基于社交媒体数据的心理指标识别建模:机器学习的方法
Identifying psychological indexes based on social media data: A machine learning method
查看参考文献129篇
|
文摘
|
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。 |
|
其他语种文摘
|
Modeling psychological indexes(i.e.,psych-modeling)is an emerging method that uses machine learning algorithms to identify psychological indexes based on big data. This paper reviews the feasibility of psych-modeling methods based on social media data in the field of psychometrics. Frequently used data types and machine learning algorithms are introduced. Then,we summarize psych-modeling's application to various scenarios together with its strengths and weaknesses. Compared with traditional self-reporting methods,psych-modeling has some advantages,including better performance in retrospective studies,greater ecological validity,and greater time-efficiency. However,psych-modeling has several limitations. For example,researchers need to spend extra time and effort to learn this new method and bear the inevitable cost of hardware. In future studies,researchers could investigate further how user's behavior on social media relates to psychological indexes. We also expect psych-modeling will be used in future psychological studies. By combining psychometrics and machine learning,we believe psych-modeling could make great contributions to psychology research and practice in the future. |
|
来源
|
心理科学进展
,2021,29(4):571-585 【核心库】
|
|
DOI
|
10.3724/SP.J.1042.2021.00571
|
|
关键词
|
心理建模
;
心理测量
;
社交媒体
;
机器学习
;
心理预测模型
|
|
地址
|
1.
中国科学院心理研究所, 北京, 100101
2.
中国科学院大学心理学系, 北京, 100049
3.
联想研究院, 北京, 100094
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1671-3710 |
|
学科
|
社会科学总论 |
|
基金
|
国家社会科学基金重点项目
;
国家自然科学基金项目
;
中国科学院青年创新促进会资助。
|
|
文献收藏号
|
CSCD:6940794
|
参考文献 共
129
共7页
|
|
1.
白朔天. 多任务回归在社交媒体挖掘中的应用.
哈尔滨工业大学学报,2014,46(9):100-104,110
|
CSCD被引
4
次
|
|
|
|
|
2.
曹奔. 大数据时代心理学文本分析技术——“主题模型”的应用.
心理科学进展,2018,26(5):770-780
|
CSCD被引
5
次
|
|
|
|
|
3.
仇筠茜. 基于人工智能与算法新闻透明度的"黑箱"打开方式选择.
郑州大学学报(哲学社会科学版),2018,51(5):84-88
|
CSCD被引
3
次
|
|
|
|
|
4.
李昂. 基于网络数据分析的心理计算: 针对心理健康状态与主观幸福感.
科学通报,2015,60(11):994-1001
|
CSCD被引
7
次
|
|
|
|
|
5.
刘宝芹. 基于情绪特征的中文微博用户性别识别.
计算机工程与科学,2016,38(9):1917-1923
|
CSCD被引
2
次
|
|
|
|
|
6.
刘明明.
基于社交媒体数据的心理特征自动识别新方法研究(硕士学位论文),2019
|
CSCD被引
1
次
|
|
|
|
|
7.
娜迪热. 基于用户社交网络数据的人格倾向性分析及预测模型的建立.
电脑知识与技术,2018,14(7):6-11
|
CSCD被引
2
次
|
|
|
|
|
8.
王晶晶. 中文微博用户性别分类方法研究.
中文信息学报,2014,28(6):150-155
|
CSCD被引
8
次
|
|
|
|
|
9.
杨剑锋. 机器学习分类问题及算法研究综述.
统计与决策,2019,35(6):36-40
|
CSCD被引
55
次
|
|
|
|
|
10.
于建伟. 基于社交网络的人格分析与预测.
现代计算机(专业版),2018(4):29-34
|
CSCD被引
1
次
|
|
|
|
|
11.
张磊. 社交网络用户的人格分析与预测.
计算机学报,2014,37(8):1877-1894
|
CSCD被引
7
次
|
|
|
|
|
12.
张璞. 两分类器融合的中文微博用户性别分类方法.
计算机工程与设计,2019,40(1):276-280
|
CSCD被引
1
次
|
|
|
|
|
13.
郑敬华. 基于多任务学习的大五人格预测.
中国科学院大学学报,2018,35(4):550-560
|
CSCD被引
5
次
|
|
|
|
|
14.
周阳.
基于社会媒体大数据的舆情预警(博士学位论文),2018
|
CSCD被引
1
次
|
|
|
|
|
15.
朱廷劭. 论大数据时代的心理学研究变革.
新疆师范大学学报(哲学社会科学版),2015,2(4):108-115
|
CSCD被引
1
次
|
|
|
|
|
16.
Adali S. Predicting personality with social behavior: A comparative study.
Social Network Analysis and Mining,2014,4(1):159
|
CSCD被引
1
次
|
|
|
|
|
17.
Aldarwish M M. Predicting depression levels using social media posts.
2017 IEEE 13th International Symposium on Autonomous Decentralized System (ISADS),2017:277-280
|
CSCD被引
1
次
|
|
|
|
|
18.
Annalyn N. Predicting personality from book preferences with user-generated content labels.
IEEE Transactions on Affective Computing,2018,11(3):482-492
|
CSCD被引
1
次
|
|
|
|
|
19.
Araujo M. Using Facebook ads audiences for global lifestyle disease surveillance: Promises and limitations.
Proceedings of the 2017 ACM on Web Science Conference,2017:253-257
|
CSCD被引
1
次
|
|
|
|
|
20.
Arnoux P H. 25 Tweets to know you: A new model to predict personality with social media.
Eleventh International AAAI Conference on Web and Social Media,2017
|
CSCD被引
1
次
|
|
|
|
|
了解气象卫星更多信息，请访问