心理学家是如何使用大数据的？

目前，科学心理学的研究建立在客观数据的基础之上。

然而，由于条件所限，长期以来心理学研究的样本规模都十分有限，一般多采用抽样的方式，再把局部样本的研究结果推广到总体上，这就使研究结论的有效性不可避免地受到样本代表性的影响。且传统方法大多依赖于用户自陈，数据收集过程也比较缓慢。

大数据的出现，极大地拓展了数据采集的广度和深度，使研究人员有可能针对极大规模用户开展研究，进行全时全程的跟踪记录，并实现数据颗粒度的灵活变化，从而使心理学研究的数据基础更全面、坚实。利用大数据信息采集与处理技术，可以实现对个体和群体外部表现数据的实时采集，弥补传统研究方法时效性不足的缺点。

1、利用机器学习建立基于行为数据的人格预测模型

人格（personality）是心理科学领域中的重要研究课题，涵盖了个体稳定的行为模式与内部心理过程，能够解释存在于人与人之间的稳定的个性化差异，并且能够与个体、人际、社会等多个研究层面上的结果变量同时保持着稳定的预测关系。

近年来，随着社交网络和社会媒体的兴起，有研究开始尝试利用用户的网络留痕预测其人格，并已经获得了理想的预测效果。2013年，英国剑桥大学的米夏尔·科辛斯基（Michal Kosinski）、戴维·史迪威（David Stillwell）和微软研究院的托雷·格雷佩尔（Thore Graepel）利用脸书（Facebook）的“like”（类似于关注、点赞）这一属性，抽取用户行为特征矩阵，实现了对用户大五人格指标的自动识别。

2、心理计算模型应用于家庭暴力的跨时空研究

家庭暴力（domestic violence）广泛存在于世界各国的家庭之中，全世界大约三分之一的妇女在一生中曾经遭受亲密伴侣的身体和/或性暴力或者非伴侣的性暴力。

由于网络可以记录大量的用户行为数据与文本数据，我们得以追踪家庭暴力受害者首次遭遇家庭暴力之前的心理状态，并以此为基线进行家庭暴力前后的心理状态对比。利用计算模型可以跨时计算微博用户任意时刻的心理特征，并且可以快速对其在相关时间内的心理特征进行计算，快速进行追踪研究。

网络产生的海量用户行为数据，虽然是隐私泄露的重大隐患，但也是科学研究的资源宝库。合理分析利用这些数据，能够获得大量关于人类行为与心理的新知，不仅能有力地促进心理学、社会学等基础学科和人工智能技术的发展，更能为解决诸如社交问题、心理健康问题、学习效率问题、自杀问题等实际挑战带来新的曙光。

AI会如何将我们从大数据的混乱中拯救出来？

首先大数据是物联网、Web和传统信息系统发展的必然结果，大数据本身要解决的核心问题之一就是大量多结构数据的快速处理，同时完成数据的价值化操作，而数据价值化操作的核心就是从一堆杂乱无章的数据中找到其背后的规律（机器学习和统计学分析的目的）。所以从这个角度来看，大数据本身就是要解决数据的“混乱”和“杂乱”问题，数据的混乱问题并不是由大数据引发的，而是由物联网和互联网引发的。

AI和大数据之间的关系是非常密切的，可以说大数据是AI的重要基础，而AI也是大数据的重要应用领域，通过AI产品也能够辅助大数据技术完成复杂的数据处理过程。目前在生产环境中，通过AI技术或产品来辅助大数据有以下几种方式方法：

第一：机器学习是大数据分析的利器。目前大数据分析方法有两种，一种是机器学习方式，另一种是统计学分析方式，而机器学习也是AI技术的六大组成部分之一。机器学习的基础是数据，而核心则是算法，通过“建模”的方式来完成数据的归并和处理，从而解决数据的“混乱”问题。

第二：数据流程化智能处理产品。当前数据流程化智能处理是生产环境下比较重要的工具之一，也是人工智能产品在数据处理中的一项基本应用，主要解决三个问题，其一是解决复杂的数据处理步骤，其二是提升操作效率，其三是节省人力成本。数据流程化智能处理产品目前主要以结构化数据处理任务为主，未来处理能力将逐步得到加强。

第三：智能化数据采集产品。目前智能化的数据采集产品也会提升数据管理能力，智能化数据采集产品可以通过编程的方式来完成多渠道的数据采集工作，同时能够高效率的完成数据的归并和初级管理任务，以便于后续的数据分析。