra代表存在相對嚴重心理問題，normal代表心理健康狀況相對良好。游戲指數(shù)依據(jù)學生日常生活中沉湎于游戲的情況分類，indulgence代表沉湎于游戲，并由此產生逃課、成績下降等現(xiàn)象，normal代表相對正常。貧困指數(shù)則主要依據(jù)學校的貧困生認定情況分類，通過貧困生認定的即認為是poor，沒有通過的為rich。關于志愿指數(shù)，依據(jù)入學時所選志愿分類，凡學校和專業(yè)為第一志愿選擇的為like，否則為dislike。關于補考指數(shù)，依據(jù)自入學起的累積補考課數(shù)分類，補考課數(shù)大于3的為much，否則為few。預警級別則依據(jù)對學生的綜合評價分類，評價依據(jù)主要來自負責管理該班級的輔導員和班主任的評價，需要指出的是，預警級別高并不代表一定會產生心理危機突發(fā)事件，只代表產生各類心理危機的可能性更高。

我們選取了具有典型意義的17條記錄作為樣本數(shù)據(jù)進行C4.5的算法實現(xiàn)，表2是經過預處理的數(shù)據(jù)，也是決策樹算法的輸入數(shù)據(jù)，采用由SPSS生產商推出的數(shù)據(jù)挖掘軟件Clementine進行模擬實現(xiàn)。在Clementine中支持兩個決策樹模型調用，其中C5.0是對算法C4.5的實現(xiàn)，通過實驗得出的決策樹如圖1所示。

圖1中，補考指數(shù)成為各種屬性中信息增益率最大的屬性，這說明當前在評價學生時往往把成績作為第一要素，成績的好壞決定了學生在老師眼中的優(yōu)劣標準。與此同時，少數(shù)性格偏執(zhí)的學生成為關注的重點，這類學生往往會提出各種非常規(guī)問題，給學校管理帶來一定的困難。另外，沉湎于游戲已成為學生產生心理危機的決定性因素之一，沉湎于游戲帶來的直接后果是成績下滑，性格內向，網絡游戲正嚴重地影響著當代大學生的身心健康。我們還發(fā)現(xiàn)專業(yè)喜好程度和家庭貧困程度并不是產生心理危機的直接影響因素，但仍值得我們關注。

4 結束語

在網絡文化飛速發(fā)展的今天，大學校園正承受著物質文明和精神文明的巨大沖擊，大學生正面臨著日益嚴峻的各種挑戰(zhàn)，產生各種各樣的困惑，如果不能得到及時的幫助或引導將可能產生非常嚴重的心理危機，進而影響正常的教學和管理活動。

本文通過調查研究，分析了大學生心理危機產生的種種因素，重點分析了關鍵因素的產生原因和可能影響，通過引入決策樹C4.5算法建立了大學生心理危機預警模型，實驗結果驗證了心理危機產生的各種因素的可能作用，為建立健全心理危機預警和干預機制，有效預防心理危機的發(fā)生提供了理論支持。我們下一步研究的重點是如何從海量的心理危機相關數(shù)據(jù)中高效地挖掘出學生可能產生心理危機的數(shù)據(jù)，從而更有效地預防大學生心理危機的產生。

參考文獻：

[1] Lichtenstein R， ec al. School Crisis Response： Expecting the Unexpected[J].Educational Leadership，1994.52（3）：79-83

[2] Caplan G. （1964） The Principles of Psychiatry.New York： Basic.

[3] 黃建榕，陳建新.論我國大學生的心理危機及其干預系統(tǒng)的建構[J].華南理工大學學報，2004.6：73-77

[4] 呂杰.跨世紀新生代的社會心理承受能力及培養(yǎng)機制[J].當代青年研究，1995.6：11-14

[5] Quinlan J R. C4.5：Programs for Machine Learning[M]. San Mateo：Morgan Kaufmann Publicshers，Inc，1993：17-42

[6] 廖芹，郝志峰，陳志宏.數(shù)據(jù)挖掘與數(shù)學建模[M].國防工業(yè)出版社，2010.