MHR2.0｜智能化心理健康与情绪测评——首届国际认知心理测评与提升大会系列述评第五期

智能化

心理健康与情绪测评

由北京师范大学心理学部、微软亚洲研究院、剑桥大学测评中心共同举办的首届国际认知心理测评与提升大会于北京师范大学昌平校区盛大开幕。作为大会的亮点之一，“心理健康与情绪测评”分论坛于7月7日下午正式开启，汇聚了来自世界各地的专家学者，共同探索心理健康与情绪测评的前沿进展。

21世纪，全球加速的社会变革与生活压力使心理健康成为全世界关注的焦点。2023年，教育部等十七部门印发了《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）》，这标志着学生心理健康工作已成为国家战略的关键一环。心理健康的精准评估是提升心理健康工作质量的关键一环，心理健康与情绪测评主要采用标准化的自评量表和他评量表，以及于临床观察和面对面的访谈。目前，科技进步推动了心理健康测评范式的革新，比如生物传感器实时监测心率、皮肤电导等生理信号反映情绪状态；fMRI、PET和NIRS等探索大脑情绪神经表征，寻找大脑的生物标记物；AI分析面部表情、语音和文本，识别心理健康状况等，提高了测评的效率和范围。

在人工智能与心理学交叉融合的背景下，心理健康与情绪测评分论坛旨在深入讨论采用现代科技手段提升心理健康的评估精度与干预效果的可能性。论坛开场，北京师范大学心理学部党委书记乔志宏研究员致欢迎辞，强调了在全球化与数字化时代，心理健康日益成为影响个人福祉与社会和谐的关键因素而准确的评估是心理健康维护与促进的重要基石。来自不同高校的六位教授将展现前沿探索，三位专聚焦脑机接口（BCI）技术在情绪与心理状态评估中的应用，后三位聚焦信息化与人工智能技术对测评方式的拓展，共同描绘心理健康评估的未来蓝图。

来自北京理工大学的邬霞教授带来了《比你更了解你自己：基于BCI的人格测评》的前沿研究分享。采用高密度脑电图（EEG）设备捕捉大脑在执行特定认知任务或处于休息状态时的微弱电信号。通过机器学习算法分析来识别与不同人格特质相关的大脑活动模式。研究发现，基于BCI（脑机接口）的人格测评方法能够以相对较高的准确率预测个体的人格特质。该研究展示了基于BCI开展人格测评的巨大潜力，将心理学理论与神经科学技术相结合，为人格评估提供了更加科学和客观的方法。

邬教授还望了基于BCI的人格测评在教育和职业发展领域的广阔应用前景。该技术不仅能够帮助学生更好地认识自己，找到适合自己的学习路径和职业方向，同时也能够为企业的人才选拔和团队建设提供科学依据。随着脑机接口技术的不断进步，基于BCI的人格测评有望成为未来个性化教育和人力资源管理的重要工具。

来自清华大学心理与认知科学系的张丹副教授做了《情绪画像：多背景-多情绪视角的情绪反应个体差异测量》的分享，讨论了情绪脑机接口技术面临的个体差异挑战，特别是在跨个体情绪识别上的性能下降问题。首次提出了情绪画像（Emotion Profile）的概念，即测量和理解个体间情绪反应的独特模式。他强调了情绪画像的三个关键属性——跨时间的可靠性、跨情境的一致性及个体间的差异性，这些都是个体特质的重要标志。建立了情绪画像个体差异的测量范式，并对测量范式的信效度进行了系统检验，结果显示情绪画像可反映特质性的情绪反应个体差异。情绪画像的心理机制涉及个性化的认知评价和情绪概念系统，这些个性化因素共同影响核心情感状态，且各自具有独特贡献。在神经层面，相似的情绪体验与特定脑区的delta频带活动相关联，尤其是前额和颞顶区域，这与情绪的概念化和认知处理过程相吻合，进一步证实了情绪画像在积极和消极维度上的应用潜力和灵活性。

张教授以抑郁症为例，说明了情绪画像在临床应用上的潜力，以及它如何为情绪研究带来更全面的视角，超越了传统研究中可能存在的个体差异低估问题。张教授的分享不仅展示了情绪科学的前沿探索，也指出了情绪画像在促进心理健康领域研究与实践中的重要价值。

来自西北工业大学的徐韬副教授分享了《基于脑机接口的学习困惑和情绪识别》的最新研究成果。他指出，在传统课堂教学中，教师能够凭借直觉与经验，灵活调整学生的情绪与认知状态，创造一个有益于学习的氛围。然而，多数在线平台无法捕捉和解析学生的情绪波动，这直接阻碍了个性化教学策略的有效实施。徐教授通过融合先进的脑机接口技术，致力于实现对学生情绪（尤其是“困惑”）的实时监测与智能分析。尽管困惑在表面上看似是一种消极情绪，但它实际上能够激发深层次的认知加工与反思，对学习成效有着不可忽视的正面影响。

针对在线教育游戏场景，探索了一种创新的跨任务、跨被试分类器，旨在自动化检测参与者在推理游戏中的困惑状态，从而有效减少人工成本与潜在误差。此外，针对脑电数据个体之间差异大、识别准确率低的问题，还提出了基于图注意力神经网络的域对抗模型（Domain Adversarial Graph Attention Model，DAGAM）的跨被试情绪识别方法，在SEED和SEED IV等多个公开数据库上取得了国际领先的识别准确率。

徐教授的研究不仅深化了人们对学习中困惑状态的理解，而且为教育游戏设计和情绪识别技术的发展开辟了新的道路。该研究展示了脑机接口技术在个性化教育和情绪智能领域的巨大潜力，预示着未来教育科技的革新趋势。

来自北京科技大学的马惠敏教授创新性的提出了一种图像心理学测试系统，旨在预测抑郁状态，并首次提出了视觉心智理论。该系统综合运用视觉计算分析和人工智能技术，通过对眼动轨迹和反应时间的分析，实现特征量化、融合与降维，借助支持向量机和逻辑回归等机器学习方法预测抑郁倾向。核心特色在于基于图像语义的注意力机制分析，结合transformer架构捕捉眼动序列的时序特性，实时记录眼动轨迹，检测观看情感图像时眼动指标的显著性差异，进而精准识别抑郁状态。

通过将量表访谈数据和访谈视频输入至特定设计的大模型中，形成了个性化的档案为医生提供诊断辅助。与传统的半结构化访谈技术相比，该系统利用移动端应用分析多模态信号，如头部姿态和梅尔谱图，展现了基于视觉认知的智能心理测评技术的先进性。结果显示，大模型在处理单模态文本数据时表现优异，但在视频模态和多模态分析中，与机器学习模型相比存在差距。这可能源于抑郁特征在视频中的表现不明显，以及多模态模型侧重文本理解的局限性。尽管如此，大模型在文本理解上的卓越能力使其成为心理测评中档案归纳和辅助诊断的有力工具。

马惠敏教授的图像认知心理测评技术是一项原始创新，处于国际领先水平，为心理健康评估和干预开辟了新路径，有望在未来促进心理健康的智能化管理和个性化服务的发展。

来自清华大学深圳国际研究生院的倪士光教授，面对青少年心理健康问题，尤其是心理韧性的培育难题，提出利用大语言模型等计算机技术开发智能的青少年心理韧性的测量和培育系统。该系统通过智能交互，如情感支持对话意图模块可以在青少年遇到逆境困难时，能在共情对话的基础上积极引导对话，帮助青少年面对和解决困难，提升心理韧性。通过三个实验评估验证了该系统的干预有效性、测量有效性、整体可接受性。该研究为心理韧性理论增加数智化思考，提出了以智能对话代理为核心的心理韧性培育新机制。在方法创新上，将传统培育与测量方法转化为智能对话任务，结合大语言模型调优实现，方法可迁移性强。

来自北京师范大学的骆方教授分享了“心理健康测评精度提升的多元化尝试”的前沿探索与研究成果。聚焦于当前心理健康测评体系所面临的挑战，尤其是传统自陈式量表的局限性——耗时较长、参与者不认真作答以及社会称许性等，在自适应测验、说谎应对以及新型评估技术等方面进行探索来提升测评精度。

提出了基于社交网络分析方法的自适应算法，可以将测试题量缩减一半，在多个样本中进行交叉验证，验证了该算法在提升测评效率方面的确切效果。针对人格测评中常见的说谎倾向，采用眼动技术检验了使用精细匹配选项的迫选测验降低被试作假程度的可行性。构建了基于眼动轨迹的作假识别预测模型，准确识别率为71.5%，增强了测评的客观性与真实性。探索了基于文本分析和绘画解读的新型评估手段。通过多视图特征提取和不均衡学习技术，能够基于日常作文数据有效地识别羞怯人格特质。针对传统绘画测验——画树测验和曼陀罗测验数据，通过提取关键图像特征和融合建模，实现了对绘画测验的自动化量化评估。

本次大会报告集中展示了心理健康测评领域的一系列创新方法，涵盖了从基于大脑信号的直接测量到结合视觉、语言和行为等多模态数据的综合评估，为心理健康评估和干预提供了多元化的视角和技术支撑。跨学科合作将进一步深化人们对心理机制的理解，促进测评工具的创新与升级。随着公众对心理健康认知的提升，心理健康测评有望成为日常健康管理的常态，进一步推动心理健康服务的普及。在这个人工智能与心理学交汇的时代，我们共同期待通过科学研究与应用实践，为全球社会带来一个更加健康、包容与繁荣的未来。

☎️联系我们

微信公众号：北师大MHR

官方邮箱：bnumhr@163.com

咨询电话：010-58808272，010-58805857

全网搜索字段(微博、微信、B站)：北师大心理学部MAP