6月19日上午，广东医科大学东莞校区人文与管理学院219会议室气氛热烈，一场聚焦“机器学习算法简化社区常用心理健康筛查量表的应用实例”的青年学者学术沙龙在此举行。心理学科薛将博士担任主讲，谭健烽副院长、褚成静主任、万崇华教授、禹玉兰教授等10余名心理学科及跨学科教师参与，围绕学术研究与技术应用展开深入交流。

沙龙中，薛将博士结合自身研究成果，系统阐述了研究团队在去年采用机器学习算法简化社区常用心理健康筛查量表的研究的核心内容。他首先介绍了研究背景，即社区心理健康筛查对早期识别心理问题意义重大，而传统SCL-90量表因条目多、评估时间长，在社区推广中存在局限性。针对这一痛点，研究团队引入机器学习算法，探索量表简化的可行性。

在研究方法与结果部分，薛将博士介绍到，通过分析大规模数据，结合多种机器学习算法（如随机森林、支持向量回归算法等），最终将SCL-90精简为仅29项的SCL-29量表。简化后的量表不仅保留了原量表的高信效度，还实现了85%以上的敏感性和特异性，评估时间缩短约70%，为社区快速筛查提供了高效工具。此外，研究验证了简化量表的因子结构稳定性及跨性别测量等值性，进一步夯实了应用基础。

报告结束后，参会教师围绕研究的理论逻辑与应用价值展开热烈讨论。万崇华教授率先提问：“纯数据驱动的量表简化如何体现背后的理论思考？”薛将博士回应表示，研究并非单纯依赖数据，而是在机器学习分析中融入了对心理测量学理论的考量，例如通过保留核心维度（如躯体化、抑郁等）确保简化量表的理论连贯性，同时借助算法挖掘传统方法难以捕捉的非线性关系，实现了理论与技术的互补。

褚成静主任则关注简化量表的实际应用场景：“简化后的量表是否适用于临床环境的使用？”薛将博士解释，当前研究数据虽来自大学生群体，但简化量表的结构稳定性为扩展应用提供了基础；后续将针对临床人群开展验证研究，进一步优化模型，推动其在社区与临床场景的双向应用。

谭健烽副院长在总结中指出，本次沙龙不仅展示了机器学习技术在心理学测量领域的创新应用，更通过跨学科交流碰撞出学术灵感。“从数据驱动到理论支撑，从社区筛查到临床验证，研究为量表简化提供了新范式。”他表示，学院将持续搭建此类学术平台，鼓励青年学者探索技术与学科的深度融合，为科研高质量发展注入新动能。

此次沙龙以“问题导向+技术赋能”为核心，既展现了青年学者的研究活力，也为人文与管理学院“数智化驱动学术新生态”建设添砖加瓦。未来，学院将继续举办类似活动，推动学术研究与前沿技术的协同创新。（文/薛将 图/黄康土 初审/肖远 复审/杨永 终审/陈明）