當(dāng)心理學(xué)遇上大數(shù)據(jù)

■文/朱廷劭

當(dāng)心理學(xué)遇上大數(shù)據(jù)，究竟能擦出怎樣的火花？通過(guò)分析用戶生態(tài)化的行為數(shù)據(jù)開(kāi)展無(wú)侵?jǐn)_的心理學(xué)研究，其結(jié)果更具有可推廣性。

心理學(xué)作為一門研究心理現(xiàn)象及其規(guī)律的科學(xué)，具有悠久的歷史。19世紀(jì)中葉以前，心理學(xué)研究以思辨式為主，很難稱之為科學(xué)。德國(guó)心理學(xué)家威廉·馮特于1879年在德國(guó)萊比錫大學(xué)創(chuàng)建了世界上第一個(gè)專門的心理學(xué)實(shí)驗(yàn)室，把實(shí)驗(yàn)法引進(jìn)心理學(xué)，科學(xué)心理學(xué)由此誕生。

目前，科學(xué)心理學(xué)的研究建立在客觀數(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)研究的樣本規(guī)模都十分有限，一般多采用抽樣的方式，再把局部樣本的研究結(jié)果推廣到總體上，這就使研究結(jié)論的有效性不可避免地受到樣本代表性的影響。此外，傳統(tǒng)方法大多依賴于用戶自陳，數(shù)據(jù)收集過(guò)程也比較緩慢。

大數(shù)據(jù)理論與技術(shù)的出現(xiàn)，特別是移動(dòng)互聯(lián)網(wǎng)的普及，極大地拓展了數(shù)據(jù)采集的廣度和深度，使研究人員有可能針對(duì)極大規(guī)模用戶開(kāi)展研究，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，從而使心理學(xué)研究的數(shù)據(jù)基礎(chǔ)更全面、堅(jiān)實(shí)。利用大數(shù)據(jù)信息采集與處理技術(shù)，可以實(shí)現(xiàn)對(duì)個(gè)體和群體外部表現(xiàn)數(shù)據(jù)的實(shí)時(shí)采集，彌補(bǔ)傳統(tǒng)研究方法時(shí)效性不足的缺點(diǎn)。

基于此，研究人員利用網(wǎng)絡(luò)大數(shù)據(jù)開(kāi)展多個(gè)層面的研究，利用機(jī)器學(xué)習(xí)模型根據(jù)用戶網(wǎng)絡(luò)行為進(jìn)行心理特征的識(shí)別。利用預(yù)測(cè)模型，使研究人員通過(guò)分析用戶生態(tài)化的行為數(shù)據(jù)開(kāi)展心理學(xué)的相關(guān)研究成為可能，這種無(wú)侵?jǐn)_的心理研究使結(jié)果更具有可推廣性。

利用機(jī)器學(xué)習(xí)建立基于行為數(shù)據(jù)的人格預(yù)測(cè)模型

人格（personality）是心理科學(xué)領(lǐng)域中的重要研究課題，涵蓋了個(gè)體穩(wěn)定的行為模式與內(nèi)部心理過(guò)程，能夠解釋存在于人與人之間的穩(wěn)定的個(gè)性化差異，并且能夠與個(gè)體、人際、社會(huì)等多個(gè)研究層面上的結(jié)果變量同時(shí)保持著穩(wěn)定的預(yù)測(cè)關(guān)系。心理學(xué)家已經(jīng)建立了許多關(guān)于人格的理論和模型，具有代表性的理論有卡特爾人格特質(zhì)理論、艾森克三因素理論、塔佩斯大五人格理論和特里根七因素理論。其中，大五人格模型（Fivefactor model或Big-Five）是目前使用最廣泛的人格模型之一，它將人格分為5個(gè)因子：開(kāi)放性（Openness）、盡責(zé)性（Conscientiousness）、外傾性（Extroversion）、宜人性（Agreeableness）和神經(jīng)質(zhì)（Neuroticism）。傳統(tǒng)的人格測(cè)量方法主要是通過(guò)自陳量表的方式來(lái)進(jìn)行。但是，由于自陳量表需要用戶人工填寫(xiě)，難以實(shí)現(xiàn)針對(duì)大規(guī)模用戶的實(shí)時(shí)測(cè)量，亟待改善。

近年來(lái)，隨著社交網(wǎng)絡(luò)和社會(huì)媒體的興起，有研究開(kāi)始嘗試?yán)糜脩舻木W(wǎng)絡(luò)留痕預(yù)測(cè)其人格，并已經(jīng)獲得了理想的預(yù)測(cè)效果。2013年，英國(guó)劍橋大學(xué)的米夏爾·科辛斯基（Michal Kosinski）、戴維·史迪威（David Stillwell）和微軟研究院的托雷·格雷佩爾（Thore Graepel）利用臉書(shū)（Facebook）的“l(fā)ike”（類似于關(guān)注、點(diǎn)贊）這一屬性，抽取用戶行為特征矩陣，實(shí)現(xiàn)了對(duì)用戶大五人格指標(biāo)的自動(dòng)識(shí)別。2015年，英國(guó)劍橋大學(xué)的吳又又和科辛斯基、史迪威發(fā)現(xiàn)，隨著納入特征矩陣的“l(fā)ike”數(shù)目的增多，對(duì)用戶人格識(shí)別的準(zhǔn)確度甚至能超過(guò)家人對(duì)他/她的了解程度。

我們利用新浪微博，通過(guò)機(jī)器學(xué)習(xí)建立了基于用戶的微博行為的人格預(yù)測(cè)模型。我們引入動(dòng)態(tài)行為的概念，提出兩種提取動(dòng)態(tài)行為的時(shí)序特征方法，從而挖掘能夠預(yù)測(cè)人格的復(fù)雜行為模式。通過(guò)在線的微博用戶實(shí)驗(yàn)，被試填寫(xiě)人格問(wèn)卷的形式，我們獲取了547個(gè)用戶的人格得分，并利用微博API下載用戶的在線微博數(shù)據(jù)。利用兩種特征提取方法，分別提取了845和795個(gè)特征。對(duì)于第一個(gè)特征集（845個(gè)特征），在大五人格每個(gè)維度，我們分別訓(xùn)練了連續(xù)預(yù)測(cè)模型和分類模型，連續(xù)模型的相關(guān)性系數(shù)為0.48～0.54，分類模型的精確度（Accuracy）在84%～92%；對(duì)于第二個(gè)特征集（795個(gè)特征），訓(xùn)練的連續(xù)預(yù)測(cè)模型，其預(yù)測(cè)的人格數(shù)值與真實(shí)用戶填寫(xiě)問(wèn)卷獲取的人格得分的相關(guān)性系數(shù)為0.5～0.63。

研究發(fā)現(xiàn)，利用微博行為對(duì)人格進(jìn)行預(yù)測(cè)的最佳觀察周期（出現(xiàn)最優(yōu)的模型精度的時(shí)間段）一般會(huì)出現(xiàn)在90到120天之間。但是，對(duì)不同的人格維度，利用微博行為來(lái)預(yù)測(cè)人格存在著難度水平的差異。例如，預(yù)測(cè)用戶的開(kāi)放性維度相對(duì)容易（模型的預(yù)測(cè)精度隨著觀察周期的延長(zhǎng)快速提高，30天后達(dá)到收斂），而預(yù)測(cè)用戶的宜人性維度則相對(duì)困難（模型的預(yù)測(cè)精度隨著觀察周期的延長(zhǎng)緩慢提高，并且預(yù)測(cè)精度的變化趨勢(shì)不穩(wěn)定）。這與既有研究的結(jié)論保持一致。

利用網(wǎng)絡(luò)數(shù)據(jù)，根據(jù)抑郁預(yù)測(cè)模型獲取家庭暴力前后的抑郁程度

研究結(jié)果表明，利用用戶的網(wǎng)絡(luò)行為來(lái)預(yù)測(cè)用戶的人格特征是可行的，這為改善人格測(cè)量方法提供了新的視角。由于研究所收集的行為均是客觀的，同時(shí)模型的預(yù)測(cè)精度較高，因此基于網(wǎng)絡(luò)行為分析的人格預(yù)測(cè)方法能夠克服傳統(tǒng)人格測(cè)量方法的不足（如數(shù)據(jù)追蹤困難、資源消耗巨大、測(cè)驗(yàn)效率低下等），從而為人格研究提供有力的研究工具，并且為其他相關(guān)研究領(lǐng)域提供有益的借鑒。

由于網(wǎng)絡(luò)數(shù)據(jù)具有時(shí)間可回溯性，我們可以利用心理計(jì)算模型獲取任意時(shí)間點(diǎn)的用戶心理特征指標(biāo)，通過(guò)生態(tài)化識(shí)別（Ecolouical Recognition，ER）大大擴(kuò)展了傳統(tǒng)的心理學(xué)研究范疇，使開(kāi)展跨時(shí)空的心理學(xué)研究成為可能。

心理計(jì)算模型應(yīng)用于家庭暴力的跨時(shí)空研究

家庭暴力（domestic violence）廣泛存在于世界各國(guó)的家庭之中，全世界大約三分之一的婦女在一生中曾經(jīng)遭受親密伴侶的身體和/或性暴力或者非伴侶的性暴力。家庭暴力不僅帶來(lái)身體損害，更造成精神傷害。身體損害指家庭成員以毆打、捆綁、殘害等方式，對(duì)受害者的身體健康造成的危害。比身體傷害更為普遍、更難以恢復(fù)的是對(duì)受虐者的精神傷害。其中，抑郁、自殺意念是家庭暴力受害者經(jīng)常出現(xiàn)的兩大心理癥狀。

在對(duì)家庭暴力的影響，尤其是對(duì)受害者心理的影響研究時(shí)，常用的研究法包括量表法、個(gè)案法或兩者相結(jié)合的方式。這些測(cè)量方式存在一定的不足，使得結(jié)果代表性較差，無(wú)法進(jìn)行實(shí)時(shí)檢測(cè)，很難獲取被試以往時(shí)刻的心理狀態(tài)。因此，若想要更加簡(jiǎn)單、高效地測(cè)量個(gè)體心理特征的變化，需要尋找更為直接的測(cè)量方法。

為了研究家庭暴力對(duì)受害者抑郁程度的影響，我們對(duì)受害者初次受到家庭暴力前后抑郁程度的變化進(jìn)行了分析。取受害者受到初次報(bào)告家庭暴力的時(shí)間點(diǎn)，將受害者與對(duì)照組在此時(shí)間點(diǎn)前后一個(gè)月的微博文字與行為數(shù)據(jù)代入心理計(jì)算模型，比較受害者與對(duì)照組在受到家庭暴力前后抑郁程度變化，以印證家庭暴力對(duì)于受害者抑郁的影響程度。

結(jié)果表明，家庭暴力受害者在首次經(jīng)歷家庭暴力之后，抑郁程度顯著升高；身體暴力與精神暴力均會(huì)造成受害者短時(shí)間抑郁程度的增加；夫妻間家庭暴力受害者、受虐兒童在家庭暴力過(guò)后的一個(gè)月內(nèi)，抑郁程度均顯著增加；而目睹親人家庭暴力的受害者在家庭暴力發(fā)生一個(gè)月內(nèi)抑郁程度沒(méi)有顯著變化。

由于網(wǎng)絡(luò)可以記錄大量的用戶行為數(shù)據(jù)與文本數(shù)據(jù)，我們得以追蹤家庭暴力受害者首次遭遇家庭暴力之前的心理狀態(tài)，并以此為基線進(jìn)行家庭暴力前后的心理狀態(tài)對(duì)比。利用計(jì)算模型可以跨時(shí)計(jì)算微博用戶任意時(shí)刻的心理特征，并且可以快速對(duì)其在相關(guān)時(shí)間內(nèi)的心理特征進(jìn)行計(jì)算，快速進(jìn)行追蹤研究。

心理計(jì)算模型應(yīng)用的合規(guī)使用至關(guān)重要

2018年3月17日英國(guó)BBC報(bào)道，英國(guó)劍橋大學(xué)的心理學(xué)講師亞歷山大·科甘（Aleksandr Kogan）通過(guò)一款用于科研目的的Facebook的心理測(cè)試小程序收集了約27萬(wàn)用戶數(shù)據(jù)并轉(zhuǎn)手賣給了第三方，其中就包括“著名”的Cambridge Analytica公司。這家公司因?yàn)檩o助特朗普贏得2016年美國(guó)大選而名聲大噪。他們通過(guò)選民的Facebook數(shù)據(jù)計(jì)算出其心理特點(diǎn)，進(jìn)而有針對(duì)性地為特朗普投放競(jìng)選廣告。

人們?cè)谡痼@之余，開(kāi)始認(rèn)真思考在以社交網(wǎng)絡(luò)為代表的大數(shù)據(jù)時(shí)代，人工智能該如何合理應(yīng)用。這些問(wèn)題在學(xué)術(shù)界也已有若干討論與共識(shí)，這次Facebook事件讓我們更加關(guān)切數(shù)據(jù)使用中的倫理問(wèn)題。

網(wǎng)絡(luò)產(chǎn)生的海量用戶行為數(shù)據(jù)，雖然是隱私泄露的重大隱患，但也是科學(xué)研究的資源寶庫(kù)。合理分析利用這些數(shù)據(jù)，能夠獲得大量關(guān)于人類行為與心理的新知，不僅能有力地促進(jìn)心理學(xué)、社會(huì)學(xué)等基礎(chǔ)學(xué)科和人工智能技術(shù)的發(fā)展，更能為解決諸如社交問(wèn)題、心理健康問(wèn)題、學(xué)習(xí)效率問(wèn)題、自殺問(wèn)題等實(shí)際挑戰(zhàn)帶來(lái)新的曙光。社交網(wǎng)絡(luò)行為數(shù)據(jù)由大眾自發(fā)產(chǎn)生，也應(yīng)當(dāng)被用于旨在增進(jìn)大眾福利的探索與實(shí)踐。

在Facebook事件曝光之后，不僅公眾反應(yīng)強(qiáng)烈，互聯(lián)網(wǎng)巨頭們也紛紛表態(tài)強(qiáng)調(diào)對(duì)用戶隱私的保護(hù)，表達(dá)了“隱私是基本人權(quán)”“數(shù)據(jù)是個(gè)人資產(chǎn)”“保護(hù)信息安全是公司責(zé)任”等原則性觀點(diǎn)，歐盟GDPR法令也于2018年5月25日正式生效。同時(shí)，人們也意識(shí)到數(shù)據(jù)得到合理利用而不被浪費(fèi)的重要性。那么，怎樣利用這些數(shù)據(jù)才是可以接受的？就操作層面而言，關(guān)鍵是保障用戶對(duì)數(shù)據(jù)被使用的知情權(quán)與選擇權(quán)。

目前，學(xué)術(shù)界經(jīng)過(guò)一段時(shí)間的討論和實(shí)踐，達(dá)成了基本共識(shí)：基于網(wǎng)絡(luò)行為心理的研究同樣應(yīng)當(dāng)遵守人類被試研究的一般倫理原則，使用需要用戶授權(quán)的數(shù)據(jù)必須征得用戶的知情同意，并嚴(yán)格按照經(jīng)由倫理委員會(huì)審核批準(zhǔn)的程序進(jìn)行，尤其不能將研究數(shù)據(jù)用于倫理委員會(huì)批準(zhǔn)范圍之外的目的（如轉(zhuǎn)賣給第三方）。對(duì)那些開(kāi)放的無(wú)須用戶授權(quán)的網(wǎng)絡(luò)數(shù)據(jù)，在用于科研時(shí)也應(yīng)同時(shí)滿足以下標(biāo)準(zhǔn)：（1）用戶對(duì)數(shù)據(jù)公開(kāi)是知情的；（2）數(shù)據(jù)收集后應(yīng)匿名處理；（3）研究中不存在與用戶的互動(dòng)和溝通；（4）在公開(kāi)發(fā)表物中不得出現(xiàn)能夠識(shí)別用戶個(gè)人身份的信息。

技術(shù)發(fā)展為人們的生活帶來(lái)極大的便利，人工智能的發(fā)展和應(yīng)用更是人類技術(shù)與產(chǎn)業(yè)進(jìn)步的希望所在。我們不可能也不應(yīng)該因噎廢食，因存在個(gè)人隱私泄露的風(fēng)險(xiǎn)而廢止相關(guān)網(wǎng)絡(luò)數(shù)據(jù)的分析和利用。我們真正需要做的，是用制度和規(guī)則來(lái)規(guī)范對(duì)網(wǎng)絡(luò)平臺(tái)用戶數(shù)據(jù)的使用，使之在法律和道德的框架之內(nèi)有序運(yùn)行，這樣才能避免類似丑聞再次發(fā)生，保證網(wǎng)絡(luò)行為數(shù)據(jù)這一由大眾產(chǎn)生出的寶藏最終服務(wù)于增進(jìn)大眾的福祉、促進(jìn)人類進(jìn)步。