分类： 心理学 >> 应用心理学 分类： 计算机科学 >> 计算机应用技术 提交时间： 2024-02-29
摘要： 目的 随着网络大数据以及机器学习的方法的发展，越来越多研究结合文本分析与机器学习来预测满意度。在建立生活满意度预测模型的研究中，针对获取大量有效的有标注数据困难的问题，本研究提出基于文本数据增强以优化生活满意度预测模型。 方法 改编大连理工词典后，以357份生活现状描述为原始文本、生活满意度量表自评分为标注，经过EDA和回译进行文本数据增强，利用传统机器学习算法建立预测模型。 结果 结果显示，大连理工词典改编后，各模型预测能力大大提高；数据增强后，仅在线性回归模型上观察到回译和EDA的提升作用。使用原始数据进行训练的岭回归模型预测值与实际值的皮尔逊相关系数最高，达0.4131。 结论 特征提取精度的提升可优化目前的生活满意度预测模型，但对于以词频为特征建立的生活满意度预测模型，基于回译和EDA进行的文本数据增强可能并不十分适用。
分类： 心理学 >> 应用心理学 提交时间： 2022-10-18
摘要： 疫情对整个人类社会带来巨大影响，也深深影响到当代大学生。新冠疫情发生后，大学生生活发生了巨大的改变。疫情下政策的不断调整，封校等行为导致大学生交往与休闲活动被限制，大学生情绪出现了波动。这种复杂的情绪反应，传统的量表都不能完全反应出其忽高忽低的反复性情绪。大学生是疫情防控的重点、难点。目前针对大学生疫情心态认知及其影响的研究欠缺，使得对于大学生群体的疫情防控方法缺乏针对性。大学生属于群体生活，心态具有社会和群体属性，其形成和变化涉及多种因素。它不是个人心态的简单累积和机械叠加。民众心理健康测量（DASS）更倾向于负性情绪严重时的测量，不能完全表达疫情好转时的积极心态。SCL-90（90症状清单），SDS（抑郁状态量表）都更倾向于个体测量，而非民众风险认知及其心理行为研究。针对大学生疫情心态认知测量方法缺乏，我们经过研究，编制新冠疫情下心态认知量表并检验。研究对于疫情下大学生心态认知有着积极的意义。准确把握大学生疫情心态认知，有利于进行科学的疫情防控，助力打赢抗击疫情这场战争。
分类： 心理学 >> 应用心理学 提交时间： 2022-03-18
摘要： 本文以九九文章网为例，详细地介绍了大数据心理学研究方法。利用用户实验采集的文本数据，提取词频特征，训练机器学习模型，然后利用学习模型实现对爬取的九九文章网的文章对应的生活满意度进行预测，帮助大数据研究初学者对整个处理流程有直观的感受。本文通过具体实例，介绍了Python和情感词典用于文本的词频计算，利用scikit-learn库完成对机器学习模型训练、测试及应用，并结合附带的源程序，便于读者直接操作。本文初步介绍了基于文本词频的机器学习建模的大数据研究方法，对于其中技术的介绍较为基础，主要强调如何将技术进行应用，对技术原理的介绍较少。
分类： 心理学 >> 应用心理学 提交时间： 2022-03-06
摘要： 为探究单身人群和婚恋人群在生活满意度和情绪词词频比例上的差异，本研究依托网络大数据，使用python爬虫程序对知乎平台上单身主题和婚恋主题下的用户发言进行爬取，并通过“文心”系统和生活满意度预测模型获得对应人群的情绪词频比例和生活满意度得分。结果发现婚恋组的生活满意度显著高于单身组（t=4.415，p＜0.001）；婚恋组的正性情绪词（t=-9.061，p＜0.001）和焦虑词（t=1.844，p＜0.001）的比例显著低于单身组，愤怒词（t=5.101，p＜0.001）的词频比例显著高于单身组。结果表明，婚恋人群在获得更高生活满意度和更低焦虑水平的同时，也需要处理与伴侣相关的情绪问题。
分类： 心理学 >> 应用心理学 提交时间： 2022-03-06
摘要： 【目的】探究出柜与否对于性少数群体心理的影响，为性教育以及性少数群体的发展提供建议。 【方法】本研究采用Python和八爪鱼爬取微博和知乎上性少数群体用户的数据，利用文心系统获得性少数群体情绪词的词频特征，采用机器学习的方法获得生活满意度指标，比较出柜组与未出柜组在词频特征和生活满意度指标上的差异。【结果】未出柜组在负性情绪词 (t ＝ -3.043, p ＜ 0.01) 和悲伤词 (t ＝ -2.211, p ＜ 0.05) 上的比例显著高于出柜组；生活满意度显著低于出柜组 (t ＝ 5.078, p ＜ 0.001)。【局限】本研究未出柜组采样不足，未通过年龄进行被试筛选，选择变量较少及横向研究，使得研究不够全面。【结论】出柜可以提高性少数群体的生活满意度并促进性少数群体心理健康发展。
点击量
待评议
点击量
下载量
评论
