大数据时代下的心理学研究及其应用 江汉大学文理学院 湖北 武汉 430056 一、引言 大数据（Big Data），又称海量数据，是指所涉及的数据量规模巨大到无法通过人工在合理时间内达到截取、管理、处理并整理成为人类所能解读的信息。随着时代的信息大爆炸，大数据已经渗透到了我们生活的各个方面，经济学、天文学、生物学、社会学等学科领域都得到了广泛的应用。在心理学领域，大数据时代也将带来新的思路和启示。 二、大数据时代的心理学研究 1.心理学研究概述 德国心理学家威廉·冯特把实验法引进心理学，并在1879年在德国莱比锡大学创建了世界上第一个专门的心理学实验室，由此开创了科学心理学。心理学成为科学体系中的一门独立学科，至今仅有百余年历史，因此，心理学又是一门年轻的科学。 心理学研究的思路主要是：提出假设，检验假设，接受或拒绝假设。随着各大高校针对新生入学后的心理筛查数据显示，新生出现的危机概率呈现增长的趋势，有关于大学生新生适应问题再次引起了社会的高度关注。大量数据显示，大学新生“不适应症”现象在高校中较为普遍，如，学习上从高中时期的教师教导为主转变为以学生自学为主；入校后，现实状况与自己的理想状态之间的出入、学习和生活等各方面与中学阶段的差异，使得大学生进入大学后出现明显的适应不良。而要将大学新生适应性问题作为心理学的一个研究课题，研究的思路主要是：提出假设，检验假设，接受或拒绝假设。目前在对这类问题进行研究时，往往以采用观察法、调查法、测验法、实验法为主。 观察法就是在自然情境中对被观察者的行为做系统的观察记录，以了解其心理的一种方法。这种方法可以获得一些初步的资料，但该方法很难避免人为性、主观性，且可重复性较差。调查法是以问问题的方式，要求被调查者就某个或某些问题回答自己的想法。该方法能在一定程度上获得更真实的资料，同时也便于量化，但对研究者的要求较高，操作起来费时费力。测验法是用标准化的量表来进行测量，相较于调查法更标准化，但对量表本身也有严格的信效度要求。实验法是心理学中的重要研究方法，它可以直接探究变量之间的因果关系，在实验环境中需要注意避免实验变量收到无关因素的干扰而出现错误的情况。 这些传统的研究方法存在一些缺陷和问题。 首先，传统的心理学研究方法无法直接对总体进行研究，往往采用抽样的方式进行研究，而在抽样过程中，样本的规模通常十分有限，这就使得研究结论的有效性不可避免地受到样本代表性的影响。 其次，传统心理学研究的一个重要缺陷在于对实验条件的过分控制可能会营造出一个不同于真实生活的行为情景，从而对被试的行为产生干扰。 第三，基于传统研究方法的数据收集、分析过程通常会比较缓慢，结果反馈的时间滞后性严重且需要耗费大量的人力、物力。 最后，传统研究方法所收集的数据信息或是代有回溯性质，容易受到遗忘因素的干扰而产生误差。 大数据的兴起为心理学研究带来了极大的机遇，也可以很好地弥补传统心理学研究方法的局限性。 2.大数据时代的心理学研究 心理学假设检验的研究逻辑是先验的，是在得出结果之前做出的推断。不同于心理学的研究逻辑，大数据是根据数据分析得出结论，其研究逻辑是后验的。心理学采用先验逻辑，只能获得部分、有限的数据，同时假设检验的缺点还在于一个研究如果接受虚无假设，意味着排除了一个不正确的推断，但是要得到正确的推断还需要继续验证其他假设。大数据的出现为心理学提供了一个后验的可能，进而提高心理学研究的科学性，同时也更符合从实践到理论再到实践的哲学思想。 大数据不仅为改进心理学的研究逻辑带来了新的契机，而且对心理学的研究方法也产生了深刻的影响。相较于传统的心理学研究方法而言，大数据的方法能更直接地对接近总体的全部数据进行分析处理，从根本上消除了样本代表性的问题。其次，大数据的方法可以在不直接接触被试的前提下收集他们在日常生活中的真实行为数据，更加的生态化。再次，大数据能够实现对海量数据的存取能力，并能有效提取处有效的特征，相较于传统的研究方法，更加具有高效性。最后，大数据的方法能够采集到瞬时性信息并对此加以及时分析，可以保证研究的瞬时性。 大数据方法的研究工具也具有多样性，如大众佩戴的一些电子设备，可以有效地采集用户的行为、生理与生化指标；手机中人们常常使用日志、短信，借此可以记录用户在使用中的环境数据；同时人们通过手机记录下的交通工具的使用、网上购物清单、旅馆的入住、就餐活动，都能详实地记录个人的社会活动。支付宝、各大银行也都推出了个体每年收入支出的清单，这种大数据的信息也能给我们开展心理学研究提供更生态效度的详实数据。 三、大数据时代心理学研究的应用 2014年就有一篇关于情绪传染的研究备受争议，该研究对近70万Facebook用户的动态信息“动了手脚”，使一组用户接收到的信息以积极情感为主，另一组用户则以消极情感为主。结果显示用户的情绪会受到这些动态信息所包含的情感影响，接收积极情感信息的用户情绪更积极，反之接收消极情感信息的用户情绪会变消极。 在传统的心理学研究中，很难想象近70万个样本要耗费多少人力与时间成本，而大数据技术却轻松地解决了这个难题。大量的研究证据表明，网络行为与人格特征之间存在着密切的联系，这意味着网络用户的心理特征是影响网络行为的关键因素。在抑郁预测的研究中，胡泉等使用机器学习方法对网络行为进行建模，模型与传统量表的得分相关在0.25~0.39，抑郁模型的预测效果达到显著水平。在对新浪微博用户的人格预测系列研究中，白朔天等使用多任务回归和增量回归的方法，通过分析微博数据预测大五人格。Kosinski等研究发现，通过分析网络用户在Facebook Likes上的人类欣慰数字记录，可以准确地预测诸如性取向、种族、宗教信仰、政治主张、人格特征、智力、父母离异状况、年龄、性别等一系列的网络用户特征或属性。这些研究为从网络平台对网络用户进行分类提供了可能。 Morgan和Cotton的研究发现，大学新生平均每周使用电子邮件、即时通讯软件或网络聊天室的时间与抑郁情绪水平存在着负相关关系，而大学新生平均每周花费在网络购物、网络游戏、科学研究上的时间与抑郁情绪水平存在着正相关关系。Morgan和Cotton的研究反应出了大学新生这个群体在网络平台上的行为的独特性。 朱廷劭提出，大数据时代的研究在教育学、心理学等多个学科得到广泛的应用。利用在线教育系统中数据记录，获取学生的相关知识习得，并通过所罗门学习风格测量，得到学习风格数据，可以开展学习风格和知识习得相关性研究。 在心理咨询研究领域中,曹奔、夏勉等学者提出采用文本分析技术——“主题模型”开展研究。主题模型可以用于探索咨询过程中咨询师和当事人之间谈话的主题,比较不同治疗类别的相似性,以及进行行为编码;在社交媒体与心理健康上,利用主题模型可识别和预测各种心理障碍以及进行人格计算。 四、大数据时代心理学研究的新思路和展望 随着互联网技术的发展,人们在社交网络中发表了大量包含各种思想、情感、观点的文本信息,这些文本包含着丰富的心理学含义。随着计算机文本挖掘技术及其与统计技术的结合,所发展的计算机化文本分析技术为研究者提供了新的文本研究工具，使得大规模的文本数据研究变得可行。 在2019年末，在中国湖北武汉爆发了新型冠状病毒，这引起了全国人的恐慌，在这场疫情中，疫区的人们足不出户，每天通过各种网络平台转载和阅读相关信息，同时也在各种媒介上发表自己的观点，有些群众甚至出现了不同程度的心理问题。为更好更全面、更生态化地了解疫区人民的心理健康状况，在交通等各方面信息受阻的情况下，可以借助大数据的方法，通过文本分析技术就可以更好地发现可能疫区群众存在心理危机程度，并展开对这类群体更好的帮助和心理支持。 虽然大数据的发展为心理学领域都提供了巨大的潜在发展优势，但在利用大数据的方法进行科学研究的同时也要注意信息的安全，实现网络强国战略、大数据战略、安全战略，推动信息安全全球治理体制变革，让大数据服务于民，便于民。 参考文献 [1]Mark A Beyer & Douglas Laney（2012，June 21）The Importance of “Big Data”：A Definition[EB/OL]. Retrieved February 4，2015，https：//www.gartner.com/doc/2057415/importance- big- data- definition。 [2]高琴 薛洪涛 独立学院大学生新生适应性的研究[J].素质教育，2018，（285）：76-77。 [3]董奇 心理与教育研究方法（修订版）[M].北京：北京师范大学出版社，2006：228-229。 [4]朱廷劭 大数据时代的心理学研究及应用[M].北京：科学出版社，2016：5-6。 [5]Kramer A D I Guillory J E & Hancock J T Experimental evidence of massive——scale emotional contagion through social networks[J].Proceedings of the National Academy of Sciences，2014，111，（24）：8788–8790.doi：10.1073/pnas.1320040111。 [6]Amichai-Hamburger Y Internet and personality Computers in Human Behavior，2001，18，（1）：1-10。 [7]Q Hu A Li R Gao and T Zhu “Depression Prediction towards Microblog Users based on the Multiple Periods”[Z].FedCSIS，2014。 [8]Bai S Yuan S Hao B & Zhu T Predicting personality traits of microblog users[J].Web Intelligence and Agent Systems，2014，12，（3）：249- 265，doi：10.3233/WIA-140295。 [9]Kosinski M Stillwell D Graepel T Private traits and attributes are predictable from digital records of human behavior.Proceedings of the National Academy of Sciences，2013，110，（15）：5802-5805。 [10]Morgan C Cotton S R The relationship between internet activities and depressive symptoms in a sample of college freshmen.Cyber Psychology & Behaviors，2003，6，（2）。 [11]朱廷劭 大数据时代的心理学研究及其在教育领域的潜在应用[J].上海教育，2018，10，（23）。 [12]曹奔 夏勉 任志洪 等 大数据时代心理学文本分析技术——“主题模型”的应用[J].心理科学进展，2018，26，（5）：770-780。 本文来源：https://www.wddqw.com/doc/86d5c4a55beef8c75fbfc77da26925c52dc59121.html