1. 引言
习近平总书记在党的二十大报告中特别强调要重视心理健康和精神卫生[1]。高校学生中普遍存在的亚健康状态与心理问题，不仅深刻影响着个体的学业与生活，更给其家庭带来了沉重的负担[2]，已成为新时代背景下不容忽视的社会议题。学业高压、就业不确定、经济迟独立、婚恋时钟错位，共同塑造“高知–高压–高孤独”的时代画像。然而，现有研究仍存在三大缺口：其一，影响因素碎片化，多聚焦单维变量，缺乏“个体–人际–学校–社会”系统框架；其二，对策重危机干预、轻预防发展，忽视研究生年龄、婚育、学科差异；其三，数字化生存、导学关系重构、“非升即走”等新变量尚未纳入模型。为弥补上述研究缺口，本研究以四川某高校医学研究生为研究对象，引入生态系统理论作为核心理论框架，将个体置于微观系统、中观系统、宏观系统等相互关联的嵌套系统中，认为个体心理健康是各系统因素动态交互的结果。基于此框架，本研究将研究生心理健康视为个体自身情绪调节能力、社交与人际关系、学习与就业压力、人工智能影响等多维度因素共同作用的产物，系统探究各变量的作用机制，以期为新时代高校研究生心理健康促进工作提供科学依据与实践建议。
2. 对象与方法
2.1. 研究对象
采用分层随机抽样法，通过网络向某中医药高校的医学研究生发放问卷，采用被调查者自填问卷的方式进行调查，剔除规律性重复作答以及作答时间明显不足的无效问卷后，共回收有效问卷662份。其中男生177人(26.70%)，女生485人(73.30%)，硕士研究生一、二、三年级分别为：240、191、134人，博士生研究生90人。在662份样本中，学位类别分布较为均匀，科学学位占样本总量的57.70%，专业学位占样本总量的42.30%。
2.2. 研究方法
2.2.1. 自编一般资料调查表
研究前期经过查阅大量文献以及相关课题组的讨论，纳入调查的人口学变量包括性别、专业、学院、年级、学位类别、住宿情况、是否为单身家庭、对心理健康知识了解情况等。问卷共包括学习与就业压力、相关影响因素、人工智能、自身情绪状态、社交与人际关系共五个量表，13个维度。采用5点计分，五个量表平均值分别为3.259、2.775、2.782、2.622、2.213。分数越高表示对研究生自身心理健康影响程度越高。Cronbach’s Alpha是检验信度的一种方法，一般认为当Alpha系数大于0.7时该量表具有相当程度的信度，本问卷中五个变量的Cronbach’s Alpha系数均在0.7以上，分别为0.851、0.894、0.954、0.908、0.931 [3] [4]。见表1。问卷效度分析通过探索性因子分析的方法实现检验过程：KMO检验的系数结果为0.959，见表2。从聚合效度分析结果可以看出：全部题项的因子载荷均大于0.5，组合信度的值CR都在0.6以上，AVE的值都大于0.5，见表3。从区别效度检验结果中可以看出：各个构念AVE的平方根结果均大于自身与其他构念的Pearson相关系数，见表4。
Table 1. Reliability analysis
表1. 信度分析
维度 |
项数 |
克隆巴赫系数 |
学习与就业压力 |
8 |
0.851 |
人工智能 |
4 |
0.894 |
自身情绪状态 |
8 |
0.954 |
社交与人际关系 |
12 |
0.908 |
相关影响因素 |
20 |
0.931 |
Table 2. KMO and Bartlett’s test
表2. KMO和巴特利特检验
KMO取样适切性量数 |
|
0.959 |
巴特利特球形度检验 |
近似卡方 |
27,152.863 |
|
自由度 |
1326 |
|
显著性 |
0．000 |
Table 3. Analysis of convergent validity
表3. 聚合效度分析
路径关系 |
Estimate |
AVE |
CR |
STU2 |
<--- |
学习压力感 |
0.600 |
0.529 |
0.887 |
STU3 |
<--- |
学习压力感 |
0.758 |
STU4 |
<--- |
学习压力感 |
0.779 |
EMP1 |
<--- |
职业迷茫感 |
0.673 |
EMP2 |
<--- |
职业迷茫感 |
0.721 |
EMP3 |
<--- |
职业迷茫感 |
0.760 |
EMP4 |
<--- |
职业迷茫感 |
0.783 |
AI1 |
<--- |
人工智能 |
0.832 |
0.697 |
0.901 |
AI2 |
<--- |
人工智能 |
0.922 |
AI3 |
<--- |
人工智能 |
0.893 |
AI4 |
<--- |
人工智能 |
0.669 |
SUS1 |
<--- |
情绪易感性 |
0.847 |
0.683 |
0.963 |
SUS2 |
<--- |
情绪易感性 |
0.798 |
SUS3 |
<--- |
情绪易感性 |
0.869 |
SUS4 |
<--- |
情绪易感性 |
0.857 |
REG1 |
<--- |
情绪调控力 |
0.842 |
REG2 |
<--- |
情绪调控力 |
0.862 |
REG3 |
<--- |
情绪调控力 |
0.772 |
REG4 |
<--- |
情绪调控力 |
0.777 |
COM1 |
<--- |
应对共情力 |
0.715 |
COM2 |
<--- |
应对共情力 |
0.848 |
COM3 |
<--- |
应对共情力 |
0.837 |
COM4 |
<--- |
应对共情力 |
0.879 |
SOC1 |
<--- |
社交焦虑感 |
0.714 |
0.607 |
0.965 |
SOC2 |
<--- |
社交焦虑感 |
0.750 |
SOC3 |
<--- |
社交焦虑感 |
0.815 |
SOC4 |
<--- |
社交焦虑感 |
0.823 |
INT1 |
<--- |
人际压力感 |
0.642 |
INT2 |
<--- |
人际压力感 |
0.823 |
INT3 |
<--- |
人际压力感 |
0.862 |
INT4 |
<--- |
人际压力感 |
0.782 |
ADV2 |
<--- |
逆境困扰 |
0.728 |
0.634 |
0.970 |
ADV3 |
<--- |
逆境困扰 |
0.919 |
ADV4 |
<--- |
逆境困扰 |
0.839 |
HAB1 |
<--- |
不良习惯 |
0.438 |
HAB2 |
<--- |
不良习惯 |
0.747 |
HAB3 |
<--- |
不良习惯 |
0.829 |
|
|
HAB4 |
<--- |
不良习惯 |
0.705 |
FAM1 |
<--- |
家庭氛围 |
0.763 |
FAM2 |
<--- |
家庭氛围 |
0.851 |
FAM3 |
<--- |
家庭氛围 |
0.772 |
FAM4 |
<--- |
家庭氛围 |
0.821 |
LEA1 |
<--- |
学业困境 |
0.953 |
LEA2 |
<--- |
学业困境 |
0.959 |
LEA3 |
<--- |
学业困境 |
0.842 |
LEA4 |
<--- |
学业困境 |
0.644 |
PHO1 |
<--- |
手机依赖性 |
0.538 |
PHO2 |
<--- |
手机依赖性 |
0.710 |
PHO3 |
<--- |
手机依赖性 |
0.936 |
PHO4 |
<--- |
手机依赖性 |
0.913 |
Table 4. Discriminant validity test
表4. 区别效度检验
变量 |
相关性 |
学习与就业压力 |
人工智能 |
自身情绪状态 |
社交与人际关系 |
相关因素 |
学习与就业压力 |
皮尔逊相关性 |
0.727 |
|
|
|
|
人工智能 |
皮尔逊相关性 |
0.325** |
0.835 |
|
|
|
自身情绪状态 |
皮尔逊相关性 |
0.390** |
0.464** |
0.826 |
|
|
社交与人际关系 |
皮尔逊相关性 |
0.334** |
0.457** |
0.788** |
0.779 |
|
相关因素 |
皮尔逊相关性 |
0.297** |
0.381** |
0.667** |
0.667** |
0.796 |
**表示在0.01级别(双尾)，相关性显著。
2.2.2. 质量控制
在问卷设计阶段进行大量文献查阅调研，对设计的问卷进行专家审核和预调查。在回收有效问卷方面：对于线上问卷，根据作答时间的长短和是否呈现明显规律性重复作答某一选项来剔除无效问卷；对于线下问卷，统一说明问卷指导语，现场核查相关信息的填写以保证问卷的有效性。
2.3. 统计学方法
采用SPSS 27.0统计学软件进行数据分析和处理，计数资料采用例数和百分比表示(n、%)。通过软件进行频率分析、信效度检验(Cronbach’s α系数0.851~0.954，KMO = 0.959)、差异性检验(独立样本t检验与单因素方差分析)及多元线性回归建模，揭示各维度间的结构关系与影响路径。
3. 结果
3.1. 四川某高校医学研究生心理健康状况影响因素探究
通过对五个量表进行描述性统计分析后，初步筛选出的四个可能影响因素为学习与就业压力、人工智能、自身情绪状态、社交与人际关系，然后再对它们进行多因素的Logistic回归分析。分析结果显示：模型调整后的R2为0.908，表明所选变量学习与就业压力、人工智能、自身情绪状态及社交与人际关系能够解释因变量90.8%的变异，模型拟合度较高(F(4, n) = 显著，p < 0.001)。在系数分析中，自身情绪状态相对来说对总体心理健康状况的影响最为显著(β = 0.453, p < 0.001)，其次是社交与人际关系(β = 0.336, p < 0.001)、学习与就业压力(β = 0.269, p < 0.001)和人工智能(β = 0.119, p < 0.001)，见表5。
Table 5. Regression coefficient analysis of predictive variables on mental health status
表5. 预测变量对心理健康状况影响的多元线性回归分析
变量 |
未标准化系数 |
标准化系数 |
t |
显著性 |
调整后的R2 |
B |
标准错误 |
Beta (β) |
(常量) |
5.666 |
2.490 |
/ |
2.276 |
0.023 |
0.908 |
学习与就业压力 |
1.041 |
0.050 |
0.269 |
20.693 |
0.000 |
人工智能 |
1.191 |
0.137 |
0.119 |
8.700 |
0.000 |
自身情绪状态 |
1.498 |
0.066 |
0.453 |
22.812 |
0.000 |
社交与人际关系 |
1.844 |
0.107 |
0.336 |
17.277 |
0.000 |
a因变量：总体。
3.2. 相关分析探究影响研究生自身情绪状态因素
根据回归分析结果可以看出：自身情绪状态与其他几个变量相比较，其对总体心理健康状况的影响最为显著(β = 0.453, p < 0.001)。所以这里我们主要就是探究影响研究生自身情绪状态的重要因素。通过各研究变量间的Pearson相关系数矩阵，我们可以分析出：所有变量间均在0.01显著性水平上呈现显著正相关关系(p < 0.01)。自身情绪状态和社交与人际关系间表现出较强的正相关关系(r = 0.788)，而与人工智能的正相关关系较弱(r = 0.325) (一般认为，相关系数绝对值在0.7及以上表示强相关，在0.3~0.7之间表示中等相关)，见表6。
Table 6. Correlation analysis among various dimensions
表6. 各个维度间的相关性分析
变量 |
相关性 |
学习与就业压力 |
人工智能 |
自身情绪状态 |
社交与人际关系 |
相关因素 |
学习与就业压力 |
皮尔逊相关性 |
1 |
|
|
|
|
人工智能 |
皮尔逊相关性 |
0.325** |
1 |
|
|
|
自身情绪状态 |
皮尔逊相关性 |
0.390** |
0.464** |
1 |
|
|
社交与人际关系 |
皮尔逊相关性 |
0.334** |
0.457** |
0.788** |
1 |
|
相关因素 |
皮尔逊相关性 |
0.297** |
0.381** |
0.667** |
0.667** |
1 |
**表示在0.01级别(双尾)，相关性显著。
3.3. 各维度在不同人口学变量下的差异分析
差异性检验是通过独立样本t检验、卡方检验以及单因素方差分析(ANOVA)等检验方法，去研究变量在不同维度上的差异情况。其中独立样本t检验用于比较两个独立样本组的均值是否存在显著差异，单因素方差分析(ANOVA)用于比较三个或以上组别的均值是否存在显著差异。在本次研究中，对人口学变量中的性别、学位类别、是否为独生子女、是否为单亲家庭，进行独立样本t检验；对年级、专业类别、住宿情况进行单因素方差分析。分析结果显示各个维度在性别、年级和住宿情况三个人口学变量上存在显著差异，是影响研究生心理健康的因素。
3.3.1. 性别差异在心理状态中的表现
学习与就业压力和自身情绪状态在性别上的差异显著性检验分别为0.032和0.007，小于0.05，见表7。分析结果显示，不同性别的研究生对于由学习与就业压力和自身情绪状态带来的对自身心理健康的影响存在差异。女性在学习与就业方面的压力要大于男性，且女性在自身情绪状态方面造成的对自身心理健康的负面影响要大于男性，考虑到是因为女性的思维方式与男性不同，所以女性的情绪状态通常比男性丰富。
Table 7. Independent samples t-test of each dimension by gender
表7. 各维度在性别上的独立样本t检验
变量 |
选项 |
个案数 |
平均值 |
标准差 |
t |
sig |
学习与就业压力 |
男 |
177 |
50.57 |
7.739 |
−2.149 |
0.032 |
女 |
485 |
52.07 |
8.003 |
人工智能 |
男 |
177 |
10.87 |
3.108 |
−1.167 |
0.244 |
女 |
485 |
11.19 |
3.069 |
自身情绪状态 |
男 |
177 |
31.78 |
9.667 |
−2.702 |
0.007 |
女 |
485 |
33.98 |
9.112 |
社交与人际关系 |
男 |
177 |
20.72 |
6.239 |
−0.661 |
0.509 |
女 |
485 |
21.07 |
5.360 |
相关因素 |
男 |
177 |
45.26 |
13.983 |
1.174 |
0.241 |
女 |
485 |
43.91 |
12.823 |
3.3.2. 年级差异与学生心理健康的关系分析
由以下的单因素方差分析结果可以看出：不同年级的研究生对于由自身情绪状态、社交与人际关系和相关影响变量因素带来的对自身心理健康的影响存在差异。其显著性检验结果分别为0.009、0.045和<0.001，都明显小于0.05，见表8。
硕士研究生三年级的同学在自身情绪状态方面的压力相对较大，平均值为35.06。而博士研究生一年级同学在自身情绪状态方面的压力相对较小，平均值为29.95。从社交与人际关系方面的压力来看，硕士研究生三年级平均值相对较大，为21.72，而博士研究生二年级的平均值相对较小，为18.57。在相关影响因素方面，硕士研究生三年级的压力相对较大，平均值为48.29。而博士研究生三年级的压力相对较小，平均值为38.17，见表8。从以上分析结果可以看出：硕士研究生三年级的同学在自身情绪状态、社交与人际关系和相关影响因素三个维度的压力相对都是较大的，考虑为是因硕士研究生三年级的同学正面临毕业的压力以及毕业后的就业压力等原因，而导致这三个变量对其心理健康的影响程度相对来说比其他年级较高(多重比较结果：标记有相同字母的平均数间差异不显著，即这些组在统计上没有显著差异。标记有不同字母的平均数间差异显著，即这些组在统计上存在显著差异)。
Table 8. One-way ANOVA of each dimension by grade level
表8. 各维度在年级上的单因素方差分析
变量 |
选项 |
N |
平均值 |
标准差 |
F |
显著性 |
多重比较 |
学习与就业压力 |
硕士研究生一年级 |
240 |
51.15 |
8.76 |
1.934 |
0.073 |
/ |
硕士研究生二年级 |
191 |
52.75 |
6.80 |
硕士研究生三年级 |
134 |
52.06 |
8.27 |
博士研究生一年级 |
42 |
49.69 |
8.25 |
博士研究生二年级 |
30 |
52.43 |
5.51 |
博士研究生三年级 |
18 |
49.28 |
6.81 |
其他 |
7 |
47.29 |
8.32 |
人工智能 |
硕士研究生一年级 |
240 |
11.17 |
3.05 |
1.585 |
0.149 |
/ |
硕士研究生二年级 |
191 |
11.26 |
2.94 |
硕士研究生三年级 |
134 |
11.20 |
3.25 |
博士研究生一年级 |
42 |
10.43 |
3.17 |
博士研究生二年级 |
30 |
11.07 |
3.04 |
博士研究生三年级 |
18 |
10.44 |
2.83 |
其他 |
7 |
8.29 |
3.77 |
自身情绪状态 |
硕士研究生一年级 |
240 |
33.01 |
9.39 |
2.865 |
0.009 |
a |
硕士研究生二年级 |
191 |
34.24 |
8.59 |
a |
硕士研究生三年级 |
134 |
35.06 |
9.71 |
a |
博士研究生一年级 |
42 |
29.95 |
9.30 |
a |
博士研究生二年级 |
30 |
30.30 |
8.66 |
a |
博士研究生三年级 |
18 |
30.83 |
10.15 |
a |
其他 |
7 |
31.71 |
10.81 |
a |
社交与人际关系 |
硕士研究生一年级 |
240 |
21.09 |
5.38 |
2.165 |
0.045 |
a |
硕士研究生二年级 |
191 |
21.19 |
5.53 |
a |
硕士研究生三年级 |
134 |
21.72 |
5.91 |
a |
博士研究生一年级 |
42 |
19.88 |
6.05 |
a |
博士研究生二年级 |
30 |
18.57 |
5.27 |
a |
博士研究生三年级 |
18 |
19.06 |
5.49 |
a |
其他 |
7 |
19.00 |
5.51 |
a |
相关因素 |
硕士研究生一年级 |
240 |
43.34 |
13.39 |
4.258 |
<0.001 |
abc |
硕士研究生二年级 |
191 |
44.58 |
12.29 |
abc |
硕士研究生三年级 |
134 |
48.29 |
13.52 |
a |
博士研究生一年级 |
42 |
40.14 |
13.18 |
bc |
博士研究生二年级 |
30 |
40.43 |
12.41 |
abc |
博士研究生三年级 |
18 |
38.17 |
11.66 |
c |
其他 |
7 |
47.43 |
5.68 |
ab |
3.3.3. 住宿方式对学生心理的影响
根据以下单因素方差分析结果可以看出：不同住宿情况的研究生对于人工智能变量因素带来的对自身心理健康的影响存在差异。该变量显著性检验结果 < 0.001，明显小于0.05，见表9。
校外租房的同学在人工智能方面的压力相对较大，对其自身心理健康的影响程度相对较高，平均值为11.24。而家庭居住的同学在人工智能方面的压力相对较小，对其自身心理健康的影响程度相对较低，平均值为8.97，见表9。考虑为是因家庭居住的学生由于能够得到父母的直接陪伴与支持，可能在面对学习及未来职业规划中的挑战时拥有更多的情感慰藉与资源获取渠道。而校外租房的学生，除了需要应对学业上的压力外，还可能因承担租金等经济负担而面临额外的财务压力，这种经济上的独立与责任可能进一步加剧了他们在人工智能领域学习及未来就业前景上的不安与焦虑感(多重比较结果：标记有相同字母的平均数间差异不显著，即这些组在统计上没有显著差异。标记有不同字母的平均数间差异显著，即这些组在统计上存在显著差异)。
Table 9. One-way ANOVA of each dimension by accommodation status
表9. 各维度在住宿情况上的单因素方差分析
变量 |
选项 |
N |
平均值 |
标准差 |
F |
sig |
多重比较 |
学习与就业压力 |
学校宿舍 |
521 |
51.76 |
8.05 |
1.653 |
0.176 |
/ |
校外租房 |
93 |
52.17 |
7.46 |
家庭居住 |
35 |
48.83 |
8.03 |
其他 |
13 |
52.15 |
6.40 |
人工智能 |
学校宿舍 |
521 |
11.21 |
3.07 |
6.055 |
<0.001 |
a |
校外租房 |
93 |
11.24 |
2.65 |
a |
家庭居住 |
35 |
8.97 |
3.36 |
b |
其他 |
13 |
11.46 |
3.73 |
a |
自身情绪状态 |
学校宿舍 |
521 |
33.55 |
9.17 |
0.658 |
0.578 |
/ |
校外租房 |
93 |
33.44 |
9.66 |
家庭居住 |
35 |
31.40 |
10.66 |
其他 |
13 |
32.15 |
8.72 |
社交与人际关系 |
学校宿舍 |
521 |
21.18 |
5.59 |
1.356 |
0.255 |
/ |
校外租房 |
93 |
20.58 |
5.21 |
家庭居住 |
35 |
19.49 |
6.81 |
其他 |
13 |
19.92 |
5.24 |
相关因素 |
学校宿舍 |
521 |
44.31 |
13.32 |
0.374 |
0.772 |
/ |
校外租房 |
93 |
44.71 |
11.90 |
家庭居住 |
35 |
42.09 |
14.54 |
其他 |
13 |
45.08 |
11.43 |
4. 新时代高校研究生心理健康问题应对策略建议
4.1. 剖析影响因素背后的问题
4.1.1. 自身情绪状态对研究生心理健康状态的影响
由问卷调查结果可知，自身情绪状态是影响新时代研究生心理健康的主要因素，且在性别维度上显示出差异。结果显示，由于女性研究生在情感体验方面更为细腻，容易进行过度反思，因此面对学习与就业的压力要大于男性，在自身情绪状态方面女性研究生对于情绪压力带来的负面影响也同样大于男性。拥有良好的情绪状态是个人面对学业、生活和工作难题时的重要支柱，是研究生心理健康的重要组成部分。已有研究表明，通过培养积极的情绪、积极的认知、积极的行为等可以显著提升个人的心理健康水平。特别是对于新时代医学研究生而言，积极心理学在改善心理健康方面起着重要的作用[5]。自身情绪状态包括了对于自身情绪的调节能力、情绪认知能力和情绪管理能力。在繁重的学业和科研压力以及即将毕业的研究生所面临的就业压力下，拥有较强自我调节能力的研究生更容易保持心理健康；而自我调节能力较差的研究生则更容易陷入逃避、焦虑、抑郁等负面情绪中，甚至还会出现自杀等极端行为[6]。情绪管理能力是研究生心理健康的重要保障，若缺乏一定的情绪管理能力，轻则对自身造成心理压力，长此以往产生崩溃情绪，重则易与人产生冲突，乃至发生偏激行为。情绪管理能力与自我调节能力密切相关，拥有良好情绪状态的研究生能够更好地控制自我情绪，对于遇到的难题能够采取积极的措施进行调节，善于借助外物和自我调整以此来更好地应对学业和生活的压力[7]。新时代研究生需要建构起良好的情绪状态，以积极的情绪去体验攻读研究生的生活，学会情绪管理与调节，成为情绪的主人，不论是处于什么情况下的研究生，积极调整与管理自身情绪状态对保持心理健康的稳定都有着重要意义。
4.1.2. 社交和人际关系与自身情绪状态的联系
新时代研究生的社交和人际关系与自身情绪状态存在复杂的相互作用关系[8]。这种联系主要体现在情绪调节、社交互动、情绪表达、社会身份等多个方面。不同年级的研究生面对自身情绪状态和人际交往所带来的压力有所不同，高年级硕士研究生因面临毕业压力和就业压力对于自身情绪状态的影响更为明显，在人际交往方面也表现出更大的压力。随着学位的提高，博士研究生在应对自我情绪管理和人际交往时则体现出更为强大的抗压能力。研究显示，研究生的年龄大多在23岁到30岁之间[9]，已经处于自我意识较强阶段，若是缺少必要的人际往来，缺少遇到难题时的倾诉对象，就比较容易产生心理问题，难以调节自我情绪，产生焦虑情绪的几率也会越高[10]。相反，情绪调节能力越高的人在社交过程中往往表现出更高的亲和力和积极互动[11]。
社交互动与自身情绪状态存在正相关关系[12]。与社会互动交流越频繁的人往往在社交网络中扮演着情感支持者的角色，而在与社会进行互动的同时也会为个体提供一定的情感支持与帮助。情绪表达方式与人际交往之间存在密切联系，不仅能够影响人际关系，还可能会影响个人的社交动机和情绪调节。选择合适的方式表达情绪，更有利于社交关系的推进；对自身情绪处理不当，则很有可能引起社交关系的破裂[13]。社交范围、社会地位在不同程度上都影响着自我情绪的表达，在与社会接触的过程中，人们更倾向于选择与自我情绪价值观一致的人群作为自己的社交范围，对于所接触的人，在相互接触交流的期间会对自身情绪产生潜移默化的作用。基于同一件事表达出不同的情绪反应会影响社交的结果，社交结果在一定程度上决定事件的成功与否。新时代研究生要合理控制自我情绪，在社交过程中积极大胆主动，利用社交开拓自我眼界，获取更多有用的资源助力学业发展。
4.1.3. 新时代高校研究生在社交与人际关系中所面临的问题
新时代研究生心理问题的产生并非来源于单个因素，而是由多个方面所致，其中主要是源于学业、科研、家庭、经济、就业、情感、人际交往等各种压力越来越大[14]。根据本研究调查结果，影响新时代研究生心理健康最主要的因素是自身情绪状态的表达，而与之相关性最高的是社交与人际关系。研究生在社交关系中比本科生更为复杂，研究生群体因内心想法更为成熟反而不愿向外界诉说或是寻求帮助，更倾向于自我消化和接受[15]。但在完成学业的同时也要进行科研锻炼，避免不了与他人进行交流与接触，人际交往能力的不足和社交圈的局限性导致大多数研究生对此产生焦虑情绪，进而容易发展为心理问题。
新时代高校研究生在社交与人际交往中主要表现为以下两个问题：一是与同学的交流与相处不当。从本科到研究生的过渡，多数研究生缺乏与他人交往的能力，又因近年来独生子女在研究生中的比例逐渐增加，独生子女大多受家庭宠爱因素影响，缺乏一定的包容性，在人际交往中常常表现为不愿与他人交流，与同学产生矛盾的几率变大[16]。二是与导师的相处产生畏惧感。研究生通常进行科研的时间长，部分研究生因自身原因与导师沟通交流的机会少，难以表达自我想法，长久以来对导师产生敬畏感；另一部分研究生害怕受到批评，刻意远离与导师的交流[17]，双方因交流不足而产生信任危机，导致矛盾的爆发，对研究生的学业和科研产生巨大压力，致使心理健康问题剧增。对于医学研究生而言，最常见的还有医患关系的处理。医学专业的严谨性在一定程度上限制了人际交往[14]，医学研究生经历长时间的求学，与社会直接交流的时间更少，对于病患关系的处理不当容易引发医患冲突，医患冲突的发生会造成医学生对于职业充满畏惧、害怕，造成不良情绪的发生[18]。除了以上三个主要因素以外，研究生在社交过程中还会接收到来自他人的评价，评价的真实与片面与否会间接影响研究生的情绪状态，影响对自我人格的认识与重塑，进而影响心理健康；身处人工智能快速发展的时代，居住环境不同的研究生对于人工智能因素带来的心理健康影响也存在差异，独自租房居住的研究生和在家居住的研究生相比在人工智能方面有着更大的压力，这可能是因为自我居住限制了研究生的社交范围，难以及时地接收到来自家人、朋友的交流与沟通，缺乏倾诉的对象，累积发展成心理问题。面对AI快速发展的时代，研究生需要提升自身社交能力，增强心理素质，以期更好地适应研究生阶段的人际交往需求。
4.2. 应对策略建议
研究生作为我国高校学生群体的核心组成部分，是我国培养社会高层次人才的重要力量[7]，所以关注并解决研究生心理健康问题是必不可少的。根据上文的分析，可知影响研究生心理健康状况最主要的因素是自身的情绪状态，并且社交与人际关系与自身的情绪状态有很大联系，所以接下来主要从如图1所示的四个方面提出应对自身情绪状态和社交与人际关系的策略。
Figure 1. Relationship diagram of graduate students’ mental health coping strategies
图1. 研究生心理健康应对策略关系图
4.2.1. 积极应对是缓解心理健康问题的内在动力
面对复杂的自身情绪状态，研究生特别是女性研究生要学会如何控制与调节自身情绪状态。自我教育是实现研究生自身心理健康的重要途径[19]，对控制自身情绪状态也有重要作用。首先是正确的自我认识与自我评价，研究生可以从周围的环境中不断正确地认识自我，比如可以从与同学、老师甚至是家长的交流中更加充分地了解自我。正确地认识自我之后就要评价自我，正确的自我评价会给自我的能力画上框线，当做出超越自身能力以外的事情失败时，也不会让自己陷入失败与自我怀疑的深渊。其次是不断的自我完善，在充分的自我认识与自我评价之后，研究生就可以清楚地认识自己的不足，从而不断挑战自我，实现自我的完善。即将毕业的研究生可以通过不断的自我完善去适应当代社会与职业要求的变化，让自己在职业选择时有更多的机会。不断的自我完善敦促研究生持续修正现实自我和相应的心理活动，使其朝着正确的、理想的和自我的目标发展[19]。在自我教育的过程当中，研究生不断调节自身情绪，同时又不断重拾信心，积极应对自身的心理健康问题。最后，研究生可以通过健康的饮食与规律适当的运动养成一个好的身体，毕竟一个健康的身体更有助于建立一个良好的心理健康。
新时代研究生的社交和人际关系与自身情绪状态之间存在复杂的关联[8]，所以对于研究生而言，处理好社交与人际关系对于自身情绪状态的调节也是十分重要的。
面对繁琐的社交与人际关系，新时代的研究生应该如何培养社交能力呢？新时代网络信息发达，社交软件数不胜数。当面对面交流出现严重障碍时，研究生可以在社交软件上与人交流，积累交流经验，锻炼社交能力，以便在面对面交流时更加从容。学校的社团活动与娱乐活动可以促进同学之间的交流，增进同学之间的感情，研究生可以在闲暇之余多多参与。校外租房的研究生其社交范围受到了一定限制，但他们可以通过社交软件多与家人、同学交流，同时也可以积极参加校内外活动，拓展社交圈。研究生可以通过与家人沟通来消除双方的代沟，多多理解父母，避免交流过程中的矛盾。研究生在与导师的交流沟通中，要尽量放轻松，尊敬老师是必然的，但一定要勇敢地提出自己的想法，积极与老师沟通商量，通过交流沟通来解决学业和科研上的问题，从而避免情绪积压而导致自身情绪状态失控。同时研究生课题组内的人际关系也让人头疼，特别是同门之间的交流，这就需要研究生积极创造合作机会，并且唤醒合作意识，在团队协作中友好交流，互相帮助。最后对于医学研究生而言，医生与患者之间通常存在沟通障碍，但积极心理学在改善医学研究生心理健康方面具有重要作用[5] [20]。这就需要医学研究生主动关注人积极性的一面，通过积极的情感表达和交流能力可以使其更好地与患者交流沟通。
4.2.2. 密切关注是早发现心理健康问题的重要举措
保持研究生的心理健康，家长也起着重要的作用。随着子女进入研究生阶段，其心智逐渐成熟，更加需要平等尊重的交流方式，所以家长可以尽量减少说教的对话方式，多采用平等、尊重与鼓励式的方式与子女交流，营造一个轻松的家庭氛围[21]。家庭是温暖的避风港，当子女遇到问题时总是会想要跟父母交流一下，但在交流过程中可能会出现矛盾，这可能导致研究生心情更为郁闷。在新时代，信息来源十分广泛，家长可以通过上网获得相关信息，以此来减少家长与子女的沟通障碍，当然也要注意辨别真伪。对于一些不常在家的研究生，家长可以多使用社交软件增加与子女的沟通，多了解子女的状况。对于女性研究生，家长需要尤为注意，时刻关注她们的心理状态，尽可能提供更多的支持与安慰。当发现子女自身情绪状态出现异常时，积极与孩子沟通了解事情的缘由，给予子女关心与支持，并提醒子女向心理老师寻求专业的帮助。
4.2.3. 主动作为是解决心理健康问题的有效保障
研究生是教育体系内的最高层次人才[22]，在处理新时代高校研究生心理健康问题时，我国各高校要主动作为，致力于解决研究生心理健康问题。新时代，人工智能兴起，各高校可以充分利用人工智能定期收集研究生们的心理健康状态，并进行评估，在减轻老师负担的同时，也能实时注意研究生的自身情绪状态，及时对他们进行心理疏导。各高校可以开设心理健康相关的讲座、举办相关活动，向同学们普及心理健康知识，传授相关经验，让同学们可以更加清楚地了解自身心理健康状态。同时也可以增加心理咨询室等咨询场所的开设，鼓励同学们在遇到无法解决的心理健康问题时向学校里的心理老师寻求专业的帮助。由于女性研究生在自身情绪状态方面受到更多的负面影响，因此校方可以开设女性心理咨询室，针对女性常遇到的一些心理问题提供有针对性的有效建议。同时，导师作为研究生教育的第一责任人，在研究生心理健康教育工作中发挥着无可替代的作用[23]。因此各高校应多方位促进“导生关系”[24]，加强导师与研究生的沟通。在课题组内，导师也要关注每一位同学的科研状态，肯定他们的自我价值，积极处理课题组内不公平等不良事件，鼓励他们培养团队合作精神，为研究生的学习与科研营造一个和谐、温暖的氛围。
对于同学们遇到的各方面问题，校方应积极寻找解决办法。对于同学们过大的学习压力，各高校应时刻关注研究生们的学习状态，及时发现课程安排上的不足，积极优化课程安排和教学内容，适当减轻研究生的学业压力。除了学习压力外，经济压力也影响着研究生们的心理健康，特别是对于一些校外租房的同学而言，除日常开销外还要支付租金。所以各高校要不断完善经济支持制度，积极与社会多方资助机构协商，为学生争取更多的经济支持。同时也可以适当地增加勤工助学岗位，以减轻研究生的经济负担。由上述分析可知硕士研究生三年级的同学拥有更多的压力，因为他们正面临着毕业后的就业问题。就业压力是困扰无数研究生的难题[25]。因此校方应积极与社会各方企业交流沟通，举办各类招聘活动，为研究生提供更多的就业机会，并开设就业指导相关课程与讲座，让研究生明确自己的职业规划，在工作选择时更加从容。最后，各高校也可以多筹备娱乐活动，鼓励研究生们参加，让他们在娱乐中多与同学、老师交流，拉近他们之间的距离。
4.2.4. 社会支持是预防心理健康问题的关键因素
社会支持作为一种支持性资源或支持性行为，对维持一般的良好情绪体验具有重要意义[26]。由于时代的不断发展，社会对高学历人才需求增多，这在一定程度上增加了研究生的压力[9]。所以社会提供必要的支持，对于预防研究生自身情绪状态和社交与人际关系方面的心理健康问题及缓解他们的压力是十分重要的。首先，社会可以提供充足的经济支持。当研究生遇到经济困难时，社会可以与学校协同创立研究生帮扶组织，并鼓励慈善机构密切关注研究生的经济状况，在生活上及时给予他们经济上的帮助。其次，社会要为即将毕业的研究生提供丰富的就业支持。社会可以鼓励用人单位多给研究生们一些就业机会，并加强学校与各方企业的合作，大大增加研究生的就业机会，并颁布相关政策，维护研究生在工作中的权益。最后，社会可以提供正确的信息支持。在新时代，研究生们往往会从社交媒体上获得许多信息，在遇到困难时，他们可以在社交平台等地方获得解决办法或者是心理安慰，也可以在网络平台学习各种知识、了解实时政事。新时代虽然网络信息发达，但内容良莠不齐，这就需要社会建立严格的网络信息制度，管控网络信息，为研究生们提供正确的信息支持，时刻提醒他们辨别信息的真伪，避免他们走上歧途。对于女性研究生而言，社会要提供坚定的信息支持，颁布相关政策，打破生活与职场中的性别歧视，为她们营造一个公平的学习与就业环境。社会支持可有效缓解个体的焦虑与压力，也可有效消除生活中的消极反馈[27] [28]，是预防研究生心理健康状态出现问题的关键因素。
5. 结语
本研究以生态系统理论为骨架，四川某高校662名医学研究生为样本，系统探讨了新时代背景下研究生心理健康的主要影响因素与干预路径。研究发现，自身情绪状态是影响心理健康的最强预测因素(β = 0.453)，而社交和人际关系与其情绪状态高度相关(r = 0.788)，人工智能的影响虽较弱但仍具显著性(β = 0.119)。这些发现可置于布朗芬布伦纳的生态系统理论框架下进行整合理解，即研究生的心理健康并非孤立于个体特质，而是嵌套于多重环境系统的动态交互之中。
在微观系统层面，研究生的日常学习、科研与生活互动构成其最直接的心理环境。情绪状态作为核心变量，实则是其在实验室、临床场景中与导师、同门、患者等持续互动的结果。医学研究生面临高强度任务，若缺乏有效调节机制，易陷入焦虑与自我怀疑。因此，情绪不仅是内在体验，更是微观人际质量的反映。
在中间系统层面，各微观系统间的连接至关重要。本研究显示，社交与人际关系对情绪状态影响最大，说明课题组、家庭、社交圈之间的支持协调程度直接决定心理适应水平。现实中，导生沟通不畅、同门竞争、家庭期待落差等问题常导致系统割裂，加剧心理负担，尤其在人际能力培养相对薄弱的医学群体中更为突出。
值得注意的是，本研究将“人工智能”作为新兴变量引入，触及生态系统中的外层与宏观层面。尽管AI不直接参与日常互动，但其在科研辅助、就业替代与技能迭代方面的趋势，重塑了研究生的职业预期与安全感。本研究将其操作化为对技术替代风险与技能过时压力的主观感知。结果显示，校外租房者比家庭居住者感受到更强的人工智能压力，表明其影响个体受社会支持资源调节——支持越弱，技术不确定性带来的焦虑越强。这一发现提示，人工智能已不仅是工具变革，更成为一种结构性心理压力源，应纳入研究生心理健康的风险评估体系。
基于此，干预不应局限于个体疏导，而需构建多层次支持网络：在微观系统提升情绪管理能力，在中间系统优化导生与家庭沟通，在外层系统完善学校支持政策，在宏观层面引导社会理性看待技术变革对人才发展的影响。未来研究可拓展样本多样性，结合纵向设计，深入揭示生态系统各层次的动态作用机制。
致 谢
感谢成都中医药大学杏林名师人才培育支持计划教学菁英项目、成都中医药大学青年教师教学骨干提升计划、成都中医药大学校2023年度校级一流课程《科研思路与方法》、成都中医药大学核心通识课程《物理学与人类文明》。
基金项目
中国高等教育学会2023年度高等教育科学研究规划课题(23LK0207)；成都中医药大学2023年度教育教学改革项目(JGZD202304)；成都中医药大学2023年研究生教育教学改革研究项目(2023YB05)；2023年度医学技术学院教学团队–医学技术通识课教学团队，中国科学技术协会“风传承行动”2022年度学风涵养工作室——“科学教育树新风”人才摇篮工作室(XFCC2022ZZ002-046)。
NOTES
*共同第一作者。
#通讯作者。