员工异常行为

员工异常行为（通用8篇）

篇1：员工异常行为

个人业务条线员工违法违规风险专项排查报告

针对总行下发的《关于开展个人业务条线员工违法违规风险专项排查工作的通知》要求，人民广场支行对全体个人业务条线员工进行了全面排查，排查对象包括支行个人客户部经理及个人客户经理、理财经理、大堂经理。排查方式包括：自查和互查、个别谈话、家访、走访客户、信访举报等方式。支行排查内容包括是否参与非法集资、民间融资、是否私售理财等违法违规活动等。排查结果如下：

人民广场支行全体个人业务条线员工无一人参与非法集资活动、无一人违反十条禁令、无一人违反员工从业规范、全部遵守银行业从业人员职业操守，不存在参与非法集资、民间融资、没有私售理财等违法违规行为。

针对总行5月22日召开的“规范内部管理、强化合规运行”专题视频会议要求，结合《银行2015年纪检监察工作意见》（华银党发〔2015〕18号），某某银行人民广场支行对全体员工进行全面排查，排查人员包括支行全体员工，排查覆盖率100%。并于5月25日组织全体支行员工学习《银行员工＂十不准＂》、《关于严禁参与民间融资活动的通知》、《银行违规行为责任追究管理办法》、《银行员工异常行为管理办法（试行）》制度等。

本次排查方式包括：自查和互查、个别谈话、家访、走访客户、信访举报等方式，突击检查员工办公桌、资料柜、更衣柜、电脑等方式，抽查是否有从事与我行无关活动或违规行为。

排查内容包括：是否有私自推介和销售非我行产品的情况，是否有自办或参股经商办企业或以亲属名义但实际本人操纵经商办企业的情况，是否有以各种形式、在各种场所参与非法集资、高利贷、民间借贷，为他人充当资金掮客或提供与自己经济实力不符的个人担保的情况，是否有内外勾结骗取客户存款的情况，是否有经常出现工作差错或差错屡查屡犯，有意回避、躲避本行监控设备监控或私自调阅、修改监控设备记录，重抄相关登记簿、账簿等表现反常的情况，是否有涉黄赌毒、参与洗钱等不良情况，是否有利用客户账户过渡本人资金，通过本人、他人账户归集、过渡银行和客户资金、套取资金，违规使用内部账户为客户办理支付结算业务，空存、空取资金的情况等。排查结果如下：

人民广场支行全体人员工无一人有私自推介和销售非我行产品的情况，无一人有以各种形式、在各种场所参与非法集资、高利贷、民间借贷，为他人充当资金掮客或提供与自己经济实力不符的个人担保的情况，无一人有有利用客户账户过渡本人资金，通过本人、他人账户归集、过渡银行和客户资金、套取资金，违规使用内部账户为客户办理支付结算业务，空存、空取资金的情况，无一员工有其他异常行为。

篇2：员工异常行为

第一条 目的依据

为规范有序开展员工异常行为排查工作，建立常态化排查机制，提升员工合规意识，防范操作风险、案件风险，根据《上海银行从业人员行为管理办法（试行）》、《上海银行内部控制基本规定》、《上海银行案件风险排查管理规程》等规定，结合《上海银保监局关于印发上海银行保险机构从业人员异常行为跨机构联动排查工作机制的通知》要求，制定本办法。

第二条 基本定义

本办法所称“员工异常行为排查”，是指全行各部门、各经营单位及其辖属机构（以下统称各单位）根据案件防控、员工管理和员工异常行为监测需要，对所辖员工的异常行为或有关线索进行排查，并跟踪、处置、化解风险隐患，落实整改和责任追究的管理活动。

本办法所称的“员工”，是指与我行签订劳动合同的正式员工（含内退员工）和劳务派遣制员工。

本办法所称“异常行为”是指员工存在或涉嫌存在违反法律法规、违背职业操守等制度规范的行为。

第三条 组织原则

员工异常行为排查工作是案件风险排查工作的重要组成部分，也是员工行为管理的重要手段。排查工作由各级党委领导，各单位应高度重视，遵循依法合规、稳妥有序、分层分级的组织实施原则，并依法或通过与员工签订协议等方式获得有效授权。各单位在排查工作中应加强与纪检监察部门和组织人事部门的沟通，实行齐抓共管、联防联控，形成预防网络与监督合力。

第四条 工作职责

总行法律合规部牵头负责全行员工异常行为排查工作的机制建设，主要职责包括：制定并及时根据管理需要修订本办法；组织开展全行定期排查工作，并督办问题的跟踪处置、整改和责任追究工作，必要时可直接发起责任追究；根据需要组织部署专项排查工作；组织相关单位开展线索核查；建立问题台账，定期总结分析，开展警示教育，并根据要求向行领导、监管部门汇报等。

各单位承担所辖全部员工异常行为排查工作的主体责任，各单位一把手是该项工作的第一责任人。各一级分行（含总行营业部）的法律合规部门参照总行法律合规部职责，牵头负责本单位员工异常行为排查相关工作。

各单位主要职责包括：依据排查内容或专项排查方案，对辖内员工组织实施定期排查或专项排查工作；及时向法律合规部门报送排查发现的问题和线索；根据需要组织核查或参与核查问题线索，对于发现的违规问题及时落实整改、责任追究等。各单位应指定专人负责员工异常行为排查工作，严格遵守保密规定，不得违规泄露排查工作人员名单、排查结果、排查对象身份信息和个人隐私等。

第五条 排查内容

员工异常行为排查的内容覆盖员工工作、生活和廉洁自律三个方面，具体内容详见《员工异常行为排查明细表》（附件1-1）。排查内容由总行负责修改，各单位可以结合实际补充，但不得修改或删减总行统一发布的内容。

排查中应对群众反映情况、信访投诉举报情况以及员工的违法违规违纪记录等予以重点排摸。

第六条 排查类别

员工异常行为排查主要分为定期排查和专项排查。

定期排查是指各单位结合日常工作对其所辖全部员工比照排查内容每月开展的全覆盖排摸检查。

专项排查是指各单位根据员工行为管理、案件风险排查等工作的需要，通过制定排查方案，对特定的排查内容或特定范围的员工组织开展的专门排查。各单位应向同级党委汇报组织开展专项排查的计划和开展情况。对于重点问题、关键岗位人员，应不定期开展专项排查。

对于排查发现的风险隐患或问题线索，应及时组织开展线索核查，并针对性采取跟踪处理措施，及时化解风险；对于查实的违规问题，应落实整改和责任追究。

第七条 日常排摸与线索收集

各单位应当将员工异常行为排查工作融入日常工作协同开展，将工作时间（八小时）内外的员工行为一并纳入排摸，因地制宜、灵活运用各种方式收集线索信息，包括但不限于：

（一）员工自行上报。通过对照规定的排查内容对个人的行为事项进行自查，对发现的问题及时上报所在单位。

（二）所在单位内部收集。主要是通过平常观察留意，个别谈心，小范围征询，人事考核，了解信访、举报和客诉情况等方式收集；还可以通过不定期抽查员工考勤记录、工作文件以及监控录像等资料收集。

（三）家访、外访相结合。通过对员工进行家访，了解员工家庭情况；通过到员工居住地居委会、小区物业、街坊邻居等处了解员工在社会上的表现；结合服务质量、上门对账、客户回访等工作，了解客户评价；对重点排查对象可以通过当地公安部门等调阅资料，走访了解其是否存在不良记录。

（四）利用各类非现场监测信息。通过各类系统非现场监测手段、外部信息服务平台或网站查询、业务检查反馈、监管部门提示等及时获取有关预警监测信息，如异常交易资金流水、外部工商信息预警、裁判文书网站查询、工商信息查询等。

第八条 线索核查

对于排查及日常工作中发现的员工异常行为线索，各单位必须高度重视，立即采取适当的方式核查事实，包括但不限于：

（一）要求涉事员工提交书面说明、承诺以及相关佐证材料；

（二）与相关员工进行访谈、谈话、问询，向本人及有关人员核实情况；

（三）进一步采取家访或外访方式了解核实情况；

（四）利用行内行外有关信息系统或平台进行查证；

（五）依据问题线索的重要程度，在辖内组织专项排查；

（六）向上级单位提交问题线索和跨机构协查需求等。

查清事实后，各单位应对相关问题进行初步定性，确定是否属于异常问题、关注问题或予以排除。原则上，线索核查工作应于发现后一个月内完成。

第九条 联动排查

根据监管要求，总行法律合规部设置专人专岗负责跨机构联动排查工作，主要职责包括：根据排查需要，对于涉嫌违法违规需进一步确认的线索，向上海银保监局报送需跨机构联动排查的人员名单；根据上海银保监局反馈的排查结果或下发的核查线索，组织有关单位，进一步开展内部甄别核查；查清事实后，将排查结果、责任追究情况等及时报告上海银保监局；协调相关单位开展我行内部跨机构的联动排查工作。

各单位应根据总行要求落实开展跨机构联动排查的相关线索核查工作，并及时上报查清的事实情况。

第十条 关注问题的跟踪处理

关注问题是指苗头性、倾向性的员工异常行为。对于暂时无法查清或难以定性的问题线索，应纳入关注问题予以管控。

对于关注问题，各单位应根据发现的问题情况，制定针对、可行、有效的处理措施，化解风险隐患，跟踪落实动态管控。

对于存在关注问题的员工，各单位应落实专人进行帮教，采用谈心谈话、家访等方法有针对性地进行世界观、人生观、价值观和职业道德的教育。对于转化不明显的，或者所处岗位较为关键、可能产生损害客户或我行利益风险的，应通过调换工作岗位等方式及早化解风险隐患。

关注问题在跟踪处理期间，一经查实涉及违法违规违纪的，应立即纳入异常问题，并落实整改和责任追究。对于自关注之日起超过一年仍不能确认为异常问题的，可予以暂时排除，纳入定期排查管理。

第十一条 异常问题的整改和责任追究

异常问题是指存在违法违规违纪问题的员工异常行为。

对于异常问题，各单位应认真分析原因，反思员工行为管理方面存在的薄弱环节，制定相应的整改计划和措施。原则上在三个月内完成个案整改，一年内完成机制性整改。

对于存在异常问题的员工，各单位应一查到底，严肃处理：

（一）对照我行员工违反规章制度处理规定等责任追究制度进行责任认定，严肃问责，并同步落实员工违规积分。原则上行内责任追究工作应在确认异常问题后三个月内落地。

（二）符合案件、案件风险事件或案件风险线索判定标准的，应按照涉刑案件管理相关规定进行处置。

（三）涉及党员违纪的，还应移交纪检部门处理；涉嫌违法犯罪的，还应移送公安或监察机关查处。

第十二条 信息报送

各单位对于排查情况的报告应坚持月报与及时报相结合。

（一）月报

各单位应每月向总行报送本单位定期（月度）排查汇总情况、当月新发现的关注问题明细情况、存量关注和异常问题的跟踪处理情况等。报送材料需经单位一把手审批后，于次月初3个工作日内报送至总行法律合规部。

（二）及时报

各单位应及时向总行报送以下信息：

1、新确认的异常问题情况专报，包括定期排查、专项排查、跨机构联动核查和其他各类方式确认的异常问题。报送材料经单位一把手审批后，于确认异常时点3个工作日内报送至总行法律合规部。

2、自主组织开展的专项排查报告。各单位应在完成专项排查报告后3个工作日内向总行法律合规部报备专项排查报告。

3、对于按照监管部门或上级单位要求开展的专项排查，严格按照规定时限完成相关信息报告。

4、对于符合案件、案件风险事件、案件风险线索，或重大事项、突发事件等定义的问题，各单位还应按照相关规定另行报送。

第十三条 系统运用

员工异常行为排查全流程管理纳入操作风险与内控合规管理（GRC)系统，包括线索推送、问题录入、汇总报送、跟踪处置和查询统计。各单位应通过系统及时处理问题线索、完成问题信息的录入、审批和报送；按规定完成对部门和机构的月度汇总；持续跟踪并实时更新问题的处置进展、整改和责任追究情况等。

第十四条 监督检查和考核问责

总行定期或不定期对各单位员工异常行为排查工作的组织开展情况以及问题的报送情况进行监督检查。

篇3：异常医疗行为识别研究

1.1 异常医疗行为定义

由于缺少明确的过度医疗数据, 无法量化研究过度医疗行为, 所以我们通过研究医疗活动中的异常行为, 来反映潜在的过度医疗行为。异常医疗行为是指某位医生的患者人均消费金额 (药物和检查之和) 高于或者接近于本科室平均水平且被主成分分析识别出来的, 就认为这位医生存在异常医疗行为。

1.2 异常医疗行为成因分析

近年来随着中国医疗卫生事业的发展, 医疗支出也在快速的增长[1], 如下图所示:

由图1可知:2008年到2013年间, 我国城市人均医疗支出从1861.76元增长到3234.12元, 增长了73.7%, 农村人均医疗支出从455.19元增长到1274.44元, 增长了180.0%。与同时期的人均收入增长速度比 (城镇居民可支配收入增长了70.81%, 农村居民纯收入增长了86.87%[2]) , 可知我国城乡人均医疗支出的增长都高于其收入的增速。下面对中国卫生支出整体快速上升的原因进行分析。

卫生支出快速增长尽管有成本增长, 货币贬值等合理因素的影响, 但近年来医疗支出的快速增长透漏出“以药养医”, “以械养医”医疗体制才是主要原因。

1、“以药养医”, “以械养医”医疗体制成因分析

目前, 国家对公立医院实行财政差额补贴, 由医院自负盈亏, 医院的人员工资和医院的发展经费主要来源于医院的医疗收入。在这种情况下, 医院间不得不展开竞争, 争取创收, 弥补国家投入的不足。之前的研究表明[3], 药品的出厂价减掉成本价即为生厂商的利润;药品以实际价销售给医方, 但表面上会另外给出一个名义价 (名义价>实际价) , 两者的差额就是医生所得的返利;处方价与名义价之间是卫生行政部门既定的药品差价, 具体过程见图2。

由图2可知, 药品从生产到消费的整个过程中层层加价, 每个环节都会增加额外的成本, 形成了一个利益链条, 正是这个利益链促成了目前“以药养医”, “以械养医”的现状, 这也是各级医疗管理部门巧立名目获得“灰色收入”的主要渠道。上述现象也是医疗卫生支出快速增长的主要原因之一。

近年来国家对对药品价格的监管逐渐规范, 为了实现利益最大化, 医院更多转向以各类检查为收入的主要来源, 从而导致“大检查、重复检查”的现象较为普遍。

2、“大检查、重复检查”原因分析

(1) 医院层面

医院一方面为了提高自己的竞争力, 会争相购买大型医疗设备, 以满足评级所需的硬件要求;另一方面, 在利益的驱动下, 各级医院每年会向政府申报购买各类医疗设备。为了收回购买设备的成本, 医院会鼓励医生开各种检查, 部分医院甚至给医生规定检查任务, 最终导致各种“大检查、重复检查”现象频发[4]。检查费用在整个医疗活动支出中占有较大比例, 图3为某三甲医院2014年外科门诊和眼科门诊的费用构成:

由图3可知, 检查费用在各类医疗支出中占有较大比例, 即便是在眼科这样检查相对较少的科室检查费用也是影响医疗支出的主要因素, 由此可知“大检查、重复检查”的现象是较为普遍的。

(2) 医院和医生层面

首先, 医院和医生受利益的驱动导致“大检查、重复检查”。表面检查上不会给医院和医生带来直接利益, 但是检查所产生的设备采购和耗材利益刺激了医院和医生的需求。临床医生是集知识与技术于一体的工作, 目前国内培养一名临床医生至少要11年时间, 所付出的时间和经济成本远高于其他行业, 但是医生所获得的合法收入仅略高于平均水平, 医生的付出和回报严重不符, 如图4所示。

在这种分配制度下, 部分医生希望以“灰色收入”的形式来弥补个人收益的不足, 加之医院盈利性规定的驱动, 以及各类“潜规则”的盛行, 促使医生倾向开“大检查、重复检查”。公立医院投入不足和医疗行业从业人员合法收入低是导致医疗支出快速增长的主要原因之一。

其次, 防御性医疗行为的普遍存在。防御性医疗行为指医务人员为降低医疗风险、减轻风险责任而对患者实施超出规范化诊疗常规的检查、诊断、治疗以及规避高危患者或高危诊疗程序的医疗行为[5]。近年来随着患者的维权意识不断提高, 新闻媒体对医疗事故的曝光等因素导致医患关系变得空前紧张。而现行的医疗事故举证采用责任倒置法, 许多医务人员为了规避医疗活动中可能出现的风险, 减轻自身潜在的责任, 会尽可能多地开出各种检查项目, 认为现在的检查项目做得越多越全, 即便将来出现医疗纠纷, 也可以使自己免于追责。这些原本并不需要的医疗行为进一步增加了医疗支出。

(3) 患者层面

随着生活水平的提高和医疗保险覆盖范围的扩大, 患者对健康的要求日渐提高。部分患者就医时, 会主动要求开大检查, 贵检查。如果医生出于控制治疗成本的目的而没有满足此类要求, 反而会引起患者质疑, 甚至是不满。患者的盲目需求也是导致医疗支出快速增长的主要原因之一。

综上所述, 无论医院, 医生和患者都是可能是医疗成本增长的促进方。而这种推进医疗成本增加的行为必然会在日常的诊疗行为中体现出来, 这也为通过数学方法识别异常医疗行为成为可能。此外通过医疗体制的改革可以在一定程度上减少利益驱动机制下的过度医疗行为, 但是医生出于防御性的医疗行为却无法避免, 相反, 随着医疗纠纷案件的增多, 防御性医疗行为不但不会减少还有可能增加, 因此, 本研究主要从利益驱动机制层面来识别过度医疗行为。

2 研究过程

2.1 数据说明

研究收集了某三甲医院2013、2014年的外科和眼科的门诊数据, 数据说明如表1所示:

2.2 研究方法

本研究将检查, 药品等各项支出作为医生的参数进行分析, 由于参数较多 (超过400) , 研究使用了主成分分析进行降维处理。主成分分析 (Principal Component Analysis) :可以对有很多变量的数据, 利用变量之间的相关关系, 在尽量少失掉原来的信息的条件下压缩到较少的无相关的变量的降维方法。主成分分析的方法已经在综合评价[6]、图像识别[7]和特征提取[8]等领域取得了较好的成果。本研究通过主成分分析用较少的指标信息来描述医生和各项支出之间的关系, 进而识别可能存在的异常医疗行为。

2.3 研究步骤

研究选取某三甲医院2013、2014年的眼科和外科门诊诊疗数据为样本;首先用Excel 2010和notepad++对数据预处理, 把药品, 检查等数据合并作为医生的属性;其次用R语言中的prcomp函数对数据进行主成分分析, 得到降维后的2~3项主成分可以代表85%的原始属性;再次对主成分取绝对值并筛选出排名前30%的医生认为其可能存在异常医疗行为;最后将主成分分析得到的结果与平均值进行比较, 然后用2013年和2014年的结果取交集, 得到最终预测结果。实验步骤如图5:

3 结果分析

3.1 外科门诊结果分析

主成分分析结果如图6、图7所示。

由上图可知, 通过主成分分析得到的医生人均消费值要高于或者接近于该科室的平均水平。如果仅取高于均值相的样本, 可能会漏掉潜在的异常医疗行为如14年的305969;如果样本中存在离均差较大的样本如14年的604265, 均值会升高而部分低于均值的样本也会被忽略如14年的206158等。主成分分析和仅采用与均值的方法相比较, 主成分分析可以识别出更多的异常医疗行为, 而且不会存在离均差的问题。60465虽高于均值但是没有被主成分分析识别到, 是因为60465的患者数较少 (2014年患者数190人) 。

注: (1) 红色柱形为被2-4项主成分都识别出来的医生; (2) 黄色柱形为被至少1项主成分都识别出来的医生; (3) 蓝色柱形为未识别的医生的患者人均消费金额; (4) 黑色线为该科室全部患者的消费平均值。

注: (1) 红色柱形为被2-4项主成分都识别出来的医生; (2) 黄色柱形为被至少1项主成分都识别出来的医生; (3) 蓝色柱形为未识别的医生的患者人均消费金额; (4) 黑色线为该科室全部患者的消费平均值。

将外科门诊2013年和2014年的主成分分析结果取交集, 如图8所示:

由图8可知, 2013年外科门诊数据主成分分析识别结果与2014年结果取交集为206158, 405762。这两位医生是在2年中都被主成分分析识别到的医生, 预示着2人的医疗行为具有长期性的而不是短期行为。同时2人的患者平均支出高于或者接近于本科室患者平均支出, 表明2人的存在的异常医疗行为。由于外科在该医院属于小科室, 医生数和患者数较少, 主成分分析结果较差, 只有2位医生被识别出来。

3.2 眼科实验结果分析

由主成分分析结果可以绘制如图9、图10、图11:

注:同上

由图9、图10、图11可知, 2013年的403555和2014年的202991和403555的患者消费金额都要远高于科室平均值从而导致科室的整体平均值偏高。其中403555在2年的数据中都被识别出来, 13年该医生的患者数为2395, 平均消费1524.67。在14年该医生的患者数为1838, 平均消费946虽然较上一年度有所降低, 但仍然是该科室所有医生中较高的, 由此可知该医生倾向于多开药品和检查。而这种行为模式准确的被主成分分析识别到。另外, 由于该医院眼科是医生数较多, 门诊量较大的科室, 主成分分析结果的效果相对外科较好, 最终有9位医生被识别出来。

综上所述, 可知经过2013年和2014年实验结果的交集, 通过与平均值的比较, 证实主成分分析的方法可以识别部分医生在医疗活动中的异常医疗行为。而收集的数据量越大主成分分析结果越好, 我们认为这可能是因为眼科知名度高门诊量大, 给医生创造了施行过度医疗的条件。

5 结论

本文首次使用了主成分分析的方法来识别医疗活动中的异常医疗行为, 以某医院2013、2014两年的外科和眼科进行实验研究, 通过2013、2014年两年实验结果的对比, 最终证实主成分分析的方法可以识别医疗活动中存在异常医疗行为的医生。在本研究的基础上, 管理部门可以对存在异常医疗行为的医生展开调查判定其是否存在过度医疗行为, 更重要的是通过制度彻底遏制此类行为, 控制利益驱动下医疗支出的增涨。

以往对过度医疗行为定性的研究很多, 但定量研究其识别机制的课题很少, 究其原因主要是相关数据的匮乏。目前在国家以“大数据治国”的背景下, 医疗行业以隐私为借口对医疗数据的保护, 掩盖了深层次矛盾, 阻碍了对医疗行业的研究和改革。在此我们呼吁医疗管理部门尽快规范医疗数据的管理, 明确哪些数据可以公开, 哪些需要保护, 以促进医疗数据的研究工作开展, 为医疗大数据研究奠定基础。

参考文献

[1]数据来源于网站http://data.stats.gov.cn/search/keywordlist2?keyword=2013%E5%B9%B4%20%E5%8D%AB%E7%94%9F%E6%80%BB%E8%B4%B9%E7%94%A8

[2]数据来源于网站http://data.stats.gov.cn/search/keywordlist2?keyword=2013%E5%B9%B4%20%E5%86%9C%E6%9D%91%E5%B1%85%E6%B0%91%E7%BA%AF%E6%94%B6%E5%85%A5

[3]韩玉珍, 赵金楼, 齐英等.从医药利益驱动机制探讨过度医疗的形成与对策[J].商业研究, 2008 (7) :125.

[4]杜悦宁.过度医疗检查致害的民事责任[D].西南政法大学, 2013.

[5]谢春徉.论过度医疗行为及其法律规制[D].苏州大学, 2013.

[6]金建华.基于主成分分析法的3G网络综合性能评价[D].大连理工大学, 2013.

[7]蔡平胜, 闫乐林.主成分分析法在掌纹图像识别中的应用[J].计算机系统应用, 2010, 09:187-190.

篇4：智障学生异常行为处理策略

从最近几年学生入学状况调查可以发现，各地先天性致聋的儿童人数在逐渐减少，可是各种不明缘由的病因导致的智障儿童呈上升趋势，因而各县市特教学校的学生结构也在悄然发生变化。特教学校特别是县级的学校，随着聋哑学生逐渐减少而智障学生的逐年递增，学校教师在对学生的教育教学管理方面又面临着新的挑战。下面笔者就从如何处理智障学生的异常行为谈谈几点做法。

一、特校学生和普校学生和平相处，共同学习游玩

就笔者学校目前还没与普小相剥离的特殊性，本校的学生是与普校的学生在学习生活上有相交的轨迹，因而在相处过程中会产生摩擦，导致水火不相容的境地。智障学生的生理特点决定了他们与人相处困难，胆小怕事，对不是本校的师生他们会有排斥情绪，从内心抵制一切外来不熟悉人员的接近。那些在学校学习生活了几年的学生会把特校当成自己的家，他们内心会形成一种自我领域的保护意识，防止领地被他人侵占。面对这种情况特教老师该如何采取措施进行处理呢？根据多次的处理结果总结出一条，就是在这种情况下，对智障生的行为不作批评，不鼓励，先让到来的师生和智障学生主动握个手，打消智障学生的戒备心，然后让智障学生坐下来旁听普校师生上课，课后鼓励他们和普校学生一起游戏玩耍。这样做的目的是让智障学生接触不一样的学习环境，在学习玩耍中和普校孩子建立感情依托。俗话说先混个脸熟，智障孩子有一个特点就是他从你那获得了开心快乐，你就能成为他的朋友了。把普校的学生当成了自己的朋友，下一次再相见时就能达到和平共处。从此之后再有其他小孩来特校场地上课或玩耍，这些智障学生就没有那么排外，甚至变得积极欢迎。当然在这一过程中，特教老师一定要在旁边监护、指导，以防出现意外。

二、公平公正处理学生之间的矛盾，在分享中化解冲突

智障学生的生理特殊性，决定他们经常会惹是生非，不知道什么事情可以不可以做，哪些东西可以不可以玩，对事物产生好奇心，易引起注意力分散和大转移。在他们的意识里只要觉得好玩、稀奇的东西，手脚就会不由自主去这里动动，那里摸摸，甚至发现自认为好看漂亮的东西直接据为己有。多动、好吃，耍赖、在地上打滚、相互争夺东西，这是智障学生每天必定会上演的节目。对于智障学生爱争夺东西，比如争夺玩具、抢座位、抢吃的，哪怕是帮老师做个事也要抢个先等。一争就起矛盾，就会打架哭闹。面对学生之间的冲突，这时老师要做的就是公平公正的断案，化解学生之间的矛盾。不急不躁，在人人有份中分享每一份快乐，是化解学生冲突最有效的办法。

三、用慈仁之心安抚情绪障碍的学生

智障学生看似都差不多，其时学生间的个体差别很大，作为教师最怕碰上狂躁型和自虐型的学生。这样的学生会莫明其妙发脾气，大喊大叫，情绪烦躁不安稳，甚至有自虐行为。碰到这样的学生发生状况时，对学生的安抚是个首要问题。如何进行安抚，在特定的情境下需要教师临场机智的处理办法。有一个表现特别的孩子叫贺学林，他对高分贝的声响很排斥，并且他的自我需求感很强烈。如果他想要的东西没有得到，就会引起狂躁，哭天喊地，撕扯东西，甚至更会自己虐待自己、攻击他人。假如老师去劝解，定会毫无来由地踢打老师。这个时候老师要求其他学生最好和他保持一定距离，以免被攻击。老师接下来要做的就是守在一旁静静地陪着他让他发泄。比如他哭时就让他哭个够，撕东西时也任他撕，哪怕在地上耍赖你也只能顺着，等他尽情地发泄个够，老师在旁边时刻关注他不要伤害到自己，也不要伤害到他人就行。与此同时还要赶紧向其他学生了解该学生是什么原因引起情绪波动的。是想要吃的没吃到，还是想玩的东西没玩到。了解了原因后，及时让他得到他所需要的东西，之后他才会逐渐安静下来。如果这样的学生是在家里就没得到满足，他们来到学校后会一直哭闹不停的，这个时候老师是解决不了的，就只能通知家长来学校处理了。值得说明的是这样的学生是不太赞成其在学校住宿的。

四、以宽容之心，尊重保护学生的童真

智障孩子虽然有这样那样的怪异言行，但他们也有可爱的一面。“老师好！”“老师再见！”“老师你今天真漂亮！”“老师真厉害！”学生每天都在无意识中关注老师的一举一动，动情之时会毫不吝啬地发出一声声赞扬、敬佩之语。看着孩子们忽闪着一双纯净的眼神、满脸充满着可爱的笑容，听着口齿虽不是那么清晰的赞美，作为教师很是感动。他们的心智虽与年龄不相符，但他们同样也会表现出乖巧懂事的一面。智障孩子嘴最甜了。经常有人开玩笑说，这些智障孩子哪里笨嘛，嘴巴这么甜，叫得人心里暖暖的。是的，别看智障孩子在学习能力方面迟缓，但他们懂得要尊敬老师父母，很乐意帮助同学，知道属于自己的东西要爱护保管好，不容他人侵犯。在常人眼里这不算什么，但这就是智障学生可爱动人的一面。

要学会尊重智障孩子，保护智障孩子的那份纯真。这不是只动动嘴皮子的事，这要贯彻到每日的言行中，以一颗宽容心静待这些别样的花朵静静地开放。曾经有一位专家关于培智教育，给一线的特教教师作了如下一番解读：智障的孩子是上天派到人间的天使，他此生的目的就是享受人间的爱。既然天使们来到了我们大家身边，那就让我们的爱带着天使们一起飞翔吧。◆（作者单位：江西省吉安市教研室 江西省安福县特殊教育学校）

篇5：拥挤导致行为异常

行为学家研究密度和拥挤对人们影响的一种方法是，观察那些拥挤已经出现的地方，如曼哈顿、墨西哥城、某些租房项目和监狱等。用这种方法进行研究的问题是，在这些地方还有许多其他因素也可以影响行为。例如，如果我们发现在一个拥挤的贫民窟犯罪率很高，我们无法断言拥挤就是犯罪发生的原因，可能是贫穷，可能是高频率的吸毒，也可能是所有这些因家与拥挤因家共同导致了高犯罪率，

研究拥挤的另一种方法是让人类被试在高密度条件下呆较短的一段时间，并研究他们的行为反应。这种方祛确保了更多因素受到研究者的控制，并让我们能分离出拥挤这一因素，研究它单独对行为产生的影响，但与现实中拥挤的生活环境相比，它还不是很真实，因为拥挤情境导致的行为在这一段时间之外依然存在。然而，应该指出，这两种研究方法都得到了一些有趣的发现，我们将在稍后对此进行讨论。

篇6：偏食可致儿童行为异常

天真、活泼、聪明伶俐是儿童的天性，如果你的孩子在排除遗传、环境等因素后，出现这样或那样的`异常行为，则应考虑是其摄取饮食有所偏颇而造成的营养缺乏所致。

一般来说，若儿童经常出现头昏、注意力分散、面色苍白呈贫血貌，很有可能是体内缺铁;儿童若周期性发生小腿抽筋，夜间磨牙，常与缺钙有关;若儿童出现异食癖症状，反应欠敏捷，则可能是体内缺乏微量元素锌和锰。儿童体内维生素A和D含量不足时，则容易出现眯眼视物、不敢夜行等现象。若儿童平时常常出现焦虑不安、遇事健忘、动则乏力、喜欢独行独处，及其他感觉异常，往往与体内缺乏维生素B族和维生素C有关。

篇7：学龄前儿童常见的异常行为

1、攻击行为

儿童已经开始独立并且知道自己的需求，但还不知道如何表达感受，一旦欲望得不到满足，就采取毁坏物品或者大吵大闹的行动，常表现为赖在地上、踢腿、挥舞手臂、大声哭闹，打人、骂人、推人、踢人、抢别人的东西(或玩具)等。

专家建议，不能随意惩罚这种闹情绪的幼儿，要尽可能转移孩子注意力，事后给予安抚。并告诉他们这样的行为是对的。

2、反抗行为

宝宝对家长提出的要求总回答“不”，这种行为是自我意识独立的一种表达方式，属于正常发展的表现。家长应予理解和尊重，适时地进行引导，这一阶段会很快度过。

3、遗尿，咬指甲和吮手指

5岁以下的孩子还不能自已控制排尿，夜间经常尿湿床铺，白天有时也尿湿裤子。这是一种正常现象，但对于经常有遗尿现象的孩子应耐心寻找原因，努力帮助孩子树立自信心。

咬指甲和吮手指的行为，是婴儿与生俱来的反应，它能给孩子带来安全和满足感。吮指和咬指甲多在安静、寂寞、饥饿、睡眠、身体疲倦而自寻安慰时出现，到2-3岁以后，这种现象会明显减少。

篇8：基于泊松方程的异常行为检测

当今社会, 更多的人忙于事业, 无暇在家看护老人或病人, 且相当一部分家庭没有能力聘请专业的家庭护理人员。因此, 空巢老人和病人的看护成为了当今社会亟需解决的问题之一［2］。日常生活中, 跌倒对老人或病人来说是最危险的行为之一。因此, 本文主要检测人体日常活动中的异常行为——— 跌倒。异常行为通常具有偶发性和多样性, 往往不易获得样本数据, 很难直接建模。现有的异常行为检测方法大体可以分为两类［3］: 一类是基于模型的检测方法［4，5］, 即定义正常行为的模型, 与已知模型不匹配的行为即为异常行为, 如Zhang等人［6］提出了一种半监督的HMM模型, 用该模型对正常行为进行建模, 与所建模型不匹配的被认为是异常行为; 另一类是基于分类器的检测方法［7，8］, 即通过分类器对正常行为和异常行为进行正确分类。常用分类器为贝叶斯分类器、决策树分类器、支持向量机分类器等［9］。如林春丽等人［10］利用SVM-KNN组合分类器对异常行为进行检测。本文将通过人体剪影提取行为特征, 并采用K均值分类器对异常行为进行检测。

研究表明, 物体剪影中包含大量信息［11］。文献[11]通过对剪影中的每个像素点建立泊松方程, 并用方程的解表征该点自由运动到剪影轮廓所有点所需的平均时间; 算法在形状识别和手写体数字识别领域取得了较好的效果。文献[12]将该算法拓展到人体行为识别领域, 但因其是对运动序列中的点建立三维时空泊松方程, 计算量大, 不易实现实时识别。而在家居监护系统中, 发生跌倒行为时, 往往越早发现, 对病人的救护几率就越大。本文对视频帧中的运动区域内部各像素点构建二维泊松方程; 采用多重网格法求解方程, 得到该点与运动区域边界的相对关系; 由此得到人体行为的矩特征; 最后通过用K均值分类器对所提取的特征进行分类。本文将此方法用于对异常行为的检测中, 实验证明, 该方法对异常行为具有良好的检测效果。

由于老年人的异常行为中最常发生的为跌倒行为, 通过钱惠敏等人［13］录制的视频数据库, 对走、慢跑、蹲、坐、站立及跌倒6种室内行为进行异常检测, 其中跌倒为异常行为, 其他为正常行为。首先介绍泊松方程的构建过程; 其次, 给出泊松方程的求解方法———多重网格法, 并用该方法求解上一步骤中所建立的二维泊松方程; 再次, 根据各点的像素值构建行为的矩特征; 最后, 根据所提取的特征, 采用K均值算法对异常行为进行检测。

1泊松方程的建立及其求解过程

1. 1泊松方程的建立

泊松方程是有着广泛应用的偏微分方程, 在电流体动力学、视频修复等领域［14，15］均得到广泛运用。首先采用基于混合高斯模型的背景减除法进行运动目标检测, 获得监控视频中的人体运动二值图像序列; 再对视频中单帧图像的运动区域构造泊松方程, 并用泊松方程的解为区域内各像素点赋值。

设每帧图像中的人体运动区域表示为人体剪影S, 取闭合单一曲线 S为S的外轮廓, 如图1所示。 为S内所有点赋值, 用以表示该点与外轮廓 S的相对距离关系。该相对距离关系可以由该点自由运动到 S所有点所需的平均时间来表示。研究表明, 这一平均时间可以通过求解如下的二维泊松方程来获得

式 ( 1) 中, ( x, y) ∈ S, f为未知常数。ΔU ( x, y) 为U的拉普拉斯形式, 表示为

方程 ( 1) 在 S上应满足狄利克雷边界条件U ( x, y) = 0。

设某个像素点的值为U ( x, y) , 如上所述, 它表示该点到达边界#S的平均时间, 因此, 其相邻四点 ( 如图2所示) 的值U ( x + h, y) , U ( x - h, y) , U ( x, y + h) , U ( x, y - h) 与U ( x, y) 相差一个时间单位, 因此U ( x, y) 可表示为

式 ( 3) 中, ( x, y) ∈ S, h为S内两相邻点之间的距离, 设在x方向和y方向上两相邻点距离相同, 均为h。

另外, 由导数的定义可知

将式 ( 3) 、式 ( 4) 、式 ( 5) 带入式 ( 1) 中, 可得

式 ( 6) 中的结果为常数且为负值, 为方便计算, 可将该负值设为- 1, 即

利用多重网格法对式 ( 7) 进行求解, 用所得到的解U ( x, y) 为S内的点赋值。

1. 2多重网格法求解泊松方程

多重网格法是求解偏微分方程的一种重要手段, 其具有快速、易于实现等优点［16］。多重网格法是在逐渐加密的网格上进行迭代, 这一迭代格式利用了不同网格层之间的相互关联关系［17］。本文采用多重网格法对式 ( 7) 进行求解。

对于式 ( 7) , 不难得到其差分格式

由式 ( 7) 可知, h为网格的步长, f = - 1。

选取3层网格, 由细到粗各层网格 Ω1, Ω2, Ω3的步长h分别为: h1= 1, h2= 4, h3= 16。多重网格法需要在不同的网格上根据迭代公式进行迭代, 假设方程的精确解为U ( x, y) , 则需要通过多重网格法得到U ( x, y) 的近似值。通过式 ( 8) 得到迭代公式为

多重网格法的求解步骤如下:

( 1) 在 Ω1层 ( 即最细层) 网格上进行迭代。假设该层的计算解由u ( x, y) 表示, 且u ( x, y) 的初值为0。

式 ( 10) 中n表示为第n次迭代, f = - 1。当u ( n) ( x, y) - u ( n－1) ( x, y) ≤ 10－3时, 停止迭代。假设是经过了m次迭代, 则所得到的结果为u ( m) ( x, y) 。令V ( x, y) = U ( x, y) - u ( m) ( x, y) , 即为最细层迭代结果与精确值之间的误差。

( 2) 在 Ω2层网格上进行迭代, 结果用v ( x, y) 表示。假设 Ω2层各点初值为0。按照逐点投影法将 Ω1层结果投影到 Ω2层上:

将v (x, y) 和步长h2代入式 (12) 。

在 Ω2层的迭代过程中, f' 为

迭代结果为v ( m) ( x, y) , 其与V ( x, y) 之间的误差记为W ( x, y) = V ( x, y) - v ( m) ( x, y) 。

( 3) 根据 Ω2层的迭代过程对 Ω3层进行计

得到的结果为w ( m) ( x, y) , 式中的f″ 为:

( 4) 将w ( m) ( x, y) 映射到 Ω2层。由图3所示, 圆形代表 Ω2与 Ω3不重叠的点, 方形的点代表 Ω2与 Ω3重叠的点。则 Ω2层上各点的值可由其周围最近邻的 Ω3层上的四个点获得

式 ( 16) 中, ( x, y) 为 Ω3层上的坐标, Δx, Δy ∈ { 0, 1, 2, 3} 。采用式 ( 13) 完成 Ω3层到 Ω2层的映射。

( 5) 将式 ( 16) 得到的结果按照式 ( 12) 进行迭代, 经过k次迭代后得到的结果为v ( m+1 +k) ( x, y) 。同理, 将v ( m+1 +k) ( x, y) 映射到 Ω1, 并进行迭代, 得到结果u ( m+1 +k) ( x, y) , 此为方程式 ( 7) 的最终结果。

2基于泊松方程的特征提取

由泊松方程的解表征的人体剪影区域包含了很多信息, 例如剪影的结构特征和方位特征［18］。 为便于观察, 将一定数量的剪影重叠, 质心置于同一纵轴, 形成一个3D时空图形S'。设为S' 内各像素点赋值U ( x, y, t) , t为图像序列的帧编号, U ( x, y, t) 为在第t帧图像上由第1节方法求得的U ( x, y) 。本文采用基于U ( x, y, t) 的矩特征描述行为, 该特征具有平移不变性和缩放不变性。采用如下矩特征

式 ( 17) 中, 参数 ω ( x, y, t) 为每个像素点的权重。 参数 ω ( x, y, t) 由U ( x, y, t) 值在x, y, t方向上的变化特性来决定。ω ( x, y, t) 有两种情况, 第一种描述人体的结构特征, 第二种描述人体内各区域的方向特征。

第一种 ω ( x, y, t) 值可以描述人体各部分的结构特征。通过对人体剪影的求解, 可知, 躯干部位的U ( x, y) 值较大, 而四肢部位和边界的U ( x, y) 值较小U ( x, y) , 相应的U ( x, y, t) 也是如此。简单地通过设置一个阈值, 便可将四肢部位分离出来, 但是, 此时会带出躯干部位的边界。值得关注的是, 躯干的边界部位有着较大的梯度, 通过其梯度值可以将四肢和躯干的边界部位区分

式 (18) 中, (x, y) ∈S, t为样本中的第t帧, 即时间轴坐标, !U (x, y, t) 为U (x, y, t) 的梯度, 即!U (x, y, t) =归一化结果由ωΦ (x, y, t) 表示, 即为结构特征

第二种的ω (x, y, t) 值表征各点所在区域的方向特征。对各点构建Hessian矩阵H

对于每个点的Hessian矩阵H, 不妨设其三个特征值之间的大小关系为: λ1≥ λ2≥ λ3。由三个特征值的比值可以确定三种结构, 分别为棍状结构、板状结构和球状结构, 本文用到的是前两种结构, 分别用Sst ( x, y, t) 和Spl ( x, y, t) 表示, 其计算公式为

通过Hessian矩阵的特征向量可以定义各方向向量

式 ( 22) 中, e1、e2、e3分别为x、y、t方向上的单位向量, β 为常数, 本文取 β = 3。

将两类特征结合, 用 ωsd ( x, y, t) 表示

式 ( 23) 中, i ∈ { pl, st} , j ∈ { 1, 2, 3} 。因此, ωsd ( x, y, t) 共有6个不同值。

综合式 ( 19) 与式 ( 23) , ω ( x, y, t) 有7个取值。 将这7个值带入到式 ( 17) 中得到最终的行为特征。

3实验结果

实验数据集是采用SONY摄像机在室内环境拍摄所得的6类行为视频, 包括跌倒、站立、行走、慢跑、坐下和蹲下［15］。其中, 跌倒为异常行为, 其它为正常行为。每个行为共有30个视频。首先, 采用背景减除法法对运动目标进行检测, 得到人体运动二值图像序列, 然后提取基于泊松方程的特征, 最后采用K均值算法对异常行为进行检测。

图4给出了数据库中6类行为对应的经运动目标检测后的部分图像帧。对运动区域构建泊松方程并求解, 如第2节所述。由于视频帧数较多, 可将每个视频分为两个样本进行处理。通过对样本的处理, 样本中的运动区域内各点坐标x, y, t为相对坐标, 则由式 ( 17) 表征的行为特征具有平移不变性。 处理后, 每个行为有60个样本, 6种行为共360个样本。用本文介绍的特征提取方法对360个样本进行特征提取, 其中, 式 ( 17) 中, p + q ≤ 3, r ≤ 2, 且p和q不同时为0, r不为0。通过计算, 每个样本提取的特征为128维。

通过该算法对人体行为进行特征提取, 并用K均值算法进行异常行为的检测, 所用训练样本个数为8, 测试样本为52个。分别将异常行为“跌倒”分别与其他5种正常行为进行分类, 即将104个样本分成两类, 则“跌倒”行为能够被正确检测出来的正确率如表1所示。

表1中, 第一行的“站立”、“走”、“跑”、“蹲”和 “坐”为正常行为, 第二行的“跌倒”为异常行为。由表1中的实验数据可知, “跌倒”行为与除行为“走” 之外的其他4种正常行为进行K均值分类后, “跌到”行为能够被正确识别出来的正确识别率为100%; “跌倒”行为与行为“走”进行K均值分类后, “跌倒”行为的正确识别率为92. 3% 。计算可知, “跌倒”行为的平均正确识别率为98. 72% 。

4结束语