International Open Access Journal Platform

新质生产力构成了我国经济高质量发展的核心驱动力。在我国生产力实现跨越式发展的进程中，逐步孕育并形成了新的业态和经济模式，这使得我国能够在持续变化的全球格局中占据主动地位。

以信息技术为代表的高科技产业蓬勃发展，为我国生产力的质变注入了强大动力。与此同时，高校大学生正处于从青涩走向成熟、从校园迈向社会的过渡阶段，面临着学业压力、家庭期望、情感困惑，以及未来职业规划等诸多挑战，这些复杂因素交织在一起，使他们更容易陷入心理困境。

中国经济与社会生产力实现了革命性发展，以信息技术为代表的高科技推动我国生产力实现了质的飞跃（李光辉，程仕杰，2025）。高校大学生处于刚刚成年，即将进入社会的过渡期，面临着学业、情感、就业等各方面的困惑与问题，更容易产生各种心理问题（张瑞红，2022）。心理健康一直是国内外学者高度关注的焦点。随着社会的快速发展，人们面临着诸多压力，抑郁、焦虑等心理问题也逐渐呈现出年轻化趋势。“内卷”“躺平”等流行语自2021年以来成为部分大学生的“标签”，这些词汇背后所反映的，正是大学生在面对学习、就业等多重压力时的复杂心态。而长期在压力情境下导致的 恶劣心境是引发自残和自杀等极端事件的重要原因（章玉祉 等，2024）。因此，在高校的教育过程中，不仅应注重大学生学习能力的培养，同时，也要注重大学生的心理干预和心理引导，关注大学生的心理健康问题。在心理健康教育的四级工作网络中，心理危机干预是其中的关键环节。作为网络信息技术运用最为充分、思想最为活跃的高等院校，大数据渗透在学生教学和管理的方方面面。具体到大学生心理危机预警工作，如何发挥大数据的功能，克服传统危机预警的困境。通过对相关数据的有效收集、科学分析与准确研判，更好地服务于学生心理健康工作，提升大学生心理危机预警工作的科学性与实效性。为此，构建大数据心理危机预警的新路径，是大数据时代心理健康教育的内在需求（仇妙芹，赵海鹏，2021）。

1 数据赋能助力高校心理危机预警的必要性与可行性

1.1 高校心理危机干预现阶段的局限性

目前，我国高校的心理干预和预警机制虽已经过几十年以来的建设与发展，但整体效果仍存在一定的局限性。在心理测评方面，高校普遍采用的“中国大学生心理健康测评系统”仅具有初步筛查功能，其在实际应用中仍存在虚假作答、排查指标关联性差、预警效果片面等问题。在心理咨询方面，心理咨询室的普及率较低，且专业人员配备未达国家1∶4000的标准，导致其心理干预效果难以得到充分发挥。这些现状使得学校管理者难以及时、全面地掌握学生的心理健康状况，甚至在突发性和紧急性的危机事件中，存在明显的应对滞后。

此外，随着互联网的快速发展，高校管理已基本实现信息化，学生信息多以数字化形式存储和处理。然而，在这种管理模式下，学生的学习数据、行为数据和心理数据，因分属不同的行政部门，往往处于“数据孤岛”现状，难以整合共享，导致学校难以对学生心理状况作出准确有效的预判。

1.2 数据赋能高校心理危机预警的必要性

大学生心理危机预防策略研究形成的共同主题是进行风险因素与高风险人群的识别。当前，国际心理危机预防体系的主流做法是通过确定风险要素来定位心理危机高危人群，然后据此进行宏观的资源配置（蔡智勇，2022）。大数据的出现，为高校心理危机预警提供了强大的技术支持。舍恩伯格在《大数据时代》一书中提出，“大数据的核心就是预测。大数据不是要教机器像人一样思考，相反，它是把数学算法运用到海量的数据上来预测事情发生的可能性”。当代大学生作为互联网时代的“原住民”，在日常学习和生活中，不断产生海量碎片化的数据。这些数据涵盖了他们在网络社交、在线学习、消费行为、信息搜索等多方面的痕迹，蕴含着丰富的信息。如果能够对这些数据进行科学整合与深度挖掘，分析其内在价值以及数据与心理行为之间的潜在关联，将有助于精准把握学生的真实心理状态。这一过程不仅能为高校心理危机预警工作提供有力的技术支持，还能显著提升预警的精准度和及时性，从而为高校心理健康教育工作带来积极而深远的推动作用。

大数据的出现，为高校心理危机预警提供了强大的技术支持。舍恩伯格在《大数据时代》一书中提出，“大数据的核心就是预测。大数据不是要教机器像人一样思考，相反，它是把数学算法运用到海量的数据上来预测事情发生的可能性”。当代大学生是互联网时代的原住民，在日常的学习生活中产生大量碎片化的数据。如果将这些数据加以整合与利用，发掘其内在的价值，发掘数据与心理行为之间的关联性，从而掌握学生的心理状态，对当前高校心理心机预警工作有积极的推动作用。例如，黄桂玲等对农村大学生的心理危机问题，展开探究。发现由于农村大学生的原生家庭能够为其提供的支持较少，在面临学业、就业、生活等多重压力时，农村大学生往往会出现迷茫、自卑、忧郁等情绪，且这些情绪通常具有隐匿性特征。大数据时代为心理危机干预创造了有利契机，借助技术手段，能够实现对农村大学生心理危机的动态监测、精准识别和及时干预（黄桂玲 等，2021）。总之，高校的心理危机干预工作，必然从静态的基础信息收集，转型到全面搜集、充分关联、实时联动的动态监测上来，以更好地为大学生的健康成长提供服务，通过数据技术为高校心理教育服务赋能。

1.3 数据赋能与新质生产力的可行性关系分析

心理危机干预中的数据赋能与新质生产力之间存在着密切关系。

首先，数据赋能在心理危机干预中发挥着重要作用。通过数据挖掘和机器学习技术，可以对个体的心理状态进行实时监测和早期预警，实现个性化干预。这种数据驱动的方法不仅提高了心理危机识别的准确性，还使得干预策略的制定更加科学、有效。同时，大数据还有助于评估干预措施的效果，优化干预方案，从而不断提升心理危机干预的质量和效率。

而新质生产力作为科技创新引领下的先进生产力质态，具有高科技、高效能、高质量的特征。在心理危机干预领域，新质生产力的引入和发展，推动了该领域的数字化、智能化转型。通过整合人工智能、大数据等科技创新资源，心理危机干预工作得以更加精准、高效地开展。这种转型不仅提升了心理危机干预的效果，还降低了人力、物力等成本，实现了经济效益和社会效益的双赢。

进一步分析，数据赋能与新质生产力在心理危机干预中的结合，促进了该领域的创新和发展。一方面，数据赋能使得心理危机干预工作更加科学化、精细化；另一方面，新质生产力的引入，为心理危机干预提供了更加先进、高效的工具和手段。这种结合不仅推动了心理危机干预技术的进步，还促进了相关产业的发展和升级。

然而，也应注意到数据赋能与新质生产力在心理危机干预中面临的挑战。例如，数据隐私保护、数据质量控制等问题需要得到妥善解决。同时，如何更好地将新技术应用于实际工作中，提高心理危机干预的针对性和实效性，也是当前需要深入研究和探索的问题。

综上所述，心理危机干预中的数据赋能与新质生产力之间存在着相互促进、共同发展的关系。未来，随着技术的不断进步和应用的深入拓展，这种关系将更加紧密，为心理危机干预工作提供更加有力、高效的支撑。

2 基于大数据技术的心理危机预警系统构建

大学阶段，即18岁至25岁左右，是个体自我意识形成与发展的关键时期，也是从儿童阶段向成人阶段过渡的重要转折点。这一时期既是心理发展的黄金时期，也是面临诸多挑战的“过渡期”，个体的心理状态和行为模式在此阶段极易受到多种因素影响，因而显得尤为重要。大学阶段自我意识的形成过程本质上是将理想自我和现实自我重新整合的过程。但在追求自我实现的过程中，他们不可避免地受到“心理生物学因素”与“心理社会学因素”的双重影响，生理特别是性成熟引发的急剧变化，以及心理上摆脱对家庭的依赖，都会对其心理世界造成巨大冲击（刘佳，2010）。大学生群体因心理承受与调节能力有限，容易出现心理失衡状态。经过决策树算法，本文得出8个以下心理预警数据来源，分别为个人特质（性别、大五人格模型）、家庭情况（经济状况、父母关系、家族病史）、成长经历（6岁之前的抚养经历、重大挫折经历）、学习成绩（在校各科目学习成绩）、图书借阅（图书馆借阅次数、进出次数）、在校消费（在校一卡通消费金额）、请假次数（考勤记录）和心理测评（scl-90和upi量表得分），数据来源如表1所示。

表 1 数据词条与内容来源

Table 1 Content and source of data entry

结合上述八个方面的数据，通过大数据处理、挖掘与分析对学生心理状况进行预测，得到预测结果后，反馈给学校心理健康教育中心管理者和学生本人。特别是重点关注的同学，将会接收到定制的心理卫生知识的相关提醒，加强学生对心理健康的自我保健意识；心理咨询中心管理者接收到重点关注的同学，采取进一步措施，提前进行风险的预估和预防。整体流程如图1所示。

图 1 基于数据赋能的心理危机预警逻辑模型

Figure 1 Data-enabled logical model for psychological crisis early warning

根据以上心理危机预警系统研究，已经初步形成了基于大数据技术的，心理健康教育教师、学生等可视化的心理危机预警系统模型。学生可以根据心理健康状况主动查看心理健康水平，主动寻求心理咨询中心的帮助；教师可以结合站内提示信息，关注需要重点关注的同学，从而参与到整个心理危机预警系统中。本文选择使用数较多的智慧化校园平台为例，嵌入本服务，以便连接教师与学生，并通过应用程序向学生展示心理危机预警系统的功能，如图2
所示。

图 2 心理危机预警系统模型图

Figure 2 Psychological crisis early warning model

3 基于大数据技术的大学生心理危机应对措施

鉴于当前多数高校数据驱动型心理危机预警系统建设仍任重道远，且数据整合与专业技术融合面临诸多难题，本文提出以下四点建议。

3.1 推进危机干预系统的数字“强基”

数字“强基”不仅要求完善数据体系，还要提升全体师生的数字素养。新时代对数据素养的要求，需要管理者把数字技术嵌入高校的心理危机干预工作，不仅跟进技术手段和先进工具迭代，还需思维方式和认知图式的革新（俞国良，张哲，2024），帮助师生更全面、科学地理解并认识数字技术，以及可能带来的心理健康教育工作的系统性的变革，提升运用数字技术的自觉性和主动性。这意味着，教师不仅需要高水平的数字素养，还需要结合工作的实际，打破传统思维范式，拓展心理危机干预的资源和形式，创造性地构建心理危机干预新模式，辩证地运用数字技术的新影响。同时，新时代背景下的高校学生，也需要理解数字技术对日常生活和心理健康带来的潜移默化的变革。学生积极地运用数字技术获取心理健康知识和心理服务，还需要审慎地运用和理解数字技术。高校心理危机预警是一项庞大而复杂的工作，数字强基可以帮助我们在变化中寻求稳定，在基础数据上实现风险预判。

3.2 坚守心理工作的职业伦理

心理危机干预工作具有特殊性，常涉及学生敏感话题或个人隐私，导致学生对相对开放或虚拟网络平台缺乏信任。但心理危机干预工作的本质，是为了更便捷、更高效地服务学生，应该在数据安全上做好充分的预案和规范（王倩 等，2023）。尤其是心理问题与学生的评先优和择业就业无关。在学生的基本信息及风险信息转化中，更应该持有严谨的态度，保障学生信息安全，限制管理人员端口人数。坚持最小化信息暴露原则，开展工作，以免造成与原本目的相悖的结果。

3.3 鼓励生成式人工智能的科学应用

当前市场上，“文小言”“豆包”“Kimi”等生成式人工智能产品广受欢迎，成为许多人深夜寻求心灵慰藉的重要选择。为缓解高等教育机构心理健康教育师资不足的问题，部分有条件的高校已开始将生成式人工智能在线服务作为补充手段，以丰富大学生心理危机干预的数据库资源。在一定程度上，这种做法有助于避免学生因“难以启齿”或“担心给他人添麻烦”等心理障碍而寻求帮助，进而帮助他们打开心扉，逐步接受心理咨询。

3.4 培养与时俱进的π型人才队伍

互联网时代各式各样的数据信息如潮水般涌入，时代的快速发展对心理健康教育教师的综合素质提出了更高的要求，对数据信息的搜集、整理、分析与研究等都要求专业人士参与。高校心理健康教育教师对心理咨询技术较为专业，可成为“T”型人才，但大多缺乏大数据技术的相关知识与应用能力，难以在开展大学生心理健康教育中融入大数据技术。新质生产力的提出，要求大数据时代下的大学生心理危机预警工作急需这种“π”人才——既掌握大数据技术又具备心理健康教育两种专业能力的并融会贯通的高级复合型人才，才会使心理危机预警水平得到相应提高。因此，培养π型人才队伍可以使数据技术在心理危机干预工作获得新的生命力，破局传统心理预警方式的工作困境。

4 结语

数据在新质生产力发展进程中扮演着重要角色，数据赋能大学生心理危机干预系统是未来心理健康教育工作的主要模块。数据赋能大学生心理危机干预系统的搭建，可以结合现有的数据基础，但也为后续的发展，提出来数字强基、遵守伦理、应用人工智能和组建与π型专业队伍等要求，进而推动高校心理危机干预工作高质量发展，为高校新质生产力的逐步凝聚与可持续发展提供保障。

参考文献

[1] 李光辉, 程仕杰. (2025). 中国式现代化视域下新质生产力赋能外贸高质量发展的逻辑与策略. 内蒙古社会科学, 46 (1), 2+90-96.

[2] 张瑞红. (2022). 高校大学生常见心理问题与健康教育探讨. 中国学校卫生, 43(10), 1603-1604.

[3] 章玉祉, 谌欣, 郑旭江, 等. (2024). 大学生心理健康研究二十三年——基于CNKI和Web of Science数据库的可视化分析. 内蒙古农业大学学报(社会科学版), 26(1), 27-39.

[4] 仇妙芹, 赵海鹏. (2021). 数据赋能高校心理危机预警机理及路径. 探求, (5), 97-102+120.

[5] 蔡智勇. (2022). 精神分析视阈下大学生心理危机预防与干预策略研究. 江苏高教, (12), 132-138.

[6] 黄桂玲, 颜剑雄, 林佳丽, 等. (2021). 大数据背景下农村大学生心理危机问题及其干预路径研究. 农业经济, (4), 131-133.

[7] 刘佳. (2010). 用埃里克森自我同一性理论透视大学生自我意识的形成过程. 高教发展与评估, 26(1), 100-105+112.

[8] 俞国良, 张哲. (2024). 数字技术赋能学生心理危机的应对. 清华大学教育研究, 45(4), 25-36.

[9] 王倩, 郑珈辰, 游琳玉, 等. (2023). 高校危机干预中的隐私权保护: 保密与保密例外. 中国临床心理学杂志, 31(4), 909-913.