“大数据+心理健康”在家庭教育 及家校共育中的探索

邓雯文 简永键

摘要：家庭教育、家校共育作为未成年人教育的重要阵地，因缺乏体系研究和科学的指导与服务，未能发挥其积极效用。从大数据模型的角度寻找家庭教育与家校共育的关系，为其进行科学画像，建立家庭与学校、家庭与社会、家庭与学生之间的大数据生态模型，以建立“大数据+心理健康”框架下的家庭教育与家校共育的友好生态与良性循环态势。

关键词：家庭教育；家校共育；大数据模型

中图分类号：G44 文献标识码：B 文章编号：1671-2684（2022）99-0045-04

未成年人的教育体系由三部分组成，即家庭教育、学校教育和社会教育。家庭、学校、社会发挥着各自的职能与作用，其中，家庭教育是一切教育的基础与开端。然而，由于缺乏系统、科学的家庭教育指导与服务，大多数家长在对家庭教育的认知、家长在家庭教育中应具备的基本知识与技能、正确有效的家庭教育方式与方法等方面缺少必要的认知与储备，严重影响了家庭教育的效果。

对此，家校共育在某些方面、某种程度上可以弥补家庭教育的遗憾。但就现实情况而言，由于缺少科学有效的指导与体系研究，家庭与学校联动教育在信息传输、资源配置、风格互补、全人效能等方面缺少有效联动与挖掘，家校共育也并没有发挥应有的积极作用。

在互联网、云计算等技术发展的时代背景下，科学、客观、高效地将大数据云计算技术应用于指导家庭教育与家校共育的工作中，构建大数据智慧赋能的家庭教育与家校共育体系，以大数据的客观性、智能化、互动性特质推进教育信息化，健全完善科学有效的家校共育教育管理体系，将对我国青少年的身心健康发展具有深远意义。

一、“大数据+心理健康”在家庭教育及家校共育中的应用

“大数据+心理健康” 是指根据海量的行为数据及心理数据，结合心理学原理，建立科学实证性的数据模型，最终勾画群体的心理健康画像，推理出影响群体心理健康的可控因子，继而针对此群体推送有效的、高效的解决方案的一种大数据与心理学结合的研究方法范式。

为了能够向国家和社会提供重要的国民健康状态指标，为教育、公共健康政策的制定提供科学参考，许多科研中心及地方机构开展了一系列关于国民心理健康方面的调研與研究。它们大都在客观数据的基础之上进行，然而受条件限制，长期以来在心理学、社会学、公共健康领域研究的样本规模十分有限，一般多采用抽样的方式，再把局部样本的研究结果推广到总体上，导致研究结论的有效性不可避免地受到样本代表性的影响。此外，传统方法大多依赖于用户自陈，数据收集过程也比较缓慢。云计算、大数据和互联网技术的普及在科学、经济、健康领域以及社会生活的方方面面，蕴含着人类行为及认知信息。大数据作为信息技术发展的新趋势，具有海量的数据规模（Volume）、快速的数据流转（Velocity）、多样的数据类型（Variety）和巨大的数据价值（Value）4V 特性[1]。大数据理论与技术的出现，特别是移动互联网的普及，极大地拓展了数据采集的广度和深度，使研究人员有可能针对极大规模用户开展研究，进行全面的记录、跟踪并实现数据颗粒度的灵活变化，从而使心理学研究的数据基础更全面、坚实。大数据技术在心理健康方面的应用，比如在健康筛查、个性化治疗方案推送、监测复发、预防心理健康疾病等方面有很大的潜力。

利用大数据信息采集与处理技术，可以实现对个体和群体外部表现心理数据的实时采集，弥补传统研究方法时效性不足的缺点。通过大数据技术的数据挖掘，对学生、家长和、教师的行为数据、心理信息进行统计、分析整合及推理，揭示学生心智发展现象、心理健康状况及其背后的本质和影响因子间的相互关系，为搭建科学的家庭教育和家校共育体系提供科学实证，进而指导家校共育、家庭教育中实际问题的解决。

二、家庭教育与家校共育的大数据分析与模型

家庭教育与家校共育体系分为家长维度、学生维度、教师维度、学校管理风格维度、家庭成员维度、家庭与社会资源互动维度这六个维度。

根据大数据提供的信息可以通过上述六个维度为区域家长群体、学校家长群体、独立单个家长个人进行画像，建立家庭教育模型。根据模型分类，给出家庭教育现状分析以及家校共育状态剖析，并给出改进方案与建议，为其配置家庭教育资源，推送相匹配的家庭教育服务与课程，提出家校共育的改进方案与实施方法，提高家庭教育与家校共育的资源互补优势与深度合作效能，实现“用大数据心理服务体系赋能家庭教育，为青少年心理成长保驾护航”的宗旨与目的。

通过对学生的综合心理健康调查，包括青少年生活事件量表（刘贤臣，1997）、青少年心理健康量表（王极盛，1997）、病人健康问卷抑郁量表（PHQ-9）、失眠严重指数量表（ISI）、青少年心理韧性量表（RSCA）等心理量表，可以分析构建得出区域学生的群体、学校学生群体、单个学生个人画像，从心理症状、心理压力、心理韧性三个维度统计、跟踪、分析出该区域学生群体心理健康状况、心理压力状态及心理韧性水平。

图1展示了某校学生在心理症状各指标上的异常人数比例，呈现出该校学生的普遍心理症状画像。大数据技术还可以收集、分析、呈现出某区域某学校学生的普遍压力事件及分析影响学生心理健康的主要压力事件。

此外，大数据技术还可以分析出哪种心理因素能力能大大缓解生活压力事件对学生的影响和减少心理症状异常的发生。如图2所示，在控制了年级学段和性别的因素之后，结果显示心理韧性维度指标对各种心理症状都存在着显著的影响，且多呈现负关系向预测关系影响。其中，情绪管理对心理症状的影响程度最大，即情绪管理水平越高，出现异常心理症状的情况越少。

通过青少年亲子沟通量表（PACT）等和其他量表，大数据云平台可以计算呈现出区域家长群体画像，从亲子互动模式可以判断出该区域家长群体属于信任鼓励型、情感温暖型、民主型、权力型、溺爱型、不过问型、混合型之中的某一类型或某几个类型的混合型。（如图3）

同理，通过教师心理状态与发展性评估量表校园管理文化风格问卷，了解预测学校及老师的群体画像。根据群体画像及相关的数据收集，从而预测出适合该区域或学校的家校合作的形式。

比如，通过数据采集与计算，测出某学校的学校风格为民主开放型，则学生在学校能够获得更多的自主选择与自我探索机会。在家庭教育中，则可以适当增加任务与难度相对较高的活动与项目，如要求孩子在规定时间内完成体能运动的任务；在规定时间内完成做饭、洗衣服、清理庭院等家务劳动；对孩子的兴趣爱好或特长进行专业提升训练等。通过相对严格的训练与任务要求，弥补学生在学校的相对宽松的学习氛围，有利于对于学生的心理韧性与抗挫折能力培养。

相反，如果学校教学风格为严格管理型，则意味着学生在学校得到了严谨细致的管理，在规则意识、规范行为方面已得到充分的磨练与提升。那么，在家庭教育中，则应多提供自由宽松的活动与项目内容，如家长可以带着孩子多做一些户外运动，游戏与娱乐；多鼓励、赞扬孩子，让孩子的身心在家庭教育中得到充分的舒展与释放。

三、建立“大数据+心理健康”框架下的家庭教育与家校共育的友好生态与良性循环态势

根据大数据的采集与计算，建立大数据下的家庭教育与家校共育教育管理体系模型。根据所测试出的家庭教育的风格类型与效能分级，为其推送相应的家庭教育与家校共育指导方案与绿萝家庭教育专业课程与咨询服务。比如，为家庭教育与亲子关系紧张的家庭提供诸如改善亲子关系、增強亲子沟通效能的家庭教育课程；为家庭教育效能较差的家庭推送如何增强家长的家庭教育专业知识与技能的家庭教育课程；为家庭教育效能较好的家庭推送如何提升与引导学生自驱力的课程；为家庭教育效能极好的家庭推送如何为孩子进行生涯规划与生涯准备的课程，等等。

此外，在具体实施中，学校可以基于大数据的采集和计算，向不同风格类型的家长推送适合每一个孩子的教育引导方案，提供个性化的服务与建议。例如，为民主型家长群推送高效能家长服务包与生涯规划辅导服务，为权威型家长群推送亲子沟通技巧服务与亲子关系课程服务，等等。

家校共育方面，通过大数据的跟踪，学校和家长可以知悉孩子当下的心理状态和以往的心理状态状态。一旦发现有不良趋势，学校可依据科学数据与家长进行沟通，通过家校联动、家校场景融通与转换，有效地帮助、支持孩子的发展。比如，孩子在学业上自信心不足，出现厌学倾向时，家长可以通过与学校老师沟通，为孩子提供可以体现自我价值的机会，如以孩子担任学科课代表、小组长等方式提升孩子的自我效能感；家长也可以在家中培养孩子的兴趣与爱好，让孩子通过擅长的领域获得成就感与自我认同感；老师也可以在班级里创造机会，请孩子展示其爱好特长，进而帮助孩子提升自我效能与价值感。

在家校沟通与协同合作方面，学校可根据所测试出的家庭教育模型与分级，根据学生的心理症状、心理压力与心理韧性的三个方面、十八个维度的大数据测评结果， 设定家校共育的内容与主题，比如培养孩子自信心、自我管理能力、自驱力、人际交往能力、生涯规划与实践、学术背景提升等，提供配套的家庭教育课程与咨询服务，提升家庭教育与家校共育的合作效能。

四、结论

根据大数据提供的信息数据，对区域家长群体、学校家长群体、家长个体画像建立家庭教育效能模型与分级指导，给出家庭教育现状分析，指出优势与不足，提出家校共育提升方案。并为其配置所需要的家庭教育资源，达到家庭教育与家校共育的资源与效能的叠加。真正做到“大数据+心理健康”框架下的家庭教育与家校共育的友好生态与良性循环，实现“用大数据心理服务体系赋能家庭教育，为青少年心理成长保驾护航”的宗旨与目的。

参考文献

[1]徐鹏，王以宁，刘艳华，张海.大数据视角分析学习变革——美国《通过教育数据挖掘和学习分析促进教与学》报告解读及启示[J].远程教育杂志，2013（6）：11-17.

编辑/黄偲聪 终校/石 雪