許新剛,趙 燕

(徐州工業(yè)職業(yè)技術(shù)學(xué)院 信息工程學(xué)院,江蘇 徐州 221140)

0 引言

新型冠狀病毒感染疫情是一次全球性的事件,給在校高職大學(xué)生的學(xué)習(xí)、生活環(huán)境帶來了很多的影響:居家網(wǎng)課、在校網(wǎng)課、隨疫情變化的線上線下交替的新學(xué)習(xí)模式給學(xué)習(xí)帶來了不適;封控隔離、出行不便等影響了學(xué)生的交際范圍;病毒的變異和傳染力的提升增加了對(duì)疫情的恐慌[1-4]。環(huán)境的急劇改變給入世尚淺的高職大學(xué)生的心理帶來了壓力。學(xué)生出現(xiàn)了焦慮、煩躁、易怒等負(fù)面情緒,生理上出現(xiàn)失眠、出汗、緊張等現(xiàn)象,學(xué)習(xí)過程中出現(xiàn)了上課不集中、記憶力下降等認(rèn)知下降問題。及時(shí)了解疫情防控期間高職大學(xué)生的心理壓力狀態(tài),制定合理的對(duì)策給予有效的干預(yù)釋放壓力,這對(duì)高職大學(xué)生的成長非常重要。

問卷調(diào)查是心理工作中獲取統(tǒng)計(jì)資料的重要手段,既可以收集簡單的人口統(tǒng)計(jì)信息,也可以獲取體驗(yàn)、情感等復(fù)雜信息,通過描述性統(tǒng)計(jì)分析和推斷性統(tǒng)計(jì)分析,從少量樣本數(shù)據(jù)的研究得到一般性推論[5-9]。本項(xiàng)目采用問卷調(diào)查的方式獲取疫情防控期間高職大學(xué)生的心理狀態(tài)資料,研究不同心理壓力狀態(tài)下學(xué)習(xí)心理特征和心理調(diào)適的效果,為學(xué)校心理工作的開展提供決策依據(jù)?；谛睦頎顟B(tài)數(shù)據(jù)做交叉分析可以了解疫情防控期間學(xué)生在壓力下的表現(xiàn)現(xiàn)狀和產(chǎn)生問題的原因。為了掌握學(xué)生的心理壓力狀態(tài),在問卷中設(shè)計(jì)了學(xué)生的心理狀態(tài)自我評(píng)價(jià)的單選題,但部分學(xué)生因自我認(rèn)識(shí)不精確等原因而在自評(píng)時(shí)未選擇真實(shí)的答案,導(dǎo)致自評(píng)數(shù)據(jù)與學(xué)生的真實(shí)心理狀況出現(xiàn)較大差異。當(dāng)心理壓力大時(shí),學(xué)生會(huì)在生理、情緒、認(rèn)知、行為等方面表現(xiàn)出一定的異常,通過對(duì)多維外在表現(xiàn)指標(biāo)的綜合分析能更真實(shí)地了解學(xué)生心理壓力的狀態(tài)。因此,問卷還設(shè)計(jì)了多個(gè)與心理壓力相關(guān)的外在表現(xiàn)題目,如疫情防控期間的交往需求變化、飲食狀況、體重變化、睡眠等。

根據(jù)學(xué)生在疫情防控期間的多個(gè)方面的外在表現(xiàn)數(shù)據(jù)對(duì)學(xué)生的心理壓力進(jìn)行測(cè)算,并按嚴(yán)重程度進(jìn)行分組,屬于廣義上的分類問題,可以采用分類或者聚類算法[10-14]。但由于沒有受調(diào)查者真實(shí)的心理壓力數(shù)據(jù)作為訓(xùn)練依據(jù),無法通過調(diào)查問卷數(shù)據(jù)建立好的分類模型來對(duì)抽樣數(shù)據(jù)進(jìn)行分類,分類算法無法應(yīng)用于當(dāng)前研究。因此,引入了無監(jiān)督學(xué)習(xí)中的K-means聚類算法對(duì)調(diào)查數(shù)據(jù)進(jìn)行分析挖掘,對(duì)被調(diào)查者按心理狀態(tài)進(jìn)行分群,提高研究的準(zhǔn)確性。

1 調(diào)查對(duì)象和描述性分析

1.1 調(diào)查對(duì)象

采用整群抽樣的方法,在徐州工業(yè)職業(yè)技術(shù)學(xué)院、江蘇建筑職業(yè)技術(shù)學(xué)院、江蘇安全技術(shù)職業(yè)學(xué)院、徐州幼兒師范高等?？茖W(xué)校、江蘇省徐州技師學(xué)院5所職業(yè)院校的部分班級(jí)學(xué)生中開展問卷調(diào)查。共收回4 523份問卷,剔除不合格問卷20份,問卷有效率99.56%。其中,男生2 244人,女生2 259人。按年級(jí)統(tǒng)計(jì),一年級(jí)學(xué)生1 350人,二年級(jí)學(xué)生1 606人,三年級(jí)學(xué)生1 547人。

1.2 調(diào)查方法

調(diào)查方式采用自編的調(diào)查問卷,在問卷星網(wǎng)絡(luò)調(diào)查平臺(tái)發(fā)布問卷,通過二維碼的形式發(fā)給學(xué)生填寫。問卷內(nèi)容主要包括:(1)一般情況調(diào)查,主要是學(xué)生的基本信息,如性別、年級(jí)、是否獨(dú)生子女、身體健康狀態(tài)、作息規(guī)律等;(2)新冠疫情帶來的心理壓力;(3)新冠疫情防控期間學(xué)習(xí)心理和學(xué)習(xí)狀態(tài);(4)疫情防控期間的心理自我調(diào)適和干預(yù)情況。問卷共設(shè)計(jì)了多選題10道,單選題37道,單選題包括有序選項(xiàng)和無序選項(xiàng)兩類,問卷采集的數(shù)據(jù)均為定性數(shù)據(jù)。

1.3 調(diào)查數(shù)據(jù)的描述性分析

問卷對(duì)被調(diào)查學(xué)生的健康狀況進(jìn)行了自評(píng)調(diào)查,非常健康的學(xué)生比例為62.11%,比較健康的學(xué)生比例為34.53%,絕大部分學(xué)生的健康狀況是良好的。疫情的長期存在給學(xué)生的心理帶來了一定的影響,70.97%的學(xué)生表示有影響,其中9.06%的學(xué)生表示影響較大。新冠疫情傳染力強(qiáng)、破壞力大,被調(diào)查學(xué)生中有近30%的學(xué)生表示對(duì)于新冠疫情具有恐懼心理,男生、女生在對(duì)疫情的恐懼心理方面有差異,對(duì)疫情有恐懼心理的學(xué)生中女生的比例更高,如表1所示。

表1 對(duì)新冠疫情恐懼心理調(diào)查數(shù)據(jù)分析

新冠疫情給43%的被調(diào)查學(xué)生帶來了心理壓力,其中4%的學(xué)生感受到壓力比較大;男生和女生的心理壓力狀況存在差異,男生心理壓力較大的占比更高,如表2所示。由于疫情封控的影響,45.53%的學(xué)生表示疫情造成了社會(huì)交往的短缺,56.58%的被調(diào)查學(xué)生表示疫情防控期間存在沉迷網(wǎng)絡(luò)、生活不規(guī)律的問題,如圖1所示。

圖1 疫情帶來的影響

表2 新冠疫情帶來的心理壓力程度調(diào)查數(shù)據(jù)分析

2 心理調(diào)查數(shù)據(jù)K-means聚類分析

2.1 K-means聚類算法

聚類是一種無監(jiān)督分類方法,在沒有給定劃分類別的情況下,根據(jù)數(shù)據(jù)間的某種相似度將數(shù)據(jù)對(duì)象歸并到不同的簇。與分類算法不同,聚類算法不需要事先擁有具有類別標(biāo)記的訓(xùn)練樣本就可以對(duì)數(shù)據(jù)對(duì)象進(jìn)行分組。疫情防控期間學(xué)生心理健康的調(diào)查采用網(wǎng)絡(luò)匿名的方式進(jìn)行,沒有開展實(shí)名求證調(diào)查,所有學(xué)生的心理健康狀況是未知的,建立分類模型較困難。采用分類算法研究學(xué)生不同心理健康狀況下的行為、心理壓力特征是個(gè)難題,而聚類算法恰好可以解決這個(gè)難題。聚類算法有很多種,常用的有劃分類算法、層次聚類、基于密度的聚類算法、基于模型的聚類算法等。K-means算法是典型的基于距離的聚類算法,將具有n個(gè)數(shù)據(jù)的數(shù)據(jù)集dataSet={X1,X2,X3,…,Xn},根據(jù)樣本間的距離大小劃分為k個(gè)簇。算法流程如下:

最后是用典手法的使用。此處的典故使用主要還在“先天下/后天下/黃金屋/顏如玉”一句上，具體分析見上文。另一處并不很明顯，主要是通過提取“沽”和“酒”二字反應(yīng)，此處當(dāng)是“沽酒當(dāng)壚”之典故的運(yùn)用。運(yùn)用卓文君、司馬相如當(dāng)街賣酒的典故可以說是具有反諷味道的，更顯現(xiàn)出秀才的逃避與對(duì)妻子的不公。

(1)數(shù)據(jù)集成,將各種類型數(shù)據(jù)轉(zhuǎn)變成可以挖掘的數(shù)值型數(shù)據(jù),每個(gè)點(diǎn)的數(shù)據(jù)是由多個(gè)屬性變量組成的向量Xi=[xi1,xi2,…,xij,…,xim]。

(2)創(chuàng)建k個(gè)空簇,從數(shù)據(jù)集中隨機(jī)找k個(gè)數(shù)據(jù)E1,E2,…,Ek作為這些簇的初始質(zhì)心。

(3)分別計(jì)算每一個(gè)數(shù)據(jù)Xi與k個(gè)質(zhì)心的距離,找到距離該數(shù)據(jù)最近的質(zhì)心,將該數(shù)據(jù)劃分到這個(gè)質(zhì)心對(duì)應(yīng)的簇中。

(4)分簇結(jié)束后,比較前后兩次獲得的分簇結(jié)果:若結(jié)果一樣或者達(dá)到預(yù)設(shè)的最大迭代次數(shù),則終止計(jì)算。若結(jié)果不一樣,計(jì)算每個(gè)簇中所有點(diǎn)的均值作為新的質(zhì)心,重復(fù)3～4步驟直至滿足迭代截止條件。

K-means算法以距離作為相似度指標(biāo),常用的距離有歐幾里得距離、曼哈頓距離和切比雪夫距離等。其中,歐式距離是常用的指標(biāo),假設(shè)有n個(gè)樣本數(shù)據(jù),每個(gè)數(shù)據(jù)有m個(gè)屬性,樣本數(shù)據(jù)是一個(gè)n×m矩陣。則其中兩個(gè)點(diǎn)Xi和Xj間的歐式距離為:

(1)

迭代截止條件采用距離的誤差平方和SSE:

(2)

當(dāng)誤差平方和不變時(shí),迭代計(jì)算截止,獲得了本次聚類的最優(yōu)解。同時(shí),也可以用SSE衡量不同聚類結(jié)果的優(yōu)劣,多個(gè)聚類結(jié)果中選擇SSE較小的一個(gè)。

K-means算法以距離作為相似度指標(biāo)進(jìn)行分類,迭代結(jié)果收斂于局部最小值,同時(shí)聚類的結(jié)果與初始質(zhì)心的隨機(jī)選擇相關(guān),不同的初始質(zhì)心得到的結(jié)果可能不同。為了克服經(jīng)典K-means算法這些缺點(diǎn),二分K-means算法被提出,該算法最初是將所有數(shù)據(jù)初始化為一個(gè)簇。首先將初始化的簇分裂為兩個(gè)簇,計(jì)算這兩個(gè)簇的SSE指標(biāo),將SSE指標(biāo)較大的一個(gè)簇再次分為兩個(gè)簇,依次繼續(xù)直到滿足迭代終止條件。二分K-means算法的流程如下。

(1)將所有數(shù)據(jù)劃分在一個(gè)簇內(nèi)。

(3)計(jì)算兩個(gè)新簇的誤差平方和,從已有簇中選擇SSE最大的簇作為指定簇。

(4)重復(fù)2～3步驟,直到簇的數(shù)目等于預(yù)先給定的K值。

2.2 學(xué)生心理狀態(tài)的聚類分析

學(xué)生的心理狀態(tài)常常會(huì)通過行為、情緒、生理狀況等多方面表現(xiàn)出來,通過這些因素的綜合分析可以對(duì)學(xué)生的心理健康狀態(tài)進(jìn)行分級(jí)。為了達(dá)到該目的,從學(xué)生的生理狀態(tài)、情緒、社交等指標(biāo)入手,在調(diào)查問卷設(shè)計(jì)了8個(gè)單選項(xiàng)目,這8個(gè)項(xiàng)目的問題與心理健康呈反向關(guān)系。設(shè)置的問題如:“新冠疫情防控期間,你是否感到疲倦?”,答案選項(xiàng)均為“(a)沒有;(b)偶爾;(c)經(jīng)常;(d)嚴(yán)重”。

對(duì)這8個(gè)項(xiàng)目的調(diào)查數(shù)據(jù)進(jìn)行頻數(shù)統(tǒng)計(jì),統(tǒng)計(jì)結(jié)果展示在表3中。從頻數(shù)統(tǒng)計(jì)結(jié)果可以看出,每項(xiàng)指標(biāo)中絕大部分被調(diào)查學(xué)生的表現(xiàn)是正常的,出現(xiàn)異常的學(xué)生數(shù)量均較小。頻數(shù)統(tǒng)計(jì)結(jié)果只能反映單指標(biāo)的調(diào)查結(jié)果,未考慮多指標(biāo)間的相關(guān)性,無法做多指標(biāo)綜合分析。也就是統(tǒng)計(jì)表只粗略地反映出各個(gè)指標(biāo)下學(xué)生心理壓力的外在表現(xiàn)現(xiàn)狀,各指標(biāo)正常狀態(tài)數(shù)據(jù)的高占比能推斷出被調(diào)查學(xué)生大部分心理健康。但反過來,各項(xiàng)指標(biāo)中的少量異常數(shù)據(jù)不能斷定學(xué)生存在著嚴(yán)重心理問題,只有具體某個(gè)人出現(xiàn)了多個(gè)指標(biāo)均出現(xiàn)異常情況下才能推斷其心理存在問題。希望在沒有學(xué)生心理健康檔案的情況下,從眾多調(diào)查數(shù)據(jù)中找出潛在的心理健康存在問題的樣本。因此,文章引入二分K均值聚類算法,利用多指標(biāo)對(duì)學(xué)生心理健康狀態(tài)進(jìn)行分群研究。

表3 高職大學(xué)生心理健康狀況調(diào)查統(tǒng)計(jì) 單位:人

表4 定性數(shù)據(jù)轉(zhuǎn)換編碼

K均值聚類算法通過計(jì)算數(shù)據(jù)之間的距離實(shí)現(xiàn)分類,要求輸入為數(shù)值型數(shù)據(jù),而本次問卷調(diào)查收集到的數(shù)據(jù)均為定性描述性的數(shù)據(jù),在使用聚類進(jìn)行挖掘之前必須對(duì)數(shù)據(jù)進(jìn)行編碼處理,以適應(yīng)聚類計(jì)算機(jī)程序處理要求。在采用二分K均值建模時(shí),將提取的8個(gè)項(xiàng)目數(shù)據(jù)按嚴(yán)重程度賦予不同的分值轉(zhuǎn)換為數(shù)值型數(shù)據(jù):“沒有”“偶爾”“經(jīng)?！薄皣?yán)重”分別用0、1、2、3代替,將定性描述數(shù)據(jù)轉(zhuǎn)換為數(shù)值型數(shù)據(jù),每個(gè)被調(diào)查學(xué)生的數(shù)據(jù)由8個(gè)取值范圍0～3間的整數(shù)組成,如某個(gè)同學(xué)的8個(gè)指標(biāo)數(shù)據(jù)轉(zhuǎn)換為[1,0,0,1,1,0,0,0],根據(jù)非零數(shù)據(jù)對(duì)應(yīng)的指標(biāo)進(jìn)行解譯就是該學(xué)生偶爾感到疲倦、交往需求減弱、注意力不集中,其他指標(biāo)正常。

根據(jù)以上8個(gè)項(xiàng)目指標(biāo)將學(xué)生分為4個(gè)群組,分別與心理非常健康、一般健康、亞健康、心理壓力大四種狀況相對(duì)應(yīng)的。因此,首先設(shè)k=4,利用Python語言編寫的二分K均值聚類分析程序?qū)Ρ徽{(diào)查學(xué)生進(jìn)行聚類分組,經(jīng)過3次分裂后,輸出最終的各簇質(zhì)心坐標(biāo)和分類結(jié)果。表5為4個(gè)簇的質(zhì)心坐標(biāo),這些數(shù)據(jù)是數(shù)學(xué)運(yùn)算的結(jié)果,是實(shí)數(shù),若要其具有實(shí)際意義,必須將其取整。將質(zhì)心坐標(biāo)四舍五入取整。

表5 k=4,二分K均值聚類各簇的質(zhì)心坐標(biāo)

(1)簇1的質(zhì)心坐標(biāo)為[0,0,0,0,0,0,0,0],說明被調(diào)查學(xué)生均未出現(xiàn)8個(gè)負(fù)性指標(biāo)描述的異常狀況,心理非常健康。

(2)簇2的質(zhì)心坐標(biāo)為[1,0,0,0,0,0,0,0],被調(diào)查學(xué)生除了偶爾感到疲倦外,均沒有其他7個(gè)指標(biāo)描述的狀況,心理健康情況較好。

(3)簇3的質(zhì)心指標(biāo)為[1,0,1,1,1,1,1,1],被調(diào)查者除了沒有自殺傾向外,其他7個(gè)指標(biāo)描述的狀況偶爾都會(huì)出現(xiàn),說明心理健康情況存在輕微問題。

(4)簇4的質(zhì)心指標(biāo)為[2,1,1,2,2,2,2,2],被調(diào)查對(duì)象經(jīng)常會(huì)出現(xiàn)指標(biāo)描述的異常情況,心理壓力較大。

對(duì)聚類結(jié)果進(jìn)行統(tǒng)計(jì),歸于簇1～4的數(shù)據(jù)分別有2 799、803、740、161組,占比分別為62%、18%、16%、4%。從聚類結(jié)果看,80%的被調(diào)查學(xué)生的心理健康狀況較好,16%的學(xué)生的心理健康存在輕微問題,需要給予一定的關(guān)注。而對(duì)于簇4中出現(xiàn)的被調(diào)查者,8個(gè)負(fù)性指標(biāo)描述的異常狀況在他們身上經(jīng)常出現(xiàn),說明他們的心理壓力較大,對(duì)于這些同學(xué)要給予重點(diǎn)關(guān)注,給予必要的心理危機(jī)干預(yù),使其向良性轉(zhuǎn)變。

對(duì)k=4時(shí)的聚類結(jié)果進(jìn)行分析,其中簇1和簇2在8個(gè)負(fù)性指標(biāo)方面的差異較小,僅在“感到疲倦”這一個(gè)指標(biāo)出現(xiàn)少量的差異,將其歸為一類更合理。據(jù)此將簇?cái)?shù)k設(shè)為3,再次進(jìn)行聚類分析,獲得的各簇質(zhì)心坐標(biāo)如表6所示,簇1、2、3分別對(duì)應(yīng)心理健康、亞健康、心理壓力大。對(duì)聚類結(jié)果進(jìn)行統(tǒng)計(jì),簇1、2、3分別有3 602、740、161組數(shù)據(jù),占比為79.99%、16.43%、3.58%,與k=4的聚類統(tǒng)計(jì)結(jié)果較為吻合?；谝陨?個(gè)指標(biāo)的調(diào)查數(shù)據(jù)聚類分析,簇?cái)?shù)3是最佳的。

表6 k=3,二分K均值聚類各簇的質(zhì)心坐標(biāo)

3 心理調(diào)查數(shù)據(jù)聚類結(jié)果討論

3.1 數(shù)據(jù)一致性分析

將k=3聚類結(jié)果與學(xué)生對(duì)疫情是否帶來壓力的自我評(píng)價(jià)結(jié)果進(jìn)行比較,從中可以發(fā)現(xiàn)部分學(xué)生的自評(píng)結(jié)論和其外在表現(xiàn)存在一致性問題。表7中展示了部分調(diào)查數(shù)據(jù),A～H 8個(gè)指標(biāo)和自評(píng)結(jié)果都反映疫情防控期間學(xué)生心理壓力程度,對(duì)其一致性進(jìn)行檢查:34號(hào)問卷的學(xué)生自評(píng)沒有壓力,但是從8個(gè)指標(biāo)上看其經(jīng)常感到疲倦、交往需求減弱和嚴(yán)重的無助感,其他指標(biāo)也偶爾發(fā)生,從這些表現(xiàn)看其不可能沒有心理壓力。386號(hào)問卷的學(xué)生中8個(gè)負(fù)性指標(biāo)均屬于比較嚴(yán)重級(jí)別,但自我評(píng)價(jià)是沒有壓力。3325、3696號(hào)問卷學(xué)生除了偶爾疲倦這一指標(biāo)外,其余均是“沒有”,從8個(gè)指標(biāo)的外在表現(xiàn)推斷心理壓力應(yīng)該極小,但其自評(píng)卻是“壓力較大”,自我評(píng)價(jià)結(jié)果的可信性存疑。

表7 調(diào)查數(shù)據(jù)一致性分析(部分)

3.2 基于自評(píng)和聚類結(jié)果的調(diào)查數(shù)據(jù)對(duì)比分析

基于k=3的聚類分析結(jié)果,將被調(diào)查者分為3個(gè)群,分別對(duì)應(yīng)心理健康、亞健康、心理壓力大?；趯W(xué)生自我評(píng)價(jià)的心理壓力分組和聚類分組結(jié)果,研究不同心理壓力狀態(tài)的學(xué)生的作息規(guī)律特點(diǎn)。表8為作息規(guī)律-心理壓力(自評(píng))進(jìn)行交叉分析的結(jié)果,從表中可以看出心理壓力較大的學(xué)生組中作息規(guī)律“完全不規(guī)律”和“不怎么規(guī)律”的總占比為20.20%,有一些壓力的學(xué)生組中這兩項(xiàng)占比為19.45%,沒有壓力的學(xué)生組中占比為10.17%。作息不規(guī)律(包含“完全不規(guī)律”和“不怎么規(guī)律”)和作息規(guī)律(包含“非常有規(guī)律”和“比較有規(guī)律”)人群的心理壓力特征有顯著差別(p<0.05):壓力較大人群中生活不規(guī)律者的占比(20.20%)要高于平均水平(14.24%)。

表8 作息規(guī)律-心理壓力(自評(píng))交叉分析

表9為作息規(guī)律-心理壓力(聚類)交叉分析結(jié)果。從表中可以看出心理壓力較大的學(xué)生組中作息規(guī)律“完全不規(guī)律”和“不怎么規(guī)律”的總占比為52.17%,亞健康的學(xué)生組中這兩項(xiàng)占比為26.08%,沒有壓力的學(xué)生組中占比為10.11%。作息不規(guī)律(包含“完全不規(guī)律”和“不怎么規(guī)律”)和作息規(guī)律(包含“非常有規(guī)律”和“比較有規(guī)律”)人群的心理壓力特征有顯著差別(p<0.05):壓力較大人群中生活不規(guī)律者的占比(52.17%)要高于平均水平(14.24%)。

表9 作息規(guī)律-心理壓力(聚類)交叉分析

從二者的分析結(jié)果可以看出,生活規(guī)律者和不規(guī)律者的心理壓力狀態(tài)均具有顯著的差異,即心理壓力較大人群中生活不規(guī)律的占比要高于心理壓力較小人群。但通過聚類算法得到的群組中,心理壓力較大人群中存在生活不規(guī)律現(xiàn)象要遠(yuǎn)高于自評(píng)分組。生活不規(guī)律者中心理壓力大占比更高的結(jié)論更符合實(shí)際,可見聚類分組效果更好。

4 結(jié)語

針對(duì)學(xué)生對(duì)于自己心理壓力的自我評(píng)價(jià)主觀性太強(qiáng)導(dǎo)致問卷調(diào)查統(tǒng)計(jì)結(jié)果出現(xiàn)偏差問題,文章提出了基于K-means聚類算法的多維指標(biāo)綜合分類方法。通過疫情防控期間高職大學(xué)生心理調(diào)查實(shí)證研究,本研究對(duì)比了基于自評(píng)和聚類分組下的統(tǒng)計(jì)結(jié)果。對(duì)比結(jié)果表明,基于聚類算法的多維指標(biāo)綜合分析采用了更多的客觀數(shù)據(jù)對(duì)心理壓力狀態(tài)進(jìn)行推斷,得出的學(xué)生心理壓力狀態(tài)較學(xué)生自我評(píng)價(jià)更客觀、準(zhǔn)確度高。研究結(jié)果證明了基于K-means聚類算法的多維指標(biāo)綜合分類方法在此項(xiàng)目中的應(yīng)用是可行的、有效的。