【技术实现步骤摘要】
一种基于大数据的学生关爱综合预警方法
[0001]本申请涉及教育领域，尤其涉及一种基于大数据的学生关爱综合预警方法。
技术介绍
[0002]随着社会竞争的日趋激烈，人们普遍承受着各种心理压力，心理障碍和心理疾病的出现也比较频繁，并呈现不断增长的趋势。学生时代是个体身心发展的重要时期，学生在这一阶段很容易在学习、生活、人际交往和自我意识等方面产生各种心理问题。在这种情形下，更需要对学生开展科学、综合的心理健康评估与预警，帮助家长、学校及时准确掌握学生的心理健康状况，实现“早发现、早关爱”，为预防、减少和解决青少年学生的心理健康问题提供先机。
[0003]学生关爱综合预警与预警系统是一种基于信息技术、心理学和教育学等学科交叉的系统，旨在通过综合评估、数据分析、算法建模等手段，对学生心理健康状态进行判断、预警，为学生心理健康教育和管理提供科学依据。目前，许多学校和机构尝试建立自己的学生关爱综合预警与预警系统，开展试验性应用。然而，现阶段在评估与预警的方法设计以及系统实现上还存在以下不足：
[0004](1)以学生自评为主，信息来源范围狭窄；
[0005](2)评估维度覆盖面小，难以全面反映学生的心理健康状态；
[0006](3)预警等级判定方法不统一，可迁移性低；
[0007](4)预警等级划分简单，判断结果粗略。
技术实现思路
[0008]针对上述问题，本专利技术的目的在于提供基于大数据的学生关爱综合预警与预警方法，以适应目前学生关爱综合预警与预警中所存在的问题。<...
【技术保护点】
【技术特征摘要】
1.一种基于大数据的学生关爱综合预警方法，其特征在于，所述方法具体包括以下步骤：S1，数据采集，通过至少两个信息来源渠道采集学生关爱综合预警数据，并且学生关爱综合预警数据至少包括两个维度的评估数据；S2，数据处理，对步骤S1中采集到的学生关爱综合预警数据进行检查、清洗、聚合，确保处理后的数据满足分析任务的数据质量要求；S3，模型应用，基于步骤S2处理后的数据，通过大数据算法分析输出学生关爱综合预警等级；S4，评估结果产出，汇总步骤S3中对学生做出的学生关爱综合预警等级，分别给出不同等级下的学生名单。2.根据权利要求1所述的一种基于大数据的学生关爱综合预警方法，其特征在于，所述步骤S1中数据采集的信息来源包括以下渠道的一个或多个的组合：学生、家长、教师、学校、医疗机构、心理求助机构、社交平台。3.根据权利要求1或2所述的一种基于大数据的学生关爱综合预警方法，其特征在于，所述步骤S1中采集的学生关爱综合预警数据所涉及的维度包括以下维度的一个或多个的组合：心理健康、家庭养育环境、学生行为表现、学生基本信息、学生关爱信息、医疗机构记录信息、心理求助机构记录信息、社交平台记录信息。4.根据权利要求3所述的一种基于大数据的学生关爱综合预警方法，其特征在于，所述心理健康、家庭养育环境、学生行为表现的数据收集规则为计分制的形式；所述学生基本信息、学生关爱信息、医疗机构记录信息、心理求助机构记录信息、社交平台记录信息的数据收集规则为文本形式。5.根据权利要求4所述的一种基于大数据的学生关爱综合预警方法，其特征在于，所述步骤S1中，针对学生渠道收集学生自评的心理健康、家庭养育环境的维度数据；针对家长渠道收集学生家长进行自评的家庭养育环境、对学生进行他评的学生行为表现的维度数据；针对教师渠道收集教师对学生进行他评的学生行为表现、心理健康、家庭养育环境的维度数据；针对学校渠道收集学生的学生基本信息、学生关爱信息的维度数据；针对医疗机构渠道收集学生是否有心理异常疾病确诊的维度信息；针对心理求助机构渠道收集学生是否有心理求助咨询记录的维度信息；针对社交平台渠道收集学生是否有发布在社交平台上的与心理健康相关的渠道信息。6.根据权利要求5所述的一种基于大数据的学生关爱综合预警方法，其特征在于，对于学校渠道的信息采集，采用与学校的信息系统对接或数据导出方式获取数据；对于医疗机构渠道和心理求助机构渠道的信息采集，采用与医疗机构和心理求助机构进行数据导出或信息系统对接的方式获取相关数据；对于社交平台渠道的信息采集，采用首先设定与心理健康相关的关键词库，在获取学生社交平台ID信息后，通过调用平台API接口或爬虫的方式查询学生近期在平台上发布的文本信息，并与关键词库进行匹配，得出结果。7.根据权利要求4
‑
6所述的任意一种基于大数据的学生关爱综合预警方法，其特征在于，对步骤S1中采集到的学生关爱综合预警数据进行检查具体包括以下子步骤：S21，有效性检查：包括对原始数据进行字段格式、字段长度、字段内容、字段数值范围、枚举值个数、枚举值集合的有效性检查；
S22，唯一性检查：对主键是否存在重复数据进行检查；S23，完整性检查：检查字段是否为空或NULL，记录数是否丢失；S24，一致性检查：将不同数据源中的相同数据进行比对，检查是否存在数据一致性问题；步骤S21
‑
S24的顺序为任意顺序。8.根据权利要求7所述的一种基于大数据的学生关爱综合预警方法，其特征在于，对步骤S1中采集到的学生关爱综合预警数据进行清洗具体包括以下子步骤：S25，异常值处理：对于数据中存在异常值的情况，按照异常值的类别分别对信息来源渠道进行提醒补充；S26，数据去重：对于数据中存在重复的情况，去除重复数据；S27，缺失值处理：对于数据中存在缺失值的情况，按照缺失值的类别分别对信息来源渠道进行提醒补充；S28，数据格式标准化：对于不同数据源中的相同数据以不同的格式出现的情况，进行数据格式标准化处理；步骤S25
‑
S28的顺序为任意顺序。9.根据权利要求8所述的一种基于大数据的学生关爱综合预警方法，其特征在于，所述对步骤S1中采集到的学生关爱综合预警数据进行检查、清洗的步骤为以下两种方式的其中一种：先按照任意顺序执行检查子步骤S21
‑
S24，然后按照任意顺序再执行清洗子步骤S25
‑
S28；先执行检查子步骤S21
‑
S25中的任意一步，然后执行清洗子步骤S25
‑
S28中与其相对应的子步骤，其中子步骤S21对应子步骤S25、子步骤S22对应子步骤S26、子步骤S23对应子步骤S27、子步骤S24对应子步骤S28。10.根据权利要求8或9所述的一种基于大数据的学生关爱综合预警方法，其特征在于，所述子步骤S25异常值处理和S27缺失值处理的方法包括：(1)若异常值或缺失值为从学校渠道获取的学生基础信息或学校已有心理测评结果，则再次发送查询请求，获取填充；(2)若异常值或缺失值为从学生、家长或教师渠道收集的原始答题数据，则向学生、家长或教师发送补充填写说明，完成缺失测评数据；(3)若异常值或缺失值为医疗机构渠道或心理求助机构给出的信息，则再次发送查询请求，获取填充。11.根据权利要求10所述的一种基于大数据的学生关爱综合预警方法，其特征在于，所述子步骤S26数据去重的方法包括：(1)若存在两条或两条以上完全一致的针对同一信息来源渠道的同一数据的数据记录，则保留任意一条数据记录；(2)若存在填报时间不同的两条或两条以上的针对同一信息来源渠道的同一数据的数据记录，则保留首次填报数据或者末次填报数据。12.根据权利要求11所述的一种基于大数据的学生关爱综合预警方法，其特征在于，所述步骤S3模型应用包括学生心理健康状况评估和家庭养育环境评估。13.根据权利要求12所述的一种基于大数据的学生关爱综合预警方法，其特征在于，所述学生心理健康状况评估包括以下子步骤：S311，基于针对学生渠道收集的学生自评的心理健康的维度数据、针对家长渠道收集的学生家长对学生进行他评的学生行为表现的维度数据、针对教师渠道收集的教师对学生进行他评的学生行为表现的维度数据、针对教师渠道收集的教师对学生进行他评的心理健
康的维度数据、针对学校渠道收集的学生关爱信息的维度数据、针对医疗机构渠道收集的学生是否有心理异常疾病确诊的维度信息；针对心理求助机构渠道收集的学生是否有心理求助咨询记录的维度信息；针对社交平台渠道收集的学生是否有发布在社交平台上的与心理健康相关的渠道信息，分别计算每个渠道信息的风险程度，得出每个渠道信息属于高风险、中风险和低风险的其中一个，具体计算方法为：(1)计算针对学生渠道收集学生自评的心理健康的维度数据：学生自评的心理健康维度数据通过学生填报心理健康自评量表来实现，心理健康自评量表内包括至少两个学生自评心理健康子维度，每个学生自评心理健康子维度包括至少两个该子维度的问题；问题采用多点李克特的计分方式进行答题计分；首先，根据各个子维度对应的题目，通过下列其中之一的方式计算每个问题的得分：计算平均分、计算总得分；然后，依据上述计算得到的子维度得分，通过下列其中之一的方式计算心理健康维度的得分：计算平均分、计算总得分；最后，通过收集至少两名学生在心理健康维度的得分形成常模，计算常模平均分和常模标准差，采用公开研究文献《中国城镇居民亚健康评定量表的常模构建》的方法，按照[最小值,x_m
‑
s_m)，[x_m
‑
s_m,x_m+s_m)，[x_m+s_m,最大值]对应高风险、中风险、低风险，其中x_m为前述心理健康常模得分平均分，s_m为前述心理健康常模得分标准差；(2)计算家长渠道收集的学生家长对学生进行他评的学生行为表现的维度数据：学生家长对学生进行他评的学生行为表现的维度数据通过家长填写学生行为观察问卷表来实现，并且问卷表上包括至少两个涉及学生异常行为的问题；首先，根据家长在各项题目上的作答原始分，通过下列其中之一的方式计算每个问题的得分：计算平均分、计算总得分；然后，通过收集两位以上的家长对其学生他评的行为观察得分形成常模，计算常模平均分和常模标准差，采用公开研究文献《中国城镇居民亚健康评定量表的常模构建》的方法，按照[最小值,x_bp
‑
s_bp)，[x_bp
‑
s_bp,x_bp+s_bp)，[x_bp+s_bp,最大值]对应高风险、中风险、低风险，其中x_bp为前述家长对学生行为观察常模得分平均分，s_bp为前述家长对学生行为观察常模得分标准差；(3)计算教师渠道收集的教师对学生进行他评的学生行为表现的维度数据：教师对学生进行他评的学生行为表现分为：教师对学生进行他评的学生行为
‑
心理健康相关表现的维度数据、教师对学生进行他评的家访
‑
心理健康相关的维度数据；教师对学生进行他评的学生行为
‑
心理健康相关表现的维度数据通过教师填写学生行为
‑
心理健康观察问卷表来实现，并且问卷表上包括至少两个涉及学生异常行为的问题；首先，根据教师在各项题目上的作答原始分，通...
【专利技术属性】
技术研发人员：王亮，
申请(专利权)人：问向教育科技上海有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。