人工智能大数据进入心理学范畴

人工智能和大数据时代的到来为心理学的研究打开了全新的大门。人工智能除了在心理实验方面有着无法取代的潜力，在其他方面也会大大拓展心理学的研究领域。随着智能终端的不断发展，移动数据的不断提速，人工智能不仅可以提供心理干预的平台，更有可能成为心理干预的主力。科学的研究方法将心理学从哲学中分离开来，而人工智能和大数据则可能将心理学更深刻地带入生活。

 

心理学是研究人的行为和心理活动规律的科学，自人类出现，便有了对人类心理和行为的关注。直到 1879 年，构造主义学派创始人冯特在德国莱比锡大学建立第一个心理学实验室，心理学从哲学的襁褓中分离出来，成为一门独立的科学。

心理学通过科学的方法去分析人的行为和心理，主要包括观察法、调查法(问卷法和访谈法)、测验法、实验法等。这些方法很容易受到主试和被试自身期待或动机的影响，而产生虚假或迷惑性的结果，即内部效度可能会受到影响;由于是在一定的时间段内选取有限的、有代表性的研究对象进行研究，然后将结论推广到相同的群体中，这些方法的外部效度和实效性也备受质疑。

目前心理学研究主要以自我报告或者主观观察为主要技术手段，对现实或网络环境中人们的行为和心理进行研究。随着技术的发展，网络环境已不能单纯地看作一种工具，它已经与人类的生存及其环境深度融合，具有与既往传统心理学研究环境完全不同的复杂性与特殊性，同时也为研究提供了新的思路。

人工智能和大数据时代的到来为心理学的研究打开了全新的大门。随着网络及各种智能可穿戴设备的普及，虚拟环境与真实生活不断融合，现实社会中人的各种心理与行为现象能够被电子化记录成大数据保存下来，例如网络访问行为、社会情绪、社会态度、心理健康问题等。研究人员通过用户留下的这些数据对其人格特质或者行为进行预测，Gosling等利用在线社交网站观察到的人格结果对大五人格(big- five)的测量结果与基于Facebook的网络行为自我报告进行了相关分析，结果发现大五人格的不同维度与网络行为显著相关;同时，依赖于现代生活方式，尤其是网络信息传播与人际互动，已经深刻地影响甚至改变了人们的心理与行为特征，产生出一系列亟待解决的全新课题，例如谣言传播、网络煽动群体性事件、网络成瘾等。Zhou 等在研究利用中国社交媒体预测社会事件的发展趋势时发现，群体愤怒情绪会对集体行为产生影响，并且意见领袖、参与者的社会态度以及事件的持续时间都在预测网络社交事件发展趋势中发挥着重要作用。

大数据不仅在研究内容上为心理学家带来了新的课题，更重要的是，大数据与人工智能的结合，使得我们可以利用生态化的行为数据，结合人工智能技术，实现对人们心理指标的自动识别，即生态化识别(ecological recognition)，从而大大拓展了心理学研究和应用范畴。Conroy等分析人工智能大数据与政治参与之间的关系发现，利用互联网新媒体可以增加投票率，促进公民参与积极性。此外，有研究者利用用户在网络上留下的数字足迹来对其心理特质进行预测，并尝试针对不同人格的用户推送统一广告的不同类型的广告图，结果显示通过这一方式推送的广告点击率上升了40%。

生态化识别是指一种非接触式的心理特征测量方法，利用机器学习，建立心理指标预测模型，从而实现对受试者的心理指标的自动识别。相比于传统的心理学研究方法，生态化识别具有以下优势：首先，由于数据自身的特点，不同时间粒度的纵向追踪成为可能;其次，可以通过时间回溯，获取重大事件发生前后受试者的心理状态和行为表现及其变化规律，从而对事件的影响进行量化研究，例如利用社交媒体探索家庭暴力对心理健康的影响，通过分析家庭暴力前后不同时间段的心理健康状况了解家庭暴力对心理健康的负面影响;最后，生态化识别不依赖于被试的主观报告，也不依赖于主试的操控，从而可以有效避免实验条件带来的误差，提高了研究结果的内部效度和外部效度。

以下将主要从人格预测模型的建立介绍如何将人工智能大数据应用于心理学研究，然后通过主动自杀干预以及舆情分析介绍在心理学实践中的应用，最后讨论特别需要关注的伦理问题。

01、建立心理指标预测模型——以人格预测为例

人格是构成一个人思想、情感、行为的独特模式。人格一直以来都备受心理学家的关注，逐渐形成了特质理论、类型理论以及整合理论。目前最被接受的大五人格理论，就是特质理论的一个典型代表。大五人格理论认为，人格可以分为5个因子：开放性(openness)、尽责性(conscientiousness)、外倾性(extroversion)、宜人性(agreeableness)和神经质(neuroticism)。

现有的人格结构主要是从现实语境中产生的，在解释网络用户行为过程中常常遇到困难，研究网络人格结构将有助于我们从心理层面识别网络用户身份，深入了解网络用户的行为特征并预测用户的网络行为。中国科学院心理研究所计算网络心理 实 验 室(computational cyber psychology lab,CCPL)对网络人格结构开展相关研究：根据词汇学假设建立微博人格结构;利用机器学习，以期建立一个对网络用户行为心理具有更好描述和预测效果的模型，即建立人格预测模型。

传统的心理学主要采用词汇学的方法，对于自然语言中获得的人格词汇进行分析，得到一组数目有限的特质，用以代表在这一语言背景下的人们的最重要的特点。以新浪微博文本数据为研究材料，开展词汇学研究。选取 100 个新浪微博活跃用户的微博，通过人工标记的方式，得到描述稳定人物特点的术语1945个。经过对这些属于进行删除生僻、长度不宜词汇和合并同义词，获得210个稳定人格形容词，随后对形容词好恶度、熟悉度和意义度进行评定，将形容词化简到63个形容词，并增加具有微博特色的形容词15个，最终得出共78个形容词的词表。通过对106名被试的78个形容词的评定结果进行因素分析，