（六）其他富有前景的应用领域

大数据已经广泛应用于心理学的各分支领域，并不局限于以上列举的这些应用领域。例如，在文化心理学研究领域，有研究者通过GoogleNgram 基于Google 扫描全球所有已出版书籍中约4%数据集所提供的历时近200 年的大数据来研究文化的变迁，包括个体主义—集体主义文化的历史变迁，美国性别平等文化与女性地位的历史变迁等。还有其他丰富的数据来源也被巧妙地应用到各研究中。例如，通过15 万历史名人的出生地、死亡地数据来反映欧洲和北美的文化历史变迁；智能手机的数据被应用于实时刻画大规模人群的人口分布，研究人们对突发事件的集群行为规律。

三、我国的大数据社会心理学研究实践我国的社会心理学研究者已经主要就中国微博情绪的在线测量和应用问题，尝试与信息科学领域的研究者一起展开了一系列的研究和探索。

（一）微博情绪测量工具的开发

微博积累的海量信息为直接测量大规模人群的态度、社会情绪提供了可能。对在线文本进行情感分析一直是信息科学领域的热点问题，但传统在线文本分析技术主要以数据驱动或者经验驱动，例如包含正向情绪和负向情绪的二分法。情绪、情感是心理学领域的经典研究问题，将心理学领域关于情绪相关的研究成果应用于在线文本分析技术，可从理论视角为提升在线文本分析技术的有效性提供支持和帮助。乐国安等对情感分析技术、情绪词库的构建与发展、在线文本情感分析技术的实践应用等问题进行了较为系统的总结和归纳。

词汇匹配技术是目前分析海量微博客（例如Twitter、新浪微博）使用最为广泛，也是效果相对较好的方法。该方法的原理主要是通过统计目标文本中与情绪词库中特定类型的情绪词的词频多少来计算该文本的情绪定向。因此，情绪词库的建设是基于词汇匹配技术的在线文本情感分析技术的核心。董颖红等基于心理学经典的基本情绪结构理论，将微博情绪分为快乐、悲伤、愤怒、恐惧和厌恶五种（其中惊奇情绪由于在测试中发现使用频率较低而未纳入词库中），构建了包含818 个情绪词（快乐306 个；悲伤205 个；厌恶142 个；恐惧72 个；愤怒93 个）的标准化微博客基本情绪词库（Weibo Basic Mood Lexicon，Weibo-5BML）。

为了检验该情绪词库和工具的有效性，研究团队与华东师范大学软件学院海量计算研究所团队合作，在160 多万新浪微博用户2011 年7 月至2012 年11 月期间发布的微博文本上进行测试。首先，对五种微博情绪之间的内部相关性进行测试，结果发现：快乐和悲伤、厌恶、愤怒、恐惧情绪均为显著负相关；而悲伤、厌恶、愤怒和恐惧情绪之间呈现显著正相关。该检验结果与心理学经典的情绪理论，例如效价—唤醒理论，有较好的一致性。其次，通过整理五种微博情绪在一周内（周一至周日）的周变化趋势，结果发现：快乐情绪在周末显著高于工作日，而周三的快乐情绪达到最低点。这为探索大规模人群的整体情绪的节律变化提供了新的证据。最后，为了检验微博情绪测量工具的生态效度，研究团队还分析了五种微博情绪对现实社会中重大节日、重大社会热点事件的反应。结果发现，微博情绪对2011 年“7·23 甬温线旅客列车特别重大事故”、2012 年“钓鱼岛之争”、春节、中秋节、感恩节等重大事件和节假日都呈现出了较为灵敏而合理的反应。例如，2011 年7 月23 日，甬温线段发生了旅客列车特别重大事故，事故发生当天，快乐情绪开始下降，而悲伤、愤怒和恐惧情绪开始上升。随后的几天人们一直沉浸在悲伤、愤怒和恐惧的氛围中，一直到7 月29 日悼念活动结束以后公众的各种基本情绪才逐渐恢复到往日的水平。尤其是在事故发生之初，生命至上、紧急救援是主要问题，因此人们的悲伤情绪首先上升到高点；但随着时间的推移，事故的处理方式和对原因的调查使得公众对政府的不满、愤怒情绪不断推高。以上检验结果表明，研究团队基于基本情绪结构理论开发的Weibo-5BML 微博情绪测量工具，在分析大众情绪信息时是有效的，这对于实时、高效地感知公众的社会情绪变化具有重要的意义。

（二）基于微博情绪的应用社会心理学研究

1. 预测股市

在发现新浪微博上单个情绪词（例如“紧张”）与上证指数之间存在显著关联的基础上，为了探索更一般性的微博情绪与股市关系，赖凯声等基于心理学的情绪理论和情绪测量量表，抓取了新浪微博上2011 年8 月1 日至2012 年2 月29 日期间2 242 个情绪词汇的词频数据。结果发现，2 242个情绪词中，有993 个情绪词与上证指数之间存在显著的相关关系，并且基于这2 242 个情绪词通过相关系数筛选、加权得到的微博情绪综合指数与上证指数之间的相关高达0.877。进一步对微博情绪综合指数和上证指数的时间序列构建协整模型发现，二者存在显著的长期均衡关系，且微博情绪综合指数能显著预测下一个交易日的上证指数。

Dong 等通过构建的微博客基本情绪词库（Weibo-5BML）工具和2012 年2 月1 日至2012 年11 月30 日期间的新浪微博数据，检验了不同类型的微博情绪与股市之间的关系。研究结果发现，五种情绪中悲伤情绪能显著提高上证指数成交量（预测准确率提高2.4%）。考虑到悲伤情绪的唤醒度最低，研究者再把悲伤情绪词中唤醒度最低的25% 作为新的悲伤指数，结果发现对上证指数成交量的预测能力仍然显著。该研究结果表明，具有低唤醒度的负性情绪与上证指数交易量相关，该结果从群体层面支持了情绪维持假说，并为情绪泛化假说和情绪维持假说的争论提供了新证据。

2. 风险社会预测

处于社会转型期和全球化进程的中国社会面临着各种社会风险。个体层面的研究认为，由感知的社会风险诱发的情绪，例如愤怒，可能会引发集体行动。但在宏观群体层面，由于测量手段和成本的限制，大众感知的社会风险与社会情绪之间的关系并不明确。为探索大众对感知的社会风险的情绪反应规律，Dong 等的研究通过百度搜索数据来刻画中国网民的社会风险感知水平（分为社会稳定风险、日常生活风险、资源环境风险、公共道德风险、政府执政风险、国家安全风险、经济金融风险七大类），通过微博客基本情绪词库（Weibo-5BML）工具分析新浪微博数据得到五类基本情绪水平。通过Granger 因果检验发现，大众感知的社会风险对社会情绪有显著的预测力，但不同的风险类型对不同情绪的预测力是不同的。例如，感知的政治执政风险能显著预测愤怒情绪，资源环境风险感知能显著预测未来2

5 日的悲伤情绪。

另一方面，大众感知的社会风险对社会稳定和社会和谐有负面影响，因此研究群体层面的大众情绪能否影响或预测社会风险感知也具有重要意义。Dong 等同样采用百度搜索数据和新浪微博数据，研究了中国网民的社会情绪对大众社会风险感知的预测效果。结果发现，社会情绪对大众感知的社会风险具有显著的预测力，但不同的社会情绪对不同类型的社会风险感知的预测效果是不同的。相比快乐情绪，悲伤、厌恶、愤怒、恐惧四种负性社会情绪是社会风险感知水平更为重要的预测变量。关于社会风险与社会风险感知水平的关系研究表明，通过社会化媒体捕捉和研究大众心理特征和规律是可行的。

3. 精英与大众的微博情绪关系

关于精英与大众的关系一直是政治学、社会学、传播学、心理学等多学科领域学者关注的问题。传播学的意见领袖研究认为，意见领袖在信息传播中起着二级传播的作用，对大众具有重要的引领作用；政治学领域的研究者认为，政治精英只是强化和激发现存的公共舆论，整体上对公共舆论的影响是“微不足道”的；而另一些研究则反对这种认为影响微不足道的观点，并给出了一些政治精英利用大众传媒操纵公共舆论的证据。随着社会的发展，精英和大众之间的关系变得越来越复杂。尤其是互联网时代，微博等自媒体的发展，精英与大众互动的频率和强度都产生了巨大的飞跃，这无疑更加凸显了探究精英和大众的关系问题的重要性。精英是因为能准确感知大众舆论的趋势，迎合或顺应大众的“民意”，从而获得大众拥戴，即“时势造英雄”；还是因为能凭借自身能力制造、引领时势，充当大众引领者的角色，即“英雄造时势”？

Lai 等以微博情绪的分析视角为切入点，借助研究团队构建的微博客基本情绪词库（Weibo-5BML）工具和新浪微博2011—2012 年的微博数据，探索了覆盖房地产、教育等9 个行业的894 名微博精英和160 多万名大众用户之间的微博情绪关系。综合分析9 大领域结果发现：（1）当下中国的经济资本比文化资本具有更大的影响力。房产、财经和科技类意见领袖（即经济资本领域）均有显著领先于大众情绪的倾向，而传媒、时尚、艺术、娱乐、教育、文学意见领袖（即文化资本领域）领先大众情绪的倾向相对更低甚至落后于大众情绪。（2）不同领域、不同情绪类型下的影响关系不完全相同，但总体来看，“时势造英雄”的效果要比“英雄造时势”的效果强些。（3）消极情绪比积极情绪更易传播。其中，积极情绪中快乐情绪在4 个领域的意见领袖群体和大众情绪中有显著的领先和滞后关系；而消极情绪中悲伤情绪在8 个领域、厌恶情绪在6 个领域、恐惧情绪在5个领域、愤怒情绪在2 个领域内的意见领袖群体和大众情绪中有显著的领先和滞后关系。总的来说，经济资本和文化资本之间的支配和被支配关系取决于哪类资本占据了相对较高的话语权。基于微博情绪的研究发现经济资本比文化资本更具影响力的结果在一定程度上能反映转型期中国文化转型落后于经济转型的社会现状。

4. 厌恶情绪预测地区民族主义

关注情绪的进化意义的研究者认为，厌恶情绪可保护人们免受有毒物质、病菌和疾病的威胁。厌恶情绪在道德决策和意识形态层面的影响作用也得到了研究者的关注。个体层面的实验和调查证据发现，厌恶情绪与个体的政治意识形态，例如预测保守主义、投票行为，有显著关联。民族主义是个体认同或依附于自己民族和国家的一种信仰或意识形态，具有以自我民族中心，以及排斥、贬低外民族的倾向等主要特征。那么，在群体层面的厌恶情绪与地区的民族主义是否有关联？

高树青等借助研究团队构建的微博客基本情绪词库（Weibo-5BML）工具来测量2011 年中国各省（市、自治区）的新浪微博厌恶情绪表达，并结合包含17 万网民样本的“中国政治坐标系测试”关于政治意识形态网络大调查数据，从宏观层面探索了网络厌恶情绪表达与地区民主主义之间的关系。研究结果发现：（1）中国各省的厌恶情绪表达与地区民族主义存在显著相关；（2）在控制了各省的人均GDP、地理封闭性、农村人口比重等变量之后，厌恶情绪表达与地区民族主义之间的相关仍然显著；（3）进一步的稳健性检验发现，5 类基本情绪中，有且仅有厌恶情绪与地区民族主义具有显著关联。因此，微博厌恶情绪表达与地区民族主义正相关的结果具有较好的区分效度，这为理解群体层面的情绪表达和民族主义倾向之间的关系提供了直接证据。