S
优势 Strength
S1多角色访谈覆盖真实校园链路S2行为数据与情绪文本可形成连续观察S3团队具备心理学与数据建模基础
.png)
UX RESEARCH · PRODUCT STRATEGY
金种子杯·校园心理健康预警系统
From campus behavior signals to early mental-health intervention
面向四类校园角色完成 200+ 次深度访谈后发现，心理风险管理的核心断点不在识别能力，而在「发现—上报—干预—转介」链路中的人机协作缺失。由此设计「低阈值预警 + 人工核验 + 三级处置」响应系统，5 校试点 4 周后准确率提升近 10%。
0
深度访谈与焦点小组
0
用户反馈验证样本
0
预警准确率提升
01
背景与问题定义
Problem校园心理健康管理并不缺少测评工具，真正的断点在于学生异常状态从被发现、被上报、被干预到必要时转介的链路过长。研究初期，我们把模糊的心理风险现象拆成角色、场景、触点与责任边界。
上报延迟超过 1 周
风险信号通常先出现在行为变化里，但班主任、心理老师和家长之间缺少统一触发口径，导致介入时机后移。
自陈量表应付率高
单次问卷容易受到回避、敷衍和情境压力影响，难以持续捕捉学生真实状态的动态波动。
要确认这些痛点真实而普遍，得回到使用现场。
02
用户研究
Research围绕学生、家长、心理老师、行政领导 4 类角色，在湖南省 10 所中小学完成 200+ 份深度访谈与焦点小组，梳理不同角色在风险识别、信息传递、干预执行中的真实顾虑。
学生家长心理老师行政领导
4类核心角色
10所中小学
200+访谈样本
研究告诉我们什么
可用的预警系统不应把判断压力完全交给机器，也不应停留在事后量表。更合理的路径是让系统捕捉过程性信号，把风险提示交给人工核验，并为不同严重度匹配可执行处置动作。
问题清楚了，接下来要回答：我们凭什么做、又有哪些坎。
03
竞争格局与战略定位
Strategy先用 SWOT 看清系统的资源、短板、机会和风险，再把这些因素交叉推导为可执行的产品策略。
W
劣势 Weakness
W1学校端初期信任成本较高W2数据采集需控制隐私与伦理边界W3预警解释性影响使用接受度
.png)
O
机会 Opportunity
O1校园心理健康管理需求持续上升O2现有产品多停留在事后测评O3教育数字化为过程监测提供基础
.png)
T
威胁 Threat
T1错报可能造成标签化压力T2过度自动化会削弱人工责任T3学校采购关注部署成本与稳定性
.png)
↓ 由以上因素交叉推导
SO 增长策略
- 以过程信号切入事后测评空白
S2×O2 - 用真实访谈链路定义产品场景
S1×O1 - 将数据模型转化为学校可读指标
S3×O3
.png)
WO 修正策略
- 用试点学校案例降低首次信任成本
W1×O1 - 把隐私边界写入采集与展示规则
W2×O3 - 为每个告警提供可解释依据
W3×O2
.png)
ST 防御策略
- 把机器预警改为人工核验前置信号
S2×T1 - 明确心理老师在闭环中的决策权
S1×T2 - 优先验证轻量部署路径
S3×T3
.png)
WT 稳健策略
- 设定低阈值提示与分级确认机制
W3×T1 - 控制初期采集范围，先跑通闭环
W2×T3 - 用操作手册降低角色协作成本
W1×T2
.png)
04
系统设计与三级响应流程
System Flow系统从"事后量表"转向"过程预警"，用机器分级、人工核验和三级处置闭环承接真实校园中的责任链条。
Level 01
预警
系统初步识别
触发行为 / 情绪异常信号
主体系统 + 心理老师
动作生成低阈值风险提示
Level 02
干预
人工核验介入
触发人工核验成立
主体班主任 / 心理老师
动作访谈、陪伴与持续观察
Level 03
转介
专业机构协同
触发风险升级或持续恶化
主体学校 / 家长 / 专业机构
动作启动专业支持与跟踪
完整三级响应流程图，点击可放大查看。
为什么阈值偏低 + 人工核验
心理风险识别宁可让系统先提示，也不能让关键变化被漏掉；但提示不等于结论，必须通过人工核验避免标签化和误判。
流程定义了逻辑，最终要落到真实的硬件与界面。
05
产品落地与原型
Prototype产品把预警流程落到真实软硬件：硬件端采集行为信号，经多模态融合计算后，在 UI 端收敛为情绪指数与告警线索。
Data Capture Layer
采集层关注行为变化、交互状态与情绪相关信号。
行为/情绪信号
→ 多模态融合
→ 情绪指数
→ 多模态融合
→ 情绪指数
UI Dashboard
行为与情绪信号经多模态融合后，在管理端收敛为单一情绪指数。仪表盘将告警分布、个体情绪排名与走势并置，让管理者无需切换视图即可完成「判断优先级 → 定位学生 → 追踪变化」的完整决策动作。
↓ 完整界面见下方
UI Dashboard — 管理端预警仪表盘
完整仪表盘界面，点击可放大查看。
- 用单一"情绪指数"收敛多模态复杂数据，降低管理者认知负荷。
- 告警分布与情绪位置分布并置，支持快速判断"什么情绪 + 在哪里"。
- 前 5 / 后 5 排名与走势兼顾个体关注和整体趋势判断。
界面不是终点，它要在真实校园里被验证。
06
验证与成果
Outcome0
所中小学试点
0
周真实场景验证
0
近 500 位用户反馈
成果总结
通过数万条多模态数据、ROC 曲线与敏感性分析优化预警阈值，系统预警准确率提升近 10%；同时验证了"机器预警 + 人工核验 + 分级处置"在真实校园场景下的可用性。
用户画像需求矩阵PRD试点复盘
项目反思
阈值灵敏度 ≠ 产品体验
项目初期我倾向于追求更高的预警灵敏度，但试点阶段多位老师反馈：过多的低置信度告警反而加重了决策焦虑。这让我理解了一个关键判断——阈值设计不只是技术精度问题，它本质上是在平衡「不漏报」和「不过载」两种用户体验。
信息粒度必须匹配角色的专业性与决策权限
部署阶段发现，把同一套数据推给所有人行不通。心理老师需要逐时段的状态波动来核验系统判断；班主任只需知道预警触发频率；家长和行政领导真正需要的是结果解读而非原始数据——附带心理状态说明的阶段性报告，远比实时推送更有效。信息粒度必须匹配角色的专业性和决策权限，否则只会制造无效工作量。