基于社交媒体数据的心理指标识别建模:机器学习的方法

心理指标识别建模是基于海量数据结合计算机机器学习算法识别心理特征的一种新兴方式。由于传统纸笔测量方式所存在的诸多限制,本文对基于社交媒体数据的心理建模方法及应用于心理测量的可行性进行综述,介绍了特征及提取方法、常用机器学习算法以及应用场景,并对心理指标识别建模的优势和不足进行了总结与展望。该测量方法基于社交媒体数据,相比自我报告法具有时效性高、可回溯测量、生态效度好等独特优势。然而,基于社交媒体的心理指标识别建模方法也在学习成本、硬件成本等方面存在局限性。未来研究人员需要进一步探索社会媒体信息与用户心理变量间的关联机制,并将心理指标识别模型同传统心理学研究方法结合进行更多的探索和应用。心理指标识别建模结合心理测量基本原理和计算机领域机器学习的技术,将为心理学研究打开一扇新的大门。     

基于大数据的文化心理分析

随着大数据技术与文化心理学的融合发展, 计算文化心理学作为一门新兴交叉学科逐渐兴起, 大尺度、近乎全样本的文化心理分析真正得以实现。计算文化心理学关注的文化变量主要围绕个人主义/集体主义这一文化心理学使用最为广泛的维度展开, 分析方法包括特征词典、机器学习、社会网络分析、仿真模拟等, 分析思路包括时间维度上的文化变迁效应以及空间维度上的文化地理效应。当然, 计算文化心理学在为传统文化心理研究提供新方法、新范式的同时, 也存在解码失真、样本偏差、词语多义性、隐私风险等局限, 未来研究应重视变量理论解释、文化动态演化分析、学科深度整合、生态效度等问题。