AI情绪识别系统在中学心理筛查中的实践与个案研究
徐慧萍
(浙江省衢州市衢江区教师进修学校,衢州 324022)
摘要:当前中学生心理问题呈现隐蔽性、波动性等特征,传统心理筛查方式难以实现及时捕捉精准预测。浙江省衢州市衢江区以“科技护心”工程为抓手,在全区16所中学全域部署心哨AI人脸情绪识别系统(简称“Ai情绪识别系统”),构建动态预警+静态检测双轨筛查模式。本文立足区域实践与典型个案,探讨AI情绪识别系统的运行机制、应用价值,提出“动态预警—静态检测—危机评估—分级干预—跟踪反馈”的工作路径,为县域中小学借助人工智能提升心理健康教育水平提供可复制、可推广的实践范式。
关键词:AI情绪识别;动态预警;静态检测;心理筛查;工作路径;个案研究
一、问题提出
当前,青少年心理健康工作已成为国家重要教育议题。《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)》明确要求,中小学需建立常态化、科学化、精准化的心理危机预警与筛查机制[1]。但在实践中,传统筛查多依赖自评量表、班主任观察与访谈,存在主观性强、筛查效率偏低、内隐情绪难以及时捕捉等局限。
人工智能技术的快速发展为心理筛查提供了新的解决方案。人脸情绪识别通过对面部微表情、肌肉运动、情绪特征的量化分析,能够以非接触、客观化的方式完成情绪状态评估[2]。衢江区作为浙江省首个实现中学AI心理监测系统全覆盖的区县,于2025年在全区16所中学全面建成AI情绪识别系统,形成动态预警与静态检测相结合的心理筛查体系[3]。鉴于全区动态数据尚未形成大规模汇总,本研究立足真实工作流程与静态检测个案,聚焦动静协同应用,探讨AI技术在中学心理筛查中的实践路径与现实价值。
二、相关研究综述
人工智能技术推动心理筛查从传统主观测评向客观动态智能化监测转型,现有研究围绕AI情绪识别技术优化、心理健康测评体系革新及校园场景实践展开,为中学AI心理筛查提供了理论支撑与实践参考,但中学真实场景的实操性研究仍存在明显缺口。
针对传统心理筛查方式的不足,刘正奎、赵雨晴(2025)将脑科学与人工智能技术深度融合,提出了“脑×情境行为×时序”的学生心理健康测评新体系[2]。该体系围绕神经机制、真实情境中的行为表现与时间序列的动态变化展开,为提升学生心理健康服务的普惠性和精准性提供可操作路径。
张引、杜雅欣、程杉杉、陈巍(2025)提出,以往AI情绪识别是有一定的局限性的,即过度依赖基本情绪理论,将复杂的人类情绪归为各类静态标签,在一定程度上忽视了情绪本身的连续性和情境依赖性,这也导致在真实场景中,容易出现误判的情况。因此,需要通过多模态融合、情境语义网络及人机协作机制等技术的突破途径,提升技术在真实场景中的适配性[4]。
李霞(2025)提出微表情捕捉技术是AI情绪识别的核心技术,可以通过捕捉面部肌肉微小运动,精准提取学生焦虑、抑郁等隐性情绪特征[5],这一技术在高校学生心理筛查中发挥了重要作用,也为中学场景应用提供了重要实践参考。
综合看来,现有的相关研究大多聚焦高校、技术算法或理论模型构建,针对中学校园,结合动静双轨运用AI技术开展心理筛查的实证探索还比较少,这也正是本研究想要切入的核心方向,同时将结合具体实践个案进行深入分析。
三、AI情绪识别系统的运行模式与工作路径
(一)动态+静态双轨运行模式
动态监测端:在全区各中学的校门口、食堂、宿舍、教学楼通道等人多的地方,安装动态预警设备,通过无感抓拍的方式捕捉学生异常情绪,有风险信号时,系统会自动向心理教师和德育管理者推送预警信息。
静态检测仪:在每所中学的心理辅导室里放一个静态检测仪,学生在安静状态下面向摄像头静坐60秒,通过微表情采集与多维指标分析,生成个体心理筛查报告。
(二)工作路径
本文立足衢江实际,提出“动态预警—静态检测—危机评估—分级干预—跟踪反馈”的工作路径。
一是动态预警。动态监测端对学生情绪状态进行实时抓拍,系统会自动识别出学生的异常情绪,并推送预警信息给心理教师与学校管理者。
二是静态检测。心理教师与学校管理者收到预警信息后,第一时间和班主任联系,请学生到心理辅导室进行静态检测。
三是危机评估。结合检测数据、班主任日常观察与家长反馈情况等进行综合分析,学校开展危机评估,确定风险等级是一级(一般危机)、二级(严重危机)或是三级(非常严重)。
四是分级干预。学校根据风险等级实施具体的干预措施,如针对危机程度一般的学生,班主任日常密切关注,与家长保持常态化联系;对危机程度严重学生,及时上报学校,并同步和家长联系,开展一对一心理辅导;对危机程度非常严重的学生,马上上报学校,第一时间与家长联系并与区级心理健康辅导中心联系,如果超出辅导范畴,及时联系专业咨询或医疗机构转介。
五是跟踪反馈。为所有预警学生建立心理档案,一生一档并持续跟踪回访,定期动态更新档案,形成完整闭环的工作路径。
(三)伦理与隐私保护规范
严格遵守未成年人信息保护相关要求。如在开展情绪筛查前,学校将履行明确的告知程序,确保学生及家长充分知情、自主同意。坚持信息保密、数据加密、非标签化、非诊断化等原则,确保识别结果仅作为心理健康工作的参考依据,不被滥用或延伸至其他场景。
四、典型个案分析
本研究选取动态预警后转入静态检测的3类典型个案,所有资料均来自真实静态检测报告,已做匿名化处理。
个案一:动态预警→静态检测检出隐性焦虑

图1小业AI静态检测数据
某初中九年级男生小业经动态预警后,班主任反映其在校表现安静、学习成绩好,态度认真,无异常行为。心理教师邀请其完成静态检测,报告显示:压力值显著偏高,自信、能量和幸福指数均偏低,情绪不稳定,属于典型的隐性焦虑。经访谈了解,小业因家庭期待较高、自我要求严格,长期处于内心紧绷状态,但其性格内向不愿表达,外在表现趋于平静。静态检测以客观数据打破了“表面正常”的掩饰性,为精准干预提供依据。心理干预以正念放松训练、认知调整、家庭沟通指导为主,持续4周后复测,压力指数明显回落,自信、能量和幸福指数也恢复正常,学生情绪状态明显好转。
个案二:动态预警→静态检测检出不安情绪
图2小桐AI静态检测数据
某高一女生小桐经动态预警后,班主任反映其近期有上课走神下课发呆的状态,曾找过她,但小桐表示自己没事。静态检测结果显示不安指数偏高,能量与抑制水平偏低,情绪不稳定。经再次沟通了解,小桐因父母闹离婚,内心处于担忧与不安状态,情绪严重受影响,难以有效调节。针对她的情况,心理教师通过一对一倾听陪伴、放松训练与情绪疏导,帮助其合理表达内心感受;同时与家长沟通,尽量减少家庭矛盾对孩子的影响。经过2个多月家校支持,小桐的不安情绪明显减轻,情绪趋于稳定,相关指标逐步恢复正常,能以平稳的状态投入学习生活中。
个案三:动态预警→静态检测检出高神经质
图3小悦AI静态检测数据
某初中八年级女生小悦经动态预警后,班主任反映其近期情绪波动异常,住校时半夜有起身来回走吓到室友的现象,和家长反映带孩子去医院看看,但家长坚持孩子没事不去。后静态检测显示,其神经质平均指数为66.9,远超正常范围10~50,最大值达212.4,处于极高水平;同时幸福指数偏低,情绪非常不稳定。经深入沟通发现,小悦曾被确诊为双向情感障碍,持续情绪敏感、易焦虑烦躁,常常陷入低落与不安,入睡困难、注意力难以集中,也常因小事和同学吵架,且手臂上有明显划痕,已严重影响正常学习与生活。综合检测数据、日常表现与访谈情况判断,其情绪调节能力严重不足,心理困扰程度较深,已超出心理辅导的服务范畴。学校按危机干预流程,及时与家长沟通说明情况,规范转介至专业医疗机构进行系统评估与诊疗,并持续做好家校协同与跟踪关爱。
五、实践成效与反思
(一)实践成效
1.提升筛查效率与精准度:能精准捕捉隐性问题与极端情绪等风险信号,有效弥补传统筛查“看不见、测不准、漏得多”的短板,筛查更高效、更精准。
2.构建标准化工作路径:动静协同形成“动态预警—静态检测—危机评估—分级干预—跟踪反馈”的“五位一体”闭环路径,流程清晰、操作规范、可复制、可推广,整体提升区域心育工作规范化水平。
3.强化预防性与发展性心育导向:以客观数据为支撑,推动心理健康教育从“被动应对”转向“主动发现、早期干预”,真正落实预防为先、全程护航的工作理念。
(二)反思
1.AI系统是辅助工具,不能替代心理教师的专业判断与伦理评估,所有预警与报告均需人工复核,坚决避免标签化与过度解读,且需加强教师对AI报告的解读能力与伦理规范培训,坚持技术向善、育人优先。
2.动态监测以预警为主,静态检测以评估为主,两者定位不同、功能互补,不可互相替代,只有动静协同才能发挥最大效能。
3.区域动态数据积累仍处于初期阶段,未来需持续完善动静数据的协同分析机制,进一步优化系统的校园适配性,让科技更好地赋能学生身心健康成长。
参考文献
[1] 教育部.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)[Z].2023-02-23,教体艺﹝2023﹞1号.
[2]刘正奎,赵雨晴.构建人工智能驱动的学生心理健康测评新体系[J].南京师大学报(社会科学版),2025(06):5-15.
[3] 陈嘉琦.AI赋能 护“心”有方——衢州衢江区探索心理健康教育数字化转型新路径[N].浙江教育报,2025-03-25(04).
[4]张引,杜雅欣,程杉杉,陈巍.从面部识别到情境认知:AI情绪识别的困境与突破[J].绍兴文理学院学报,2025,45(10):30-39.
[5]李霞.AI和微表情捕捉技术在高校学生心理筛查中的应用研究[J].大学,2025(34):4-7.