《Scientific Data》：DEPRESS: Dataset on Emotions, Performance, Responses, Environment, and Satisfaction during COVID-19
编辑推荐：
本研究针对COVID-19对大学生心理健康与学业表现的冲击，通过多维度数据采集（包括心理健康指标、在线学习参与度、环境因素等），构建首个涵盖情绪、行为、环境互动的综合数据集，为疫情下教育干预策略提供实证基础。
COVID-19大流行不仅对全球公共卫生体系造成冲击，更对特定人群的心理健康产生深远影响。大学生正处于学业压力与人格发展的关键阶段，疫情期间的封锁政策、线上教学转型以及社交隔离等因素，使其面临独特的心理适应挑战。传统研究多聚焦单一维度的心理健康评估，缺乏对环境、行为与心理互动机制的综合分析。
为系统揭示疫情对大学生群体的多层面影响，研究团队于2020年6月至2021年6月开展了一项创新性纵向研究。该研究以伍斯特理工学院（Worcester Polytechnic Institute）的184名本科生为对象，通过整合在线问卷、视频记录、物联网（IoT）环境传感器与Fitbit手环等多元数据源，构建了名为DEPRESS（Dataset on Emotions, Performance, Responses, Environment and Satisfaction during COVID-19）的综合数据集。该数据集覆盖人口统计学特征、心理健康指标、在线学习参与度、计算机与网络性能、日常活动日记、室内环境满意度、生理数据（如心率、睡眠质量）、传感器监测的环境参数（如温湿度、空气质量）、面部表情分析及学业成绩（GPA）等维度。值得注意的是，这是首个在疫情期间同步追踪心理健康、在线学习及其潜在影响变量的多模态数据库。
关键技术方法
研究采用四类核心数据采集技术：
- 1.
在线问卷调查：收集人口统计学、心理健康量表（如抑郁焦虑评分）、学习参与度等主观数据；
- 2.
可穿戴设备（Fitbit）：持续监测心率变异性（HRV）、睡眠时长等生理指标；
- 3.
IoT环境传感器：实时记录室内温湿度、CO2浓度、光照强度等参数；
- 4.
视频分析：通过面部表情编码系统（Facial Action Coding System, FACS）评估情绪状态。所有数据均与学业成绩（GPA）进行关联分析。
研究结果分析
- 1.
心理健康与学业表现的动态关联
纵向数据显示，疫情期间学生的抑郁焦虑评分与在线学习参与度呈负相关（p<0.01），且心理状态波动与GPA变化显著同步。通过结构方程模型（Structural Equation Modeling, SEM）分析发现，环境满意度（如居住空间舒适度）可作为心理压力与学业表现的中介变量。
- 2.
环境因素对学习效果的影响机制
传感器数据表明，室内CO2浓度超过1000ppm时，学生视频听课的专注时长平均下降23%。同时，光照强度不足（<300lux）与自我报告的学习疲劳度呈正相关（r=0.34）。
- 3.
多模态数据的交叉验证价值
Fitbit记录的睡眠效率与问卷中的情绪评分一致性达72%，而面部表情分析显示“皱眉频次”与心理压力量表的评分显著相关（p<0.05），证实了主观报告与客观数据的互补性。
结论与讨论
本研究通过构建多维度数据集，揭示了疫情期间大学生心理健康与学习表现受环境、生理及行为因素共同影响的复杂机制。值得注意的是，室内环境质量（如空气质量、光照）对在线学习效果的影响此前未被充分重视，而本研究通过客观传感器数据为其提供了实证支持。此外，结合可穿戴设备与视频分析的技术路径，为未来教育场景下的实时心理干预提供了新思路。该数据集已公开发布于《Scientific Data》，可为教育政策制定者优化在线教学环境、开发心理健康预警系统提供科学依据。
