基于多模态数据融合的大学生心理健康自动评估模型设计与应用研究

周炫余 刘林 陈圆圆 洪嘉玲 卢笑

[摘   要] 快速准确地评估大学生心理健康状况是高校心理健康教育的重要任务，也是高校心理工作实现精准干预和提供个性化教育服务的基础。传统评估方法存在评估实时性不高、单一模态数据评估效果差、社会称许性反应偏误等问题。研究基于生态瞬时评估理论，以深度学习算法为手段，提出了一种基于多模态数据融合计算的大学生心理健康自动评估方法。该方法在自构建的多模态心理评估数据集（JA-IPAD）上测试表明：该模型能够精准评估大学生的心理健康状态，在智慧学习环境中具有良好的应用前景，能为完善学生心理档案、精准干预学生心理、优化心理健康服务提供决策依据和技术支撑，也能为促进高校智慧化心理健康教育作出贡献。

[关键词] 心理健康教育; 自动评估; 多模态融合计算; 深度学习; 生态瞬时评估

[中图分类号] G434            [文献标志码] A

[作者简介] 周炫余（1987—），男，湖南邵阳人。讲师，博士，主要从事基于人工智能视角下教育过程自动评价、智慧学习环境构建研究。E-mail：zhouxuanyu@whu.edu.cn。

一、引   言

心理状态对人的行为起支配作用，在学习活动中能影响学习者的学习意志和效率。健康的心理状态是学习者形成严谨逻辑思维和开展创造性活动的前提和保障。大学生是一个较为特殊的群体，处在认知尚不成熟阶段，易出现焦虑、抑郁等心理问题[1]。尤其是新冠肺炎疫情暴发后，许多大学生因社交活動减少、家庭关系紧张、学习就业压力大等多重因素影响，心理健康问题逐渐凸显[2]。……