一种智慧校园心育平台AI智能体构建方法及装置与流程

本发明涉及监控，尤其涉及一种智慧校园心育平台ai智能体构建方法及装置。

背景技术：

1、智慧校园心理健康管理作为教育信息化的重要组成部分，广泛应用于学生心理状态监测与干预领域。相关技术中，通过电信5g基站、校园专网与手机终端信令的协同作业，已实现学生位置轨迹、在线时长、通信频次等行为数据的连续无感采集。具体地，现有心育系统涵盖了从问卷配置、文本存储到通用大模型情感分析及人工报表查看的全过程，包括心育问卷管理、文本数据存储、情感分析及人工筛查等关键环节，形成了一套基于主观填报的静态管理模式。

2、然而，现有的校园心育方法中，直接采用定期问卷与主观填报，并没有对接电信通信数据源，由此可能会导致数据真实性差、失真严重，或者监测滞后、预警被动，从而影响心理风险研判的准确性与干预的及时性。具体地，由于完全依赖学生主观作答，存在刻意隐瞒与情绪伪装等问题，且缺乏客观行为数据佐证，误判漏判率居高不下；同时，按月或季度的静态批量处理模式无法捕捉突发心理波动，人工依赖度高，导致干预效率低下，难以应对学生心理风险的隐蔽性与动态性特征。

技术实现思路

1、本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

2、为此，本发明的第一个目的在于提出一种智慧校园心育平台ai智能体构建方法。

3、本发明的另一个目的在于提出一种智慧校园心育平台ai智能体构建装置。

4、本发明的第三个目的在于提出一种计算机设备。

5、本发明的第四个目的在于提出一种非临时性计算机可读存储介质。

6、为达上述目的，本发明第一方面实施例提出了一种智慧校园心育平台ai智能体构建方法，包括：

7、s10，在校园专网环境下，实时采集学生的电信通信客观行为数据、心育主观心理数据和校园辅助行为数据，并对采集的多源原始数据进行清洗、脱敏和标准化预处理，生成结构化特征数据集；

8、s20，构建多模态融合心理识别模型，所述模型包括通信特征提取层、心理文本特征提取层、跨模态特征融合层和心理状态分类输出层，利用所述结构化特征数据集对所述模型进行训练，生成校园专属心理识别模型；

9、s30，利用训练后的校园专属心理识别模型，对实时采集的所述结构化特征数据集进行实时推理，动态生成每个学生的心理风险得分和心理画像，并根据预设的分级阈值和双重判定规则，自动判定心理风险等级；

10、s40，根据判定的心理风险等级，自动触发分级预警并生成个性化干预方案，并在干预完成后回填干预效果数据，利用所述干预效果数据通过强化学习反向迭代更新所述模型的参数和分级阈值。

11、在本发明的一个实施例中，所述s10，包括：

12、剔除基站信号漂移或短暂断网导致的异常抖动数据、重复数据以及缺失率大于30%的无效数据，得到清洗后的多源数据；

13、采用国密sm4电信级加密算法对所述清洗后的多源数据中的手机号、身份证号、班级和姓名敏感字段进行掩码替换，仅保留匿名学生id用于关联分析，得到脱敏后的多源数据；

14、对所述脱敏后的多源数据中的流量、时长和频次数值型特征采用最大最小值归一化，压缩至0至1区间，消除量纲差异，得到归一化后的数值特征；

15、对所述脱敏后的多源数据中的心理日记和问卷文本进行分词、去停用词和语义纠错，生成embedding特征向量，将文字转化为可计算的数值特征，得到所述结构化特征数据集。

16、在本发明的一个实施例中，所述对所述脱敏后的多源数据中的心理日记和问卷文本进行分词、去停用词和语义纠错，生成embedding特征向量，包括：

17、对所述心理日记和问卷文本执行分词操作，得到分词序列；

18、对所述分词序列去除停用词，得到有效词序列；

19、对所述有效词序列进行语义纠错，得到纠错后的文本数据；

20、将所述纠错后的文本数据输入预训练的embedding模型，生成所述embedding特征向量。

21、在本发明的一个实施例中，所述s20，包括：

22、构建采用cnn或gru网络的通信特征专属提取层，用于自动提取基站轨迹突变、夜间流量激增、通话频次骤降和在线时长异常的客观行为特征；

23、构建采用bert预训练模型的心理文本特征提取层，用于提取情绪正负向、压抑、焦虑、抑郁和孤独的主观语义特征；

24、构建通过特征拼接与注意力权重加权融合的跨模态特征融合层，用于将所述客观行为特征与所述主观语义特征深度融合，突出高关联度特征权重；

25、构建通过全连接层输出0至1连续心理风险量化得分的心理状态分类输出层，分数越高表示心理风险越高。

26、在本发明的一个实施例中，还包括：

27、以公开预训练大模型为底座，输入本校学生的历史心理标注数据，所述历史心理标注数据包括问卷、咨询记录和干预结果，进行微调训练，迭代至模型识别精度大于92%并收敛，固化为所述校园专属心理识别模型。

28、在本发明的一个实施例中，所述s30，包括：

29、以每小时为频率，采用滑动窗口方式重新计算每个学生的实时心理风险得分；

30、结合最新通信行为变化和心理数据变化，动态更新个人心理画像曲线；

31、持续跟踪心理状态波动趋势，连续动态更新分值，捕捉短期情绪波动与长期心理风险。

32、在本发明的一个实施例中，所述s40，包括：

33、当风险等级为轻度情绪波动时，通过平台弹窗提醒班主任，建议日常沟通关注；

34、当风险等级为中度焦虑风险时，通过电信短信和校园平台双端预警，推送学生异常原因分析；

35、当风险等级为重度心理危机时，加急预警，同步推送学校管理员、心理中心和班主任，启动紧急干预流程。

36、为达上述目的，本发明第二方面实施例提出了一种智慧校园心育平台ai智能体构建装置，包括：

37、多源数据采集预处理模块，用于在校园专网环境下，实时采集学生的电信通信客观行为数据、心育主观心理数据和校园辅助行为数据，并对采集的多源原始数据进行清洗、脱敏和标准化预处理，生成结构化特征数据集；

38、多模态模型构建训练模块，用于构建多模态融合心理识别模型，所述模型包括通信特征提取层、心理文本特征提取层、跨模态特征融合层和心理状态分类输出层，利用所述结构化特征数据集对所述模型进行训练，生成校园专属心理识别模型；

39、心理风险评测画像模块，用于利用训练后的校园专属心理识别模型，对实时采集的所述结构化特征数据集进行实时推理，动态生成每个学生的心理风险得分和心理画像，并根据预设的分级阈值和双重判定规则，自动判定心理风险等级；

40、分级预警迭代优化模块，用于根据判定的心理风险等级，自动触发分级预警并生成个性化干预方案，并在干预完成后回填干预效果数据，利用所述干预效果数据通过强化学习反向迭代更新所述模型的参数和分级阈值。

41、本发明实施例的一种智慧校园心育平台ai智能体构建方法及装置，通过融合电信客观行为数据与心育主观数据，构建多模态ai模型，实现无感实时监测、自动分级预警、闭环迭代优化。技术效果：提高数据真实性和研判准确性，实现风险前置。

42、为达上述目的，本技术第三方面实施例提出了一种计算机设备，包括：处理器和存储器；其中，所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于实现如第一方面实施例所述的方法。

43、为达上述目的，本技术第四方面实施例提出了一种非临时性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面实施例所述的方法。

44、本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。