身体活动对大学生积极心理品质的影响

摘      要：为探究身体活动与积极心理品质之间的关系，对重庆5所高校大学生进行有关身体活动与积极心理品质的客观评定，运用层次聚类算法和深度神经网络模型，分析不同强度身体活动量对大学生心理积极品质的影响。结果表明：（1）大学生参与中高强度的身体活动越多，其积极心理品质水平越高；（2）高强度身体活动对人际、公正、认知的影响最有效；（3）中等强度身体活动对节制、情感、公正的影响最有效；（4）严格遵循身体活动推荐量的大学生超越品质更高。研究认为，大学阶段是改善及养成良好心理和积极品质至关重要的时期，提供体育活动干预可能是帮助大学生培养积极心理品质的重要途径。

关  键  词：身体活动；积极心理品质；高校学生；聚类分析；深度神经网络

中图分类号：G804.8     文献标志码：A    文章编号：1006-7116（2023）04-0118-06

Effect of physical activity on positive mental characters for college students

——Based on the analyses of deep neural networks

HU Nan1，HUANG Dandan2，ZHENG Hongzhu1，HU Hong2

（1.School of Management Science and Real Estate，Chongqing University，Chongqing 400045，China；

2.School of Physical Education，Chongqing University，Chongqing 400044，China）

Abstract： To explore the relationship between physical activity and positive mental characters， this paper uses a questionnaire survey and a scale assessment on physical activity and positive mental characters were carried out to objectively assess physical activity and positive mental characters among college students from five universities in Chongqing. Hierarchy cluster analysis and deep neural network model is used to analyse the effects of the amount of physical activity with different intensities on positive mental characters among college students. The results show that： （1） The more medium and high intensity physical activity college students hold， the higher level of positive mental characters they will possess. （2） The high-intensity physical activity has the most effective effect on interpersonal relationship， justice， and cognition. （3） The moderate-intensity physical activity has the most effective effect on temperance， emotion and justice. （4） College students who strictly follow the recommended physical activity amount have a higher transcendence character. It can be concluded that the stage of college is a most important period that college students could improve and develop positive mental characters， and that providing physical activity intervention may be a vital way to help them cultivate such positive mental character.

Keywords： physical activity；positive mental character；college students；cluster analysis；deep neural networks

大学时期是个体生命的重要阶段，也是个体身心发展和稳定的关键阶段。已有研究表明，中国大学生群体的抑郁发病率在23.8%[1]，这无疑需要高校高度重视大学生的心理健康问题。十七大报告指出，学校要重视学生的正面心理素质，强化人文关怀与心理辅导[2]。十九大报告再次强调，学校要强化心理卫生服务，培养学生自尊、自信、理性、乐观的社会心态[3]。学者们也从解决学生心理问题的研究转向提高其积极心理品质的研究[4]，同时积极心理品质是大学生一种相对稳定的情绪状态，更是大学生良好心理素质和品德素质的一个重要组成部分[5]。

身体活动以体育锻炼为主要内容、以增进身体健康为主要目的，根据锻炼的情绪效应理论，身体活动对抑郁、焦虑等亚健康状态具有改善和治疗作用[6-8]。实证研究表明，一定强度、频率和持续时间的身体活动有助于主观幸福感、积极品质和心理韧性的发展[9]。经常参加身体活动的学生比不经常参加身体活动者拥有更高的积极心理品质[10]。同时，大学生的积极心理品质得分随着身体活动次数的増加、单次时间的延长、年限的增加呈现出增加趋势[11]。此外，参加不同身体活动项目的大学生其积极心理品质有细微差异[12]。但目前，不同强度身体活动对积极心理品质六大维度的研究还存在不足。

综上，为探究不同身体活动强度与积极心理品质之间的关系，本研究希冀通过对在校大学生进行身体活动强度与积极心理品质的调查评定，分析大学生不同强度身体活动量对积极心理品质各项因子的影响，借此提出有利于提升学生心理健康的创新思路，帮助大学生正确认识身体活动与积极品质的关系，为通过参加锻炼来有效促进积极心理品质的发展提供依据。

1  研究对象与方法

1.1   研究对象

以重庆市内5所高校学生为研究对象，在每所高校中随机抽取378人，共计1 890名。具体实施方法是：将人口统计学信息、学习成绩、体育态度以及2项调查量表输入到问卷星中，并制作出相应的链接或二维码供学生当场完成。

先剔除填写不完整、填写错误等无效问卷，再对国际体力活动量表调查结果按照以下几个规则对问卷进行再筛选，进一步剔除无效问卷：（1）剔除被测者在剧烈、中度、低强度运动量中选择每周运动天数，但是未填写每天运动时间的问卷；（2）剔除被测者在剧烈、中度、低强度运动量中填写每周运动天数为0，但填写每天运动时间的问卷；（3）剔除被测者对每天运动时间不清楚的问卷。最后经统计，剔除无效问卷378份，共回收有效问卷1 508份，有效回收率为79.7%。其中平均年龄为（20.08±10.73）岁，男生占58.1%，女生占41.9%；本科生占59.7%，研究生占40.3%；城镇学生占46.4%，农村学生占53.6%。

1.2  测量工具

1）国际体力活动量表-短卷（IPAQ-SF）[13]。

国际体力活动量表短卷共7个题目，包括6项身体活动指标和1项久坐时间指标。目的是研究不同强度身体活动的代谢当量（MET），计算方式是每日活动时间（min）×每日活动强度（MET赋值：低强度运动量3.3，中等强度运动量4.0，高强度运动量8.0）×每周活动频率。每周身体活动代谢总量等于低强度+中等强度+高强度身体活动量的总和。对量表结果进行数据截断、异常值剔除、身体活动评价和分组（低、中、高），短卷与目标体力活动量结果符合率超过70%[14]。

2）中国大学生积极心理品质量表[15]。

中国大学生积极心理品质量表共有62个主题，涵盖6个维度和20项特定的积极心理品质因子。每道题包括5个选项，呈现为从5（非常像我）到1（非常不像我），每份量表单独计分，被试者6大维度及20项积极心理品质因子得分为各个维度题目选项分值的平均分。检验结果表明6个分量表和总量表的克隆巴赫α系数均在0.65以上，可见量表信度基本良好。

3）信效度检验。

采用克朗巴赫α系数对问卷进行内部一致性信度评定，结果显示问卷中的克朗巴赫α系数为0.965，表明其内部一致性较好。KMO系数为0.962，巴特利特球形度检验结果显著（P<0.001），可见问卷具有良好的结构效度。

1.3  深度神经网络数据集构建

将从调查表和评价量表中获得的原始数据集输入计算机，并利用Python v3.9进行数据处理与分析。主要通过PyTorch机器学习库构建深度神经网络模型；Matplotlib软件包进行数据可视化分析；Pandas软件包进行数据清洗与分析。数据构建主要包括均数、方差及相关性分析，以及样本清洗。

1）数据归一化。

根据回收问卷结果，每个被测者对应一份样本数据，由于每份样本的量纲和量级不同，需进行归一化处理。本研究采用最大最小归一化处理：

和 分别表示所有被测者在该项上得分的最小值和最大值， 表示被测者归一化后某一项得分。显然，归一化后的得分在 [0，1]之间。

2）基于层次聚类的样本剔除。

在按照规则剔除得到有效样本的基础上，采用离群点检测的方法进一步剔除异常样本[16]。离群点检测是发现与其他大部分对象显著不同的对象，通过层次聚类算法自底向上，逐步将样本归并到若干个簇中，将离其余簇的欧式距离最大的小簇样本作为异常值样本并进行剔除。根据身体活动对积极心理品质的影响，选取以上6个与身体活动相关的维度[17]，包括体育态度、高强度运动量、中等强度运动量、低强度运动量（步行）、身体活动总量、身体活动推荐量。以这6个维度归一化后分值组成的向量作为聚类特征向量，然后进行层次聚类分析。

颜色为橙色的被测者样本的特征向量与其余被测者样本特征向量的欧式距离过于明显，即为异常样本。经统计，剔除异常样本后剩余有效样本1 276份。

1.4  深度神经网络模型的构建与训练

深度神经网络是一种具有至少一层的深度学习结构，也是一种广泛使用的神经网络。虽然一般神经网络可以为复杂的、非线性的系统提供建模，但是额外层次可以使模型具有较高的抽象水平，从而增强模型性能。该算法在训练中引入梯度下降法，同时引入梯度搜索技术，使得网络输出与预期输出之间的平均误差均方差最小。深度神经网络的实现过程主要通过以下几个步骤实现。

1）模型构建。

采用基于输入层、隐含层和输出层的深度神经网络构建多目标预测模型。在实际应用中，隐含层的层数和神经元数目应该由网络规模决定，隐含层中的神经元数量将随着问题的复杂性而增加。一般来讲，加深网络可以获得更好的非线性表达能力，可以学习更加复杂的变换，从而可以拟合更加复杂的特征输入；而加宽网络，则可以让每一层学习到更加丰富的特征。