Page 259 - 急诊医学与精神疾病的临床理论研究

Clinical Theoretical Research on Emergency Medicine and Mental Disorders
急诊医学与精神疾病的临床理论研究

倾向呈现正相关关系，与尽责性人格倾向呈现负相关关系。Harwood 等人研究发
现，较高程度的智能设备卷入水平与较高程度的抑郁情绪水平存在着联系，这表
明用户与智能设备之间的联系紧密程度，对其自身的抑郁、焦虑水平具有一定的

预测作用。Yusong 等发现电话、短信、应用的使用情况等多维智能手机使用行
为特征与心理状态有比较高的相关性。上述研究表明，人们的日常行为线索可以
被电子化记录下来，并且这些量化的行为线索与用户的心理特征之间存在着密切
的关系。Brunswik 指出，在私人的空间环境中蕴含着能够表征主体自身的心理特

征的行为线索。借助于“行为痕迹”（behavioral residue），这些表征主体心理
特征的线索能够经由人们日常生活中的各种场景中表现出来。通过对这些行为痕
迹、行为线索的分析，借助人工智能技术，能够实现对用户自身心理特征的自动
识别。Kosinski 等根据个体的点赞情况，预测出该用户的性别、年龄、幸福感、

种族等基本信息，并且对于性取向这个较为敏感的话题进行预测分析，分类准确
率均达到 85% 以上。Li 等人（2014）分别对大五人格的宜人性、尽责性、外向性、
开放性和神经质等五个维度建立基于微博行为特征的回归预测模型，预测分数与
真实分数之间的相关系数达到中等以上相关。Hao 等根据文本分析结果与用户浏

览记录分别建立心理健康预测模型和主观幸福感网络预测模型，预测准确率均达
到良好水平。这些研究表明，利用用户的生态化的行为线索，通过机器学习训练
得到的预测模型，可以实现对用户心理特征的有效识别。
相较于传统测量方法，利用用户生态化的行为线索自动预测其心理特征，

能够有效揭示心理特征的连续变化趋势。而且，在生态环境下不依赖被试的主
观报告，减少了对被试的依赖，可以收集更加真实的即时数据，避免遗忘效应
及大部分主客观因素的影响。有鉴于此，我们提出了生态化识别（Ecological
Recognition，ER）方法，充分利用生态化的行为数据，结合人工智能技术，实

现对个体心理特征的自动识别，从而减少对被试的依赖，同时，也可以拓展心理
学研究的范畴。
（二）生态化识别
生态化识别是指利用生态化方式采集数据，结合机器学习方法，通过无侵扰

的测量方法对用户的心理特征进行自动识别。生态化的数据采集是指通过生态化
的录音、面部变化、步态、网络行为数据、日记等自然状态下的数据采集，得到
用户授权而在测量时用户未知测量目的或未感知到测量的生态化记录方式。

242