48 KiB
留守儿童心理风险早期感知与防范技术研究及应用示范
设计方案（修订版V2.1）
1. 考核指标追踪矩阵
本方案以原始需求中的考核指标为锚点，每项指标均可追溯到对应的设计模块、验证方法和交付物。
| 序号 | 考核指标 | 对应章节 | 验证方法 | 交付物 | 风险与应对 |
|---|---|---|---|---|---|
| 1 | 身心发展综合评估体系 | §1 | 专家论证+信效度检验 | 评估体系文档+标准化量表组合 | 量表信效度不足：备选量表方案 |
| 2 | 全学段情感标签体系 | §1.2 | 心理学专家共识+实证验证 | 四学段×多维度标签树 | 标签一致性：Kappa≥0.8 |
| 3 | 风险分级标准 | §1.3 | 专家共识+ROC优化+随访验证 | 四级分级标准文档 | 分级准确性：专家复核机制 |
| 4 | 适龄化资源规范 | §1.4 | 教育心理学专家评审 | 规范文件 | 适龄性争议：多专家评审 |
| 5 | 无感采集设备 | §2 | 设备测试+场景实测 | 硬件设备+部署方案 | 硬件故障：整机更换策略 |
| 6 | 方言语音识别≥92% | §3.1 | 标准测试集CER评估 | 模型+测试报告 | CER超标：热词增强+规则兜底 |
| 7 | 网络语言语义≥90% | §3.2 | 标注数据集Macro-F1评估 | 模型+测试报告 | F1不足：多模型融合 |
| 8 | 个人信息保护法合规+数据规则 | §4 | 法律合规审查+伦理委员会审批 | 合规报告+数据规则文件 | 合规风险：定期审查机制 |
| 9 | ≥3种模态风险指标自动提取，准确率≥85% | §3.3 | 多模态测试集F1评估 | 模型+评估报告 | F1不足：特征工程优化 |
| 10 | 预警准确率≥90%，召回率≥90% | §3.4 | 交叉验证+前瞻性验证 | 预警模型+验证报告 | 准确率/召回率不足：阈值优化 |
| 11 | 精准情感关怀方案≥3种 | §5.1 | RCT准实验+效果评估 | 三种方案文档+效果报告 | 效果不佳：方案迭代优化 |
| 12 | 资源库≥2万个 | §5.2 | 资源审核入库统计 | 资源库 | 资源质量：三审机制 |
| 13 | 服务有效率≥95% | §5.3 | 工单闭环率/触达完成率≥95%+抽样随访 | 评估报告 | 有效率不足：干预策略优化 |
| 14 | ≥3省各2区/县示范 | §8 | 部署验收+覆盖统计 | 部署报告 | 部署延期：分批实施策略 |
| 15 | 覆盖≥1万人 | §8.2 | 系统注册+使用统计 | 用户数据报告 | 覆盖不足：激励机制 |
| 16 | 交互反应<1s | §7.1 | 性能压测 | 压测报告 | 响应慢：边缘计算优化 |
| 17 | 心理风险发生率同比降低10% | §8.3 | 准实验设计+统计检验 | 对照实验报告 | 降幅不足：干预强度调整 |
| 18 | 行业标准送审稿≥1项 | §9.1 | 标准化委员会送审 | 标准送审稿 | 审查延期：提前沟通机制 |
| 19 | 发明专利≥5项 | §9.2 | 专利受理/授权 | 专利证书 | 授权慢：软著+实用新型补充 |
2. 心理学评估体系与理论基础
2.1 理论框架
本项目的心理评估体系以发展心理学和生态系统理论为基础。布朗芬布伦纳的生态系统理论将儿童发展环境分为微观系统（家庭、学校）、中观系统（家校互动）、外层系统（父母工作环境）和宏观系统（社会文化），留守儿童的核心问题在于微观系统中父母角色的缺位以及中观系统的断裂。鲍尔比的依恋理论为理解留守儿童的情感需求提供框架——与主要依恋对象的长期分离可能导致不安全依恋模式，进而引发焦虑、抑郁和行为问题。
在此理论基础上，参照东北大学唐钧团队构建的留守儿童8维度27指标多维风险指数体系（涵盖意外事故风险、双向犯罪风险、心理亚健康风险、身体亚健康风险、行为失范风险、交往不足风险、教育失效风险和环境不良风险），结合王新波等人构建的儿童青少年心理危机评估综合定级体系，本项目聚焦心理风险维度进行深化，构建以下评估工具组合。
2.2 全学段情感标签体系
留守儿童在不同发展阶段面对的心理挑战差异显著，本项目按四个学段分别建模。
**小学低段（6-9岁）**的核心议题是分离焦虑与依恋安全感，关键情感标签包括分离焦虑指数、依恋安全感、情绪调节能力、基本信任感，选用的标准化量表为儿童孤独量表（CLS）和Kerns安全感量表（KSS），AI侧重监测的特征为语音中的哭泣频率、求助性表达、对"爸爸妈妈"等依恋对象的提及频率。
**小学高段（9-12岁）**的核心议题是同伴关系与自我效能感，关键标签包括同伴接纳度、学业自我效能、孤独感指数、攻击倾向性，选用SDQ长处与困难问卷和儿童社交焦虑量表（SASC），AI侧重检测社交退缩语言模式、攻击性表达和学业挫败表述。
**初中段（12-15岁）**的核心议题是身份认同与情绪管理，标签包括自我认同感、情绪稳定性、抑郁风险指数、网络依赖度，量表使用儿童抑郁量表（CDI）和青少年自我认同量表（EIS），AI侧重识别情绪化表达模式、自我否定性语言和网络沉迷行为信号。
**高中段（15-18岁）**的核心议题是未来焦虑与自我价值，标签包括未来焦虑指数、自我价值感、习得性无助、自杀风险信号，量表使用贝克焦虑量表青少年版（BAI-Y）和哥伦比亚自杀严重程度评定量表（C-SSRS）简版，AI侧重捕捉绝望感表达、未来消极预期和极端情绪信号。
以上量表均选用已完成中国本土化信效度验证的版本。量表评估定期开展（每学期1次集中施测+风险个体月度追踪），AI动态感知数据作为量表间期的持续补充，两者通过融合校准机制对齐——当AI风险评分与量表评分偏差超过1个标准差时，自动触发人工复核。
量表信效度验证：在项目第一阶段，将在首批1000例数据上对所有选用量表进行信效度复验，计算Cronbach's α和验证性因素分析拟合指标，确认量表在留守儿童群体中的适用性。如果某量表的信度系数低于0.70，将启用备选量表方案。
2.3 风险分级标准
参照教育部十七部门《全面加强和改进新时代学生心理健康工作专项行动计划》中的四级预警网络要求，以及王新波等人提出的"预警与干预一体化定级"原则，制定如下四级标准。
一级（绿色·适应良好）：标准化量表各维度均在正常范围（如SDQ总困难分≤13），AI动态评分持续低于基线阈值，无需专项干预，纳入常规发展性心理教育。
二级（黄色·适应问题）：量表单维度超标但总体可控（如CDI得分12-18，SDQ总困难分14-16），或AI连续7天检出消极情绪占比超过30%，由班主任和学校心理教师进行关注谈话，启动情感关怀资源推荐，每周追踪。
三级（橙色·严重问题）：量表多维度超标（如CDI≥19，SDQ总困难分17-19），或AI检出严重行为异常信号（如攻击性语言、长期社交退缩模式），或单项极端指标触发（如C-SSRS出现自杀意念），由学校心理咨询师介入，通知家长/监护人，制定个体化干预方案，启动家校社三方联动，每三天追踪。
四级（红色·危机问题）：量表出现极端值（如CDI≥25，C-SSRS出现自杀计划或行为），或AI检出高危信号（如明确的自我伤害表述），立即启动危机干预，校长直接负责，联动县域未保中心和专业精神卫生机构，必要时报告公安机关，24小时持续关注直至危机解除。
每一级的量化阈值在项目启动后需通过首批1000例留守儿童数据进行ROC曲线优化，确定最佳分界点。
2.4 适龄化资源规范
情感关怀资源按学段分级并遵循以下原则：内容理解度需匹配儿童认知发展阶段（参照皮亚杰认知发展理论），如小学低段资源以动画、故事和游戏为主，高中段资源可包含心理学科普文章和自助认知重构工具；干预深度需匹配风险等级，一级儿童接触的是发展性教育资源，三级以上需接触有心理专业人员设计的结构化干预内容；文化适配要求资源内容需考虑留守儿童的农村生活背景，避免城市中心的叙事假设。所有资源须经至少两名持证儿童心理咨询师审核后入库。
3. 无感采集设备硬件方案
这是项目中技术与伦理挑战最大的模块。"无感"的含义是数据采集过程不增加儿童额外的心理负担，而非隐瞒采集行为——儿童和监护人必须知晓设备的存在和用途。
3.1 设备形态与场景设计
本项目设计三类无感采集终端，覆盖家校两大场景。
教室智能语音终端部署在学校教室和心理辅导室。硬件基于RK3588S嵌入式主板，搭载4麦克风阵列（支持360°拾音，有效半径5m），32GB本地存储用于断网缓存，外观为标准教室壁挂设备（与电子班牌融合）。该终端在课堂发言、小组讨论、心理课团体活动等场景中被动采集语音片段。核心设计约束是：仅在特定教学活动期间激活（由教师通过教师端APP手动开启/关闭，非持续录音），采集的原始音频在边缘端完成特征提取后立即删除原始波形，仅上传声学特征向量和ASR文本结果。
说话人分离策略：在教室远场环境中，精确到个人的说话人识别难度较大。边缘端的主要任务是区分"教师发言段"和"学生发言段"（二分类），以及检测情感特征的群体分布。精确到个人的语音分析主要在可控场景中完成（如心理辅导室一对一谈话、亲子通话网关）。如果需要个人级分析，可考虑在心理辅导室部署近场阵列（桌面麦克风）。
亲子通话语音网关部署在留守儿童家庭或学校亲情通话室。考虑到留守儿童与外出务工父母的通话是最核心的情感交流场景，本设备以智能话机/智能音箱形态出现，内置语音采集和边缘计算模块。硬件基于RV1106低功耗芯片，配备双麦克风和4G通信模块（适应农村网络条件），支持离线语音特征提取。关键约束是：仅在儿童或监护人主动发起通话时采集，通话内容不存储不上传，仅上传通话时长、情感特征向量、AI分析结果摘要。
通话合规边界：通话双方（父母/监护人+儿童）均需同意；设备工作方式是"在本设备上发起的通话/语音互动"，而非对运营商线路做"中间截取"；明确不支持"后台常开"、不支持"静默采集"；给出退出/删除与审计机制。
移动端文本采集SDK以软件形式集成在学校已有的教育平台APP或家校沟通APP中，用于采集儿童的文字交互数据（如作业评语回复、心情日记、留言板等）。该模块不主动抓取社交媒体数据，仅分析儿童在平台内主动输入的文本内容。
3.2 边缘-云协同架构
考虑到示范区域（农村/县城）网络条件不稳定，采用"重边缘、轻云端"架构。
在边缘端（设备本地），完成语音活动检测（VAD）、说话人分离（区分教师与学生）、语音转文本（ASR轻量模型）、声学情感特征提取。emotion2vec量化部署：在RV1106（RISC-V架构，0.5TOPS NPU）上运行INT8量化版本可能存在推理延迟较高的问题。如果emotion2vec在低算力边缘端推理延迟过高，可退化为传统声学特征提取（openSMILE特征集）+轻量分类器，在云端运行完整emotion2vec模型作为更精确的二次分析。
处理完成后，原始音频立即从设备删除。
在云端，接收边缘端上传的结构化数据（文本、特征向量、元数据），运行完整的多模态融合分析、风险指标提取和预警模型。云端不接触原始音频波形。
这种架构在保护隐私（原始数据不出设备）的同时，降低了对网络带宽的要求。当网络断开时，边缘端可缓存最多7天数据，恢复联网后自动同步。
3.3 设备量产与成本控制
教室终端（基于RK3588S方案）单台BOM成本控制在800元以内，亲子通话网关（基于RV1106方案）单台BOM成本控制在400元以内。项目期内计划生产教室终端200台、亲子通话网关500台，满足6区/县示范部署需求。
运维保障：采用"整机更换模式"，硬件BOM成本低（<800元），采用"只换不修"策略；设备具备OTA（空中升级）和自检重启功能，90%的软件故障远程解决；培训县域电脑店或运营商装维人员作为兼职运维力量。
4. AI核心算法模块
4.1 方言语音识别（目标：典型事件类语音≥92%）
技术选型：基座模型选用FunASR系列开源/可私有化部署的中文ASR基座模型，支持三省方言微调。在此基础上进行目标方言的深度微调。
方言数据方案：需要覆盖的三大目标方言为四川话（西南官话成渝片）、河南话（中原官话）、贵州话（西南官话+苗语/侗语交互区）。数据来源包括三部分：首先是公开数据集，利用KeSpeech中文方言数据集（含四川话、河南话语料各约200小时）、MAGICDATA-RAMC中文对话语料；其次是项目自采数据，在示范区学校采集带标注方言语料各100小时，聘请当地高校语言学系学生完成转写标注；第三是数据增强，通过速度变换（0.9x-1.1x）、混响模拟（教室声学环境）、噪声叠加（课间环境噪声）进行扩充。
"典型事件类语音"专项优化：原始需求特别要求"典型事件类"语音识别准确率≥92%。这里的"典型事件"指与心理风险相关的场景用语，如"不想活了""没人管我""又被打了"等。为此需要构建一个包含≥5000条典型事件表达的方言关键词热词库，在解码阶段进行热词增强（hot-word boosting），提高这类关键表达的召回率。
验证方案：构建方言测试集（每种方言≥20小时，其中典型事件类语音≥500条），分别报告CER（字错率）和典型事件关键词的召回率，确保整体CER≤8%（即准确率≥92%）。指标口径统一：主指标为CER≤8%，另报"典型事件关键词召回率≥95%"，并报误报率。
4.2 网络语言语义理解（目标：≥90%）
问题分析：留守儿童的网络语言有三大特征——谐音缩写（如"emo""破防""寄了""e人/i人"）、表情包/符号表达（"😢""呜呜呜""。。。"）、以及方言夹杂的打字习惯。其核心不是通用NLP任务，而是判断文本背后的心理状态语义（正向/中性/消极/危险）。
技术方案：基座模型选用针对中文社交媒体优化的RoBERTa-wwm-ext，在其上构建二阶段系统。第一阶段是语义归一化，将网络语言映射为标准语义表达（如"emo"→"情绪低落"，"破防"→"情绪崩溃"），通过构建留守儿童网络用语映射词典（≥3000词条）结合对比学习实现。第二阶段是心理语义分类，对归一化后的文本进行四分类——正向积极、中性日常、消极低落、高危信号。
语料构建：从示范区学校的心情日记、留言板（经脱敏处理）中采集≥10万条真实文本，由心理学研究生和NLP标注员联合标注。关键原则是标注指南由心理学专家制定，确保"消极"和"高危"的划分有临床依据。标注质量保障：采用双标注+仲裁机制，确保Kappa≥0.8。
验证方案：留出20%数据作为测试集，报告四分类的Macro-F1值，目标≥0.90。重点关注"高危信号"类别的召回率≥0.95（宁可误报不可漏报）。指标口径统一：主指标为Macro-F1≥0.90，另报"高危类Recall≥0.95、Precision≥0.85"。
4.3 多模态心理风险指标自动提取（目标：≥3种模态，准确率≥85%）
本项目定义四种数据模态（满足"≥3种"要求并有余量）。
语音声学模态：基于emotion2vec+模型提取语音情感特征（生气、悲伤、恐惧、厌恶、惊讶、快乐、中性），辅以副语言特征（语速变化率、停顿频率、语调变异系数）。输出指标为实时情感状态标签和情感波动指数。
文本语义模态：基于§4.2的语义分析系统，输出文本级心理状态评分和关键风险词命中情况。
行为模式模态：通过学校教务系统获取结构化行为数据——出勤率变化、成绩波动、课堂互动频率、图书馆/心理辅导室访问记录。这些数据通过API对接获取，不需要额外硬件。
社交网络模态：在平台内部分析儿童的社交互动图谱——互动频率变化、社交圈规模变化、主动联系父母的频率变化。强调是变化趋势而非绝对值。
多模态融合策略：采用晚期融合（late fusion）方案。每个模态独立输出风险子分数（0-100），然后通过带注意力权重的融合网络计算综合风险分。注意力权重是动态的——当某模态数据缺失时（如周末无学校行为数据），自动降低该模态权重并提高其他模态补偿。融合过程中引入时间衰减机制，近期数据权重高于远期数据。
验证方案：构建多模态标注数据集，以心理咨询师对个案的风险评级为金标准，计算自动提取结果与人工评级的一致性（Cohen's Kappa≥0.80）。指标口径统一：主指标为Cohen's Kappa≥0.80，另报F1≥0.85（如为实体抽取任务）。
4.4 分阶段预警算法（目标：准确率≥90%，召回率≥90%）
预警不是一个单时间点的判断，而是在时间轴上观察风险演变趋势的过程。
模型架构：基于Temporal Fusion Transformer（TFT）构建时序预警模型。输入为儿童的多模态风险指标时间序列（每日一条综合记录），模型预测未来7天内风险等级跳变的概率。TFT的优势在于能够同时处理已知的时间特征（学期节点、考试周、节假日等）和未知的实时观测数据。
TFT训练数据量评估：如果每个儿童每天一条记录，10500名覆盖儿童运行3个月可产生约95万条时序记录，但真正有风险等级跳变的样本（正样本）可能只占5-10%——约5-10万条。如果正样本不足，第一阶段可使用更轻量的时序模型（如LSTM+Attention或XGBoost时序特征工程），待数据积累到足够量级后再升级为TFT；同时可使用数据增强（时序扰动、SMOTE等）和迁移学习（从其他青少年心理健康数据集预训练）来缓解小样本问题。
分阶段预警逻辑：预警分三个时间尺度。实时预警针对极端信号（如明确的自杀表述），触发后1分钟内推送通知，采用规则引擎+关键词匹配确保零延迟，这一层不依赖模型。短期预警覆盖7天窗口，通过TFT模型预测风险等级跳变概率，当P(跳变到三级或以上)>0.6时触发。趋势预警覆盖30天窗口，通过风险指标移动平均线分析长期趋势，当指标连续上升且斜率超过阈值时触发。
冷启动策略：系统部署初期缺少历史数据，TFT模型无法工作。冷启动期（前3个月）采用基于规则的预警系统，规则来源于§2.3的分级标准量化阈值+心理学专家经验规则。同时从开学初的集中量表施测获取基线数据。3个月后数据积累足够，切换为模型预警，规则引擎降级为兜底安全网。
验证方案：采用时间序列交叉验证（TimeSeriesSplit，5折），报告准确率和召回率。额外设计前瞻性验证——在示范区运行6个月后，对比模型预警结果与心理咨询师实际评估结果，计算前瞻性准确率和召回率。重点是对三级、四级风险的召回率必须≥95%。指标口径统一：预警准确率/召回率以"人-周级"为单位，Precision/Recall≥0.90。
5. 伦理审查与未成年人数据保护（独立专章）
本章不是安全设计的附属内容，而是整个项目的前置约束条件。任何技术设计在违反本章原则时必须修改技术方案而非放宽伦理底线。
5.1 法律合规框架
根据《个人信息保护法》第三十一条，处理不满十四周岁未成年人个人信息的，应当取得其父母或其他监护人的同意，并制定专门的个人信息处理规则。留守儿童的特殊困难在于：监护人不在身边，传统的纸质签字流程难以执行。
本项目的合规方案如下：知情同意采用"双重确认"机制——由学校组织家长会（可视频参会）进行集中告知，告知内容包括采集的数据类型、使用目的、存储期限和退出权利；监护人通过微信小程序进行电子签名确认，系统留存确认记录作为合规证据；对于确实无法联系到监护人的极端情况：明确原则上必须取得监护人同意；若无法取得，则仅允许进入"不采集个体可识别数据的群体层面服务"（例如通用心理健康教育资源），或仅在满足法定例外/紧急保护生命健康等情形下，按应急处置流程最小化处理，并补做事后告知与审批留痕。把"未保专干见证"改成"协助联系与告知、协助完成授权材料"，而不是替代同意主体。
所有儿童享有随时退出的权利，退出后系统在72小时内删除其所有个人数据。
5.2 数据生命周期管理
数据采集环节，原始音频在边缘设备完成特征提取后立即删除（最长保留不超过24小时），文本数据采集范围严格限定在平台内主动输入的内容，不抓取任何第三方社交媒体数据，所有数据在传输前进行去标识化处理（真名替换为唯一编码）。数据存储环节，个人标识信息与分析数据物理隔离存储，分析数据库中仅保存匿名编码，关联表由独立安全管理员管控；存储数据采用AES-256加密，密钥由硬件安全模块（HSM）管理；数据保存期限为项目期+2年，到期后自动销毁。数据使用环节，分析结果仅向授权人员（班主任、心理教师、校长）展示，且展示粒度受角色控制——班主任可见班级整体趋势和个人风险等级，但看不到具体AI分析细节；心理教师可见完整分析但无法导出原始数据；系统产生的任何风险评级不能作为对儿童进行惩罚或歧视的依据。
数据治理与访问控制：
| 角色 | 可见字段 | 可导出字段 | 审批条件 | 审计记录 |
|---|---|---|---|---|
| 班主任 | 班级趋势、个人风险等级 | 无 | 无 | 是 |
| 心理教师 | 个案详情、历史趋势 | 量表记录 | 个案相关 | 是 |
| 校长 | 全校趋势、高风险汇总 | 无 | 无 | 是 |
| 县域管理 | 区域图谱、统计报告 | 匿名汇总 | 审批 | 是 |
5.3 伦理审查委员会
项目成立专项伦理审查委员会（IRB），成员包括儿童心理学专家、法律学者（个人信息保护方向）、教育伦理专家、示范区家长代表和基层民政干部代表。IRB在项目启动前审批数据采集方案，在运行中每季度审查一次数据使用情况，任何新增数据采集项必须经IRB批准后方可实施。
5.4 极端情况应急协议
当系统识别到四级红色危机信号（如明确自杀意念或正在进行的自我伤害）时，触发应急响应：系统在30秒内同时通知学校心理教师和校长；心理教师10分钟内到达儿童身边进行危机评估；确认危机属实后，1小时内联动县域精神卫生中心和未保中心；同步尝试联系监护人。此流程需在项目部署前与每个示范区的教育局、卫健委、公安局联合签署应急联动协议。
红色预警SOP的时限与责任：预警分"校内时段/非校内时段"两套SOP，明确值班机制（心理教师值班、校领导值班、县域热线/未保中心值班），明确"系统提示≠诊断"，并把"转介到专业机构"写成强制流程的一部分。
责任边界声明：系统仅为"辅助筛查工具"而非"医疗诊断工具"，在《用户协议》和《家校告知书》中增加免责条款：系统预警仅供参考，最终判断权和监护责任在监护人与学校。增加"主动求助按钮"物理按键（如在亲情电话机上），无论系统判定为何种等级，孩子按下即触发人工干预，作为系统的最后一道防线。
6. 系统总体架构
┌──────────────────────────────────────────────────────────────────────┐
│ 多角色用户界面层 │
│ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌──────────┐ ┌────────┐│
│ │教师端 │ │心理教师端│ │家长端 │ │校长/管理 │ │县域管理││
│ │(APP/Web) │ │(Web) │ │(小程序) │ │端(Web) │ │端(Web) ││
│ └──────────┘ └──────────┘ └──────────┘ └──────────┘ └────────┘│
├──────────────────────────────────────────────────────────────────────┤
│ API网关层 (Kong) │
├──────────────────────────────────────────────────────────────────────┤
│ 业务微服务层 │
│ ┌───────────┐ ┌───────────┐ ┌───────────┐ ┌───────────┐ │
│ │用户与权限 │ │风险预警 │ │情感关怀 │ │通知推送 │ │
│ │服务 │ │服务 │ │推荐服务 │ │服务 │ │
│ └───────────┘ └───────────┘ └───────────┘ └───────────┘ │
│ ┌───────────┐ ┌───────────┐ ┌───────────┐ ┌───────────┐ │
│ │数据采集 │ │干预管理 │ │统计分析 │ │区域图谱 │ │
│ │网关服务 │ │服务 │ │服务 │ │服务 │ │
│ └───────────┘ └───────────┘ └───────────┘ └───────────┘ │
├──────────────────────────────────────────────────────────────────────┤
│ AI引擎层 │
│ ┌───────────┐ ┌───────────┐ ┌───────────┐ ┌───────────┐ │
│ │Fun-ASR │ │文本语义 │ │emotion2vec│ │多模态融合 │ │
│ │方言ASR │ │分析引擎 │ │情感分析 │ │预警引擎 │ │
│ └───────────┘ └───────────┘ └───────────┘ └───────────┘ │
│ ┌───────────┐ ┌───────────┐ │
│ │TFT时序 │ │关怀资源 │ │
│ │预警模型 │ │推荐引擎 │ │
│ └───────────┘ └───────────┘ │
├──────────────────────────────────────────────────────────────────────┤
│ 数据层 │
│ ┌───────────┐ ┌───────────┐ ┌───────────┐ ┌───────────┐ │
│ │PostgreSQL │ │MongoDB │ │Redis │ │Elastic- │ │
│ │结构化数据 │ │时序特征 │ │缓存/会话 │ │search │ │
│ │(用户/评估)│ │数据 │ │ │ │全文检索 │ │
│ └───────────┘ └───────────┘ └───────────┘ └───────────┘ │
├──────────────────────────────────────────────────────────────────────┤
│ 边缘设备层 │
│ ┌────────────────┐ ┌────────────────┐ ┌────────────────┐ │
│ │教室智能语音终端│ │亲子通话网关 │ │移动端文本SDK │ │
│ │(RK3588S) │ │(RV1106) │ │(Android/iOS) │ │
│ └────────────────┘ └────────────────┘ └────────────────┘ │
└──────────────────────────────────────────────────────────────────────┘
7. 各角色功能视图与流程设计
7.1 核心角色定义
留守儿童：系统服务对象，被动接受数据采集（需监护人同意），主动使用情感关怀资源，可查看自己的积极成长记录。
监护人/父母：通过家长端小程序查看孩子积极成长记录，接收干预配合通知，有权随时退出系统。
班主任/任课教师：接收班级整体趋势和个体关注建议，获得可操作的日常关怀指导，记录干预行为。减负功能：系统能自动生成上级教育部门要求的《班级心理健康周报》、《个案追踪记录表》。原来老师手写要1小时，现在系统生成审阅只需5分钟。
心理教师：接收详细个案分析，制定和执行干预方案，进行专业评估，与县域专业机构协作。
学校管理者：查看全校心理健康概况，接收红色预警，协调校内资源。
县域管理者：查看区域心理风险图谱，调配专业资源，制定区域性政策。
专业心理咨询师：接收高风险案例转介，提供专业干预服务。
7.2 预警-干预-评估闭环流程（SOP）
校内时段SOP：
- 预警触发：AI模型识别风险信号，按等级推送至相应角色（30秒内）
- 人工复核：心理教师或班主任对预警进行人工核实（2小时内）
- 分级处置：按风险等级启动相应干预方案（当日内）
- 干预执行：AI推荐+人工干预相结合（按风险等级频率）
- 效果评估：定期评估干预效果（按风险等级频率）
- 结案归档：风险解除后归档，持续关注（风险等级回到绿色并维持一周）
- 复盘改进：总结经验，优化模型和流程（月度）
非校内时段SOP：
- 预警触发：AI模型识别风险信号，推送至县域未保中心值班人员（30秒内）
- 值班响应：县域未保中心值班人员接收预警（1小时内）
- 联系监护人：尝试联系监护人或紧急联系人（2小时内）
- 现场评估：必要时安排人员上门评估（24小时内）
- 分级处置：按风险等级启动相应干预方案
- 效果评估：定期评估干预效果
- 结案归档：风险解除后归档，持续关注
7.3 指标口径与验证方法（统一版）
| 指标 | 口径定义 | 测试集构成 | 验收方法 |
|---|---|---|---|
| 方言/典型事件语音识别≥92% | CER≤8%（字错率），噪声SNR分档 | 三省方言+教室噪声+事件话术 | 第三方抽检+固定盲测集 |
| 网络语言语义判断≥90% | 意图/风险语义分类Macro-F1≥0.90 | 校园常见网络语+隐喻+缩写 | 多标注一致性+盲测 |
| ≥3模态指标提取≥85% | 指标抽取F1≥0.85（实体/事件/分值）或加权Kappa≥0.80 | 语音转写+文本+行为日志 | 抽样标注对齐 |
| 预警准确率/召回率≥90% | 以"人-周级"预警为单位，Precision/Recall≥0.90 | 分阶段标签+随访结果 | 前瞻/回顾验证 |
| 服务有效率≥95% | 工单闭环率/触达完成率≥95%（过程指标） | 干预工单与完成记录 | 平台日志统计+抽样回访 |
| 风险发生率降低≥10% | 定义风险发生率（SDQ≥17的学生占比）+对照组前后对比 | 示范区县数据 | 统计检验+报告 |
8. 情感关怀与人机协同干预
8.1 三种精准情感关怀技术方案
方案一：AI情感陪伴对话系统。基于大语言模型（如开源的ChatGLM系列，经心理咨询对话数据微调）构建情感陪伴对话机器人，部署在亲子通话网关和学校心理亭中。安全架构：系统不做心理治疗，而是提供倾听、共情和积极引导。不提供诊断、不提供医疗建议；采用"检索增强 + 规则模板"为主，生成式为辅；内容安全：高危识别、敏感话题拒答、强制转人工、对话留痕审计；训练数据合规与版权：确保咨询对话数据来源合法、脱敏、授权。针对不同学段采用不同的对话策略：小学段以故事互动和情绪命名训练为主，中学段以认知重构和积极自我对话为主。系统设置严格的安全边界——当检测到三级及以上风险信号时，立即转接人工心理咨询师。效果评估指标为UCLA孤独量表前后测得分变化。
方案二：自适应心理微课推送系统。基于推荐算法，结合儿童的风险等级、学段、情感标签和历史互动记录，从资源库中选取最适配的心理教育微课（5-10分钟短视频/互动游戏）进行定期推送。推荐引擎采用内容推荐与协同过滤混合方案，每周推送2-3次，推送后采集互动数据（完成率、互动程度）用于模型优化。效果评估指标为心理健康素养问卷得分变化和资源使用完成率。
方案三：教师赋能型干预工具包。为教师提供结构化的干预指导工具——系统根据AI分析结果生成"班级心理健康周报"和个体化关注建议（如"建议本周重点关注XXX同学，近期孤独感指标上升，可在课堂上多给予互动机会"），同时提供教师可直接使用的课堂心理活动教案库（按学段和主题分类）。这一方案的核心理念是AI赋能人而不是替代人。效果评估指标为教师干预行为频率变化和师生关系量表得分变化。
8.2 情感关怀资源库建设（≥2万个）
资源来源分为四部分：与出版社/教育内容机构合作引入已有优质心理教育视听资源（预计8000个），由项目团队联合心理学专家原创制作留守儿童专项内容（预计5000个），从公共教育资源库筛选并进行适龄化改造（预计5000个），以及面向师范院校心理学系征集优秀学生作品（预计2000个）。每个资源入库前经过三审：内容专业性审核（心理咨询师）、适龄性审核（教育专家）、技术质量审核（音视频质量标准）。
资源标签体系为三维标注：适用学段（四级）×适用风险等级（四级）×心理主题（依恋/情绪/社交/学业/自我价值等8个主题），共计约128个细分类别。
8.3 服务有效率定义与评估（目标：≥95%）
"服务有效率"定义为：接受系统服务的留守儿童中，服务交付有效完成的比例。具体操作化定义为，在一个学期的服务周期内，"有效"定义为干预工单闭环率/触达完成率≥95%。
过程有效率（运营口径）：触达且完成关键动作/工单闭环 ≥95%（平台日志可验收）
结果有效率（效果口径）：量表改善/不恶化比例（作为辅助指标，用于支撑"降低10%"指标）
评估设计采用单组前后测+等待对照组设计：在每个示范区选取2所学校，1所作为干预校（即时接入系统），1所作为对照校（延迟半学期接入）。学期初和学期末分别施测SDQ，对比两组变化，使用配对t检验和Cohen's d效应量评估。
9. 区域心理风险防范图谱
以GIS地图为基础，将每所示范学校的心理健康综合指数（由该校所有留守儿童的风险等级分布计算得出）映射到地理位置上，形成可视化热力图。图谱支持按学段、风险等级、时间维度进行筛选和钻取。县域管理者可以通过图谱识别心理风险高发区域，定向调配心理咨询师和社工资源。图谱数据每周更新，学期末生成区域心理风险分析报告。
图谱脱敏与最小可识别单元规则：
- 最小展示单元：学校/乡镇级；当样本数 < 30时自动合并或不显示
- 禁止排名、禁止公开通报
- 只展示趋势与资源调度建议，不展示个体信息入口
- 不给学校贴标签，只展示区域趋势
10. 性能与部署设计
10.1 性能目标与农村网络适配
交互响应时间<1s的要求需要在农村网络环境下实现。典型农村学校网络条件为4G移动网络（延迟50-100ms，带宽不稳定）或教育专网（带宽5-10Mbps）。
应对策略包括：前端采用渐进式Web应用（PWA）+本地缓存，关键页面离线可用；API响应做分级处理——P0响应（风险预警推送）走WebSocket长连接确保实时性，P1响应（查询分析）走REST API并设3秒超时，P2响应（报表图谱）允许异步加载；AI推理部署采用TensorRT/ONNX Runtime量化加速，单次推理延迟控制在200ms以内，网络传输+后端处理总计<800ms。
10.2 部署方案
每个示范区/县部署一套边缘服务器（2U机架服务器，配置NVIDIA T4 GPU用于AI推理，部署在县教育局机房），负责该区县所有学校的数据处理和AI分析。中心云端（部署在阿里云/华为云）负责模型训练更新、跨区域数据汇聚分析和区域图谱生成。边缘服务器与中心云端通过加密VPN连接。
这种"县级边缘+中心云"的架构确保了即使与中心云断连，单个区县仍能独立运行核心功能。
11. 应用示范规划
11.1 示范区/县选择（≥3省各2区/县）
选址依据为留守儿童密度高、地方政府配合度好、方言覆盖代表性强。依据民政部数据，四川省农村留守儿童规模全国第一（76.5万），河南省第四，贵州省第七，三省合计占全国总数的重要比例。
四川省：选择大竹县（达州市，川东北留守儿童高密度区）和仁寿县（眉山市，川南留守儿童集中区），两县留守儿童均在2万人以上，方言分别代表川东北和川南口音。
河南省：选择固始县（信阳市，豫南劳务输出大县，留守儿童超过3万）和滑县（安阳市，豫北农业大县），方言分别代表中原官话信蚌片和中原官话郑曹片。
贵州省：选择正安县（遵义市，黔北留守儿童集中区）和从江县（黔东南苗族侗族自治州，少数民族聚居区）。坦诚说明：从江县是侗族、苗族聚居区，相当比例的儿童日常使用侗语或苗语交流。Fun-ASR目前支持的是"贵州话"（西南官话），并不支持侗语和苗语。承认当前技术方案主要覆盖普通话和西南官话，民族语言场景下语音模态退化为仅提取声学情感特征（不依赖ASR文本），文本和行为模态权重自动提升进行补偿。从江县的示范重点是验证系统在语音模态部分失效时，靠其他模态能否维持基本的预警能力。
11.2 覆盖人数规划（目标：≥1万人）
6个区/县，每县选择≥5所学校（含小学、初中、高中各学段），每校覆盖≥350名留守儿童。6×5×350 = 10,500人，满足≥1万人要求并有余量。部署节奏为第一批（第13-15月）在每县2所学校启动（覆盖4200人），第二批（第16-18月）扩展到全部学校（覆盖10500人）。
11.3 "心理风险发生率同比降低10%"对照实验设计
这是最核心的成果指标，必须采用严格的准实验设计。
实验设计：采用非等价对照组前后测设计。在每个示范县，干预校（接入系统的学校）和对照校（同县未接入系统但其他条件相似的学校）各2-3所。干预期为一个完整学年。
对照实验伦理保障：对照校在等待期间仍接受常规心理健康服务（心理课、心理辅导室等），不剥夺任何已有服务；如果对照校出现四级危机个案，仍可通过常规渠道（12355热线、县域未保中心）获得紧急帮助；等待期结束后对照校优先接入系统（延迟而非剥夺）。
基线数据采集：在系统部署前的学期，对干预校和对照校同时进行SDQ量表集中施测，建立基线。
终测与比较：干预一学年后再次施测。"心理风险发生率"操作化定义为SDQ总困难分达到异常等级（≥17分）的学生占比。计算干预校和对照校的风险发生率变化，使用卡方检验/logistic回归控制基线差异，验证干预校降幅是否显著大于对照校且绝对降幅≥10个百分点。
混杂变量控制：记录期间可能影响结果的事件（如家庭变故、疫情影响等），在分析中作为协变量纳入。
12. 知识产权与标准化
12.1 行业标准规划（≥1项送审稿）
拟编制标准名称为《留守儿童心理风险智能感知与预警系统技术规范》，内容涵盖留守儿童心理风险分级标准、多模态数据采集技术要求、AI预警模型评估指标体系、未成年人数据保护专项要求。编制路径为：第12月完成标准草案并征求行业意见，第18月完成标准征求意见稿并向全国信息技术标准化技术委员会（TC28）或教育信息化标准委员会提交送审，第24月前完成送审稿。
12.2 发明专利规划（≥5项）
规划5项发明专利方向：基于多模态融合的留守儿童心理风险动态评估方法（对应§4.3核心算法）；面向方言场景的儿童情感语音识别及关键事件检测方法（对应§4.1方言+热词方案）；隐私保护导向的儿童语音边缘特征提取装置及方法（对应§3边缘计算架构）；基于时序融合Transformer的儿童心理风险分阶段预警方法（对应§4.4 TFT模型）；自适应的留守儿童情感关怀资源推荐方法（对应§8.1推荐系统）。第1-2项在第12月前提交申请，第3-4项在第18月前提交，第5项在第24月前提交。
13. 项目组织与里程碑
13.1 团队构成
项目设首席科学家1名（发展心理学方向教授），技术总监1名（AI/NLP方向），下设五个工作组。心理学与评估组（5人）负责§2评估体系、§2.3分级标准、量表施测和效果评估，由心理学院教授领衔；AI算法组（8人）负责§4全部模型的研发和迭代，由NLP/语音方向博士领衔；硬件与边缘计算组（4人）负责§3无感采集设备设计、生产和部署；平台开发组（6人）负责§6-§10一体化平台前后端开发和运维；伦理合规与标准组（3人）负责§5伦理审查、§12标准编制和全程合规监督。另设示范区驻点协调员6名（每县1人），负责落地部署和数据采集协调。
13.2 里程碑细化
第1-6月（基础建设期）：完成伦理审查委员会组建和数据采集方案审批（M1），完成评估体系和分级标准专家论证（M3），完成无感采集设备原型设计和首批测试（M4），完成Fun-ASR方言微调数据采集启动（M2），完成平台架构设计和核心框架搭建（M5），产出1-2项发明专利申请。
第7-12月（核心研发期）：完成方言ASR模型微调和测试达标（M8），完成多模态风险指标提取模型和预警模型首版（M10），完成无感采集设备小批量生产（M9），完成情感关怀资源库首批10000个入库（M11），完成平台核心功能开发和内部测试（M12），产出行业标准草案（M12），产出第3-4项专利申请。
第13-18月（试点部署期）：6区/县首批学校部署设备和平台（M13），采集基线数据并启动对照实验（M14），系统运行3个月后切换至模型预警（M16），资源库达到≥20000个（M17），标准征求意见稿提交送审（M18），根据试点反馈迭代优化模型和平台。
第19-24月（全面示范与总结期）：全部示范学校接入系统（M19），覆盖人数达到≥1万（M20），完成一学年干预后终测评估（M22），统计"心理风险发生率同比降低10%"成果（M23），获得市级以上部门认可文件（M23），完成标准送审稿（M24），产出第5项专利申请，完成项目总结报告。
13.3 经费框架
项目经费遵循"其他经费与中央财政不低于1:1"要求。中央财政经费主要投入AI模型研发、平台开发和设备研制（约占总预算50%）。地方配套经费来源于三省六县的教育局/科技局/民政局专项配套，主要用于设备部署安装、场地改造、网络升级、驻点人员和数据采集标注等落地成本。社会渠道资金通过与教育科技企业合作和公益基金会支持获取，主要用于资源库建设和教师培训。具体预算在项目申报书中按科技部模板细化编制。
14. 与现有体系的衔接
本项目不是建设一个孤立的技术系统，而是嵌入到留守儿童关爱保护的既有制度网络中。
在学校层面，与已有的心理辅导室、心理健康课程、班主任德育工作体系衔接，系统为这些已有工作提供数据支撑和工具赋能，而不是替代教师的判断和行动。在县域层面，与民政部门的农村留守儿童信息管理系统对接数据（经合规审批），与县域未成年人保护中心建立四级红色预警的转介绿色通道，与12355青少年服务热线共享高危案例信息。在政策层面，平台的区域心理风险防范图谱为教育局、民政局的决策提供数据依据，标准化成果为全国留守儿童心理关爱工作提供可复制的技术规范。
15. 项目风险与应对
15.1 技术风险
- 方言ASR达标风险：采用Fun-ASR已有基线+方言微调+热词增强三重保障
- emotion2vec边缘端部署风险：备选传统声学特征提取方案
- TFT模型训练数据不足风险：备选轻量时序模型+数据增强策略
15.2 合规风险
- 留守儿童家长配合度风险：村委/学校联动动员+微信小程序降低参与门槛
- 无法联系监护人风险：仅允许群体层面服务，不采集个体数据
15.3 效果风险
- 对照实验效果不达标风险：分批部署+中期数据检查+必要时调整干预强度
- 一线教师配合度风险：强调减负功能，自动生成各类报表
以上是完整修订版方案。相比V2.0版本，主要改进点包括：统一了指标口径定义，解决了前后不一致问题；强化了合规细节，特别是监护人无法联系时的处理方案；明确了红色预警SOP的校内外时段两套流程；增加了项目风险与应对章节；优化了亲子通话网关的合规边界；增加了图谱脱敏规则；完善了AI情感陪伴的安全架构；增加了少数民族语言场景的技术局限性说明；优化了说话人分离在教室远场环境下的策略；增加了量表信效度验证计划；统一了章节编号体系。