[发明专利]一种人工智能量表的自动监测方法及系统

说明书

本发明提供的一种人工智能量表的自动监测方法及系统，方法包括：获取量表数据；对所述量表数据进行异常数据的检测与清洗，获得处理后量表数据；根据所述处理后量表数据计算心理因子并进行相关性分析，获得分析结果；根据所述分析结果预测公司职工的工作状态，获得测评结果。依靠人工智能的量表自动分析方法，一方面设计规则算法实现大规模量表作答数据的清洗和筛选，解析学习各种心理因素的相关性规律，并为相关心理学研究提供数据挖掘解读；另一方面经过机器学习训练，应对大量的新增数据，也能够进行快速地清洗和分析，高效地实现对公司职工群体的心理健康状态评级，及时做出预警和建议。

技术领域

本发明涉及心理健康量表测评领域，尤其涉及一种人工智能量表的自动监测方法及系统。

背景技术

近些年来，受社会环境、生活节奏、工作压力多方面影响，多行业职工心理健康水平呈下降趋势。职工心理健康问题的日益凸显，严重影响了企业组织效率和生产安全，引起了社会的广泛关注。因此，加强职工心理健康服务是维护其身心健康、提高其工作效率、提升工作幸福度的基础和重要组成部分，也是促进企业和谐、增强企业凝聚力的迫切任务。

心理测评是心理健康服务的工作基础，科学、客观的心理健康测评是准确评估职工现阶段的真实心理健康水平、明确存在于职工群体中的主要心理问题、筛查心理健康风险人群的有效手段。同时，基于对心理健康测评结果的准确分析，能够判断出不同问题群体存在的心理健康问题、对工作状态的影响程度，是对职工开展有针对性的心理健康服务，和真正改善职工心理健康水平的前置条件。

传统的心理健康测评的分析结果主要依赖心理专业人员对职工进行人工研判，通过对职工所填量表进行计分、统计后，再结合对职工的行为模式、认知功能等多方面进行观察，分析其工作状态；或依据职工的主观表述对其工作状态进行判断。以上方法或需要投入大量的人力和时间成本，无法高效、迅捷地监测大规模群体的心理健康状态，也难以快速评价职工现阶段的心理健康水平对工作状态的影响。

人工智能与机器学习的发展为自动化分析大规模数据、监测和预警公司全体职工的心理状态提供了可能。与心理学手段不同，现有技术中，机器学习的流程是先拿到一部分数据进行分析建模，也就是将数据拆分为训练集与测试集，通过训练和验证测试得到一个较优的模型，用以对更多的数据直接进行结果预测。近年来，机器学习领域提出了很多有效的方法，例如回归、支持向量机、人工神经网络、决策树、随机森林，而这些方法也被陆续尝试与心理学应用相结合。

传统的心理测评方法需要大量人力和时间成本，对公司职工这类大规模群体的心理健康状态监测效率很低。

发明内容

鉴于上述问题，提出了本发明以便提供克服上述问题或者至少部分地解决上述问题的一种人工智能量表的自动监测方法及系统。

根据本发明的一个方面，提供了一种人工智能量表的自动监测方法包括：

获取量表数据；

对所述量表数据进行异常数据的检测与清洗，获得处理后量表数据；

根据所述处理后量表数据计算心理因子并进行相关性分析，获得分析结果；

根据所述分析结果预测公司职工的工作状态，获得测评结果。

可选的，所述获取量表数据具体包括：获取公司职工的心理健康量表作答数据。

可选的，所述对所述量表数据进行异常数据的检测与清洗具体包括：

将所述量表数据中的噪声样本筛除，获得筛除量表数据；

将所述筛除量表数据补全并规范数据格式。

可选的，所述根据所述处理后量表数据计算心理因子并进行相关性分析，获得分析结果具体包括：

统计公司职工的心理健康量表作答数据；