CCAC 2026 赛道一：青少年心理健康多模态时序演变预测挑战赛

赛道简介

本赛道聚焦青少年心理健康的“多模态时序演变预测”与长效预警任务，旨在通过长周期序列建模，突破传统单点状态评估的局限。希望借此攻克长期心理演变分析的科研难题，尽早筛查出具有恶化倾向的高危易感学生，从而为校园与家庭的早期干预提供坚实的科学依据。比赛依托2000名青少年跨越3年4期的连续诱发范式音视频与DASS量表数据的纵向追踪队列，并提供统一的评测基准与多模态时序数据资源。

青少年心理健康筛查对于早期识别和及时干预至关重要，但在实际应用场景中，规模化评估仍面临诸多挑战。抑郁、焦虑与压力（D/A/S）在青少年群体中十分普遍且常共病发生，而常规筛查目前仍高度依赖量表问卷以及有限的临床资源。多模态情感计算领域的最新研究进展表明，人际交流过程中的视听行为线索能够提供与自我报告互为补充的特征信号，这也为构建标准化、可复现的多模态抑郁、焦虑与压力筛查评估基准数据集提供了研究动力。

尽管相关研究关注度日益提升，但面向未成年人的可复现多模态基准数据集仍十分匮乏。其中一大核心阻碍来自隐私与伦理问题：公开儿童及青少年的原始音视频录制数据，即便经过常规去标识化处理，仍存在个体身份被重新识别的风险，导致开放数据共享难以推进。此外，现有的心理健康相关研究资源在任务定义、数据划分规则与评估标准上往往不统一，不仅阻碍了研究结果的公平对比，还可能引发受试者信息泄露问题。

本赛道的数据集以特征为核心、兼顾隐私保护，其标签依据DASS-21量表生成。数据集采用严格管控的校园采集方案，结合标准化朗读文本与开放式问答环节，既实现了可控情绪诱发，也保留了被试的自然情绪表达，同时提升了不同受试者、不同采集地点之间数据的可比性。为在不暴露原始信号的前提下支撑可复现研究，不公开原始音视频数据，仅发布预先计算好的声学特征描述符、视觉表征以及跨模态时间元数据，为时序建模与多模态特征融合研究提供支撑。该数据集总计包含1909名受试者，每名受试者设有4个采集场次和4个阶段，共计30000余条音视频片段。

数据集介绍

伦理规范

所有流程均严格遵循机构及学校针对未成年人研究的相关规定。已向法定监护人获取书面知情同意书，并征得研究参与者的口头同意。基准数据的发布方案已做专门设计，最大限度降低个人信息泄露的风险。

采集条件

每位参与者需完成 1 段文本朗读任务与 3 段回答问题的开放式自由表达任务。

环节	类型	内容
A01	文本朗读	"北风与太阳" 朗读段.
B01	回答问题	请描述一下，你昨天过的怎么样?
B02	回答问题	请描述一下，最近一周最开心的记忆?
B03	回答问题	请描述一下，最近一周最悲伤的记忆?

特征

从样本中提取的特征包括音频特征与视频特征，具体特征参数、介绍与所需模型可至以下网页查看：详情

注释与标签

标签根据简化版的DASS-21心理量表。D/A/S三个指标可分别反映抑郁、焦虑和压力三种情绪状态的程度，每个指标下有正常, 轻度, 中度, 重度, 非常严重五种标签。

程度	抑郁（Depression）	焦虑（Anxiety）	压力（Stress）
正常	0-9	0-7	0-14
轻度	10-13	8-9	15-18
中度	14-20	10-14	19-25
重度	21-27	15-19	26-33
非常严重	28+	20+	34+

注: 以上注释供参考，正式表述可参考DASS-21官方资料。

任务细节

CCAC_MAPS是面向青少年心理状态的纵向多模态预测任务。数据集包含同一批被试在 T1、T2、T3、T4 四个阶段采集的诱导范式音视频特征和 DASS 量表信息。

任务要求参赛模型在一个长周期的纵向追踪环境中，利用受试者历史阶段的多模态数据和量表标签，动态预测其未来阶段的心理状况及情绪演变趋势。具体而言，模型需要对青少年跨越前3个阶段（T1、T2、T3）的诱发范式音视频特征及心理量表数据进行时序建模，提炼深层的动态心理表征与演变规律，进而精准预测该个体在最终阶段（T4）的抑郁焦虑压力水平从而反映所属的情绪变化趋势。（当前 baseline 默认任务为：使用 T1/T2/T3 的历史音视频特征和历史量表信息，预测 T4 焦虑等级 t4_anxiety_level）

输入

每个测试样本对应一名匿名被试，输入包括：

T1/T2/T3 三个阶段；
每阶段四个 clip：A01/B01/B02/B03；
从样本中提取的特征包括音频特征与视频特征；

输出

提交的输出文件至少包含以下字段：

anon_school：匿名学校 ID
anon_class：匿名班级 ID
anon_person：匿名被试 ID
label：预测的 t4_anxiety_level

评价规则

评测奖励

每个赛道将产生一、二、三等奖若干名，获奖队伍将会获得由中国中文信息学会颁发的证书。
本届评测对于各赛道获得前3名的队伍各提供一个免注册费参加CCAC2026大会名额（食宿自理）。
各赛道前3名队伍的评测论文可自愿推荐到期刊《Symmetry》（SCI三区，MDPI开源期刊）的special issue：Symmetry and Asymmetry in LLMs-Based NLP上发表（需按照期刊要求重新整理成论文形式）。

获奖的队伍需要提交一个四页左右的技术报告，评测结束后，组委会会在大会官网进行报告共享，便于大家交流学习。

主要指标

评价的 主指标 为五分类的 Macro-F1（当分母为 0 时，对应类别指标记为 0）：

$$ Precision_c =\frac{TP_c}{TP_c + FP_c} $$

$$ Recall_c =\frac{TP_c}{TP_c + FN_c} $$

$$ F1_c =\frac{2 \cdot Precision_c \cdot Recall_c}{Precision_c + Recall_c} $$

$$ Score =\frac{1}{|C|}\sum_{c \in C} F1_c $$

次要指标

若主指标相同，首先参考 Balanced Accuracy（各类别召回均衡程度），再参考 Weighted-F1（按类别样本数加权的 F1）和 Accuracy：

$$ Balanced\ Accuracy =\frac{1}{|C|}\sum_{c \in C} Recall_c $$

$$ Weighted\text{-}F1 =\sum_{c \in C}\left(\frac{n_c}{N}\right)F1_c $$

$$ Accuracy =\frac{correct}{total} $$

注册

本次挑战赛的排名将基于CodaBench平台生成。参赛队伍需依据最终用户许可协议上提供的团队名称，或发送该许可协议时所用的邮箱，在CodaBench平台完成注册，方可上传评测结果并查看赛事排名。挑战赛正式开启时，我们将同步提供CodaBench平台链接：打开链接

为进一步保障数据安全与合规使用，请在联系我们申请挑战赛访问权限前，完成以下步骤：

下载 CCAC_MAPS 数据集许可协议 PDF 文件：用户许可协议（须由全职教职人员或科研人员如带队老师签署；不符合该要求的申请将不予受理）
仔细阅读 协议内容。协议详细列明了数据使用规范、使用限制以及被许可方的责任与义务，请完整通读文档，确保充分理解所有条款内容。
在确认完全理解并同意所有条款后，手写签署协议，并填写所有必填信息。（注意：协议中的队名需要与codabench的username一致，username有格式限制，推荐先注册codabench再填写协议。）

完成以上步骤后，请将签署完毕的协议发送至邮箱： wangpufan03@163.com

报名须知

每位指导老师仅可指导一支队伍。严禁通过注册虚假队伍的方式规避提交次数限制。一经违规，将立即取消参赛资格及获奖资格。

基线、数据集获取

获取

通过以下链接获取基线与数据集：

Baseline代码 github
训练集、验证集打开网盘链接
测试集打开网盘链接

baseline在测试集上的最优效果
Macro-F1	0.3086
Balanced Accuracy	0.2988

注意

数据集包括 加密压缩文件, 密码将在签署许可协议并完成CodaBench注册后提供

结果提交

请通过以下网页提交结果：

打开链接

注意

提交要求 ：参赛者每日最多可提交五次。每次提交需包含模型在测试集上的预测结果，以及对应的模型文件（含核心代码说明与运行环境配置）与检查点、权重文件等。

时间安排

任务发布与报名启动	2026年4月11日
数据集发布	2026年5月15日
提交开始	2026年5月25日
提交截止	2026年6月14日
比赛结果公布	2026年6月下旬
CCAC2026大会召开及颁奖典礼	2026年7月10日-12日

组织者&联系人

赛道组织主席：罗兆杰、连政

赛道组织单位：东南大学数字医学工程全国重点实验室、同济大学上海自主智能无人系统科学中心

赛道评测委员会成员：王俊坤、许华铭、王朴凡

如有疑问，请致信赛道评测会务组：

王朴凡(wangpufan03@163.com)

王俊坤(k3nwong@seu.edu.com)

许华铭(220242597@seu.edu.cn)

赛道群组

如过期请致信 wangpufan03@163.com