利用在线社交网络研究生活事件对人格的影响：以家暴为例

How would life events influence individual’s personality? This is an important issue in the study field of personality development. The previous studies showed mixed or even conflict results, because that by the traditional method it could be very difficult to match the personality measurements and the life events in the timeline, and bringing in various confounding variables. This project would introduce a new method based on the big data of Weibo. This method uses the results calculated by the prediction model as the personality measurements, and makes it feasible to perfectly match the personality measurements and the life events. Taking domestic violence for an example, we would firstly build the prediction model based on the Weibo behavioral data of fixed time period. Then we would repeatedly measure the individual’s personality before and after the violence event using his/her public Weibo data, in order to reveal the influence of domestic violence on personality traits. Finally, we would measure the goals to change their personality traits of those individuals who just experienced the domestic violence event, in order to evaluate the moderation effect of the subjective change goals on the personality change after the events. The results of this project would shed light on the influence of domestic violence on personality traits, and provide a new optional method for such studies in this internet age.

生活事件对人格有怎样的影响？这是人格发展研究中的重要课题，但已有结果却是混杂而矛盾的。其关键原因，在于传统方法很难做到人格测量与生活事件在时间上的匹配，从而在结果中混入事前差异、测量时间差异和个体差异。本课题试图运用在线社交网络突破传统方法瓶颈，以基于微博行为数据的人格预测模型作为测量工具，利用微博大数据实现以生活事件发生时间为基准的纵向追踪与回溯。课题将以家暴事件为例，首先构建基于固定时段微博行为数据的大五人格预测模型；然后通过微博数据对家暴受害者在家暴事件前后的人格进行连续重复测量，刻画家暴事件影响下人格变化规律，排除事前差异和测量时间差异的混淆；再对新遭受家暴个体在事件后对人格改变的主观意愿进行测量，考察主观意愿的调节作用，探讨个体差异的影响。研究成果将明晰家暴事件对人格的影响，增进对人格发展的认识，为相关研究提供方法的借鉴，并服务于减少家暴危害、增进社会福利。

生活事件对人格有怎样的影响？前人研究未能很好地回答这一问题，其关键原因，在于传统方法很难做到人格测量与生活事件在时间上的匹配。社交网络普及的今天，社交网络中的真实记录为某些事先不可预测的生活事件提供了可回溯的时间节点，而社交网络用户的日常表达则反映着其心理特征与状态。本课题试图以家暴事件为例，运用在线社交网络突破传统方法瓶颈，以基于微博行为数据的人格预测模型作为测量工具，利用微博大数据实现以生活事件发生时间为基准的纵向追踪与回溯，为生活事件与人格发展的关系提供新的科学证据。研究中，我们首先运用机器学习方法构建了基于固定时段微博行为数据的大五人格预测模型，并在此基础上进行拓展，构建了利用视频中步态信息识别抑郁、焦虑等心理健康状态的预测模型。我们通过微博公开表达收集了真实的家暴受害者样本，并定位其首次遭遇家暴的时间点。利用上述人格预测模型，我们对样本在家暴事件之前和事件6个月之后的人格特征进行了测量，分析表明受害者的神经质和尽责性在家暴事件之后发生明显负向变化，表现出典型的“社会化效应”，而受害者与非受害者在宜人性和开放性上的差异，在首次家暴事件之前已经存在，不能看作家暴事件的结果。我们进一步比较了不同类型家暴受害者的人格变化，并考察了受害者在家暴事件前后短期内的心理健康状态变化。这是迄今首次实现心理测量与不可预测生活事件在时间上的严格匹配，排除了事件之前心理变化的混淆，为人格和某些心理健康状态的“社会化效应”提供了确凿的证据。面对疫情的挑战，我们将对社交网络数据的分析应用于抗疫斗争，对重要节点前后微博用户的心理变化进行了多角度分析。项目发现的科学规律为理解重大生活事件的心理影响、减少家暴危害、促进科学抗疫提供了有益参照，所研发和验证的技术路线为利用社交网络大数据开展心理学研究提供了可供参照的范式。

内容获取失败，请点击重试