一种学生心理分析方法、设备及其存储介质与流程

本发明涉及数据分析技术领域，特别涉及一种学生心理分析方法、设备及其存储介质。

背景技术：

近年来，由于学生各种心理问题造成的不良校园事件呈现上升趋势，可以发现，心理健康对于学生的学习和生活起着至关重要的作用。分析学生心理问题成因，通过各种途径对学生进行正确引导，培养健康的心理素质，是各高校预防不良校园事件的迫切需求。目前，绝大多数高校一般采用学生人格问卷调查的方式，在新生入学时进行心理健康测评工作，从而对有心理问题的学生进行及时干预。但是这种方式很难发现高年级存在心理问题的学生，并且检测频率极低，不能保证学生以客观的态度完成问卷，所以存在着对学生心理测评不准确的问题。

除此之外，高校还设置有大学生心理健康课程与大学生心理服务网络，这两种方式都需要学生自身重视心理问题并且积极主动地寻求帮助，而在实际情况中，有心理问题隐患的学生通常是难以发现且消极的。

技术实现要素：

有鉴于此，本发明的目的在于提供一种学生心理分析方法、设备及其存储介质，能够及时客观地分析学生心理，主动发现存在心理问题隐患的学生，能够进行及时心理干预。其具体方案如下：

一种学生信息分析方法，包括：

从校园内的通信设备中获取学生的行为数据；

对所述行为数据进行分析，得到学生的行为特征；

利用所述行为特征分析学生的心理状况。

可选地，所述从校园内的通信设备中获取学生的行为数据的过程，包括：

从校园内的一卡通设备中获取学生的刷卡行为数据；

相应地，所述对学生的行为数据进行分析，得到学生的行为特征的过程，包括：

对学生的刷卡行为数据中的刷卡地点和/或刷卡时间和/或刷卡频率进行统计，得到相应的第一统计信息；

利用所述第一统计信息分析出学生的刷卡行为特征。

可选地，所述从校园内的通信设备中获取学生的行为数据的过程，包括：

从校园内的学生上网终端设备中获取学生的网上社交行为数据；

相应地，所述对学生的行为数据进行分析，得到学生的行为特征的过程，包括：

对学生的网上社交行为数据中的社交范围和/或社交频率进行统计，得到第二统计信息；

利用所述第二统计信息分析出学生的网上社交行为特征。

可选地，所述从校园内的通信设备中获取学生的行为数据的过程，包括：

从校园内的一卡通设备中获取学生的刷卡行为数据，以及从校园内的学生上网终端设备中获取学生的网上社交行为数据。

可选地，所述对学生的行为数据进行分析，得到学生的行为特征的过程，包括：

对学生的刷卡行为数据中的刷卡地点和/或刷卡时间和/或刷卡频率进行统计，得到第三统计信息；

利用所述第三统计信息分析出学生的刷卡行为特征；

从所有学生中筛选出刷卡行为特征与预设刷卡行为特征相一致的学生，得到第一类目标学生；

对所述第一类目标学生的网上社交行为数据中的社交范围和/或社交频率进行统计，得到第四统计信息；

利用所述第四统计信息分析出所述第一类目标学生的网上社交行为特征。

可选地，所述对学生的行为数据进行分析，得到学生的行为特征的过程，包括：

对学生的网上社交行为数据中的社交范围和/或社交频率进行统计，得到第五统计信息；

利用所述第五统计信息分析出学生的网上社交行为特征；

从所有学生中筛选出网上社交行为特征与预设网上社交行为特征相一致的学生，得到第二类目标学生；

对所述第二类目标学生的刷卡行为数据中的刷卡地点和/或刷卡时间和/或刷卡频率进行统计，得到第六统计信息；

利用所述第六统计信息分析出所述第二类目标学生的刷卡行为特征。

可选地，利用刷卡行为数据对应的统计信息分析出学生的刷卡行为特征的过程，包括：

利用刷卡行为数据对应的统计信息分析出学生之间的刷卡行为关联信息。

可选地，所述利用学生的行为特征分析学生的心理状况，包括：

利用所述行为特征分析学生的个人偏好和/或交际圈；

利用学生的个人偏好和/或交际圈分析学生的心理状况。

本发明进一步提供一种学生心理分析设备，所述学生心理分析设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的学生心理分析程序，所述学生心理分析程序配置为实现如前述公开的学生心理分析方法的步骤。

本发明进一步提供一种计算机可读存储介质，所述计算机可读存储介质上存储有学生心理分析程序，所述学生心理分析程序被处理器执行时实现如前述公开的学生心理分析方法的步骤。

本发明公开的学生心理分析方法、设备及其存储介质中，根据校园内通信设备收集的学生行为数据，分析得到学生的行为特征，利用所述行为特征分析学生的心理状况。由上可知，本发明用于分析学生心理的行为数据，是学生日常生活中产生的，并从校园通信设备获取的数据，上述行为数据的获取过程无需学生本人的主动配合，由此可以避免学生主观态度对数据客观性的影响，从而提升了数据的客观性，在此基础上，通过对上述获取到的客观行为数据进行分析，便可有效地提升学生心理分析结果的可靠性，进而能够及时发现存在心理问题隐患的学生并采取相应的心理干预措施。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例公开的一种学生心理分析方法的流程图；

图2为本发明实施例公开的学生心理分析方法的具体实施例一的流程图；

图3为本发明实施例公开的学生心理分析方法的具体实施例二的流程图；

图4为本发明实施例公开的学生心理分析方法的具体实施例三的流程图；

图5为本发明实施例公开的一种具体的孤僻心理分析流程图；

图6为本发明实施例公开的学生心理分析方法的具体实施例四的流程图；

图7为本发明实施例公开的一种学生心理分析系统的结构图；

图8为本发明实施例公开的一种学生心理分析设备的结构图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明实施例公开了一种学生心理分析方法，参见图1所示，图1为本发明实施例学生心理分析方法的流程图，包括以下步骤：

步骤s11：从校园内的通信设备中获取学生的行为数据。

本发明实施例中，由于校园内的通信设备为学生日常生活中不可缺少的一部分，例如校园一卡通设备，主要具有综合消费类、身份识别类、金融服务类和公共信息服务类等功能，学生在学校各处出入办事只需凭借校园卡使用校园一卡通设备即可。所以由校园一卡通设备收集到的学生刷卡行为数据，能够反映学生日常生活中的行为现象与行为特征。除此之外还包括上网行为管理设备，可以从学生的上网终端设备获取学生的网上社交行为数据，所以校园内的通信设备收集到的学生行为数据为真实、有效且客观的。

当然，从校园内的通信设备中获取的学生行为数据并不仅限于这两种，根据实际情况可以有更多选择。

步骤s12：对所述行为数据进行分析，得到学生的行为特征。

其中，将行为数据进行有条件地筛选、统计和整理，可以得到学生个人的行为特征，以及学生与学生之间的行为特征，其具体过程将在后面详细说明。

步骤s13：利用所述行为特征分析学生的心理状况。

具体地，根据步骤s12中获得的学生的行为特征可以分析出学生个人偏好和/或交际圈等社交状况，通过个人偏好或交际圈都可以分析出学生的心理状况，还可以综合分析二者进而提高分析结果的准确性。

本发明实施例公开的学生心理分析方法，根据校园内通信设备收集的学生行为数据，分析得到学生的行为特征，利用所述行为特征分析学生的心理状况。由上可知，本发明实施例用于分析学生心理的行为数据，是学生日常生活中产生的，并从校园通信设备获取的数据，上述行为数据的获取过程无需学生本人的主动配合，由此可以避免学生主观态度对数据客观性的影响，从而提升了数据的客观性，在此基础上，通过对上述获取到的客观行为数据进行分析，便可有效地提升学生心理分析结果的可靠性，进而能够及时发现存在心理问题隐患的学生并采取相应的心理干预措施。

参见图2所示，图2为本发明实施例公开的学生心理分析方法的具体实施例一的流程图，包括以下步骤：

步骤s21：从校园内的一卡通设备中获取学生的刷卡行为数据。

具体地，从校园内的一卡通设备中获取的刷卡行为数据，可以是饭堂消费刷卡数据、图书馆进出刷卡数据等，能够反映学生刷卡的地点、时间以及频率等属性。

步骤s22：对学生的刷卡行为数据中的刷卡地点和/或刷卡时间和/或刷卡频率进行统计，得到相应的第一统计信息。

可以理解的是，步骤s22中将刷卡行为数据根据需要进行统计整理，得到的统计信息能够更直观地反映学生的行为属性，更利于分析推测其行为特征。

步骤s23：利用所述第一统计信息分析出学生的刷卡行为特征。

具体地，通过统计的刷卡地点或刷卡时间或刷卡频率，可以分析出单个学生的刷卡偏好，比如某学生在某个刷卡地点的刷卡频率相对较高，可以轻易分析出该学生偏好在该地点刷卡；通过刷卡行为数据对应的统计信息，即刷卡地点、刷卡时间以及刷卡频率有条件地组合分析，可以分析出学生之间的刷卡行为关联信息，比如某群学生，在接近的刷卡时间，在某处刷卡地点的刷卡频率较高，可以将该群学生的刷卡行为判定为关联的，在此处以及后文所述的通过刷卡行为数据对应的统计信息分析出学生的刷卡行为特征过程，均可以通过此种方式来实现。当然，前文所述的分析方式并不仅限于此，并且其中的刷卡时间窗以及刷卡频率，均可以根据实际分析的精度需要人为地改变。

步骤s24：利用所述行为特征分析学生心理状况。

具体地，一方面，通过步骤s23获得的某学生偏好在某地点刷卡的行为特征，根据该地点的职能属性分析学生的个人偏好，比如如果该地点为图书馆，可以分析出该学生可能爱好阅读，如果该地点为运动场，可以分析出该学生可能爱好运动；另一方面，通过步骤s23获得的群体行为特征，比如某群学生，在接近的刷卡时间，在某处刷卡地点的刷卡频率较高，可以分析出该学生群体极有可能是存在关系群的交际圈。

学生的交际圈是最能反映学生心理状况的现象之一，例如，交际圈数量和/或交际圈人数较多的学生，通常为活跃的，反之，交际圈数量和/或交际圈人数较少的学生，通常为孤僻的。而如果综合考虑学生的个人偏好，可以进一步排除掉一些由于个人因素跟其他人来往不是很密切的学生。例如，某个学生经常去图书馆刷卡，分析出该学生可能爱好阅读，进一步分析该学生性格可能比较内向文静，所以对于判断该学生是否孤僻的交际圈数量和/或交际圈人数条件可以适当降低。这样，可以使在实际生活中的分析结果更加准确。

参见图3所示，图3为本发明实施例公开的学生心理分析方法的具体实施例二的流程图，包括以下步骤：

步骤s31：从校园内的学生上网终端设备中获取学生的网上社交行为数据。

一般地，学校会通过上网行为管理设备帮助学生控制和管理校园网，有网页访问过滤、网络应用控制、带宽流量管理、信息收发审计及用户行为分析等功能。学生需要使用带有自身身份信息的校园网账号登录后，才可以使用校园网，所以上网行为管理设备能够区分来自不同终端的学生身份信息，成功获得每个学生的网上社交行为数据。

步骤s32：对学生的网上社交行为数据中的社交范围和/或社交频率进行统计，得到第二统计信息。

同样地，将网上社交行为数据根据需要进行统计整理。

步骤s33：利用所述第二统计信息分析出学生的网上社交行为特征。

具体地，通过步骤s32获得的社交范围和/或社交频率，分析出学生之间的关系。例如，学生a通过某社交软件与学生b经常联系，当学生a与学生b的社交频率超过预设频率阈值时，可以认为学生a与学生b之间存在着朋友关系，以这种方式可以确定更多学生之间的关系，进而得到学生的交际圈。当然，所述频率阈值为可以根据需要改变的。

步骤s34：利用所述行为特征分析学生的心理状况。

具体地，根据步骤s33获得的交际圈，可以分析出学生的心理状况。例如，某些交际圈数量少和/或交际圈人数少的学生，极有可能为有孤僻倾向的学生，同时还可以综合考虑学生的社交频率来分析，例如，某学生的交际圈中人数较少，但该学生与交际圈中的人社交频率较高，可以根据实际分析的精度需要将该学生排除在孤僻学生之外。

参见图4所示，图4为本发明实施例公开的学生心理分析方法的具体实施例三的流程图，包括以下步骤：

步骤s41：从校园内的一卡通设备中获取学生的刷卡行为数据，以及从校园内的学生上网终端设备中获取学生的网上社交行为数据。

步骤s42：对学生的刷卡行为数据中的刷卡地点和/或刷卡时间和/或刷卡频率进行统计，得到第三统计信息。

步骤s43：利用所述第三统计信息分析出学生的刷卡行为特征。

步骤s44：从所有学生中筛选出刷卡行为特征与预设刷卡行为特征相一致的学生，得到第一类目标学生。

在本具体实施例中，根据需要分析的心理因素，预设刷卡行为特征，例如，想分析学生是否孤僻，可以预设刷卡行为特征为交际圈数量和/或交际圈人数的阈值，当学生的交际圈数量和/或交际圈人数低于该阈值时，将该学生定为第一类目标学生。

步骤s45：对所述第一类目标学生的网上社交行为数据中的社交范围和/或社交频率进行统计，得到第四统计信息。

可以理解的是，在步骤s45中需要统计网上社交行为数据的学生为步骤s44中获得的第一类目标学生，即为初步怀疑有孤僻倾向的学生。

步骤s46：利用所述第四统计信息分析出所述第一类目标学生的网上社交行为特征。

步骤s47：利用所述网上社交行为特征分析学生的心理状况。

可见，本具体实施例将第一类目标学生基于网上社交行为数据进行进一步的心理状况分析。以分析孤僻倾向为例，如果在步骤s44中得知学生a疑似为有孤僻倾向的学生，但通过进一步的步骤s45至步骤s47中的网上社交行为数据分析，得知学生经常与其他学生社交联系，不属于以网上社交行为特征划分的孤僻学生群体，综合考虑得知，学生a偏好以网络进行社交，所以不属于有孤僻倾向的学生。所以，这样可以排除掉实际生活中跟其他学生较少一起打卡，但经常参与网上社交活动的伪孤僻倾向学生，从而得到更真实准确的孤僻倾向学生的数据。

例如，参见图5所示，首先利用饭堂消费卡机、图书馆进出卡机和宿舍进出卡机等一卡通设备中记录的学生刷卡行为数据，初步分析出学生的社交圈子信息，进而确定出具有孤僻嫌疑的初步人选，然后通过学生上网控制设备，获取上述初步人选的社交行为数据，最后将社交圈子窄并且无社交行为或社交行为较少的学生确定为具有孤僻心理的学生。

参见图6所示，图6为本发明实施例公开的学生心理分析方法的具体实施例四的流程图，包括以下步骤：

步骤s51：从校园内的一卡通设备中获取学生的刷卡行为数据，以及从校园内的学生上网终端设备中获取学生的网上社交行为数据。

步骤s52：对学生的网上社交行为数据中的社交范围和/或社交频率进行统计，得到第五统计信息。

步骤s53：利用所述第五统计信息分析出学生的网上社交行为特征。

步骤s54：从所有学生中筛选出网上社交行为特征与预设网上社交行为特征相一致的学生，得到第二类目标学生。

在本具体实施例中，将网上社交行为数据作为初始筛选依据，按照预设条件将学生进行初步分类，得到第二类目标学生。

步骤s55：对所述第二类目标学生的刷卡行为数据中的刷卡地点和/或刷卡时间和/或刷卡频率进行统计，得到第六统计信息。

步骤s56：利用所述第六统计信息分析出所述第二类目标学生的刷卡行为特征。

步骤s57：利用所述刷卡行为特征分析学生的心理状况。

可见，本具体实施例将第二类目标学生基于刷卡行为数据进行进一步的心理状况分析。再次以分析孤僻倾向为例，如果在步骤s54中得知学生b疑似为有孤僻倾向的学生，但通过进一步的步骤s55至步骤s57的刷卡行为数据分析，得知该学生经常与其他学生一起刷卡活动，不属于以刷卡行为特征划分的孤僻学生群体，综合考虑得知，学生b偏好现实社交活动，所以不属于有孤僻倾向的学生。所以，这样可以排除掉网上社交行为较少，但现实社交活动参与较多的伪孤僻倾向学生，得到更真实准确的孤僻倾向学生的数据。

需要说明的是，如果在实际情况中，有更多能够分析学生心理的数据，该数据的分析处理方向，及与其他数据综合分析时的先后顺序，都不应受限，都应是根据本发明方法的核心思想合理延伸的扩充方案，都应纳入保护范围之内。

除此之外，本发明所提供的学生心理分析方法有多种应用方向。例如，分析得出孤僻倾向学生进行合理干预，减少学生心理问题；分析得出活跃外向的学生，在班干部和/或学生群竞选时优先考虑，活泼外向的学生更胜任学生群里管理联络者的工作。

相应地，本发明实施例还提供一种学生心理分析系统，参见图7所示，图7为本发明实施例公开的一种学生心理分析系统的结构图，该系统包括：

获取模块61，用于获取从校园内的通信设备中获取学生的行为数据；

行为数据分析模块62，用于对所述行为数据进行分析，得到学生的行为特征；

行为特征分析模块63，用于利用所述行为特征分析学生的心理状况。

可见，本发明实施例根据校园内通信设备收集的学生行为数据，分析得到学生的行为特征，利用所述行为特征分析学生的心理状况。由上可知，本发明实施例用于分析学生心理的行为数据，是学生日常生活中产生的，并从校园通信设备获取的数据，上述行为数据的获取过程无需学生本人的主动配合，由此可以避免学生主观态度对数据客观性的影响，从而提升了数据的客观性，在此基础上，通过对上述获取到的客观行为数据进行分析，便可有效地提升学生心理分析结果的可靠性，进而能够及时发现存在心理问题隐患的学生并采取相应的心理干预措施。

具体地，上述行为特征分析模块63可以包括第一分析单元和第二分析单元；其中：

第一分析单元，用于利用所述行为特征分析学生的个人偏好和/或交际圈；

第二分析单元，用于利用学生的个人偏好和/或交际圈分析学生的心理状况。

在一种具体实施例中，上述获取模块61，具体可以包括第一获取单元，用于从校园内的一卡通设备中获取学生的刷卡行为数据；

相应地，上述行为数据分析模块62具体可以包括第一统计单元和第一刷卡行为分析单元；其中，

第一统计单元，用于对学生的刷卡行为数据中的刷卡地点和/或刷卡时间和/或刷卡频率进行统计，得到相应的第一统计信息；

第一刷卡行为分析单元，用于利用所述第一统计信息分析出学生的刷卡行为特征。

其中，在此具体实施方式中的第一刷卡行为分析单元，以及后文所述的刷卡行为分析单元，具体可以用于利用刷卡行为数据对应的统计信息分析出学生之间的刷卡行为关联信息。

在另一种具体实施方式中，上述获取模块61，具体可以包括第二获取单元，用于从校园内的学生上网终端设备中获取学生的网上社交行为数据；

相应地，上述行为数据分析模块62具体可以包括第二统计单元和第一上网行为分析单元；其中：

第二统计单元，用于对学生的网上社交行为数据中的社交范围和/或社交频率进行统计，得到第二统计信息；

第一网上行为分析单元，用于利用所述第二统计信息分析出学生的网上社交行为特征。

在又一种具体实施方式中，上述获取模块61，具体可以包括第三获取单元和第四获取单元；其中：

第三获取单元，用于从校园内的一卡通设备中获取学生的刷卡行为数据；

第四获取单元，用于从校园内的学生上网终端设备中获取学生的网上社交行为数据。

上述行为数据分析模块62具体可以包括：

第三统计单元，用于对学生的刷卡行为数据中的刷卡地点和/或刷卡时间和/或刷卡频率进行统计，得到第三统计信息；

第二刷卡行为分析单元，用于利用所述第三统计信息分析出学生的刷卡行为特征；

第一筛选单元，用于从所有学生中筛选出刷卡行为特征与预设刷卡行为特征相一致的学生，得到第一类目标学生；

第四统计单元，用于对所述第一类目标学生的网上社交行为数据中的社交范围和/或社交频率进行统计，得到第四统计信息；

第二网上行为分析单元，用于利用所述第四统计信息分析出所述第一类目标学生的网上社交行为特征。

在再一种具体实施方式中，上述行为数据分析模块62可以具体包括：

第五统计单元，对学生的网上社交行为数据中的社交范围和/或社交频率进行统计，得到第五统计信息；

第三网上行为分析单元，用于利用所述第五统计信息分析出学生的网上社交行为特征；

第二筛选单元，用于从所有学生中筛选出网上社交行为特征与预设网上社交行为特征相一致的学生，得到第二类目标学生；

第六统计单元，对所述第二类目标学生的刷卡行为数据中的刷卡地点和/或刷卡时间和/或刷卡频率进行统计，得到第六统计信息；

第三刷卡行为分析单元，用于利用所述第六统计信息分析出所述第二类目标学生的刷卡行为特征。

关于上述学生心理分析系统中的各个模块及单元更加具体的工作过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。

进一步的，本发明实施例还提供了一种学生心理分析设备，参见图8所示，图8为本发明实施例公开的一种学生心理分析设备的结构图，该设备包括：

存储器71，用于存储学生心理分析程序，所述学生心理分析程序配置为实现如前述实施例公开的学生心理分析方法的步骤；

处理器72，用于运行存储在所述存储器上的所述学生心理分析程序。

最后，本发明实施例进一步提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有学生心理分析程序，所述学生心理分析程序被处理器执行时实现如前述实施例公开的学生心理分析方法的步骤。

所述学生心理分析方法在所述设备及其存储介质上存储运行，可以更方便地获得分析结果。

本发明实施例中，根据校园内通信设备收集的学生行为数据，分析得到学生的行为特征，利用所述行为特征分析学生的心理状况。其中所述行为数据可以是一种，也可以是多种，根据实际分析的精度需要来合理取舍；多种行为数据的分析顺序也是根据实际需要确定的，本发明实施例不做限定。而所述行为数据由校园通信设备获取，源于学生日常生活，检测频率也可以根据实际分析的精度需要来确定，通过客观的数据由学校主动分析，避免了学生的主观态度影响，所以得到的学生心理评测结果相当准确。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上对本发明所提供的学生心理分析方法、设备及其存储介质进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。