流动儿童的问题及需求(流动儿童在成长中可能面临的问题)
导语：建立流动儿童的问题行为预测模型，有助于及时发现儿童的不良行为
由于跟随父母进入流动地，流动儿童常常面临生活、学习环境不稳定，知识结构薄弱，社会适应不良等一系列问题，导致流动儿童极易成为心理健康问题的高危群体。
已有大量研究发现，与城市本地儿童相比，流动儿童容易有更多地心理健康和行为问题，如被歧视感强、心理不平衡、自卑、焦虑、孤独、抑郁、情绪不稳定、学习压力大、安全感缺乏等。心理健康问题通常与儿童的问题行为有紧密的联系。
面对流动儿童处境不利的状况，多个领域已经开始进行重点关注流动儿童的问题行为。已有研究发现，流动儿童问题行为的总检出率高于全国常模。小学流动儿童不论是轻度还是重度问题行为，得分都显著高于普通儿童。
undefined
有研究者统计发现，超过70%的有关流动儿童问题行为的研究都发现流动儿童的问题行为发生率明显高于城市儿童。还有研究发现儿童的外化问题行为与轻微犯罪行为存在紧密相关。
因此，面对如此庞大的流动儿童数量及其严峻的问题行为状况，为确保流动儿童身心的健康发展，流动儿童问题行为的多种影响因素都需要得到密切的关注。
有研究者曾指出儿童少年时生活的家庭与社会环境，将对其心理健康发展过程及结果产生深刻的影响。
小学阶段的流动儿童正处于身心发展和价值观初步形成的关键时期，由于流动儿童的生活、学习地点常常具有不稳定性和不确定性。
并且通常还存在与父母交流沟通不畅等情况，此时的“无处安身”的流动特征会在一定程度上对流动儿童的成长和生活产生影响。
undefined
因此，研究流动儿童问题行为及其影响因素，对于预防和降低他们的问题行为，增强心理健康水平，促进社会和谐稳定有重要的积极意义。
（一）机器学习的预测分析
基于算法的重要特征
利用三种不同的算法可以得出影响流动儿童问题行为的重要因素包括生活压力事件中的人际关系、家庭压力和学习压力维度、师生关系中的亲密性和冲突性维度、主观家庭支持、孤独感中的纯孤独感和同伴地位维度、家庭社会经济地位、积极情感。
由于随机森林可以在预测变量和结果变量之间创建非线性关系，因此变量重要性的顺序与逻辑回归或支持向量机模型重叠较少。因此，虽然顺序不完全一致，但这些模型所得出的重要变量都是有意义的。
undefined
一般压力理论认为，个体由于人际关系的紧张会产生消极情绪，从而会表现出非适应性或者偏差的行为。流动儿童在流动过程中不可避免会产生一些消极情感，如忧愁、紧张和焦虑。
短期存在的消极情绪能够帮助流动儿童更快地适应新环境，而长期的消极情绪则会影响流动儿童的心理健康。
此时，若流动儿童无法恰当的调节情绪，消极情绪的影响则会间接作用至流动儿童的问题行为。
Eisenberg等人的研究显示情绪失调可以预测具有消极情绪的儿童的行为问题，说明负面情绪少的儿童外化行为问题也很少，而负面情绪多的儿童则会表现出更高水平的问题行为。
undefined
拥有更多积极情绪情感的儿童，在面对逆境时能够更好应对，以减轻流动经历所带来的不利影响，从而更少的产生问题行为。Fäsche和Friedlmeier的研究发现具有更多适当积极情绪且能够恰当表达的儿童，内在行为问题更少。
在评估家庭社会经济地位时，常常是以父母的收入、职业和文化水平为指标，流动儿童的家庭社会经济地位普遍都偏低，较低的家庭收入和文化水平会为流动儿童带来一系列的不利因素，如不良的养育方式、较多的经济负担或紧张的家庭氛围等等。
家庭社会经济地位能够较好的预测儿童问题行为的发生率。社会经济地位较低的家庭也通常伴随着更多的经济压力、父母冲突、家庭暴力和歧视等。
相对剥夺理论认为当流动儿童来到城市后，认为自己属于外来务工家庭，社会经济地位并不如本地城市家庭，就很容易产生被剥夺感，进而这种被剥夺感又导致流动儿童易产生问题行为。
undefined
因此，社会经济地位较低家庭的流动儿童，由于与贫困、社会地位较低有关的压力经历所带来的相对剥夺感，给儿童的良好发展带来了部分挑战。
流动儿童在来到流动所在地之后常常要处理的新的人际关系包括同伴关系和师生关系，同时，亲子关系也会面临些许的挑战。当流动儿童无法与周围的同伴、老师或家长进行良好的交往时，其将处于“孤立无援”状态，无法获得周围密切交往人群的关心与支持。
良好的同伴关系是青少年情绪情感健康发展的关键要素。有研究发现高质量的同伴关系可极大地促进青少年的社会适应能力，而不良的同伴关系则易导致攻击和违纪等外化问题行为。
undefined
亲子关系和师生关系是影响儿童人际关系的两个重要变量，Sabol和Pianta认为，师生关系是儿童的一个重要保护因子，可以缓解儿童的学校适应不良。
师生关系的质量会影响儿童的自我概念及情绪管理等方面的健康发展，而且对儿童的其它人际关系，比如同伴关系等也会产生重要影响。
来到陌生校园的儿童，教师的态度和言行对流动儿童的影响同样极为突出，构建良好的师生关系，能够为流动儿童提供关键支持，尤其是当父母支持或同伴支持较少时。
高质量的师生关系不仅可以帮助学生提升学习成绩，增强学业成就感，同时还能够减少学生的问题行为。
亲子关系的质量也将直接影响儿童的发展。家庭作为儿童的最主要支持来源，不良的亲子关系势必会降低父母对儿童的支持度与关爱度，从而使流动儿童的需求被拒绝、被忽视，进一步影响其心理健康状态，最终导致儿童产生问题行为。
undefined
同时，父母关系融洽也是流动儿童健康发展的必要因素，父母关系对青少年内外化问题有较大的消极影响，尤其是父母经常吵架。
已有的研究结果显示父母关系对儿童的外化问题行为有直接影响，良好的父母关系能预测个体的低外化问题行为，而较差的父母关系可以预测个体较高的外化问题行为。
学习是儿童在学校的主要活动，流动儿童来到城市后，由于接受的教育资源存在较大差异，学习基础可能较差，因此很有可能存在学业上的问题。
学业上的挫败感可能导致流动儿童产生厌学情绪以及与老师之间的对抗关系，影响其正常的社交关系，久而久之则容易导致其问题行为的产生。已有研究发现儿童的行为问题与学业成绩呈显著的负相关。
undefined
初次来到城市的流动儿童，面对同伴朋友的缺失，父母的无暇照顾，邻里的陌生，十分容易产生孤独感。倘若其无法调整流动经历所带来的心理不适，长期处于孤独感中，则极有可能会产生问题行为。
已有实证研究也发现孤独感可显著的预测青少年的内、外化问题行为。总之，使用机器学习的方法对探究问题行为成因的关键因素会起到极大的优势，不仅体现在能够发现重要的多个关键因素，还能够通过数据驱动的形式发现潜在的、隐蔽的重要变量。
因此，机器学习的方式比以往的研究单独的探讨某些变量对流动儿童问题行为的影响更加具有重要意义，其可以得出有影响的变量及其影响的程度，这不论是对现实生活中的预防和干预工作具有积极意义，也将更加充实有关问题行为的理论研究。
undefined
根据以往的研究可以发现有关流动儿童问题行为的成因是多种多样的，家庭、社会和学校都有可能对其产生影响，因此发现至关重要的影响因素是迫切的和必要的。
机器学习算法的分类性能
近年来，机器学习的方法已经广泛地应用于精神病学领域，且研究显示机器学习方法的预测能力要大大优于经典心理统计方法。
研究发现，逻辑回归与支持向量机在流动儿童问题行为上的预测性能略优于随机森林，但由于随机森林能够在预测变量和结果变量之间创建非线性关系，而在逻辑回归与支持向量机算法中预测变量和结果变量之间是呈线性关系。
undefined
因此在未来的研究中应用随机森林算法仍是有意义的。
尤其是当预测变量和结果变量之间可能是非线性关系时，随机森林能够很好的解决预测变量之间存在的相互作用，并且对数据噪声的处理能力更强，逻辑回归与支持向量机算法则在处理二分类的问题上优势更加明显。
总之，未来的研究者应当根据自己的研究选择合适的算法，单一的算法可能在某个研究中性能较好，但在其他研究中可能并不尽如人意。
免责声明:本站部份内容由优秀作者和原创用户编辑投稿，本站仅提供存储服务，不拥有所有权,不承担法律责任。若涉嫌侵权/违法的，请与我联系，一经查实立刻删除内容。本文内容由快快网络小馨创作整理编辑！