基于DeepSeek大模型的高职学生心理健康AI评估系统构建与应用研究

摘要

针对高职院校学生心理健康筛查效率低、动态跟踪不足、心理健康分析维度低的问题，设计并实现一种融合AI大模型的学生心理状态智能评估系统。基于DeepSeek大模型构建多模态数据分析框架，通过心理教师预设评估模型、结构化访谈记录、学生自主填报、多维度动态分析等功能模块，实现心理健康状态的全周期管理。

在四川邮电职业学院的应用测试中，对学生的及时跟进率做到了100%。对消极应对访谈的学生的筛选率做到全覆盖。该系统目前已经开源，并对接了国产的高性能大模型，为高职院校心理健康管理提供了可复制的技术解决方案，具有显著的应用推广价值。

关键字：DeepSeek  高职学生心理健康  AI评估系统

引言

1.1研究背景

政策需求：结合《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）》要求，强调高职院校心理健康筛查的精准化与常态化需求。

现实痛点：传统心理评估存在：缺乏专业的心理评估教师；逐个评估学生工作量太大；高危个案跟踪滞后；动态数据整合和专业分析困难等问题。

1.2技术现状

国产DeepSeek等大模型能提供足够强大的API进行数据分析；云计算等基础服务非常成熟，能开发和部署基于Deepseek的API大模型程序；缺少校内私有使用的高隐私保密心理健康分析和跟踪程序。

1.3研究创新

首次将DeepSeek大模型和Golang高并发程序应用于高职心理健康场景，实现心理教师能结合AI从多维度设置对学生的访谈提问，避免粗暴直接的提问让学生产生防卫意识。对所有学生进行访谈和记录，访谈结束后，系统会自动将问题和答案以及学生的其他跟进记录或者获奖记录等等一起发到deepseek进行分析，并输出指定格式的分析结果：（图1）

学生能在自己的客户端看到自己的访谈历史（图4）。

系统能较为直观的看到各个学生的访谈状态和多维度分析，有针对性的进行辅导甚至干预。

二、系统设计与实现

2.1架构设计

三层架构模型：

数据采集层：采用高并发的Golang+Redis+MySQL+vue3开发，支持教师端模型配置、学生端自主填报；

智能分析层：基于DeepSeek的语义理解引擎，构建心理健康特征向量库；

应用服务层：提供风险评估、干预建议、数据驾驶舱等功能模块。

2.2核心功能

动态评估模型构建：教师可自定义评估维度（如焦虑、抑郁、适应力），支持。

多模态数据分析：整合访谈记录、学业成绩、奖惩数据等5类特征。

2.3实践价值

管理赋能：实现"筛查-预警-干预-跟踪"闭环管理，响应教育部"一生一策"要求。

技术突破：探索出传统CRM系统结合大模型API接口用于学生复杂繁琐的心理分析方案。

三、结论与展望

本研究证实AI辅助评估系统在高职心理健康场景的有效性，下一步将：

扩大更多专业和院校进行验证

对接更多维度的学生资料交给AI大模型进行综合分析，以便更全方位的评估学生。

将AI对学生的分析结果继续进行延展功能开发，例如结合平时成绩，证书，考勤，访谈等多方面数据，形成定期对学生的AI自动评估，

异常学生的自动提醒，甚至提前干预。

四、源码地址

后端源码地址：https：//gitee.com/luonannet/edu-manager

前端源码地址：https：//gitee.com/luonannet/edu-web-manager

参考文献

[1] 教育部等十七部门. 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）