文摘

本文研究提供了洞察一个新兴学科Psychoinformatics。在的背景下Psychoinformatics,我们强调心理学和计算机科学学科之间的合作在处理大型数据集来自频繁使用的设备,如智能手机或在线社交网络站点,为了揭示大量的心理特征,包括性格和情绪。新的挑战等待着心理学家根据产生的“大数据”集,因为经典的心理方法只能在一定程度上能够分析这些数据来自无处不在的移动设备,以及其他日常技术。因此,心理学家必须丰富自己的科学方法通过从信息学的方法。本文提供了一个简短回顾这个研究领域的一个领域,主要处理社交网络和智能手机。此外,我们强调数据来源于如何Psychoinformatics可以组合以一种有意义的方式与人类神经科学数据。我们关闭纸和一些观测领域的未来研究和问题,需要考虑在这个新学科。

1。介绍

(1)目前的研究方法在心理学。计算机科学心理学将产生巨大的影响。除了实验和调查问卷,它建立了一个第三基本研究方法:观察human-device互动的规模非常大。它允许心理学家分析变量等人格特征(例如,外向与内向),能力(例如,政治),和认知功能(例如,认知老化过程),以及行为(例如,危险驾驶行为或活动的生活方式)。跟踪成千上万的用户,由此产生的大数据需要大量的建模和清洁。然而,它的规模结合机器学习技术利用统计力量(稍后我们将假阳性问题)。最重要的是,它可以避免最来源的偏见,因为利益的行为是直接记录下来。许多偏见固有标准心理措施,例如,倾向于回答社会可取的方式自我报告的措施(例如,1])或真正的认知问题回答特定的问题如“你通常花多少时间在你的智能手机?”,强烈影响的评估时间扭曲(2]。然而,Psychoinformatics首创的方法所涉及的两个科学也构成了重大挑战。最重要的是,这两个必须学会合作,最终塑造一个全新的学科:Psychoinformatics [3]。Yarkoni [4形容Psychoinformatics”…使用工具和技术的一门新兴学科计算机和信息科学提高采集、组织和合成的心理数据”(p . 391)。

传统上,心理科学依赖于两个基本的数据收集方法:实验和访谈或问卷(5]。前调查一个特定方面在一个小和完全控制设置。后者评估一个人的整体行为通过自我报告的问卷或(可能是结构化的)面试6]。这些方法有固有的缺点。实验通常局限于单个数据点(即。,one experiment) considering a small number of users (who must typically be incentivized to participate). Clearly longitudinal experiments also exist, though these are conducted less frequently due to the high cost and effort involved. Self-report questionnaires and interviews also encounter problems, since humans find it hard to reliably recollect past events, and they are additionally subject to various sources of bias (e.g., the aforementioned tendencies toward social desirability; social desirability refers to the human bias toward presenting oneself in a manner deemed “appropriate” given certain requests or societal norms). In contrast, modern computer science introduces entirely new methods of assessing participants’ behavior longitudinally, on large scale, and in comparison to self-reports, in a rather objective manner. Computer science as a discipline is largely concerned with implementing algorithms using computers (or similar devices). For the purpose of this paper, we refer to how algorithms can be used on mobile devices to analyze “Big Data.” Thus, the main aim of the present work on Psychoinformatics is to highlight potential avenues of exploitation of data derived from digital technologies.

(2)计算机产业的发展Psychoinformatics。在过去的20年中,计算机行业产生了大范围的强大的技术,在日常生活中无处不在。智能手机和其他移动设备提供恒定的连通性和这样做已经改变了我们的日常生活7- - - - - -9]。一起在线平台如Facebook,他们已经成为一个中心地点进行交流,购物,玩,或研究。因此,数字技术在日常生活中无处不在,数据从这些设备可以大规模的记录。最后,廉价的硬件允许我们存储和分析大量数据以小的成本。这些新技术创新提供支持经典心理的方法,如实验和问卷调查10]。首先,他们能够通过手机实现[心理学实验11]。在后者的研究Dufau et al .,研究人员展示了智能手机上进行实验的可行性通过实现一个词汇决定任务在这些设备上。如下面所讨论的,此新方法进行实验,收集数据需要与数据通过平等的经典实验装置,以确保数据质量可以通过Psychoinformatic方法实现。它是可行的,神经心理测试和其他经典测试电池可以实现智能手机和研究不仅在病人还在广泛的人口?Psychoinformatic实验可以进行几次每天超过一段时间,因此每个用户生成大量的数据点。其次,他们允许问卷管理手机,可能每天要求参与者提供数据层面,再收集更多的数据点每个用户(12]。在这里,一个有趣的变量可能是情绪的评估或经验取样评估流活动纳入日常生活(流概念在本文稍后解释;(13])。然而,两种方法的基本缺点将仍然存在。只有有限数量的用户可以鼓励定期进行实验,和问卷调查仍然是偏见的来源(当然,自我报告库存永远是心理学的重要性,例如,强调自我的实际记录的行为和之间的差异)。然而,数据收集已经受益于这些技术,例如,容易从paper-pencil问卷数据处理通过开关在线问卷调查管理,消除错误的记录参与者的反应(14]。然而,随着Psychoinformatics主要考虑变量来自人机交互的操作系统级别(与填写“简单”在线调查问卷),数据由技术熟练的计算机科学家需要大量的准备和预处理之前用于典型的推论统计分析。这一点上一节中详细讨论了数据清洗。

电传感器已经得到了明显的改善,给评估带来另一个强大的技术条件和人类的行为。他们可以测量的物理运动(通过加速度计)15),皮肤电反应(16)、心率(变化)17,18]。在过去的十年里,他们已经变得非常具有成本效益的参与者,他们需要很少的维护。首先,传感器可以自动发送数据到服务器通过一个智能手机。第二,高效的处理器和强大的电池已经大大减少了需要电荷传感器(19];目前健身追踪器,例如,运行整个一周一次。技术的快速发展给物联网(物联网),日常用品,如咖啡机或冰箱里连接到互联网(参见下文),可以作为数据源。

(3)物联网和Psychoinformatics。如前所述,主要的方法论的优势Psychoinformatics提供超过经典心理技术是能够跟踪人机交互直接在设备上。例如,一个可以跟踪用户和智能手机之间的交互20.)或(智能)汽车(21]。这种方法还可以扩展到在线平台,如社交网络(22)或购物网站(23]。数据捕获和传输到一个中央服务器进行进一步分析,而不需要任何用户交互。跟踪等方面均优于传统的方法收集的数据的规模和质量。首先,它可以让研究者去追踪大量的参与者,成百上千。第二,它每天收集大量的数据点,而不要求任何东西,从参与者。随着人们越来越多的在网上移动他们的生活、潜在数据源变得越来越富有,最终每天提供更多的数据点。同时,等数据源变得越来越丰富,我们的环境变得越来越数字化。很快,我们将能够跟踪与智能汽车(24和咖啡机25]。

这一设想的世界,每一个设备都有计算能力和网络连接,通常称为“无处不在的计算。”这个术语可以追溯到Mark Weiser的1990年代在施乐帕克研究中心工作26]。与此同时,它已成为主流,表示对应的研究领域在计算机科学27]。在一个更广泛的视野,物联网(物联网)或互联网的一切指的是一个世界,在每一个项目代表和过程进行数字化或至少记录数字。需要在全球范围内达成一致的标准,因此物联网形式的语义基础设施。这个世界上的每个设备产生的数据,记录其行为。这些数据的存储和分析通常被称为大数据。在这幅图中,之间没有因果关系数据收集和分析;即一般数据分析来回答问题,只隐约知道,如果,在数据收集的时间。当然,这种方法产生假阳性结果的危险,尤其是在光的许多变量通过记录收集感兴趣的人机交互,导致无休止的寻找机会显著的相关性。因此,独立复制的结果从Psychoinformatics观察数据集和精心设计后续实验(实验室)将是必要的。有许多的数字化如何塑造我们的世界。 As an initial point for further reading, we refer readers to the seminal works by Rifkin [27,28]和Brynjolfsson和McAfee [29日]。

(4)大数据的“噪声”。诚然,“大数据”通过Psychoinformatics方法收集包含大量的噪音。然而,随着方法生成这么多这么多用户的数据,信号应该独立于噪声比以往任何时候都更清楚。例如,研究人员感兴趣的调查认知功能,希望评估认知功能改变字的大小池通过研究一个人的语言。如果研究者只考虑词用在一天,数据集不太可能非常的代表。也许在这一天,参与者与他/她的孩子只用WhatsApp,写简单的单词(幼稚)。然而,通过分析这个人的词用在较长时间窗口,衡量的标准误差减少,因为数字互动有更多的人可以包括在分析中。

最后,无处不在的跟踪避免大多数固有偏见的来源问卷。跟踪用户交互直接为例,在smartphone-remains受到某种形式的偏见(被监视的感觉可能会改变一个人的行为)。然而,这些都是出现在远低于实验或问卷。此外,过了一段时间后,参与者不应该再想想他们被跟踪。这显然需要测试经验,但我们可以使用高速公路类比思考这个问题。如果一个人进入一个公寓在一个嘈杂的街道,他/她将显然很生气,前几天的噪音。过了一会儿,然而,人类的大脑所产生的噪音是过滤掉,有些人将不再是意识到它(30.,31日]。当然,意识有很大的区别的交通噪音而被另一个人跟踪。然而,在线社交网络如Facebook的成功故事表明,大量的人们不太关心他们的数字隐私(至少一段时间后);否则,他们将重新考虑打开配置文件,等等。

跟踪行为智能手机可能会借给最大的洞察人类行为。它捕获的生活各个方面通过多种方法(运动模式通过GPS和文本挖掘来推断情绪、沟通模式、社交网络和规模)(32,33]。这是装有传感器。它可以自动数据到远程服务器通信。它是中央设备上网,网上购物,和朋友交流,玩游戏。为研究预算,重要的是,大多数人已经拥有这样的装置。根据statista.com(34),2016年,超过二十亿人将使用智能手机。随着全球智能手机这个巨大的分布,它们注定变成最突出的数据源为科学家(35]。

(5)数据清洗步骤的复杂性。本质上不同的数据特征来自于从研究人机交互需要一个完全不同的心态。大数据,例如生成通过无处不在的跟踪,通常表现为三种Vs:速度,各种,体积(36]。数据到达率很高,在各种格式和品质,需要大量的存储方式。这个数据本质上是有缺陷的和肮脏的。然而,正如上面所述,显然应该独立于噪声信号(由于收集到的大量的数据点)。虽然研究人员当然需要检查收集到的数据(参见下面的数据清理往下一点),他们还必须牺牲他们传统上在一个严格控制的实验装置。相反,他们需要依靠大量的统计力量测量。

频繁,这种形式的研究将依靠数据已经收集了完全不同的目的。例如,研究人员可能分析的一个社交网络的日志。或者他们可能利用电信计费信息的提供者。任何这样的方法,常见的大数据应用,研究转向事后分析。手头的科学问题没有影响数据收集。事实上,这个问题可能不会出现当时的数据收集。获得的原始数据,通过多样的应用程序,需要广泛的处理。最初,它通常是神秘和逃避分析。因此需要前重要的建模分析。因此,可能会有更多的处理步骤,包括各种形式的数据清洗。 Building models for data analysis will in effect replace a priori experimental design as the “intellectual” challenge in psychological research. This data cleaning processes will largely depend on the unique research question under investigation.

考虑一个研究生产力问题在数字的工作环境。可以假设,因为越来越多的干扰,减少生产力应该是可以观察到的,由于上述干扰流动工作的经验。流代表了一个国家的(生产)浓度高,在一个人的技能相匹配的困难的任务。智能手机会分散我们的注意力,达到流动状态变得不可能。这项研究将专注于中断由于智能手机在日常生活中。因此,计算机科学家可能模型通常智能手机是如何打开和关闭。这个建模过程必须考虑很多事情。它是更有趣的评估长度之间的电话会议吗?或者我们应该每天计算时间一般智能手机?我们应该算时间,使用电话时听音乐,而不是交互? How should ultrashort smartphone sessions be handled, for example, where the phone’s screen is flicked on, but the phone is not unlocked, and there is no further haptic interaction? The precise research question at hand will determine data cleaning and modeling. And any solution will require close interdisciplinary collaboration.

(6)Psychoinformatics的研究议程是什么?自然,有以前的心理学和计算机科学领域之间的合作努力。特别是,人机接口(HCI)的面积表示计算机科学关心用户和电子系统之间的交互,例如,通过图形界面或声学信号。因此这个研究方向包括可用性工程、电子学习、互动、和信息设计。立即寻址用户,一般触动许多领域研究的心理学家。情感计算的纪律意识到,反应,或模仿人类的影响(37]。值得注意的是,HUMAINE项目调查emotion-oriented系统(38]。介绍,请参阅http://emotion-research.net/。人机交互的目标比较狭隘关注用户和机器人(人形)之间的接口,从而也涉及方面的心理学。计算机科学两个领域内很好地确定,所记录的IEEE情感计算和人机交互的ACM和IEEE国际会议。源自人机交互,这些领域的研究一般集中在个人用户,到目前为止,很少利用大数据的技术。他们也可以受益于Psychoinformatics的发展。

计算机科学和心理学之间的合作将最终让后者更实际应用他们的许多科学的结果。到目前为止,许多定量研究心理学诚然可以享受更多的实际影响。通过这我们意味着重要的心理学是研究进行了精心设计的实验或问卷调查研究,目前还不清楚如果结果可以推广到现实生活。然而现在,心理学在日常生活中可以验证和结果集成到IT系统的逻辑。汽车将承认当司机被困或激动。学习软件将会意识到当一个学生的注意力正在下滑。这样的“情感计算”将不可分割的一部分的大部分设备(围绕着我们37]。这些应用程序将提供直接的实用价值,不仅新发现,而且许多心理结果从之前的几十年。当然,这也提出了一个问题:是否Psychoinformatics将创建自己独特的研究议程。从文献综述,它变得明显,Psychoinformatics允许许多心理学研究问题需要重新测试和严格的实验室设置外,在日常生活中。如上所述,许多重要的心理洞察力派生等实验室设置,因此测试结果在不同环境下在更广泛的范围内将构成巨大的挑战。此外,与每一个新的跨学科研究的努力,我们相信,新的问题也会出现,扩展超出了传统研究在这两个领域的问题。在这一点上,我们提出一个例子从自己的工作Menthal应用(见附录中详细描述)。当我们启动了Menthal项目,我们旨在回答的相当简单但重要的问题智能手机主宰着我们的生活。我们的定制应用程序跟踪成千上万的智能手机,记录参与者每天使用手机多长时间和哪些应用程序是使用最多(和最使我们远离重要的任务)。这个项目带来的一些初步成果详细介绍如下。 When we analyzed the data set, we became aware of the enormous potential offered by these data; beyond the initial research question, we could indirectly study the sleep behavior of thousands of participants (a previous study from our lab shows that about 36–40% of smartphone users use their smartphone in the last five minutes before going to sleep and in the first five minutes after waking, [39])或调查中断在日常生活中,因此,也损失的生产率,即使是庞大的人口。此外,通过考虑GPS信号,有可能把信息从一个人的位置和智能手机活动与社会人口信息地区一个人呆在。还可以研究一个人的行为是受天气的影响在给定的时刻。原则上,智能手机数据,包括它的时间和地点,可以与许多外部变量。简而言之,从大样本的巨大数量的数据允许回答许多研究问题的可能性,这是以前被忽视的。显然,这也是基本挑战伦理委员会在决定什么可以,什么不可以被研究后的数据被收集。尽管智能手机和社交网络可能理解人的心理过程的一个重要来源,我们也必须注意到,这些设备是专为社会上的相互作用。因此,问题是,在多大程度上个人过程决定从智能手机真正代表一个人的内部过程或该信息是否受到他们通过智能手机与他人互动。

(7)在Psychoinformatics短的第一个研究。目前的工作属于域的Psychoinformatics相当分散。首先,它发表在两个相当独立的科学社区(心理学和计算机科学)。第二,这些都进一步分散在不同:(不同的期刊),这是不一定意识到彼此的发现。一般来说,研究人员采用一系列技术在各种数据集,利用正交方法和追求广泛的研究目标。

近年来,越来越多的研究一直在进行,广泛适应Psychoinformatics的范畴。这个术语本身已经被几个独立创造了工作组(3,4]。这些研究主要处理数据源接近万维网,比如社交网络。我们提供简要回顾研究预测心理变量从在线社交网络,如Facebook,或沟通渠道,如Twitter。

在他们的研究中,库辛斯et al。22]调查超过58000 Facebook用户和证明,可以预测性、种族、或政治态度从Facebook的“喜欢”超过80%的病例。本研究也能够预测人格从Facebook的“喜欢”(虽然这是不太成功的在个人层面上做出预测)。五大人格的预测精度之间29和这项研究。人格的个体差异进行评估与国际人格题库。一个相关的 表明,16%(即 )的方差在Facebook喜欢和性格测试重叠。感兴趣的,智能手机叫变量之间相关性的规模和个性也被报道(20.]。最近,库辛斯et al。22]提到,这种数据分析可能有助于个性化网页内容和在线广告。通过研究交流平台Twitter, Querica et al。40观察到有影响力的和流行的Twitter用户是外向的和情绪稳定。外向的人可以被描述为社会外向和奖励敏感,乐观,有时冲动(41- - - - - -43]。邱et al。44)报道,神经质等人格特质和宜人性也可以从推预测。和蔼可亲的人类是可爱的人,很容易适应人(45]。白等。46从微博)还成功预测人格(在这种情况下,中国平台新浪)。在这项研究中,变量,比如微博上的朋友和追随者数量与个性。总之,越来越多的研究提供实证证据,human-machine-interaction数据(例如,Facebook、Twitter和新浪)可以调查成功预测心理变量。

除了利用这些著名的社交媒体网络的数据,新研究也认为智能手机。符合上述研究Facebook和Twitter,孟泰格等。20.]调查电话和短信变量从智能手机到预测智能手机用户的个性特征。看似微不足道的,外向的人与一系列相关的变量在智能手机(社会外向外向的人,外向的人可能将使用手机更多),值得注意的是Psychoinformatics帮助研究人员了解大量的称之为变量在智能手机上最外向性密切相关。考虑时间等变量调用,即将离任的电话,来电,和不同的用户称,很明显,这个问题并不容易回答,因为它最初出现。孟泰格的研究等。20.),即将离任的调用的数量是最好的外向性的预测。早期研究Chittaranjan et al。47)不仅与人格智能手机变量,也提供了一个机器学习工具来预测人格的智能手机变量。超越人格和经典的智能手机使用,另一个最近的研究提供了一些初步见解WhatsApp行为和性格之间的关系(48]。再次,外向的人更达到了他们的社会网络(长WhatsApp的用法)。此外,低的有责任心的人呆长WhatsApp [48]。低的有责任心的人可以描述为不勤奋,经常不按时。而不是日常生活后,他们拖延工作任务和花太多时间在他们的智能手机。使用Psychoinformatics方法调查的一个关键优势智能手机上瘾是突出了最近的工作展示大量的时间扭曲与智能手机的使用,表明智能手机用户可能无法准确地评估时间他们花的时间使用他们的设备(2,49]。

Dufau et al。11)表明,智能手机也可以用来研究认知变量。在这里,它可能会观察到认知功能的波动通过智能手机,这有助于研究老龄化社会,如德国的认知能力下降。这项研究由Dufau et al。11也从另一个角度的相关性。在心理学中,有效性和可靠性是质量和核心概念普遍性心理研究的发现和研究成果。之前我们可以考虑结果Psychoinformatics与证据收集从经典心理方法,从调查问卷收集的数据是否通过智能手机或类似渠道产生同样的心理属性数据通过paper-pencil问卷必须系统地测试。虽然这可能是(研究表明paper-pencil和网上问卷可比对心理属性,例如,(50]),从实验中收集的数据进行智能手机必须小心而进行的实验室实验。

调查研究人机交互智能手机或在线社交网络之外相当稀缺。有趣的第一个例子表明,提取数据从车载诊断(OBD)汽车将能够识别危险驾驶行为(51,52)和互联网连接你的冰箱可以帮助你遵循健康的饮食计划53]。

2。对精神(神经)的信息

2.1。从Psychoinformatics结合神经科学数据与数据

我们迄今为止主张“传统”心理的增强数据收集从Psychoinformatics通过引入方法。这个观点也必须扩展到神经科学,由于越来越多的心理学家,他也在神经科学领域的工作(54- - - - - -56]。这样研究人员旨在理解认知之间的联系,动机,情感与大脑结构和功能(和它的底层生物化学)。近年来,许多研究试图建立人格和人类大脑结构之间的联系,虽然异构的结果(57,58]。这也适用于分子遗传学(59]。在这两个领域,问题复制结果可以与不同的成像数据的预处理(如核磁共振),民族差异的参与者(两个),不同的样本大小,当然不同的自我报告库存用于评估个体差异在某些人格特质或相关表型(两个)。显然,一个主要挑战在于实现足够的样本大小(例如,60])。

为了阐明这些问题,让我们考虑一些例子:试图了解个体差异在特质焦虑源自人类的大脑,研究人员需要选择正确的神经科学工具,以及阿森纳的自我报告库存。不幸的是,许多这些自我报告的措施只是适度相关,因此研究的结果将是高度依赖于所选择的度量的焦虑(61年]。而不是完全依赖自我报告数据,这将是更有效的观察焦虑从一个例子(见下文)人机交互和链接这种“真实”记录行为神经科学的变量。自我报告的问题可以极大地降低库存结合对Psychoinformatics观察到的行为神经科学数据。通过应用这些方法,真正的行为在一个研究中可以比得上真正的行为在另一项研究。这可能会导致更好的复制的结果,同样的因变量。例如,科恩的研究等。62年)报道,分数高的人等措施神经质倾向于使用单词“生病的”“抑郁症”“,”或“孤独”更频繁地在社交网络上。因此,量化使用这样的词汇在不同的通信通道通过文本挖掘会产生一个有趣的变量结合神经科学数据。此外,个性应该相当稳定的跨各种不同的行为和多样化的情况在日常生活中(请参阅信息根据人格矛盾由米歇尔和Shoda [63年];他们描述人格的稳定性必须建立在不同的环境中,例如,一个男孩表现稳定,害羞的女孩但不害羞时当他与男性同侪导向),所以焦虑也会反映在我们开车的方式或通过电子邮件通信模式。显然,跟踪和使用这些数据(甚至为科学目的)带来了伟大的伦理挑战,我们在下面讨论。

另一个例子的重要性将现实生活行为神经科学研究活动研究的基础上发现Bickart et al。64年]。他们观察到,杏仁核的大小与的大小呈正相关参与者的社交网络。在这项研究中,社交网络的大小被称为社交网络的自我报告问卷评估指数(SNI) [64年]。在时代,人类携带智能手机与他们在24/7的基础上,不仅大量的联系人保存在他们的智能手机,还他们的社交网络活动的传入/传出调用将提供一个更精确的图片他们的社交网络规模和活动。

除了这个人格与社会网络研究,大量的研究课题,如情绪或幸福也可以受益于Psychoinformatics方法的包容。的方法从而继续传统经验取样法(ESM),已用于心理学多年。在这种范式,参与者戴一个追踪者在日常生活中,在随机间隔问他们在做什么,感觉的一天。Psychoinformatics的最终目的,然而,参与者将不再直接问,这些问题可以回答的数据从人机交互。这将是至少入侵的参与者。当然,许多神经科学研究总是依赖于严格控制实验条件。成像研究尤其如此,比如那些使用核磁共振。另一方面,移动脑电图系统已经存在和被用来记录大脑活动在失重等环境(65年]和其他更自然的环境里66年]。此外,生物变量如皮质醇措施或基因样本可以相对轻松地收集在这个领域,可以结合数据来源于Psychoinformatics(例如,67年])。简而言之,神经科学技术的适用性强被包括在实验室外面的田野。

心理学家也可能对牺牲长期建立的方法来快速发展的技术。我们认为这不会是这样。自我报告,经典的实验室实验或面试不会被淘汰,而是相比可以客观地观察和增强。特别是,偏见在自己的感知和实际记录的行为将有可能添加一个新层研究和咨询服务。在这种背景下,我们坚信精神(神经)的信息也会影响行为神经科学。图1更详细地说明了这种关系。这个数字表明,基因和环境的相互作用和形状激素和神经递质水平(68年,69年]。在未来,越来越多的研究也将调查环境如何影响甲基化模式和提供遗传信息。再次,环境变量的测量可以通过将增强日常生活中真实记录的行为。从这后,我们认为,增长的表观遗传学领域也可以获利的方法从Psychoinformatics70年]。总之,分子遗传学、表观遗传学、激素、神经递质系统、神经元等代表大脑结构和功能的生化基础。个体差异在人类大脑的结构和功能可能能够解释人格特质的个体差异和其他相关的心理变量。最后,我们包括图中虚线。这条线指的是机器学习算法应用到神经科学数据的可能性。这已经是常见的做法,所以我们不会进一步讨论这一点但参考读者Nouretdinov等的工作。71年和佩雷拉等。72年]。因此,我们认为Psychoinformatics必须被纳入人类行为的评估,因此记录行为可能比自我更紧密地与我们的生物学评估。未来的研究可以建立这一假设是否正确。


图1
包含的工具从Psychoinformatics将添加一个新的有趣的层神经科学的心理(描述大脑已经从工作https://pixabay.com/;公共领域)。
2.2。挑战

面临的核心挑战精神(神经)的信息在于它的跨学科性。心理学和计算机科学都无法独立实现这种程度的进步。心理学家没有能力建造大规模跟踪系统和管理结果数据。因此,他们将受益于数据建模和挖掘的方法。计算机科学家,另一方面,缺乏专业知识,以及传统的(道德的声音)对人体的研究。科学尚未建立共识,规范化方法,术语和方法。

因此,科学都需要培养一个共同研究文化。目前,导致计算机科学在很大程度上是在大型会议上发表;期刊文章经常只扩展先前的会议出版物。心理学另一方面主要发布在同样的同行评议的期刊。因此,出版的科学有不同的速度。同样,大学必须适应跨学科研究事业。他们需要支持的事业,并不是特别先进的内部计算机科学,但在与心理学家合作进行开创性研究。或者他们需要建立相应的学位项目和部门。同样,资助机构需要跨学科的应用程序。

与任何技术范式转变,有需要解决的伦理挑战。自然,数据隐私是一个主要的问题。然而,心理学研究处理私人和亲密的数据自成立以来,建立行为准则来处理数据,很容易适应包括数字数据。更多的问题出现,当心理发现把练习在大数据的应用程序。可以推断用户从在线行为的人格特性,因此有可能拒绝他/她一份特殊的工作。或者一个可以评估一个在线购物的情绪和个人相应的“诱饵”。必须解决这些问题,他们将成为更广泛的一部分讨论大数据技术的使用。此外,进一步的伦理问题必须将出现在未来几年。特别是,不同的政治系统可能以不同的方式处理数据保护问题。

最后,科学界必须解决数据访问作为一种新的因素影响的工作人员。今天,许多出版物需要科学家披露行业资金。毕竟,这种关系可能会导致利益冲突,在最坏的情况下,可能会影响研究或结果。考虑到小说的方法,访问专有数据是一个同样重要的因素大公司分发的“好处”:例如,得到一个大的社交网络,科学家也许能够发现和发布整个范围的结果,但这可能是阻碍如果公司认为这些研究结果存在争议。因此,它必须成为科学家的强制性披露专有访问任何外部来源的数据,可能会引发利益冲突。

虽然Psychoinformatics仍处于起步阶段,甚至不被认为是这样,未来的道路是很明显了。在接下来的十年,我们会看到众多大规模研究心理学和计算机科学之间的事业。研究团体越早意识到这些努力并不奇异事件,但一个范式转变的一部分,越早可以建立共识,这两个科学规范的方法、分类,以及共同的道德标准。这部小说,并最终研究方向将建立一个自己的领域。

2.3。结论

未来十年将会看到越来越多的研究事业,驻留计算机科学与心理学之间的直接。最可能不会像Psychoinformatics杜撰。许多可能不包括传统训练的计算机科学家或心理学家。有些人可能甚至都没有意识到,他们在追求一种心理问题。然而,故意与否,计算机科学,在某种程度上,改变心理学的基本方法。

附录

Menthal Psychoinformatics大规模项目作为一个例子

在下面,我们想给洞察自己的“Menthal”项目(心理健康诊断,https://menthal.org/)。这个项目演示了如何在Psychoinformatics开发和可以进行研究。

Menthal评估智能手机使用规模非常大。在不到十年,智能手机已经大大改变了我们如何沟通,导航,约会,玩,和旅游。由此产生的变化在我们的社会中是显而易见的,但他们没有科学研究。我们想要记录在电话里人们实际上如何使用自己的时间。这种行为是通过电话直接评估,客观,不依赖自我报告。问题仍然是:如何激励大量用户洞察他们的电话的行为。

为了吸引用户,我们开发了一个应用程序,跟踪用户的智能手机使用(见图2)。多久它告诉用户他们使用手机,他们对手机电影,并在用户自己的应用程序是最突出的历史,等等。智能手机用户可以决定如果手机的行为是不可靠地高和跟踪进展减少它。在技术层面,应用程序发送原始数据(例如,“裸机”和“应用程序开始”)到我们的服务器。后者计算相应的聚合函数(例如,多长时间和频率)并将该信息返回给用户的手机以视觉的方式。这个数据还在我们的服务器上进行科学分析。从本质上讲,我们因此复制谷歌的商业模式:我们提供一个免费的和有用的服务;作为回报,用户贡献他们的数据。我们交流的方法通过知情同意公开形式参与者在完成应用程序的安装。


图2
我们应用程序的屏幕截图”Menthal。”

这个应用程序还提供了参与者的选择对他们的个性或每天的情绪造成额外的信息。再次为我们提供这一信息,他们收到反馈他们的个性成绩或看到他们的情绪变化随着时间的推移(心情日记)鼓励参与。

相互竞争的利益

作者宣称没有利益冲突有关的出版。

确认

基督教孟泰格是由海森堡格兰特(MO 2363/3-1)授予他的德国研究基金会(DFG)。