大數(shù)據(jù)心理學(xué)BigdataPsychology大數(shù)據(jù)心理學(xué)BigdataPsychologyCONTENTS1

大

數(shù)據(jù)2

大

數(shù)

據(jù)

與

心理學(xué)3

創(chuàng)

意

應(yīng)用4

優(yōu)

點(diǎn)

缺點(diǎn)CONTENTS1大2大31大數(shù)據(jù)BigData1大數(shù)據(jù)BigData大數(shù)據(jù)3V特征什么是大數(shù)據(jù)？又稱(chēng)海量數(shù)據(jù)，是指所涉及的數(shù)據(jù)量規(guī)模巨大到無(wú)法通過(guò)人工在合理時(shí)間內(nèi)達(dá)到截取、管理、處理、并整理成為人類(lèi)所能解讀的信息。數(shù)據(jù)體量巨大（Volume）數(shù)據(jù)類(lèi)型繁多（Variety）數(shù)據(jù)處理速度快（Velocity）大數(shù)據(jù)3V特征什么是大數(shù)據(jù)？又稱(chēng)海量數(shù)據(jù)，是指所涉及的數(shù)據(jù)數(shù)2大數(shù)據(jù)與心理學(xué)Bigdataandpsychology2大數(shù)據(jù)與心理學(xué)Bigdataandpsycho“”Gestalt大數(shù)據(jù)與格式塔心理學(xué)大數(shù)據(jù)展示了格式塔心理學(xué)中“整體大于部分之和”的優(yōu)勢(shì)。在總數(shù)據(jù)量相同的情況下，與分別分析獨(dú)立的小型數(shù)據(jù)集（類(lèi)似于經(jīng)典心理學(xué)研究中的樣本）相比，將各個(gè)小型數(shù)據(jù)集合并（類(lèi)似于總體）后進(jìn)行分析可以得出更多額外的信息。這些信息可以用來(lái)判定消費(fèi)者喜好、預(yù)測(cè)選舉結(jié)果、監(jiān)控疾病疫情或測(cè)定實(shí)時(shí)交通路況等，如谷歌的流感趨勢(shì)就是利用大數(shù)據(jù)對(duì)流感進(jìn)行的預(yù)測(cè)。能夠有諸如上述眾多應(yīng)用開(kāi)發(fā)正是大數(shù)據(jù)風(fēng)靡的原因。

“”Gestalt大數(shù)據(jù)與格式塔心理學(xué)大數(shù)據(jù)展示了格式塔心理谷歌的流感趨勢(shì)+谷歌設(shè)計(jì)人員認(rèn)為，人們輸入的搜索關(guān)鍵詞代表了他們的即時(shí)需要，反映出用戶(hù)情況。+為便于建立關(guān)聯(lián)，設(shè)計(jì)人員編入“一攬子"流感關(guān)鍵詞，包括溫度計(jì)、流感癥狀、肌肉疼痛、胸悶等。只要用戶(hù)輸入這些關(guān)鍵詞，系統(tǒng)就會(huì)展開(kāi)跟蹤分析，創(chuàng)建地區(qū)流感圖表和流感地圖。+為驗(yàn)證"谷歌流感趨勢(shì)"預(yù)警系統(tǒng)的正確性，谷歌多次把測(cè)試結(jié)果與美國(guó)疾病控制和預(yù)防中心的報(bào)告做比對(duì)，證實(shí)兩者結(jié)論存在很大相關(guān)性。谷歌的流感趨勢(shì)+谷歌設(shè)計(jì)人員認(rèn)為，人們輸入的搜索大數(shù)據(jù)的興起為心理學(xué)研究帶來(lái)了極大的機(jī)遇

+科學(xué)心理學(xué)研究立足于反映心理活動(dòng)的外部表現(xiàn)的客觀材料，

即建立在客觀數(shù)據(jù)的基礎(chǔ)之上。+然而由于條件所限，長(zhǎng)期以來(lái)心理學(xué)研究者幾乎無(wú)法獲取覆蓋

研究對(duì)象全體的客觀數(shù)據(jù)，從而不得不發(fā)展出一套以實(shí)驗(yàn)室實(shí)

驗(yàn)和抽樣統(tǒng)計(jì)為核心的學(xué)科操作規(guī)范。這種操作規(guī)范為心理學(xué)

研究者進(jìn)行符合現(xiàn)代科學(xué)標(biāo)準(zhǔn)的探索提供了極大便利，使得心理

學(xué)學(xué)科知識(shí)得以迅速積累，但同時(shí)也使研究結(jié)果的真實(shí)性、可用

性和可推廣性受到極大約束。+大數(shù)據(jù)理論與技術(shù)的出現(xiàn)，特別是當(dāng)下數(shù)據(jù)采集技術(shù)的飛速發(fā)展

和應(yīng)用范圍的極大拓展，使得我們有可能開(kāi)展極大規(guī)模的用戶(hù)實(shí)

驗(yàn)，進(jìn)行全時(shí)全程的跟蹤記錄，并實(shí)現(xiàn)數(shù)據(jù)顆粒度的靈活變化，

從而使得心理學(xué)研究的數(shù)據(jù)基礎(chǔ)更全面堅(jiān)實(shí)，為心理學(xué)研究帶來(lái)

新的發(fā)展機(jī)遇。?大數(shù)據(jù)的興起為心理學(xué)研究+科學(xué)心理學(xué)研究立足于反對(duì)心理學(xué)研究?jī)煞矫娴拇龠M(jìn)對(duì)心理學(xué)研究邏輯的促進(jìn)：心理學(xué)假設(shè)檢驗(yàn)的研究邏輯是先驗(yàn)的，是在得出結(jié)果之前做出的推斷。不同于心理學(xué)的研究邏輯，大數(shù)據(jù)是根據(jù)數(shù)據(jù)分析得出結(jié)論，其研究邏輯是后驗(yàn)的。心理學(xué)采用先驗(yàn)邏輯，是對(duì)經(jīng)典研究方法只能獲得部分、有限的數(shù)據(jù)這一現(xiàn)實(shí)的妥協(xié)。大數(shù)據(jù)的出現(xiàn)為心理學(xué)提供了一個(gè)后驗(yàn)的可能，進(jìn)而提高心理學(xué)研究的科學(xué)性，同時(shí)也更符合從實(shí)踐到理論再到實(shí)踐的哲學(xué)思想。?對(duì)心理學(xué)研究方法的促進(jìn)：（1）樣本代表性（2）客觀性（3）數(shù)據(jù)的收集和處理（4）時(shí)效性對(duì)心理學(xué)研究?jī)煞矫娴拇龠M(jìn)對(duì)心理學(xué)研究邏輯的促進(jìn)：對(duì)心理學(xué)研究3創(chuàng)新應(yīng)用InnovativeApplication3創(chuàng)新應(yīng)用InnovativeApplication大數(shù)據(jù)心理學(xué)課件

用戶(hù)體驗(yàn)是用戶(hù)在使用一個(gè)產(chǎn)品或服務(wù)的過(guò)程中建立起來(lái)的主觀心理感受，對(duì)用戶(hù)體驗(yàn)的理解和把握直接服務(wù)于產(chǎn)品的設(shè)計(jì)和改進(jìn)。普通用戶(hù)在產(chǎn)品使用的過(guò)程中產(chǎn)生大量的行為數(shù)據(jù)，利用大數(shù)據(jù)方法對(duì)使用行為進(jìn)行深入分析，將大大提高研究者和設(shè)計(jì)者對(duì)用戶(hù)主觀感受的洞察能力，并據(jù)此開(kāi)發(fā)滿足用戶(hù)主觀需求的設(shè)計(jì)。隨著對(duì)個(gè)體行為數(shù)據(jù)記錄的普遍化與集成化，通過(guò)大數(shù)據(jù)分析，能夠?qū)崿F(xiàn)對(duì)反映公眾態(tài)度與情緒等影響因素進(jìn)行監(jiān)控，預(yù)測(cè)社會(huì)態(tài)勢(shì)如群體性事件的趨勢(shì)變化，從而實(shí)現(xiàn)對(duì)群體性事件的預(yù)警。

在線心理干預(yù)是指將傳統(tǒng)的心理干預(yù)方法與流程寄托于網(wǎng)絡(luò)，傳統(tǒng)的干預(yù)方法受到從業(yè)人員數(shù)量的限制，而利用大數(shù)據(jù)技術(shù)將心理干預(yù)的信息獲取、干預(yù)實(shí)施、反饋收集等流程在線化，能夠大大提升心理干預(yù)服務(wù)的效率和覆蓋率。用戶(hù)體驗(yàn)是用戶(hù)在使用一個(gè)產(chǎn)品或服務(wù)的過(guò)程中建立起來(lái)的4基于大數(shù)據(jù)計(jì)算建模的心理測(cè)評(píng)Psychologicalevaluationbasedonlargedatamodeling4基于大數(shù)據(jù)計(jì)算建模的心理測(cè)評(píng)Psychologicale研究介紹：通過(guò)數(shù)據(jù)挖掘技術(shù)，建立基于外部表現(xiàn)或行為特征的心理預(yù)測(cè)模型。借助于超級(jí)計(jì)算資源，利用心理預(yù)測(cè)模型實(shí)現(xiàn)對(duì)大規(guī)模用戶(hù)的實(shí)時(shí)計(jì)算分析。依靠大數(shù)據(jù)技術(shù)的優(yōu)勢(shì)對(duì)大量網(wǎng)絡(luò)用戶(hù)的數(shù)據(jù)進(jìn)行分析挖掘、得出心理特征模型。構(gòu)建心理特征預(yù)測(cè)模型的一般步驟：數(shù)據(jù)標(biāo)注：數(shù)據(jù)處理：建立模型：模型評(píng)估：標(biāo)注用戶(hù)清洗、轉(zhuǎn)換、用如機(jī)器學(xué)分類(lèi)(準(zhǔn)確率／召回心理特征特征設(shè)計(jì)、習(xí)等技術(shù)率)；回歸(相關(guān)系數(shù)

／平均誤)研究介紹：數(shù)據(jù)標(biāo)注：數(shù)據(jù)處理：基于大數(shù)據(jù)進(jìn)行人格預(yù)測(cè)的研究思路多任務(wù)回歸、增量回歸的方法

從網(wǎng)絡(luò)行為中預(yù)測(cè)五大格，

結(jié)果顯示不同人格維度與微博行為之間的關(guān)系呈顯著相關(guān)特征。SupportVectorMachine(SVM)和Pace回歸兩種算法建立人格特征預(yù)測(cè)模型，表明基于微博行為建立的人格特征預(yù)測(cè)模型具有良好的預(yù)測(cè)效果。抑郁預(yù)測(cè)的研究，

機(jī)器學(xué)習(xí)的方法對(duì)網(wǎng)絡(luò)行為進(jìn)行建模，預(yù)測(cè)具有高自殺可能性的人群。白朔天李琳胡泉

+利用網(wǎng)絡(luò)用戶(hù)的網(wǎng)絡(luò)使用客觀行為數(shù)據(jù)，通過(guò)機(jī)器學(xué)習(xí)的方法建立基于網(wǎng)絡(luò)使用行為的人格特征預(yù)測(cè)模型?；诖髷?shù)據(jù)進(jìn)行人格預(yù)測(cè)的研究思路多任務(wù)回歸、增量回歸的方法S5優(yōu)點(diǎn)與缺點(diǎn)AdvantageandDisadvantage5優(yōu)點(diǎn)與缺點(diǎn)AdvantageandDisadvanta優(yōu)點(diǎn)一方面，能大大提高許多研究的效率；另一方面，可在驗(yàn)證階段實(shí)現(xiàn)對(duì)新發(fā)現(xiàn)知識(shí)的快速修正。心理學(xué)的持續(xù)發(fā)展，不僅需要橫向拓展更多研究領(lǐng)域，而且需要縱向挖掘更深層的關(guān)系。得益于大數(shù)據(jù)的理論、技術(shù)和資源，未來(lái)心理學(xué)的研究必將越來(lái)越穩(wěn)固地建立在對(duì)客觀數(shù)據(jù)的全面準(zhǔn)確分析之上，并在研究的效率和效果上實(shí)現(xiàn)新的飛躍。優(yōu)點(diǎn)一方面，能大大提高許多研究的效率；缺點(diǎn)哈佛大學(xué)、美國(guó)東北大學(xué)的幾位學(xué)者聯(lián)合撰寫(xiě)的論文“谷歌流感的寓言：大數(shù)據(jù)分析中的陷阱”其作者認(rèn)為：大數(shù)據(jù)的分析是很復(fù)雜的，但由于大數(shù)據(jù)的收集過(guò)程，很難保證有像傳統(tǒng)“小數(shù)據(jù)”那樣縝密，難免會(huì)出現(xiàn)失準(zhǔn)的情況，作者以谷歌流感趨勢(shì)失準(zhǔn)為例，指出“大數(shù)據(jù)傲慢（BigDataHubris）”是問(wèn)題的根源?！犊茖W(xué)》一文還認(rèn)為，“大數(shù)據(jù)傲慢（BigDataHubris）”還體現(xiàn)在，存在一種錯(cuò)誤的思維方式，即誤認(rèn)為大數(shù)據(jù)模式分析出的“統(tǒng)計(jì)學(xué)相關(guān)性”，可以直接取代事物之間真實(shí)的因果和聯(lián)系，從而過(guò)度應(yīng)用這種技術(shù)。比如：在某個(gè)時(shí)間很多人搜索“流感”，不一定代表流感真的暴發(fā)，完成有可能只是上映了一場(chǎng)關(guān)于流感的電影或流行了一個(gè)有關(guān)流感的段子。

缺點(diǎn)哈佛大學(xué)、美國(guó)東北大學(xué)的幾位學(xué)者聯(lián)合撰寫(xiě)的論文THANKSTHANKS大數(shù)據(jù)心理學(xué)課件大數(shù)據(jù)心理學(xué)BigdataPsychology大數(shù)據(jù)心理學(xué)BigdataPsychologyCONTENTS1

大

數(shù)據(jù)2

大

數(shù)

據(jù)

與

心理學(xué)3

創(chuàng)

意

應(yīng)用4

優(yōu)

點(diǎn)

缺點(diǎn)CONTENTS1大2大31大數(shù)據(jù)BigData1大數(shù)據(jù)BigData大數(shù)據(jù)3V特征什么是大數(shù)據(jù)？又稱(chēng)海量數(shù)據(jù)，是指所涉及的數(shù)據(jù)量規(guī)模巨大到無(wú)法通過(guò)人工在合理時(shí)間內(nèi)達(dá)到截取、管理、處理、并整理成為人類(lèi)所能解讀的信息。數(shù)據(jù)體量巨大（Volume）數(shù)據(jù)類(lèi)型繁多（Variety）數(shù)據(jù)處理速度快（Velocity）大數(shù)據(jù)3V特征什么是大數(shù)據(jù)？又稱(chēng)海量數(shù)據(jù)，是指所涉及的數(shù)據(jù)數(shù)2大數(shù)據(jù)與心理學(xué)Bigdataandpsychology2大數(shù)據(jù)與心理學(xué)Bigdataandpsycho“”Gestalt大數(shù)據(jù)與格式塔心理學(xué)大數(shù)據(jù)展示了格式塔心理學(xué)中“整體大于部分之和”的優(yōu)勢(shì)。在總數(shù)據(jù)量相同的情況下，與分別分析獨(dú)立的小型數(shù)據(jù)集（類(lèi)似于經(jīng)典心理學(xué)研究中的樣本）相比，將各個(gè)小型數(shù)據(jù)集合并（類(lèi)似于總體）后進(jìn)行分析可以得出更多額外的信息。這些信息可以用來(lái)判定消費(fèi)者喜好、預(yù)測(cè)選舉結(jié)果、監(jiān)控疾病疫情或測(cè)定實(shí)時(shí)交通路況等，如谷歌的流感趨勢(shì)就是利用大數(shù)據(jù)對(duì)流感進(jìn)行的預(yù)測(cè)。能夠有諸如上述眾多應(yīng)用開(kāi)發(fā)正是大數(shù)據(jù)風(fēng)靡的原因。

“”Gestalt大數(shù)據(jù)與格式塔心理學(xué)大數(shù)據(jù)展示了格式塔心理谷歌的流感趨勢(shì)+谷歌設(shè)計(jì)人員認(rèn)為，人們輸入的搜索關(guān)鍵詞代表了他們的即時(shí)需要，反映出用戶(hù)情況。+為便于建立關(guān)聯(lián)，設(shè)計(jì)人員編入“一攬子"流感關(guān)鍵詞，包括溫度計(jì)、流感癥狀、肌肉疼痛、胸悶等。只要用戶(hù)輸入這些關(guān)鍵詞，系統(tǒng)就會(huì)展開(kāi)跟蹤分析，創(chuàng)建地區(qū)流感圖表和流感地圖。+為驗(yàn)證"谷歌流感趨勢(shì)"預(yù)警系統(tǒng)的正確性，谷歌多次把測(cè)試結(jié)果與美國(guó)疾病控制和預(yù)防中心的報(bào)告做比對(duì)，證實(shí)兩者結(jié)論存在很大相關(guān)性。谷歌的流感趨勢(shì)+谷歌設(shè)計(jì)人員認(rèn)為，人們輸入的搜索大數(shù)據(jù)的興起為心理學(xué)研究帶來(lái)了極大的機(jī)遇

+科學(xué)心理學(xué)研究立足于反映心理活動(dòng)的外部表現(xiàn)的客觀材料，

即建立在客觀數(shù)據(jù)的基礎(chǔ)之上。+然而由于條件所限，長(zhǎng)期以來(lái)心理學(xué)研究者幾乎無(wú)法獲取覆蓋

研究對(duì)象全體的客觀數(shù)據(jù)，從而不得不發(fā)展出一套以實(shí)驗(yàn)室實(shí)

驗(yàn)和抽樣統(tǒng)計(jì)為核心的學(xué)科操作規(guī)范。這種操作規(guī)范為心理學(xué)

研究者進(jìn)行符合現(xiàn)代科學(xué)標(biāo)準(zhǔn)的探索提供了極大便利，使得心理

學(xué)學(xué)科知識(shí)得以迅速積累，但同時(shí)也使研究結(jié)果的真實(shí)性、可用

性和可推廣性受到極大約束。+大數(shù)據(jù)理論與技術(shù)的出現(xiàn)，特別是當(dāng)下數(shù)據(jù)采集技術(shù)的飛速發(fā)展

和應(yīng)用范圍的極大拓展，使得我們有可能開(kāi)展極大規(guī)模的用戶(hù)實(shí)

驗(yàn)，進(jìn)行全時(shí)全程的跟蹤記錄，并實(shí)現(xiàn)數(shù)據(jù)顆粒度的靈活變化，

從而使得心理學(xué)研究的數(shù)據(jù)基礎(chǔ)更全面堅(jiān)實(shí)，為心理學(xué)研究帶來(lái)

新的發(fā)展機(jī)遇。?大數(shù)據(jù)的興起為心理學(xué)研究+科學(xué)心理學(xué)研究立足于反對(duì)心理學(xué)研究?jī)煞矫娴拇龠M(jìn)對(duì)心理學(xué)研究邏輯的促進(jìn)：心理學(xué)假設(shè)檢驗(yàn)的研究邏輯是先驗(yàn)的，是在得出結(jié)果之前做出的推斷。不同于心理學(xué)的研究邏輯，大數(shù)據(jù)是根據(jù)數(shù)據(jù)分析得出結(jié)論，其研究邏輯是后驗(yàn)的。心理學(xué)采用先驗(yàn)邏輯，是對(duì)經(jīng)典研究方法只能獲得部分、有限的數(shù)據(jù)這一現(xiàn)實(shí)的妥協(xié)。大數(shù)據(jù)的出現(xiàn)為心理學(xué)提供了一個(gè)后驗(yàn)的可能，進(jìn)而提高心理學(xué)研究的科學(xué)性，同時(shí)也更符合從實(shí)踐到理論再到實(shí)踐的哲學(xué)思想。?對(duì)心理學(xué)研究方法的促進(jìn)：（1）樣本代表性（2）客觀性（3）數(shù)據(jù)的收集和處理（4）時(shí)效性對(duì)心理學(xué)研究?jī)煞矫娴拇龠M(jìn)對(duì)心理學(xué)研究邏輯的促進(jìn)：對(duì)心理學(xué)研究3創(chuàng)新應(yīng)用InnovativeApplication3創(chuàng)新應(yīng)用InnovativeApplication大數(shù)據(jù)心理學(xué)課件

用戶(hù)體驗(yàn)是用戶(hù)在使用一個(gè)產(chǎn)品或服務(wù)的過(guò)程中建立起來(lái)的主觀心理感受，對(duì)用戶(hù)體驗(yàn)的理解和把握直接服務(wù)于產(chǎn)品的設(shè)計(jì)和改進(jìn)。普通用戶(hù)在產(chǎn)品使用的過(guò)程中產(chǎn)生大量的行為數(shù)據(jù)，利用大數(shù)據(jù)方法對(duì)使用行為進(jìn)行深入分析，將大大提高研究者和設(shè)計(jì)者對(duì)用戶(hù)主觀感受的洞察能力，并據(jù)此開(kāi)發(fā)滿足用戶(hù)主觀需求的設(shè)計(jì)。隨著對(duì)個(gè)體行為數(shù)據(jù)記錄的普遍化與集成化，通過(guò)大數(shù)據(jù)分析，能夠?qū)崿F(xiàn)對(duì)反映公眾態(tài)度與情緒等影響因素進(jìn)行監(jiān)控，預(yù)測(cè)社會(huì)態(tài)勢(shì)如群體性事件的趨勢(shì)變化，從而實(shí)現(xiàn)對(duì)群體性事件的預(yù)警。

在線心理干預(yù)是指將傳統(tǒng)的心理干預(yù)方法與流程寄托于網(wǎng)絡(luò)，傳統(tǒng)的干預(yù)方法受到從業(yè)人員數(shù)量的限制，而利用大數(shù)據(jù)技術(shù)將心理干預(yù)的信息獲取、干預(yù)實(shí)施、反饋收集等流程在線化，能夠大大提升心理干預(yù)服務(wù)的效率和覆蓋率。用戶(hù)體驗(yàn)是用戶(hù)在使用一個(gè)產(chǎn)品或服務(wù)的過(guò)程中建立起來(lái)的4基于大數(shù)據(jù)計(jì)算建模的心理測(cè)評(píng)Psychologicalevaluationbasedonlargedatamodeling4基于大數(shù)據(jù)計(jì)算建模的心理測(cè)評(píng)Psychologicale研究介紹：通過(guò)數(shù)據(jù)挖掘技術(shù)，建立基于外部表現(xiàn)或行為特征的心理預(yù)測(cè)模型。借助于超級(jí)計(jì)算資源，利用心理預(yù)測(cè)模型實(shí)現(xiàn)對(duì)大規(guī)模用戶(hù)的實(shí)時(shí)計(jì)算分析。依靠大數(shù)據(jù)技術(shù)的優(yōu)勢(shì)對(duì)大量網(wǎng)絡(luò)用戶(hù)的數(shù)據(jù)進(jìn)行分析挖掘、得出心理特征模型。構(gòu)建心理特征預(yù)測(cè)模型的一般步驟：數(shù)據(jù)標(biāo)注：數(shù)據(jù)處理：建立模型：模型評(píng)估：標(biāo)注用戶(hù)清洗、轉(zhuǎn)換、用如機(jī)器學(xué)分類(lèi)(準(zhǔn)確率／召回心理特征特征設(shè)計(jì)、習(xí)等技術(shù)率)；回歸(相關(guān)系數(shù)

／平均誤)研究介紹：數(shù)據(jù)標(biāo)注：數(shù)據(jù)處理：基于大數(shù)據(jù)進(jìn)行人格預(yù)測(cè)的研究思路多任務(wù)回歸、增量回歸的方法

從網(wǎng)絡(luò)行為中預(yù)測(cè)五大格，

結(jié)果顯示不同人格維度與微博行為之間的關(guān)系呈顯著相關(guān)特征。SupportVectorMachine(SVM)和Pace回歸兩種算法建立人格特征預(yù)測(cè)模型，表明基于微博行為建立的人格特征預(yù)測(cè)模型具有良好的預(yù)測(cè)效果。抑郁預(yù)測(cè)的研究，

機(jī)器學(xué)習(xí)的方法對(duì)網(wǎng)絡(luò)行為進(jìn)行建模，預(yù)測(cè)具有高自殺可能性的人群。白朔天李琳