作者：记者 胡珉琦 来源：《中国科学报》（2015-12-11 第1版 要闻）
进入互联网时代，尤其是移动互联技术的广泛应用，除平板电脑、智能手机外，智能手环、手表、智能眼镜、便携式脑电仪等各类可穿戴设备，几乎能将人们所有的行为做全时程的、生态化的跟踪和记录，这也意味着，它们能够为开展行为心理分析提供最全面、准确的数据记录。
中国互联网中心（CNNIC）《第36次中国互联网络发展状况统计报告》的最新数据显示，目前中国网民已经达到6.68亿之多。而人们在互联网上的生活越来越具有数字化特征，这也意味着，人们的思维、情绪、心理也可以被数据量化。事实上，这个虚拟世界已经在科学家的使用下，逐渐成为真实的心理学实验平台。不知不觉，你的内心可能已经通过网络平台留下的蛛丝马迹，被心理学家看穿了。
心理学研究的新方法
心理学是一门研究人类心理现象的发生、发展和发展规律的学科，然而，心理现象本身是不可见的，因此，现代心理学研究的基本范式，是通过分析人类的外显行为从而窥见人的内心。
传统的心理学通常使用问卷、心理测评、抽样调查和实验室实验等方法分析心理数据。“但现有的问卷、心理测评技术是依赖于自我报告的，受到社会赞许性的影响，准确性可能受到影响，而实验室的控制实验要设立各种控制参数，这种环境下的行为表现在真实场景中往往是要打折扣的。”中科院心理所研究员朱廷劭告诉《中国科学报》记者。
“进入互联网时代，尤其是移动互联技术的广泛应用，除平板电脑、智能手机外，智能手环、手表、智能眼镜、便携式脑电仪等各类可穿戴设备，几乎能将人们所有的行为做全时程的、生态化的跟踪和记录，这也意味着，它们能够为开展行为心理分析提供最全面、准确的数据记录。”
朱廷劭主要从事“计算网络心理学”研究，他认为，人们有可能在测试环境中进行有效的伪装，却很难在网络中长期这么做。“任何网络上的行为痕迹，都随时有可能露出马脚。”
因此，数据时代为心理学提供了一种新的研究方法：利用现代信息技术实现对行为大数据的采集分析，在此基础上研究行为和心理相互作用机制，以建立及时有效的心理干预和行为引导模式。而它对传统心理学认识带来的改变也显而易见。
首先，数据即行为。不难理解，大数据记录的信息实际上就是普遍化的人类行为，更重要的是，这种数据行为是自觉、自愿发生的，真实性、准确性更高，同时也是可普遍化且可以比较的。
样本即总体。依照现有技术的计算能力，完全可以达到全样本数据的搜集、分析。因此，大数据背景下的心理学实际上模糊了样本和总体的概念，样本无限放大就成了总体。它可以帮助我们找到人类心理的一些普遍规律。
个体即规律。传统心理学很难做到对个体心理的预测，这是由于获取每个个体的历史数据几乎是不可能的。但有了大数据，获取个体长时期的、连续的数据已经不是难事。根据那些历史数据，可以对每个人个体进行独特性的分析，给出个体特有的规律，从而使个体运用心理学结论成为可能。
情景即实验。心理学研究最重要的方法是实验，而现在，我们不再需要实验室的控制实验，就可以得到生态化的数据。因为大数据把真实的情境作为了实验，几乎可以达到实验室实验等同的效力。
大数据时代的心理预测
如今，大数据在心理学领域已经展开了诸多应用研究。针对个体而言，心理学家可以根据社交媒体的数据，基本实现对个体心理特征准确的识别及实时的跟踪分析，包括人格、心理健康、满意度、幸福感、决策风格等。
朱廷劭目前主要的研究内容之一，就是利用大数据识别自杀意念，实现对个体自杀风险的检测，并对这些个体采取及时的干预。
在他看来，大多数自杀行为发生前是有信号的，比如情绪低落，流露出绝望、无助的想法，甚至搜集自杀的相关资料，或把自杀作为写作的主题等，这些信号都有可能在网络有所表达。
事实上，研究人员将自杀死亡用户组和完全没有自杀意念的人的微博进行比较，发现前者一般互动较少，更关注自我，更关注死亡、宗教的内容。自杀可能性的差异比较结果也显示，高自杀可能性的用户活跃度比较低，在夜间相对更活跃，更关注自己，使用更多否定的表达。
根据已有的研究结果，目前，对单条微博内容是否有自杀意念表达的识别可达90%以上。但他同时表示，由于仍存在不少误报，这种方法只是用于初筛，提高大规模实施自杀评估的自动化程度，提高效率，“目的是协助传统的研究方法，而不是代替自杀热线或自杀救助单位”。
在此基础上经过拓展，研究人员可以利用大数据进行心理健康状态的识别。比如其自主研发的一款应用程序“心理地图”，可以根据注册用户的微博数据自动计算出该用户当前的心理健康水平，实现对心理健康状态变化的及时检测。
朱廷劭说，通过分析智能手机用户的使用行为数据，利用机器学习方法，也可以建立心理健康状态预测模型，能够实现对用户心理健康状态的及时监测。这种方法还能扩大至智能手环等可穿戴设备以及体感设备，以实现对个体的无干扰行为记录和分析，帮助人们更及时准确地感知个体心理健康水平。
2013年剑桥大学的Psychometrics Centre在《美国科学院院报》（PNAS）上发表的研究成果表明，基于网络日志数据的人格特征预测值与基于人格问卷的人格特征测评值之间的相关系数最高可以达到0.43。这也意味着，通过大数据预测人格和主观幸福感同样是可行的。
目前，研究人员利用微博大数据，采用不同的特征集合建立人格和主观幸福感的预测模型。研究结果表明，利用微博使用行为特征和微博内容特征，同时加入年龄、性别、收入和受教育程度等统计信息特征，可以对用户人格特征和主观幸福感水平进行有效预测，其相关性达到甚至超过了问卷测量的重测信度。
不仅对个体心理特征的识别分析，大数据还能应用于群体心理的研究，例如识别群体社会态度的变化。通过对生活满意度、政府满意度等重要社会心态指标建立计算模型，研究人员利用微博用户的公开数据可以进行群体社会态度的预测，并进一步通过对爆发群体事件地区的群体社会态度进行分析，获得群体事件风险预警模型。
在对广东地区2012年度各地市社会态度进行预测时，研究团队发现地方经济满意度等社会态度指标和地方经济客观数据呈显著相关，这也表明了社会媒体计算获得的社会心态指标具有很好的可信性。这种对公众社会心态和群体事件风险的预测与预警，能够以很低的成本在多个地域的大规模人口上实时动态运行，为把握社会态势、感知社情民意提供了新的渠道。“我们希望能利用大数据实现对群体社会态度临界状态的预警，为及时化解可能的群体性事件提供数据支持。”朱廷劭表示。
除此之外，清华大学心理学系教授彭凯平带领的行为与大数据实验团队此前对谷歌图书近200年来的词频统计和大数据分析发现，人类自十八世纪初期开始，两个重要的心理维度上出现了滑坡，第一是生活目标、信仰、意义的持续下降，第二是人类所体验到的积极情绪也发生了滑坡。
于是，研究人员根据中国人的文化和心理特点，结合幸福科学的经典理论，构建了一套可以用以测量幸福程度的中文心理词库。这个词库中的维度除了积极情绪、意义、投入、关系和成就等传统维度外，还加入了有关事件的维度。
利用这套建立在中国文化和中国人的心理分析基础上的词库，研究人员扫描了新浪微博2013年全年的数据。
比如对各地微博注册用户的幸福词库扫描，绘制出“中国幸福地图”。而用这些城市幸福数据对其他经济社会、指标进行预测，也能得出相关的结果。比如，幸福与GDP的关系并非是线性的，这里也存在一个转折点，在比较贫穷的地区，幸福随着经济发展而上升，但是一旦经济发展到某一程度，幸福将不会得到很快提升。
不违伦理地使用数据
有人的地方就有心理。不可否认，随着人们对互联网的依赖越来越大，那么它越有可能成为心理学实验的重要平台。这一方面为心理学研究拓宽了范围，提供了巨大便利，但同时，大数据对隐私暴露的负面影响也同样可能为心理学研究埋下隐患。
早在2012年1月，Facebook 曾对68 万用户进行了为期一周的“情绪感染”实验，该实验被美国《国家科学院院报》的一篇论文公开后引起了轩然大波。
与微博一样，Facebook用户的首页是好友消息推送，但Facebook显示给每个用户的更新列表是不全面的，同时，选择的消息也并非完全是随机的。
在该实验中，Facebook对68万用户改变了筛选推送的标准，对其中一组用户尽量移除他们所能读到的负面消息，而对另一组则给予更多的负面消息。简而言之，就是放大两种极端情绪，看用户受影响的情况。
结果显示，每天看到积极内容的用户更有可能发布积极的消息，而那些每天看到消极内容的用户更有可能发布消极的消息。
朱廷劭表示，这个实验之所以受到受众、媒体的诟病，是因为它暗示了拥有数据的人可能操控用户的情绪。因此，在大数据时代，合理界定数据使用权的外延和边界也十分关键。
除此之外，大数据所带来的研究方法的改变可能令心理学研究者更多地关注数据，而忽视数据背后每个鲜活的个体。事实上，大数据的研究方法不可能完全取代传统的研究方法。
心理学关注的核心始终都是人。