人工智能拓展心理学研究方法

心理学是研究人类思想与行为的发生、发展规律的科学，主要目标是描述、解释、预测和控制人的心理和行为。 研究者们一般按照一定的科学方法，间接地观察、研究或思考人的心理过程（包括感觉、知觉、注意、记忆、思维、想象和言语等过程），以及人的人格或个性等，以此总结和归纳出适用于大部分人的一般性规律，增进人类的自我了解，并利用这些规律帮助人类进行自我改善，提高人类的生活质量，从而更好地服务于人类的生产和实践。

生态化识别方法具有明显优势

传统上，心理学研究的主要方法有观察法、实验法、问卷法等。 其中，问卷法是目前心理学领域应用最为广泛的方法之一，该方法主要是通过被试在自陈式量表中的作答来获取相应的被试信息或者特定的心理指标得分。问卷法能够为研究提供宝贵的自我视角和丰富的信息，获取的结果比较容易量化处理与分析，同时因其操作简便而被广泛应用于心理学研究中。与此同时，问卷法也饱受质疑，主要存在以下问题：首先，由于问卷法主要是通过自陈式量表的方式获取被试的作答，其量表的答案在一定程度上可能会受到被研究者记忆偏差的影响，时效性较差致使其往往只能做前瞻性研究而无法做回溯性研究。其次，问卷法虽然操作简便，但测量时受制于人力物力，难以在短时间内获取多次大规模的测量数据。最后，由于数据收集建立在被试与问卷实时反馈的基础之上，其结果依赖于被试的配合与自省能力，因此在较难获取被试样本或被试相对不配合时难以进行。

人工智能等计算机技术的兴起在一定程度上为解决以上问题提供了新的研究思路和方法，其主要途径之一是采取生态化识别方法。 具体来说，生态化识别利用机器学习，通过无侵扰的测量方法，实现对被试心理特征的预测识别。其主要包括自然状态下（生态化）行为数据采集和无侵扰的测量方式（如图）。行为数据广义上包括网络行为数据、录音、面部录像、步态录像、日记等原始数据，在测量后得到被试授权而在测量时被试未知测量目的或未感知到测量的记录方式，其中网络行为数据（社交媒体上的数据等）是常见的行为数据来源。无侵扰的测量方式是指在获取相应的数据之后，利用新媒体大数据和机器学习技术从数据中提取相应特征，以此将行为数据与其对应的心理指标相关联，并建立基于行为特征的心理指标的预测模型的过程。建立好的模型需要经过一系列的检验优化，以使其能够更加准确地自动识别相应的心理指标。

相较于传统的心理学研究方法，生态化识别具有以下比较明显的优势。 第一，行为数据如社交媒体上的被试数据记录等内容比较丰富，也可实时记录被试生活中的事件发生时间点。利用这些公开数据，可以测量距离事件发生固定时间的心理状态，即能够回溯研究事件发生之前的心理状态。第二，行为数据尤其是社交媒体上的数据允许研究人员在短时间内对心理特征进行多次测量，在一定程度上能够以较少的人力物力消耗有效揭示心理特征的连续变化趋势。第三，利用人工智能技术识别预测心理特征不依赖于被试主观的自我报告，能够在一定程度上避免被试的回忆偏倚和遗忘效应等带来的测量偏差，并且能够更加真实地反映某个特定时间点可能存在的心理状态。

利用网络数据识别人们的心理状态

新冠肺炎疫情期间，人们的心理状态发生了明显的变化，及时了解和分析人们的心理状态能够为制定相应的抗疫政策提供可借鉴的思路。在此情境下，生态化识别方法显示出了一定的优势。

定点分析疫情特殊事件对人们心理状态的影响。 特殊事件往往伴随着人们心理状态的改变。了解这些特殊事件对人们心理状态的影响，一般采取的方式是以事件发生时间为节点，对人们的心理指标进行前测和后测。然而，由于疫情的不可预测性，利用传统方法进行回溯性研究可能在较大程度上受到回忆偏倚的影响，从而导致测量偏差。利用社交媒体上的网络数据，结合人工智能的无侵入性测量技术，能够回溯研究人们在事件发生之前的心理状态。研究发现，相较于疫情定性前，人们在疫情定性之后表现出更多的负面情绪和负性认知；相较于封城前，人们在封城后短期内表现出焦虑、失望等负面情绪，同时在心理语义表达上也有相应的变化。利用社交媒体的网络数据结合人工智能的方法，能够探究特殊事件对人们心理状态的影响，有效了解和监控社会心态，从而更好地采取相应措施来促进社会和谐，共同抵御疫情。

定向对比特定群体的心理状态。 由于各个地区疫情严重程度的差异，不同地区的群体心理状态也会存在差异。传统的问卷法消耗较多人力物力，同时在疫情期间由于民众精力倾向于集中在疫情防护上，采取传统的数据收集方式可能更容易表现出低回收率的特点，从而导致定向收集特定群体的心理指标数据较为困难。

利用社交媒体的网络数据能够大规模获取特定地区群体的心理指标数据。 研究发现，在同样采取封城措施的意大利伦巴第和中国武汉两个地区，群体心理变化既有共性也有不同。首先，两者共同表现出了高家庭词汇和高认知水平表达。其次，伦巴第表现出压力水平的降低和休闲词汇表达的升高，武汉则表现出特有的群体关注度等词汇的升高。这些研究结果能够帮助我们了解疫情对不同地区群体心理状态的影响，依据疫情的发展阶段采取有针对性的心理援助措施，以实现稳定社会心态的目的。

刻画疫情期间人们心理状态的变化模式并探究影响因素。 疫情的发生往往是一种持续性的事件，人们在疫情的不同时期可能表现出不同的心理状态。如果采用传统问卷测量的方式要求被试每天填写问卷，无疑会给原本心理状态就不稳定的群体带来额外负担，不利于长期大规模群体心理特征的数据采集。利用人工智能技术分析社交媒体上的网络数据，能够长期追踪大规模群体的心理指标变化情况。研究发现，人们在疫情发展的不同时期表现出不同的情绪反应，如疫情暴发期负面情绪词汇增多等。此外，人们在疫情不同时期对“污名化”的心理认知也存在不一样的表现。不仅如此，利用丰富的社交媒体网络数据，能够进一步探究影响人们防疫意念的因素。研究发现，文化因素（如集体主义）与情绪因素（如恐惧）在流行病防护意念中存在联合作用。此类研究通过长期刻画人们心理状态的变化，帮助研究者了解疫情影响人们心理状态的模式，探究特定心理特征的影响因素，能够为防控措施的实施重点提供借鉴和指导。

除了利用社交媒体的网络数据，生态化识别同样可以应用于线下的行为数据，进行特定心理特征与状态的识别，其主要包括语音、面部视频和步态三种数据类型。结合人工智能技术，可以通过这些数据识别出被试的心理特征，如人格、自尊水平等，也可以识别出被试的心理健康状态。

某些具有危机性的心理健康状态在被识别之后，结合人工智能相关技术可对其采取相应的干预措施，从而实现在线主动预防。 目前研究开发的基于虚拟现实的认知歪曲自助干预系统，根据认知行为疗法的基本原理，采取关卡地图模式，将干预流程分为三个主要步骤，即认识认知行为疗法、识别外区认知和歪曲认知纠正。通过可以让用户参与其中的虚拟现实交互，帮助用户纠正导致其消极情绪的歪曲认知，最终让用户学会用积极的思维方式替代过去的消极思维，并进一步掌握相应的行为应对技巧，从而达到心理干预的目的。

总之，利用人工智能和大数据技术，通过生态化识别能够为心理学在数据收集、心理指标识别和危机状态干预等方面提供新的研究思路，在一定程度上弥补了传统心理学研究方法的不足，也为之后的研究开拓了潜在的、更广阔的数据来源，并提供了新形式的心理指标测量方法。

（作者单位： 中国科学院心理研究所； 中国科学院大学心理学系）

编辑：刘岩