“情绪气象台”：基于微表情 AI 预警的班主任心理健康教育实时干预模型研究

一、研究的背景

《中国中小学教师心理健康发展报告（2023）》显示， 68.3% 的班主任存在中度及以上职业压力，其中 41.2% 出现持续性情绪倦怠，29.7% 伴有抑郁倾向。长期高压下的 “情绪耗竭” 不仅导致班主任职业幸福感下降，更会间接影响班级氛围 —— 研究表明，教师情绪不稳定时，学生课堂参与度降低 23% ，班级冲突发生率上升 40% 。

二、研究设计

研究模型通过课堂场景下的微表情动态捕捉，采用改进的MobileNet-V3 网络实现 7 类基础情绪（喜、怒、哀、惧、惊、厌、倦怠）92.4% 的识别准确率；依托联邦学习框架实现跨校模型协同进化，在保障数据隐私（原始视频本地销毁、仅上传特征向量）的前提下，提升模型泛化能力。针对高危情绪（愤怒 ⩾0.75 、抑郁 ⩾0.65 、倦怠 ⩾0.70 ）设计三级干预机制：即时生理调节、同伴情感支持、专业心理转介，并联动学校管理端生成可视化情绪趋势报告。

（一）总体框架

“情绪气象台” 采用 “四层协同” 架构，兼顾识别精度、实时性与隐私保护：

感知层：部署 4K 微光摄像头（分辨率 3840×2160 ，帧率 30fps ，支 持 0.1lux 低 光 环 境 拍 摄） 与 边 缘 AI 芯 片（NVIDIA Jetson OrinNano，1024-core GPU，算力 20 TOPS）。摄像头隐藏于教室后排天花板，仅捕捉班主任面部区域（ROI），避免拍摄学生；边缘芯片实现本地实时推理，减少数据传输延迟。

认知层：基于改进的 MobileNet-V3 Small 构建微表情分类模型。引入时空注意力模块（ST-Attention），通过空间注意力聚焦眼部、嘴角等情绪关键区域，时间注意力捕捉 3 秒视频内的动态变化（如皱眉幅度、嘴角下拉速度），解决传统模型对瞬态动作不敏感的问题。

决策层：采用联邦学习框架（FedAvg+）实现跨校协同。12 所参与学校作为客户端，本地训练模型后仅上传 256 维特征梯度，由中心服务器聚合更新，再分发至各客户端。同时引入差分隐私（ ε=1.0 ），通过向梯度添加拉普拉斯噪声，防止攻击者逆向推导出个体情绪数据，实现 “数据不出校、模型共进化”。

干预层：构建三级响应机制，根据情绪风险值动态触发（见图 1）。风险值通过融合微表情识别结果（权重 60% ）与近期工作负荷（如周课时数、家校沟通频次，权重 40% ）计算得出。

（二）数据采集

样本选取：我市 12 所中等职业学校 96 名班主任，其中教龄 3-5年 42 人、6-10 年 31 人、10 年以上 23 人；男教师 32 人，女教师 64 人，平均年龄 36.2 岁。

数据标注：采集班主任课堂教学、班会、课间管理等场景的微表情视频，每段 3 秒，共 18720 段。由 3 名经 FACS（面部动作编码系统）认证的标注员手动标记，标注类别包括 7 类基本情绪（喜、怒、哀、惧、惊、厌、倦怠）及中性状态。

（三）模型训练

主干网络：选择 MobileNet-V3 Small 作为基础模型，其引入的 SE（Squeeze-and-Excitation）模块能增强关键特征通道权重，参数量仅2.9M，适合边缘端部署。相比 3D-CNN（参数量 18.7M），推理速度提升 3 倍（单帧 8ms），满足实时性需求。

训练策略：

损失函数：采用 Focal Loss（ γ=2 ），对难分类样本（如 “倦怠” 与 “中性”）赋予更高权重，解决类别不平衡；

优化器：AdamW（初始学习率 1e-4，每 5 个 epoch 衰减 10% ）；

训练环境：PyTorch 框架， 8× NVIDIA A100 GPU 集群。

性能对比：在测试集（10 万帧）上，模型 Precision =92.4% 、Recall 、 F1=92.1% ，显著优于基线模型：

| 模型 | Precision | Recall | F1 | 参数量（M） | 单帧推理时间（ms） |

∣3D-CNN∣85.6%∣84.2%∣84.9%∣18.7∣32∣

| ResNet-18∣88.3%∣87.5%∣87.9%∣11.7∣15∣

| MobileNet-V3（本研究） ∣92.4%∣91.8%∣92.1%∣2.9∣8∣

三、过程实时干预机制

基于情绪风险值（0-1.0）触发三级响应，干预内容结合积极心理学与教育场景特点设计：

Level-1（风险值 0.6-0.7）：30 秒内推送“ ⋅_4-7-8 呼吸法” 动画（吸气 4 秒 - 屏息 7 秒 - 呼气 8 秒）。该方法经哈佛医学院验证，可在 3 分钟内降低交感神经活性，心率平均下降 12 次 / 分钟。

Level-2（风险值 0.7-0.8）：30 分钟内启动 “同伴支持”。通过算法匹配同校、同教龄且情绪稳定的班主任作为 “情绪伙伴”（匹配依据：过往支持成功率 ⩾80% ），推送结构化对话脚本（如 “您今天遇到了什么棘手的事？”

Level-3（风险值 ⩾0.8 ）：2 小时内触发专业干预。系统自动向学校心理中心发送预约请求（含匿名化情绪趋势图），同时提醒校长关注该教师工作负荷（如调减近期会议、协调代课）。

四、实验与结果

（一）实验设计

采用随机对照试验（RCT），将 96 名班主任分为干预组（48 人）与对照组（48 人）。干预组启用 “情绪气象台”，对照组采用传统月度问卷测评。实验周期 6 周（2023 年 9-10 月），前测（第 1 周）与后测（第 6 周）分别采集：

心理指标：PSS 压力量表（0-40 分）、SCL-90 抑郁因子（1-5 分）；

行为指标：班级冲突事件（如学生争吵、顶撞）记录；

主观反馈：半结构化访谈（“系统对您的帮助程度”“是否担忧隐私泄露”）。

（二）量化结果

心理状态改善：

干预组 PSS 得分从 22.1±3.5 降至 18.0±2.8 （ t=5.23 ， p<0.01 ），降幅 18.7% ；对照组无显著变化（ 21.9±3.2⟶21.5±3.0 ， p>0.05 ）；

干预组 SCL-90 抑郁因子从 1.98±0.32 降至 1.54±0.26 （ 1=6.89 ， ），降幅 22.3% ，显著优于对照组（ 1.96±0.30⟶1.89±0.28 ，p>0.05 ）。

班级管理效能提升：

干预组班级冲突事件从每周 2.9±0.8 次降至 1.9±0.5 次（ t=4.71 ，p<0.01 ），降幅 34.5% ；

后测显示，干预组学生课堂专注度（教师评分）提升 21.4%(p<0.05) ）。

四、研究结论

“情绪气象台” 模型通过微表情 AI 识别与实时干预，为班主任心理健康教育提供了 “无感、精准、及时” 的新方案。不仅能降低班主任压力与抑郁水平，还能减少班级冲突，实现 “教师心理健康 - 班级管理效能” 的正向循环。

参考文献

[1] 王登峰，崔红。中国人人格量表 (QZPS) 的编制过程与初步结果 [J]. 心理学报，2003, 35 (1): 127-136.

[2] 教育部。关于加强新时代中小学心理健康教育的意见 [Z].2021-07-07.