从数据到洞察:基于集成学习的大学生抑郁早期预警系统研究

摘要：随着社会竞争加剧与学业压力增大，大学生抑郁问题日益凸显，严重影响其学习、生活与心理健康。传统抑郁检测方法如心理量表与生理信号分析存在效率低、成本高、难以规模化等问题。为此，本研究基于Kaggle提供的多维度学生行为数据，构建了一个基于集成学习的大学生抑郁早期预警系统。通过融合学业压力、经济压力、睡眠时长、饮食习惯、自杀念头等关键特征，采用逻辑回归与随机森林模型进行抑郁风险预测，测试集准确率分别达到84.3%与83.7%，AUC值均超过0.91，表现出较强的判别能力。研究还开发了可视化交互式前端系统，实现了个体抑郁风险的实时评估与反馈，为高校心理健康管理提供了可操作的数据支持与干预依据。该系统具备部署潜力，有望成为学生心理筛查与早期干预的有效工具。

关键词：多源数据融合；大学生抑郁；集成学习；机器学习；早期预警系统；心理健康 

一．绪论研究目标与意义

主要目标是构建能准确预测大学生抑郁风险的智能模型，为教育管理者和心理健康专业人员提供决策支持。具体通过分析学生日常行为数据，构建高精度抑郁预测模型，实时评估学生心理状态，提供个性化心理健康分析和干预建议。同时，将预测结果通过前端界面可视化展示，增强模型可解释性，提高预警效率。此外，还开发了可视化交互式系统页面，实现基于关键心理行为变量的抑郁风险实时预测功能。该系统设计简单、响应快速，可作为学校心理测评辅助工具，提升预测结果直观性与可操作性。与传统离线分析模型不同，本研究系统构建了“数据输入—风险预测—个体反馈”闭环流程，有实际部署潜力。

二．问题分析

2.1 目前现有的解决方案

目前针对学生抑郁问题的解决方案主要包括传统心理测评、生物信号分析和数据驱动的智能预测方法。传统心理测评依赖于问卷量表，如PHQ-9和CES-D【1】，虽然准确但主观性强、成本高；生物信号分析通过脑电图、心率变异性等生理数据识别抑郁状态，精准度高但设备成本高，应用受限；数据驱动方法则通过学生的行为数据构建预测模型，实现早期预警，成本低、效率高，但面临数据隐私和模型泛化问题。如何结合这些方法，实现更全面、精准的抑郁检测，是当前研究的重要方向。

2.2 痛点问题

2.2.1数据维度单一与挖掘不充分

目前抑郁预测模型多依赖PHQ-9等单一心理问卷，虽能反映情绪状态，但忽略了课堂参与、社交频率、睡眠质量等行为数据中蕴含的心理信息。仅凭问卷易遗漏高风险个体——例如情绪稳定但长期睡眠不足或社交疏离的学生。因此，整合多维度行为数据以实现全面精准的抑郁风险评估，是当前模型面临的关键挑战。

2.2.2个性化干预策略缺乏

在现有的心理健康干预实践中，往往采用“一刀切”的方式，缺乏对不同学生群体特征的精准识别，难以提供个性化的心理辅导和支持。例如，对于那些压力来源主要集中在学业上的学生，应该提供更多的学习压力缓解方案，而对于那些由于社交孤立导致情绪低落的学生，则需要加强社交支持和心理疏导。如果忽视了这些差异，可能会导致干预效果不佳，甚至进一步加剧学生的心理问题。

2.2.3解决思路

为解决数据维度单一与干预策略不足的问题，本研究提出以下思路：融合心理量表与多维度行为数据（如睡眠时长等），构建全面心理健康数据体系，以提升抑郁预测的灵敏度和准确性。在分析方法上，采用多层次特征选择与数据融合技术，并结合改进的聚类算法划分学生风险等级，实现精准分组。基于此，为不同特征的学生提供个性化干预，如为学业压力大者提供学习规划，对社交孤立者鼓励参与活动，对睡眠不足者给予相应指导，从而提升心理服务的精准性与覆盖度。

3.1 数据预处理

数据来源：采用kaggle提供的学生抑郁预测项目的数据集，该数据集包含了多种与学生心理健康相关的特征，如性别、城市、职业、经济压力、睡眠时长、学习满意度等。数据集共有27901条记录和18个特征，涵盖了学生的基本信息、学习情况、生活习惯以及心理状态。

3.2 缺失值处理

我们对缺失值的处理结果如下图2缺失值 所示，我们发现数据中不存在

缺失值，所以不需要考虑这个数据的缺失值。

3.3 异常值处理

数据预处理阶段需检测并处理异常值以确保模型可靠性。本研究将特征分为数值型与分类型，其中数值型变量（如学业压力）具有连续可度量性，能反映学生的学习与心理状态。对此，我们采用基于统计分布的箱线图法，直观识别超出正常范围的异常数据点以供后续处理。

异常值检测后发现，大部分数值型特征数据分布集中，无明显异常值，无需进一步处理；分类型变量类别分布均衡，无明显数据偏差。因此，本次数据处理无需额外清理异常值，为后续模型训练提供了良好数据基础。

数据分析

4.1 关键变量与抑郁的相关性分析

我们对上述数据进行了探索性分析，以了解各变量与抑郁程度之间的关系。首先，通过计算相关系数矩阵，可以直观地看到哪些因素与抑郁标签的关联最为紧密。

图一：相关系数矩阵

如图一所示，抑郁与多个因素显著相关。“曾有自杀念头”与抑郁相关系数最高（r≈0.55），说明有自杀念头的学生更易抑郁，这符合抑郁是自杀重要诱因的常识。此外，学业压力与抑郁正相关系数约0.47，在非症状类变量中影响最大；经济压力与抑郁呈中等程度正相关（r≈0.36）；每天学习/工作时长与抑郁有一定正相关（r≈0.21），学习满意度与抑郁呈负相关（r≈ -0.17），即学业越满意，抑郁倾向越低；年龄与抑郁呈负相关（r≈ -0.23），表明年龄较大的学生抑郁率略低；性别和GPA与抑郁几乎无相关关系，相关系数接近0。这些相关分析为后续类别比较提供了方向。

4.2 学业压力等级与抑郁率的关系

得出当学生自评学业压力为1分（最低）时，抑郁率仅约19.4%； 压力2分时抑郁率上升到37.5%；3分时已达60.2%；4分时约76.1%；而当学业压力最高（5分）时，抑郁率高  达86.1%。这一陡增趋势十分明显，表明学业压力与抑郁高度相关。也就是说，学业上感到吃重和焦虑的学生中有更大比例出现了抑郁症状。这样的结果与心理学研究的共识一致：学业负担过重会严重影响学生的心理健康。我们的数据定量地表明，高压力下抑郁的发生概率是低压力下的数倍，应引起教育工作者的重视。

4.3 经济压力对大学生抑郁风险的影响

经济压力与学生抑郁率呈显著正相关，经济压力从 1（最低）增至 5（最高）时，这表明经济压力是影响大学生心理健康的重要因素。家庭经济困难会增加学生心理负担，引发负面情绪，这与贫困生心理状态调查结果相符，反映经济困境对学生心理健康影响深远。所以，学校和政府应采取经济支持与心理辅导措施，缓解经济困难学生心理压力，降低抑郁风险。

4.4 睡眠时长与抑郁率的关系

睡眠时长分析也有值得关注的模式。睡眠不足的学生抑郁率更高。

图二：不同睡眠时长下的学生抑郁率分布

如上图二所示，每天睡眠少于5小时的学生约64.5%有抑郁倾向，睡7-8小时的学生抑郁率约59.5%，睡眠超过8小时者抑郁率降至50.9%为最低。这说明睡眠不足与抑郁倾向负面关联，长期睡眠短会增加抑郁风险，与医学研究结论一致。本数据中“睡眠超过 8 小时”组抑郁率最低，未发现过多睡眠致更高抑郁现象。

4.5 饮食习惯与抑郁风险的关联分析

饮食习惯与抑郁也存在显著关联。如抑郁率与健康的饮食习惯成反比。饮食“一般”的学生抑郁率居中（约56%）。由此可见，健康均衡的饮 食可能对心理健康有保护作用。这一点得到营养精神病学研究的支持：高质量饮食与较低的抑郁发生风险显著 相关 。饮食不健康可能导致体质变差、情绪波动等，从而增加抑郁的可能性。我们的分析表明，在大学生  日常生活的诸多因素中，饮食是值得重视的一环，改善饮食习惯有望对心理健康产生积极影响。

4.6自杀念头与抑郁症状的关联分析

在心理和家庭因素方面，“是否有过自杀念头”无疑是抑郁的强指示信号。数据表明，在曾有自杀想法的学生中，过半的学生表现出抑郁症状；而从未有过此念头的学生中，抑郁率仅不足1/3。两者相差悬殊，这反映了抑郁 与自杀念头的高度伴随关系。事实上，自杀念头常被视为抑郁症的重要判别指标之一，出现轻生念头通常意味 着抑郁程度较为严重，需要紧急的心理干预。因此，在实践中，通过问卷及时发现有自杀念头的学生，并对其 进行心理疏导，是高校危机干预的重要内容。

模型预测

5.1建立预测模型

建立预测模型时，选取数据集中与抑郁相关的主要特征作自变量，如性别、年龄、学业压力等，剔除“职业”“工作压力”“工作满意度”等低信息量变量，抑郁标签（0/1）作因变量。采用逻辑回归和随机森林两类监督学习模型训练和比较，前者是线性概率模型，便于解释特征权重，后者是非线性集成模型，复杂关系下预测性能更高。用80%数据作训练集，20%作测试集评估效果。模型结果如下表一所示。

表一：模型性能评估

模型性能评估结果显示，逻辑回归与随机森林在抑郁状态识别任务上均表现出色且性能接近。逻辑回归在准确率与AUC值上均略优于随机森林，结合ROC曲线在低假阳率区间的表现，表明本研究数据中的关键预测特征与抑郁状态之间存在较强的近似线性关联，使得线性模型已能充分捕捉其内在规律。

5.2 前端功能实现与交互界面设计

为增强模型的实用性和用户友好性，本研究基于训练完成的抑郁预测模型，开发了一个简洁的网页交互系统，用于个体化的抑郁风险自评。前端采用 HTML+CSS 样式实现，核心功能包括：

（1）输入学生的学业压力、经济压力、学习满意度、睡眠时长、饮食习惯、是否有过自杀念头等关键变量。

（2）后端调用预测逻辑返回个体抑郁风险（可为概率值或分类结果）。

（3）实现简单易用的预测工具，可用于校园心理普查前的预筛选与自助测试。

图三：学生抑郁风险预测系统

如图三是该系统界面，使用 HTML+CSS实现交互前端，用户可手动输入学业压力评分、睡眠时长、饮食习惯、自杀念头等多个变量，提交后通过后端模型逻辑判断是否为抑郁高风险个体，并返回结果提示。目前支持浏览器端运行，并可通过 HBuilderX 等平台进行本地调试或云端部署。

在可视化结果上，系统结合柱状图与热力图展示了模型指标（如准确率、AUC）在不同模型下的对比效果，帮助用户理解模型性能。该模块具有良好的拓展性，未来可接入 Flask、Streamlit 等后端技术，进一步扩展到 Web 服务或小程序平台。

系统预测示例展示：

为增强实用性，本研究还在系统界面中设置了真实交互流程。如下为示例界面展示：

用户输入：

学业压力评分：5分

经济压力评分：2分

学习满意度评分：3分

睡眠时长：Less than 5 hours

饮食习惯：Unhealthy

是否有自杀念头：Yes

系统输出：

预测结果：该学生属于高风险抑郁倾向人群，建议联系学校心理咨询师进一步评估。

该示例流程体现出系统“快速输入—即时反馈—风险提示”的特征，具有较强的现场操作与推广价值

六.结果分析

通过上述分析与模型，我们对学生抑郁的影响因素和预测有了清晰认识。学业压力和经济压力是导致学生抑郁的两个重要环境因素。

参考文献

龚琳,孙秋子,刘付东,等. 盐城市社区高血压/糖尿病患者抑郁状况及影响因素分析[J].江苏预防医学,2024,35(05):588-591+599.DOI:10.13668/j.issn.1006-9070.2024.05.013.

祖婉婷.基于情绪调节的2型糖尿病抑郁患者跨诊断干预方案构建与实证研究[D].吉林大学,2025.DOI:10.27162/d.cnki.gjlin.2025.000645.

康宋煌,卢屹,甘琳云.基于Kaggle平台的未来销售预测[J].产业创新研究,2024,(19):72-74.DOI:CNKI:SUN:CYCX.0.2024-19-022.

作者简介：韩晨（2004—），性别：男，籍贯;安徽安庆人，学历;本科，研究方向:智能健康风险预测模型研究