沈佳琦

浙江邮电职业技术学院

摘要(Abstract)：

目的本研究旨在构建当代大学生心理危机风险干预预测模型，识别高危人群特征。方法通过电子问卷收集本校7326名学生的社会人口学、心理特质及环境因素数据。运用深度学习算法对大数据进行深度分析并筛选，选取最为显著的特征属性用于“数据—智能”决策建模并评价其预测效能。依据相关学术文献对模型进行定性评估，证明其具备可信度和参考价值。结果纳入生源地、家庭氛围、大学前住校经历、家庭经济状况、抑郁症病史、焦虑史6项自变量作为最显著的心理学特征构建可视化风险预测工具，通过评价工作表明该模型具备良好的预测效能。结论本研究成果将形成“筛查—评估—干预”闭环管理系统，建立高危个体识别和分级响应机制，具有显著的社会效益与学科交叉创新价值，可为高校心理健康服务的精准干预提供决策支持。

关键词(KeyWords)：

大学生心理危机；预测模型；列线图分析；风险分层；心理健康干预

参考文献(References)：

［1］ Ding H， Li N， Li L， et al. Machine learning-enabled mental health risk prediction for youths with stressful life events: A modelling study［J］. Journal of affective disorders， 2019（368）: 537-546. 

［2］王磊 主编.心理学前沿［M］.北京：科学出版社，2018. 

［3］陈祉妍.推进新时代学生心理健康工作一体化建设——《全面加强和改进新时代学生心理健康工作专项行动计划 （2023—2025 年）》解读［J］.中小学校长，2023（7）：17-20. 

［4］ Huang Z X， Wang Q， Lei S， et al. Development andvalidation of the risk score for estimating suicide attempt in patients with major depressive disorder［J］. Social psychiatry and psychiatric epidemiology， 2024（6）: 59. 

［5］欧欣怡，张德珺.高校学生心理危机预防与干预体系的实践探索［J］.教育思想理论研究，2025，3（01）：40-42. 

［6］王姗.高校心理健康教育工作与网络舆情管理的有效融合研究［J］.教育教学研究前沿，2025，3（01）：135-137. 

［7］安娜.高校大学生心理健康教育优化路径［J］.国家通用语言文字教学与研究，2023（12）：40-42.