陈浩铨 胡瑞玉 赵政 王石
摘 要
高校是大学生成长的摇篮，近年来，大学生的心理健康问题也成为关注度极高的话题。随着“互联网+”时代的到来，将高校心理健康问题的防治与互联网联系起来，将成为大势所趋。本文将论述如何依靠数据挖掘和数据库的相关技术，建立一个大学生心理健康教育防治平台。旨在克服时空的局限，利用精准的数据对全体大学生的心理健康指数进行分析，及时发现问题、解决问题。同时，线上的形式也更有利于保护患者隐私，从而更好地帮助高校开展大学生心理健康问题防治。
关键词
心理问题;数据挖掘;数据库
中图分类号： TP311.13 文献标识码： A
DOI：10.19694/j.cnki.issn2095-2457 . 2020 . 14 . 20
0 前言
大学不仅应注重对学生知识的传授，更应关注其心理问题，培养大学生健全的人格。尽管心理咨询中心已基本覆盖各高校，对解决大学生心理问题起到了一定作用。但心理健康辅导通常局限于线下的两种方式：开设心理咨询室，帮助来访学生解决问题;举办有关心理健康教育的活动。值得注意的是，只通过以上途径，无疑会造成心理健康教育对象覆盖不全面，心理问题发现不及时等问题。如今，随着“互联网+”时代的出现，人们的生活已离不开互联网的存在，在十九大报告中，习近平总书记提到互联网就有八次之多。各种应用软件，不断研发更新功能，以更加便利、简洁的方式影响人们的生活。因此，笔者萌发出基于数据挖掘和数据库建立心理健康问题防治平台的想法，以便更及时有效地帮助学生应对心理问题，促进其健康成长。
1 大学生心理问题
1.1 大学生心理问题概述
各种心理及行为异常情形均属于心理问题。依据严重程度，心理问题可分为心理困扰、心理障碍和精神病三类。大学生常见的心理问题主要来自四方面：家庭环境、社会环境、学校压力以及大学生自身因素。研究发现，在所有因素中，自身因素占比最高。事实上，多数大学生的情况属于一般性心理困扰，但若得不到及时调节和疏导，持续发展下去就会导致心理障碍或精神疾病。
1.2 高校心理健康防治存在问题及对策
目前，虽然学生心理健康问题已经受到高校关注，但是高校对于学生心理健康问题的防治仍存在问题。大学生心理问题得不到及时防治，主要归因于主客观两个方面。
主观即大学生自身方面。多数同学认为出现心理问题是丢脸的事情，更不希望自己去做过心理咨询的事情被他人知晓。
客观方面主要表现为：（1）学校缺乏专业的心理咨询师资力量;（2）学校对于心理问题的预防及监测力度不够且多是通过主观观察的方式，缺乏数据支持以及客观性和实效性。为了解决这些问题，应建立一个基于数据挖掘和数据库的大学生心理健康问题的线上防治平台，并通过线上与线下结合的方式开展防治工作。首先，该平台可以作为沟通大学生与心理咨询师团队的中介系统，实现不同地区心理咨询师资的共享，切实解决师资力量缺乏的现象;其次，学校可以利用该平台定期面向全体同学发放心理健康问卷，学生填写的信息资料以及隐私将得到绝对保护;同时，利用数据挖掘和数据库可以实现实时监测与精准分析，增强预防与监测力度。
接下来，笔者将详细阐述数据挖掘与数据库技术在搭建此平台中的具体运用。
2 数据挖掘技术
2.1 数据挖掘技术的概念
数据挖掘 （Data Mining， DM） ， 是指从许多的数据中关联出存在的某种特殊性关系的过程，通过关联、分析数据等，从中找出其规律。
2.2 数据挖掘完整过程
（1）理解数据和数据的来源。（2）获取相关知识与技术。（3）整合与检查数据。（4）去除错误或不一致的数据。（5）建立模型和假设。（6）实际数据挖掘工作。（7）测试和验证挖掘结果。（8）解释和应用。
2.3 数据挖掘中Apriori算法的应用
基于心理问题防治平台设计应用数据挖掘中的关联规则的挖掘，本设计应用关联规则可以得出数据库中不同大学生的心理问卷中不同选项之间的联系，从这些联系中找出大学生可能存在的心理问题，通过这种规则我们就可以自动匹配符合大学生的心理导师进行有针对性的心理辅导、有效地进行大学生心理辅导测试和自动关联大学生信息等服务。
Apriori算法是利用数据挖掘中关联规则的算法之一。关联规则的挖掘需要从事务数据库中挖掘出满足用户定义的最小支持度和最小置信度的关联规则。一般地， 关联规则挖掘是1～2个步骤的过程。
步骤1：找出事务数据库中所有的频繁项集。
步骤2：由频繁项集产生强关联规则， 即满足最小支持度和最小置信度的规则。
支持度（support）：
support（X，Y）=P（XY）=
置信度（confidence）：
Confidence（X？坩Y）=P（X|Y）=P（XY）/P（Y）
提升度：
Lift（X？坩Y）=P（X|Y）/P（X）=Confidence（X？坩Y）/P（X）
提升度表示在存在Y的條件下，X事件所存在的概率，并且在与X事件的概率之比;提升度是X事件和Y事件之间规律的体现， 如果提升度大于1，则X？坩Y是有效的规律，如果提升度小于等于1则X？坩Y是无效的规律 。有一个特殊存在，如果X事件和Y事件相互独立，那么有Lift（X？坩Y）=1，而此时P（X|Y）=P（X）P（X|Y）=P（X）。
3 数据库技术
3.1 数据库技术的概念
数据库是根据某一方式存储在一起、能给予多个用户进行资源共享、与程序相互独立的数据集合地。数据库通常分为层次式数据库、网络数据库和关系式数据库三种。而不同的数据库是按不同的数据结构来联系和组织的。本设计主要应用的是网络数据库。
3.2 网络数据库
网络数据库-Oracle 数据库也称为 Oracle RDBMS，是目前世界上流行的网络数据库之一，数据库系统具有可移植性好，功能强劲等特点，该数据库可用于各类大中小微机环境，是一种具有高效率、可靠性好、高吞吐量的数据库。Oracle数据库可以存储更多的数据，且具有更高的持久性。本设计将采用oracle数据库作为后台数据库，为用户提供数据支持，网络数据库的特点是将数据共享技术和资源共享技术相结合。
4 搭建基于数据挖掘和数据库的心理问题防治平台
4.1 平台的web开发框架
为了切实的将数据挖掘技术的算法处理与Oracle数据库相结合，本设计将采用Laravel开发框架进行开发。Laravel是一个开源PHP框架，功能强大且易于理解。Laravel开发框架遵循模型-视图-控制器设计模式（MVC）。Laravel重用了不同框架的现有组件，这有助于创建Web应用程序。这样设计的Web应用程序更加结构化和实用。Laravel是完全开源的。所有代码都可以从Github上获取。
Laravel框架是MVC架构的，其结构如图2所示。用户可以通过路由向控制器发出用户请求，控制器通过模型从数据库中得到数据后将数据更新至视图，由视图来响应用户请求。
4.2 基于数据挖掘和数据库的心理问题防治平台应用
心理问题防治平台可以有效地评估出不同大学生的心理特征，并对不同大学生进行数据分析得出不同的类别，类别包括大学生是否达标健康心理、可能存在心理问题的大学生、大学生是否需要进行心理辅导、匹配出最适合大学生的心理导师等，通过关联规则总结出大学生产生心理问题的几种原因，如何更好地去引导大学生心理状态，最后存储到数据库中，通过分析不同大学生个体之间存在的差别，及个体与个体之间存在的联系，根据分析大学生的导师辅导和心理测试等因素，挖掘出大学生的心理动向规律，做出积极引导。
本平台目的在于为在校大学生提供一个能够实时评估大学生心理健康的防患与治疗平台，当前大学生正处于人生的黄金阶段，正处于人生道路的过渡时期，适时且适当的对其进行正确的心理导向是有必要的，良好的心理素质是他们步入社会的重要保障。希望此平台的建立对大学生的心理问题防患和治療起到促进作用，对社会未来高端人才的健康心理起到积极引导。
参考文献
[1]唐志红.大数据背景下大学生心理危机的干预[J].西部素质教育，2019，5（24）：87-88.
[2]张钺.“互联网+”背景下高校心理健康教育模式构建研究[J].船舶职业教育，2019，7（06）：69-71.
