吳勝濤 茅云云 吳舒涵 馮健仁 張慶鵬 謝 天 陳 浩 朱廷劭

·研究方法(Research Method)·

基于大數(shù)據(jù)的文化心理分析*

吳勝濤1,2茅云云1吳舒涵2馮健仁3張慶鵬3謝 天4陳 浩5,6朱廷劭7

(1廈門大學(xué)社會與人類學(xué)院;2廈門大學(xué)傳播研究所, 廈門 361005)(3廣州大學(xué)公共管理學(xué)院, 廣州 510006) (4武漢大學(xué)哲學(xué)學(xué)院, 武漢 430072)(5南開大學(xué)周恩來政府管理學(xué)院, 天津 300350) (6中山大學(xué)廣州粵港澳社會心理建設(shè)研究中心, 廣州 510006) (7中國科學(xué)院心理研究所, 北京 100101)

隨著大數(shù)據(jù)技術(shù)與文化心理學(xué)的融合發(fā)展, 計算文化心理學(xué)作為一門新興交叉學(xué)科逐漸興起, 大尺度、近乎全樣本的文化心理分析真正得以實現(xiàn)。計算文化心理學(xué)關(guān)注的文化變量主要圍繞個人主義/集體主義這一文化心理學(xué)使用最為廣泛的維度展開, 分析方法包括特征詞典、機器學(xué)習(xí)、社會網(wǎng)絡(luò)分析、仿真模擬等, 分析思路包括時間維度上的文化變遷效應(yīng)以及空間維度上的文化地理效應(yīng)。當然, 計算文化心理學(xué)在為傳統(tǒng)文化心理研究提供新方法、新范式的同時, 也存在解碼失真、樣本偏差、詞語多義性、隱私風(fēng)險等局限, 未來研究應(yīng)重視變量理論解釋、文化動態(tài)演化分析、學(xué)科深度整合、生態(tài)效度等問題。

大數(shù)據(jù), 文化, 計算文化心理學(xué), 文化變遷, 文化地理

早期大數(shù)據(jù)心理研究多集中在基本情緒、消費決策等相對直觀的心理概念上, 針對文化心理等抽象心理概念的大數(shù)據(jù)研究則相對較少(Golder & Macy, 2011, 2014)。進而, 隨著大數(shù)據(jù)技術(shù)與文化心理學(xué)的融合發(fā)展, 采用大數(shù)據(jù)思維、大數(shù)據(jù)資源和計算工具來理解文化符號及其互動過程的計算文化心理學(xué)也快速發(fā)展起來, 這使得大尺度甚至近乎全樣本的文化心理分析真正得以實現(xiàn)。本研究回顧了計算文化心理學(xué)的產(chǎn)生過程、變量提取和計算方法, 以及使用大數(shù)據(jù)技術(shù)在時間維度上分析文化變遷效應(yīng)、在空間維度上分析文化地理效應(yīng)的思路、方法和主要發(fā)現(xiàn)。最后, 本研究反思了計算文化心理學(xué)的局限, 并對其未來發(fā)展方向進行了展望。

1 大數(shù)據(jù)時代的文化心理學(xué)

大數(shù)據(jù)是一種容量大、種類多、速度快的信息資源, 需要特定計算技術(shù)和分析方法挖掘其中的價值(de Mauro et al., 2015, 2016)。由于大數(shù)據(jù)巨大的潛在價值, 近年來大數(shù)據(jù)分析技術(shù)迅速在各個研究領(lǐng)域中展露頭角, 逐漸成為社會科學(xué)的新工具(陳浩等, 2013; Kosinski et al., 2015)。盡管大數(shù)據(jù)分析技術(shù)的歷史并不長, 但從近10年的大量文獻來看, 它已經(jīng)成為當前哲學(xué)、自然科學(xué)和社會科學(xué)共同關(guān)注的重要問題, 為人文與社會科學(xué)提供了繼實驗、理論、仿真之后的第四種研究范式, 并催生了計算社會科學(xué)的誕生(Gray, 2009; Lazer et al., 2009)。

隨著大數(shù)據(jù)時代的到來, 傳統(tǒng)文化心理學(xué)面臨諸多挑戰(zhàn), 但也迎來了范式變革的機遇。首先, 互聯(lián)網(wǎng)將人與人之間的距離拉近, 使得不同文化背景的人主動或被動地匯聚在一個時空壓縮的“地球村”里, 全球范圍的文化互動、變遷成為常態(tài), 但由于研究資料受限、分析方法滯后, 傳統(tǒng)文化心理學(xué)在進行大尺度時間、空間分析時費時費力。幸運的是, 信息技術(shù)的發(fā)展使得不同時間、空間的文化符號及其互動過程留下了海量的數(shù)據(jù)印記, 這為研究者分析不同時間、不同空間下的文化心理特征提供了無可比擬的大規(guī)模生態(tài)數(shù)據(jù)庫。進而, 大數(shù)據(jù)技術(shù)賦能研究者們方便地抓取網(wǎng)絡(luò)生態(tài)數(shù)據(jù), 研究文化動態(tài)演化及節(jié)點事件效應(yīng)(Park, Baek et al., 2014; Wu, Zhou et al., 2018), 使得時間趨勢和空間地理上的大尺度分析真正成為可能, 文化心理學(xué)的研究問題也得以拓展。

其次, 大數(shù)據(jù)時代文化符號生產(chǎn)快速增長, 但是基于紙筆測驗和行為實驗的傳統(tǒng)文化心理學(xué)研究往往是滯后的, 且樣本量較小、代表性不夠, 遠遠不能滿足研究者和決策者的需要。而基于大數(shù)據(jù)的文化心理學(xué)研究能夠以相對較低的時間、人力成本實現(xiàn)近乎全樣本的數(shù)據(jù)進行自動抓取、實時分析乃至實驗操控, 并從海量數(shù)據(jù)中迅速鎖定、預(yù)測某一群體的行為特征, 進而實現(xiàn)宏觀群體水平的文化心理分析、預(yù)測和改變。

再者, 大數(shù)據(jù)時代的文化互動日趨個體化和復(fù)雜化, 而傳統(tǒng)的文化心理學(xué)容易忽視文化成員在個體水平及復(fù)雜情景中的差異, 僅通過抽樣追求簡單因果關(guān)系, 卻難以把握文化心理、行為間的復(fù)雜相關(guān)性。也就是說, 在沒有搞清楚“是什么”的情況下就去分析“為什么” (顧肅, 2021)。巨大、連續(xù)的數(shù)據(jù)存儲和模型分析, 以一種細粒度和大規(guī)模乃至全球范圍的方式實時研究個體行為, 能夠根據(jù)個體和情景變異進行適應(yīng)性的調(diào)整和持續(xù)、實時的糾正; 同時, 龐大數(shù)據(jù)量補償了精確性上的損失, 這有助于分辨出最合適的相關(guān)關(guān)系, 捕捉小數(shù)據(jù)測量時沒有的新價值(Lazer et al., 2009)。盡管基于大數(shù)據(jù)技術(shù)的詞頻、預(yù)測模型或社會網(wǎng)絡(luò)分析并非新鮮事物, 但將其應(yīng)用于文化心理學(xué)研究能夠從整體上把握對象, 促進從因果思維向相關(guān)性思維轉(zhuǎn)變, 進而有利于全面、客觀地揭示隱藏在數(shù)據(jù)背后的文化意涵和規(guī)律(陳云松, 2015)。

最后, 更為重要的是, 大數(shù)據(jù)時代的文化形態(tài)也發(fā)生了深刻變化。隨著互聯(lián)網(wǎng)的快速發(fā)展與網(wǎng)民的大量增加, 基于網(wǎng)絡(luò)的獨特文化現(xiàn)象層出不窮, 一些經(jīng)典的文化行為特征在網(wǎng)絡(luò)上的表現(xiàn)也有所不同, 但傳統(tǒng)文化心理學(xué)對此知之甚少。例如, 研究發(fā)現(xiàn)相對于其他社會環(huán)境, 網(wǎng)絡(luò)環(huán)境下人們的情緒表達會更極端, 而且網(wǎng)絡(luò)使用的時間越長, 極端情緒越明顯(King, 2001)。此外, 由于線上與線下任務(wù)的認知加工過程不同, 人們在一些經(jīng)典的文化認知表現(xiàn)上也存在差異。例如, 相對于認知負荷較大的線下記憶任務(wù), 低認知負荷的線上瀏覽任務(wù)中被試有更多的認知資源來處理外部信息, 因此在社會行為推理上會表現(xiàn)出較小的對應(yīng)偏差, 基于國別的文化差異被基于線上和線下的文化差異所代替(Miyamoto & Kitayama, 2002)。尤其值得注意的是, 移動互聯(lián)網(wǎng)本身就是一種帶有偏差的文化產(chǎn)品, 例如具有相應(yīng)文化傾向(如高個人主義、低不確定性回避)的用戶也更能體驗到技術(shù)?文化匹配后的愉悅感和效用感(Lee et al., 2007)。因此我們不能僅滿足于將研究線下文化現(xiàn)象的思維來簡單套用到線上行為的文化心理研究中。

總之, 隨著計算機和大數(shù)據(jù)技術(shù)的深入發(fā)展, 人類社會及其文化形態(tài)正經(jīng)歷著深刻的變革。文化符號的生產(chǎn)和互動日趨復(fù)雜, 文化成員及其社會網(wǎng)絡(luò)更是留下了海量的文本與行為足跡。這使得文化必須被快速地描述、預(yù)測甚至改變, “可計算”的文化符號及其互動過程也逐漸成為文化心理學(xué)的研究對象。接下來, 我們將主要對計算文化心理學(xué)的產(chǎn)生過程、主要變量和分析技術(shù)進行回顧, 并介紹該技術(shù)在相關(guān)文化變遷、文化地理效應(yīng)的應(yīng)用。

2 計算文化心理學(xué)的興起

2.1 計算文化心理學(xué)的產(chǎn)生

在計算文化心理學(xué)正式產(chǎn)生以前, 文化學(xué)者就受到計算機技術(shù)的啟發(fā), 提出了“文化計算”概念, 強調(diào)要發(fā)揮計算機的獨特優(yōu)勢, 以便多維度展現(xiàn)文化及其與人的互動(Tosa et al., 2005)。通過文化計算, 研究者首先在藝術(shù)領(lǐng)域?qū)崿F(xiàn)了文化的數(shù)據(jù)化呈現(xiàn)和翻譯(Tosa et al., 2019)。進而, 文化計算把計算及相關(guān)技術(shù)應(yīng)用到越來越多的文化領(lǐng)域, 探索其發(fā)展規(guī)律、提示其內(nèi)在聯(lián)系并對其進行量化分析與展示的科學(xué)(趙海英等, 2016)。如Michel等人(2011)通過對谷歌圖書項目的數(shù)據(jù)進行分析, 發(fā)現(xiàn)了特定關(guān)鍵詞使用頻率的時間變化規(guī)律, 并由此推導(dǎo)出人類文化發(fā)展的趨勢, 如語法演變、集體記憶和流行病學(xué)的變化趨勢等; 吳育鋒等人(2018)通過“文心” (中文心理分析系統(tǒng))對小說《平凡的世界》中的對話文本進行文學(xué)智能分析, 發(fā)現(xiàn)其計算出的小說人物性格與以往文藝研究結(jié)果一致, 并發(fā)現(xiàn)了不同時代人物呈現(xiàn)出性格變遷的趨勢(如新時代青年的性格更加開放、外向); 陳善雄等人(2019)基于深度學(xué)習(xí)的方法進行古彝文識別, 通過計算機再現(xiàn)中華民族傳統(tǒng)文化; 邢付貴和朱廷劭(2021)采用N-Gram、互信息、信息熵、位置成詞概率等多特征融合的新詞發(fā)現(xiàn)技術(shù), 在文言文語料庫里抽取古漢語詞匯, 形成古文詞典, 并在此基礎(chǔ)上實現(xiàn)對文言文的有效分詞, 發(fā)現(xiàn)《四庫全書》中儒家經(jīng)典更加注重道德實踐, 而非倫理思辨(Hu et al., 2021), 河南歷史名人對于事物之間差異的認知在春秋戰(zhàn)國時期最高, 到漢朝開始降低(Zhao et al., 2021)。當然, 文化計算不僅局限于文本資料, 如Borth等人(2013)基于圖像和視頻等視覺內(nèi)容的情緒計算方法, 建立了大規(guī)模視覺情感本體和視覺概念檢測庫, 顯著提高了情緒檢測準確率。

Neuman等人(2012)在“文化計算”的基礎(chǔ)上正式提出了“計算文化心理學(xué)”的概念, 即通過計算工具和大數(shù)據(jù)資料庫來研究文化符號及其互動過程的心理學(xué)分支。值得注意的是, 雖然文化計算和基于計算的文化心理學(xué)有很多相似之處, 但是二者也有區(qū)別：前者側(cè)重文化載體的呈現(xiàn), 以及文化基因的提取; 后者除了一般意義上的文化計算, 還注重分析人與文化環(huán)境的交互關(guān)系, 并且文化載體不僅是傳統(tǒng)藝術(shù)文化, 也包含網(wǎng)絡(luò)社交媒體等。下一節(jié), 我們將對計算文化心理學(xué)的研究內(nèi)容, 即核心變量的提取和計算方法, 進行系統(tǒng)介紹。

2.2 文化心理變量的提取

為了理解文化現(xiàn)象, 心理學(xué)者需要首先提取文化心理變量, 進而理解影響其成員思維的符號系統(tǒng)和互動機制。語言是被分享的文化系統(tǒng)(王斌, 2012), 因此我們可以把語言看做是理解文化的窗口以及提取文化心理變量的來源(羅伯特·懷爾等, 2017)。語言的本質(zhì)是思想、話語的直接現(xiàn)實和展示(吳美川, 2020), 其在計算文化心理學(xué)領(lǐng)域的語言載體主要包括書籍、社會媒體數(shù)據(jù)、檔案數(shù)據(jù)、網(wǎng)絡(luò)音頻等。相對而言, 基于互聯(lián)網(wǎng)的社交媒體在學(xué)術(shù)研究中被使用的頻率更高。一方面, 社交媒體用戶的樣本量大甚至接近總體, 且社交媒體數(shù)據(jù)便于研究者采用自下而上的數(shù)據(jù)驅(qū)動方式驗證已有的文化心理理論, 這比理論驅(qū)動實施起來更容易; 另一方面, 社交媒體帶來了新的文化心理現(xiàn)象, 是值得探索的新領(lǐng)域(喻豐等, 2015; Qiu et al., 2018)。

針對語言文化載體, 研究者主要提取的文化心理變量包括個人主義/集體主義、個性解放/自我表達、文化松緊度等, 詳見表1。這些文化心理變量之所以被研究者們重點關(guān)注, 是因為：第一, 這些變量本身具有重要研究價值, 如個人主義/集體主義是文化心理學(xué)中使用最為廣泛的文化維度, 尤其對社會文化變遷和跨文化比較研究具有重要意義; 第二, 社會現(xiàn)實的需求, 如新冠疫情的全球大流行顯著增加了規(guī)范遵從的強度, 這需要研究者及時分析其文化適應(yīng)后果及政策干預(yù)策略; 第三, 此類文化變量的可操作性強, 便于用大數(shù)據(jù)方法來進行抓取和計算。

此外, 計算文化心理學(xué)研究也對一些文化變量進行了操作化和創(chuàng)造性的發(fā)展。首先, 考慮到大數(shù)據(jù)的語料庫特點, 選用一些便于操作的語言特征作為經(jīng)典文化心理學(xué)變量的指標, 例如用第一人稱單數(shù)的使用頻率作為個人主義的指標(Twenge et al., 2013); 其次, 將個體的行為印記(如@他人、成組人群比例)作為文化心理變量的指標, 是對以往基于主觀報告的文化心理測量的重要發(fā)展(Wu, Li et al., 2018); 此外, 根據(jù)新媒體的特點, 采用表情包等作為文化相關(guān)情緒表達規(guī)范的指標也是一種有益的創(chuàng)新(Koda & Ishida, 2006)。

2.3 文化心理變量的計算方法

大數(shù)據(jù)時代下, 文化心理學(xué)有機會克服以往通過統(tǒng)計抽樣來代替總體樣本的取樣難題, 研究結(jié)論能夠發(fā)現(xiàn)普遍規(guī)律但無法將其用之于個體的窘境, 以及必須在實驗室中創(chuàng)設(shè)各種非真實情境的生態(tài)效度問題(喻豐等, 2015)。因為大數(shù)據(jù)通過網(wǎng)絡(luò)爬蟲等技術(shù), 可以獲得幾乎接近總體的樣本, 并且這些幾乎是自然條件而非控制條件下產(chǎn)生的。同時, 從這些數(shù)量大且自然化的數(shù)據(jù)中, 個體作為參與主體的特性得以突出, 這使得研究者在得到普遍規(guī)律時可以不放棄個體的個性規(guī)律。

目前采用大數(shù)據(jù)技術(shù)進行文化心理分析主要有4種方法：第一, 基于特征詞典的頻次分析, 如通過對數(shù)字、表情和語言等方面的關(guān)鍵特征分析, 研究個體或群體的文化價值觀, 這是一種簡單有效但相對粗糙的分析(李國杰, 程學(xué)旗, 2012)。第二, 基于機器學(xué)習(xí)的模型預(yù)測或詞嵌入聯(lián)想測驗, 如通過機器學(xué)習(xí)模型對用戶的個性、價值觀和意識形態(tài)進行識別, 這種方法更精確, 對心理特征的把握也更全面(Kosinski et al., 2015); 詞嵌入聯(lián)想測驗以詞嵌入向量特征代替?zhèn)鹘y(tǒng)的詞頻特征, 將靶詞和屬性詞向量的余弦相似度作為語義關(guān)聯(lián)度的指標, 是社會態(tài)度與價值觀研究的新方法(Caliskan et al., 2017; Hamamura et al., 2021)。第三, 社會網(wǎng)絡(luò)分析, 如通過對網(wǎng)絡(luò)搜索、網(wǎng)友互粉等數(shù)據(jù)的分析, 研究不同文化群體的行為和決策風(fēng)格, 這種方法目前在文化心理學(xué)領(lǐng)域還相對較少, 但具有重要的社會實踐價值(Wu, Li et al., 2018); 第四種, 社會仿真模型, 因為很多社會事件是無法在現(xiàn)實中進行實驗的, 所以采用仿真模擬的辦法來研究某一特定的系統(tǒng)和策略, 從而達到分析社會事件的目的(劉婷婷等, 2016)。當然, 這4種技術(shù)并不是孤立的, 研究者也會根據(jù)研究問題采取一種或多種技術(shù)。

表1 計算文化心理學(xué)的常用文化心理變量、計算方法和研究舉例

總之, 計算文化心理學(xué)致力于應(yīng)用大數(shù)據(jù)思維、大數(shù)據(jù)資源和計算工具來研究文化系統(tǒng)背后的意義制造與互動過程, 它不僅為文化心理分析提供了新的工具, 也為理解人類思維本質(zhì)和文化形態(tài)提供了新的學(xué)科范式(Neuman, 2014)。接下來, 我們將主要圍繞著“集體主義/個人主義”這一被最廣泛討論的文化心理變量, 介紹計算文化心理學(xué)在時間、空間兩個維度上的應(yīng)用：在時間維度上, 分別從長時程的宏觀歷史發(fā)展和短時程的經(jīng)濟波動轉(zhuǎn)型兩個角度介紹計算文化心理學(xué)的應(yīng)用; 在空間維度上, 主要進行生態(tài)地理分析, 如文化在特定政治和經(jīng)濟框架內(nèi)的地區(qū)差異, 不同地區(qū)生態(tài)或戶籍制度造成的個人?環(huán)境匹配與價值失調(diào)。分析框架見圖1。

3 時間維度的文化變遷分析

在時間維度, 研究者們從長時程的宏觀歷史發(fā)展和短時程的經(jīng)濟波動轉(zhuǎn)型切入, 利用谷歌電子圖書、谷歌搜索、名字檔案、流行歌曲、微博等, 對歷史發(fā)展、經(jīng)濟波動后的文化變遷進行分析。在方法上, 主要采用了基于關(guān)鍵詞詞典或特征行為的頻次分析、詞嵌入聯(lián)想測驗等。

3.1 宏觀歷史發(fā)展與文化心理變遷

文化的形式多種多樣, 但幾乎所有涉及文化的概念都被構(gòu)造為個人和群體的關(guān)系, 強調(diào)個體價值和目標的文化通常被稱為個人主義, 而強調(diào)群體價值、目標的文化被稱為集體主義——個人主義/集體主義也是討論最為廣泛的文化心理變量(Hofstede, 2001)。眾多研究表明, 物質(zhì)財富的增長和社會生態(tài)由農(nóng)村向城市的轉(zhuǎn)變是當今社會最重要的變化趨勢之一(陳明星等, 2009; 李培林, 2002); 進而, 文化價值也發(fā)生了巨大變化——世界范圍內(nèi)均出現(xiàn)了個人主義增強、集體主義減弱或受到挑戰(zhàn)的趨勢(Greenfield, 2009)。

人類文化常常體現(xiàn)在語言當中(Kashima & Kashima, 2003), 而谷歌電子圖書恰好提供了一個巨大的、跨度上百年的語料庫, 其中語言特征可以用來識別文化價值觀及其歷史變化趨勢, 并可以在Ngram Viewer上對目標詞或短語進行可視化呈現(xiàn)(Michel et al., 2011)?；诠雀枵Z料庫, 關(guān)于個人主義關(guān)鍵詞(如自我、獨特)和集體主義關(guān)鍵詞(如集體、服從)的趨勢分析表明, 隨著社會現(xiàn)代化與城市化變遷, 英語、漢語中的個人主義詞匯使用越來越頻繁, 而集體主義詞匯使用越來越少或相對穩(wěn)定(Greenfield, 2013; Zeng & Greenfield, 2015); 以第一人稱單數(shù)作為個人主義指標的分析表明, 美式英語、漢語、法語、德語、西班牙語、希伯來語、意大利語、俄語在二戰(zhàn)以后均表現(xiàn)出個人主義上升的趨勢(Twenge et al., 2013; Yu et al., 2016)。當然, 也有研究者基于詞嵌入聯(lián)想測驗分析了谷歌中文圖書語料庫中個人主義/集體主義在不同領(lǐng)域的變遷, 發(fā)現(xiàn)在1950年至1999年間個人主義/集體主義與消極詞的關(guān)聯(lián)(向量余弦相似度)大于積極詞, 并且個人主義/集體主義與休閑詞的語義關(guān)聯(lián)呈上升趨勢, 與工作和成就詞的語義關(guān)聯(lián)呈下降趨勢(Hamamura et al., 2021); 此外, 吳勝濤等人(2022)也發(fā)現(xiàn), 理性個人主義關(guān)鍵詞(如獨立、進取)使用頻率在1980年至2019年間呈顯著下降趨勢, 且相對于自我–功利個人主義(如理由、享受), 自我–理性個人主義的語義關(guān)聯(lián)偏好呈顯著下降趨勢。

圖1 計算文化心理學(xué)的分析框架

在文化實踐層面, 取名行為、婚姻家庭結(jié)構(gòu)等也是研究文化變遷的重要指標, 因為它們反映了一個文化的核心價值觀(Lieberson & Bell, 1992)。Twenge等人(2010)對1880年至2007年間出生的3.25億美國嬰兒名字進行了分析, 發(fā)現(xiàn)越來越多的美國父母給他們的孩子起獨特的名字, 希望他們脫穎而出而非迎合大眾, 這是美國社會個人主義文化越來越盛行的表現(xiàn)。Ogihara (2018)基于離婚率、家庭規(guī)模、給寶寶取名和書籍詞匯這4個指標的實證證據(jù)表明, 中、日、美三國的文化向更加個人主義的方向轉(zhuǎn)變。

此外, 也有研究者從歷史發(fā)展角度分析文藝作品中的文化心理變化。例如, Dewall等人(2011)統(tǒng)計了美國流行歌曲歌詞中代表個人主義文化的第一人稱單數(shù)代詞和消極情感詞使用頻率, 發(fā)現(xiàn)隨著城市化、現(xiàn)代化變遷, 個人主義呈上升趨勢。Cai等人(2019)研究了中國上世紀70年代以來流行歌曲歌詞中第一人稱代詞的變化, 也發(fā)現(xiàn)了類似現(xiàn)象?？梢? 相比于傳統(tǒng)的文化心理調(diào)查, 基于語料庫、關(guān)鍵詞詞典和日常生活行為的分析為大尺度的文化趨勢分析提供了可能。

總之, 基于大型語料庫和關(guān)鍵詞詞典分析, 計算文化心理學(xué)可精準呈現(xiàn)不同歷史發(fā)展階段的文化形態(tài)和集體心理, 為更好理解大尺度的文化變遷效應(yīng)提供了新的研究思路。

3.2 經(jīng)濟波動轉(zhuǎn)型與文化心理變遷

文化是人類適應(yīng)環(huán)境的結(jié)果, 而環(huán)境的變化不僅表現(xiàn)為長時程的歷史變遷, 也表現(xiàn)為短時程的經(jīng)濟波動, 后者也會引起人類文化的短期調(diào)整。最近的研究表明, 在個人主義作為主流價值觀且不斷增強的美國社會, 大蕭條時期的青少年卻表現(xiàn)出集體主義(如關(guān)注他人和環(huán)保主義)的增加, 并顯示出個人主義(如物質(zhì)主義)減少或趨于平緩的一些跡象(Park, Twenge et al., 2014)。此外, 隨著經(jīng)濟繁榮或失業(yè)率減少時, 美國人會更可能給新生兒起不常用的名字, 擁護孩子的自主權(quán), 并偏愛自我中心的音樂; 相反, 當經(jīng)濟衰退或失業(yè)率增加時, 美國人更愿意鼓勵孩子幫助他人和被他人喜歡, 更加喜歡表達他人取向的音樂(Bianchi, 2016)。隨著工業(yè)社會各種問題的凸顯(如全球變暖、冷戰(zhàn)), 千禧一代對“生活目的”的興趣空前增長, 上個世紀90年代以來人們對人生目標的興趣越來越濃厚, 個人主義價值觀呈平穩(wěn)下降趨勢, 集體主義價值觀開始復(fù)興(Grant, 2017)。

盡管改革開放以來, 中國經(jīng)歷了增長奇跡, 但2010年以后經(jīng)濟增長放緩, GDP增長率從10.6%降至2012年的7.7%, 下降了近三個百分點(王少平, 楊洋, 2017)。為了進一步探究文化作為對生態(tài)變化的回應(yīng)是否會發(fā)生短時程的適應(yīng)性改變, Wu, Li等人(2018)對2010到2016年期間的新浪微博活躍用戶的行為足跡進行了大數(shù)據(jù)分析。結(jié)果顯示, 微博用戶的集體主義在7年中發(fā)生了顯著變化, 其峰值出現(xiàn)在2011～2012年的經(jīng)濟衰退期; 而在2013～2016年經(jīng)濟回到正軌時, 集體主義又回到了常態(tài)。這表明, 中國社交媒體上的文化行為也會隨著經(jīng)濟波動而上升或下降(Wu, Li et al., 2018)。上述研究揭示了文化在短期內(nèi)的演變, 即文化對環(huán)境的適應(yīng)性反應(yīng)并非只有長時程的緩慢漸變過程, 也有短時程的即時多變過程。

此外, 其他國家或地區(qū)的關(guān)鍵政治和經(jīng)濟事件也會對人們的文化心理產(chǎn)生重大影響(Hills et al., 2019)。例如, 在俄羅斯經(jīng)濟轉(zhuǎn)型期間, 個人主義與集體主義的價值觀并非相互排斥, 而是彼此共存。在德國納粹政權(quán)時期, 不同名字出現(xiàn)在媒體的頻率變化可以反映審查制度的存在, 某個名字使用頻率的降低意味著該名字在此期間受到壓制(Alexander, 2017)。

總之, 研究者借助大數(shù)據(jù)技術(shù)發(fā)現(xiàn)并測算了經(jīng)濟波動、經(jīng)濟轉(zhuǎn)型等短時程的文化變遷效應(yīng)。通過一些關(guān)鍵的文化心理指標, 計算文化心理學(xué)捕捉到了常人的生活細節(jié)(如嬰兒取名), 為重大歷史事件(例如經(jīng)濟大蕭條、二戰(zhàn))建立了新的注腳。

4 空間維度的文化地理分析

文化地理學(xué)認為, 文化起源于與特定自然環(huán)境相聯(lián)系的生態(tài)系統(tǒng), 是人和自然交互的產(chǎn)物(Anderson, 2020)。具體而言, 文化是人類適應(yīng)環(huán)境的結(jié)果, 不同的環(huán)境會產(chǎn)生不同的文化; 同時, 文化一經(jīng)產(chǎn)生就具有相對獨立性, 它在一定條件下可能契合、也可能背離其成員所處的環(huán)境。因此, 在地理空間維度, 研究者利用Twitter、Facebook、微博等社交媒體數(shù)據(jù)和社會調(diào)查數(shù)據(jù), 分析了不同地理空間下各個國家或地區(qū)、地域的文化差異, 以及文化與環(huán)境的契合、背離關(guān)系, 如“一帶一路”沿線的文化多樣性, 全球范圍內(nèi)不同地區(qū)的個人–環(huán)境匹配與文化價值失調(diào)等。在分析方法上, 主要采用基于關(guān)鍵詞詞典的頻次分析、基于機器學(xué)習(xí)的預(yù)測模型以及社會仿真模擬, 并將大數(shù)據(jù)與傳統(tǒng)大樣本問卷調(diào)查方法相結(jié)合。

4.1 跨國家或地區(qū)的文化心理比較

文化是影響區(qū)域合作和經(jīng)貿(mào)往來的重要因素, 如個人主義者更愿意與他人建立經(jīng)貿(mào)合作關(guān)系, 而集體主義者的經(jīng)貿(mào)合作意愿相對較低, 并且在交易對象選擇上更偏好熟人(Hofstede et al., 2008)。因此, 分析“一帶一路”沿線國家或地區(qū)的民心特點, 并找到有效的合作交往模式, 是關(guān)系到國家戰(zhàn)略實施的重大問題。但是, 由于地域遼闊、民族眾多, 且地緣政治、經(jīng)濟、文化因素(如原蘇聯(lián)影響、歐美國家殖民、宗教傳統(tǒng)等)異常復(fù)雜, 傳統(tǒng)的抽樣統(tǒng)計調(diào)查無法做到全樣本分析, 也很難通過統(tǒng)計調(diào)查的方式讓作答者準確地進行主觀報告。而社交媒體大數(shù)據(jù)可以提供一個海量、及時的用戶行為痕跡的精準數(shù)據(jù)庫, 還可以通過建模對某個領(lǐng)域和問題進行預(yù)測分析。

吳勝濤等人(2018)以社交媒體Twitter單數(shù)第一人稱代詞的使用比例(自我獨立性)作為個人主義指標, 獲得“一帶一路”沿線69個國家或地區(qū)個人主義文化的分布情況; 然后, 提取世界價值觀調(diào)查(World Values Survey)數(shù)據(jù)庫中28個“一帶一路”沿線國家或地區(qū)的社會信任度(普遍信任、特殊信任), 并建立個人主義與社會信任的訓(xùn)練模型。最后, 以個人主義為自變量, 以社會經(jīng)濟學(xué)變量為控制變量, 建立社會信任的線性回歸預(yù)測模型。結(jié)果表明, “一帶一路”沿線國家或地區(qū)在個人主義文化指標上存在較大的變異, 且主要受歐美國家殖民歷史和當?shù)刈诮虃鹘y(tǒng)的影響, 其中歐美國家殖民歷史是個人主義最大的影響因素; 此外, 個人主義較高的國家或地區(qū)更依賴陌生人之間的普遍信任, 而較少依賴熟人之間的特殊信任; 同時, 根據(jù)結(jié)果可將69個“一帶一路”沿線國家或地區(qū)分成三類：歐美模式、伊斯蘭模式、前蘇聯(lián)模式。

任孝鵬等人(2017)基于100萬微博活躍用戶, 運用詞頻分析的方法繪制了中國個人主義/集體主義的心理地圖。具體而言, 采用已經(jīng)得到驗證的中文文本分析軟件“文心”系統(tǒng), 利用以往基于個人主義/集體主義的跨文化研究中提到的與個人主義、集體主義有關(guān)的詞匯, 經(jīng)過討論后得到個人主義詞匯53個、集體主義詞匯64個; 然后, 根據(jù)被試標注的“注冊地點”來統(tǒng)計不同省、市、自治區(qū)的個人主義/集體主義的詞頻, 比較個人主義和集體主義在省級層面的地區(qū)差異。結(jié)果發(fā)現(xiàn), 南方人的個人主義高于北方人, 海外用戶的個人主義高于國內(nèi)用戶、集體主義低于國內(nèi)用戶, 證明在一個國家內(nèi)部也存在個人主義/集體主義的地區(qū)差異。侯東霞等人(2016)使用國家統(tǒng)計局公布的年度統(tǒng)計數(shù)據(jù), 發(fā)現(xiàn)包括自我雇傭的百分比、離婚率、獨居的百分比、65 歲以上老人獨居的百分比和三代同堂的百分比等5個客觀指標的集體主義量表可以預(yù)測中國人集體主義的地區(qū)差異, 即更高的工業(yè)化和現(xiàn)代化程度會鼓勵個人主義的價值取向。

4.2 個人?環(huán)境匹配與文化價值失調(diào)

從進化角度來看, 人類文化是個體?環(huán)境相匹配的結(jié)果。例如, 在資源匱乏、疾病威脅等相對惡劣的生態(tài)環(huán)境下, 有利于社會綁定的集體主義文化會占據(jù)優(yōu)勢, 集體主義越高的人主觀幸福感也越高(Chiao & Blizinsky, 2010)。然而, 個人所習(xí)得或持有的文化價值觀并非總與環(huán)境相匹配。隨著人類社會的城市化和人口流動, 個人主義在一些地區(qū)、人群中會占據(jù)主導(dǎo)位置, 傳統(tǒng)集體主義受到挑戰(zhàn), 這就會出現(xiàn)個人?環(huán)境匹配困難或文化價值失調(diào)——習(xí)得或習(xí)慣于集體主義文化價值觀, 而外部生態(tài)環(huán)境卻突然變了, 于是容易體會到心理壓力; 或者, 習(xí)得了個人主義文化價值觀, 但外部環(huán)境卻需要群體互依、合作應(yīng)對, 這時也會出現(xiàn)心理壓力或不適應(yīng)的行為。

考慮到以往小樣本調(diào)查難以準確回答地區(qū)和人口層面這樣大尺度的問題, Wu和Zhou等人(2018)采用以詞頻分析為基礎(chǔ)的微博大數(shù)據(jù)分析和全國大樣本調(diào)查數(shù)據(jù)相結(jié)合的方法, 進行群體和個體兩個水平的分析。研究一基于微博基本情緒詞表(Weibo-5BML; 董穎紅等, 2015), 對2014年中國大陸31個省/市/自治區(qū)的160萬微博活躍用戶的微博內(nèi)容進行情感分析, 結(jié)果發(fā)現(xiàn)：省級水平的集體主義分數(shù)顯著地負向預(yù)測微博用戶的消極情緒; 城市化水平對集體主義與消極情緒的關(guān)系起調(diào)節(jié)作用, 即在城市化較低的地區(qū)(如貴州、甘肅), 集體主義與微博用戶消極情緒顯著負相關(guān), 在城市化較高的地區(qū)(如北京、上海)這一關(guān)系則不顯著。研究二基于2010年中國家庭追蹤調(diào)查近3萬人的個體訪談數(shù)據(jù), 采用多水平回歸模型分析, 結(jié)果發(fā)現(xiàn)個體的集體主義顯著正向預(yù)測積極情緒、負向預(yù)測消極情緒; 城市化水平對集體主義與主觀幸福感的關(guān)系起到調(diào)節(jié)作用, 即在城市化水平較低的地區(qū), 集體主義越高則積極情緒越多、消極情緒越少; 而在城市化水平較高的地區(qū), 集體主義對積極情緒、消極情緒的影響均不顯著。

面對公共衛(wèi)生危機或惡劣環(huán)境, 人類社會數(shù)百萬年進化而來的集體主義具有顯著的生存優(yōu)勢和群體免疫價值, 而近代以來在一些國家或地區(qū)逐漸發(fā)展壯大的個人主義與危機環(huán)境不匹配, 會導(dǎo)致不適應(yīng)的行為。新冠疫情期間, Huang等人(2020)通過新浪微博收集了2020年1月11日到2月21日期間的集體主義(如我們、合作)和防疫傾向(如洗手、消毒)指數(shù), 發(fā)現(xiàn)集體主義得分越高, 防疫傾向也越強。在集體主義文化盛行的地區(qū), 戴口罩是社會責(zé)任, 是展現(xiàn)作為集體一份子共同抗疫的方式; 而在個人主義文化盛行的地區(qū), 口罩象征著枷鎖和對個人自由的侵犯, 不戴口罩彰顯個人的選擇和自由意志。Lu等人(2021)通過分析美國所有3141個縣共計248, 941人和美國50個州16, 737人的口罩佩戴調(diào)查數(shù)據(jù), 以及29個國家或地區(qū)367, 109人和67個國家或地區(qū)的277, 219名Facebook用戶的調(diào)查數(shù)據(jù), 發(fā)現(xiàn)集體主義能顯著地預(yù)測口罩佩戴率, 即集體主義較強的州、國家或地區(qū)口罩佩戴率也更高, 個人主義越強則口罩佩戴率更低。此外, He等人(2021)從個人主義/集體主義的生態(tài)適應(yīng)理論出發(fā), 分析了中國1300萬新浪微博用戶的數(shù)據(jù), 發(fā)現(xiàn)與氣候惡劣的省份相比, 溫帶氣候省份的居民更有可能在社交媒體上使用獨特的昵稱, 為個人?環(huán)境匹配假說提供了正面案例。

此外, 由于研究病毒傳播引起的傳染病擴散問題不可在真實世界進行實驗, 因此計算機建模和仿真是研究此類問題的一種有效途徑(劉晟, 2010)。如黃麗芹等人(2022)通過演化博弈模型和跨文化實驗等, 發(fā)現(xiàn)文化能夠預(yù)測人們面對COVID-19時的防疫成果, 即盛行個人主義的國家或地區(qū)在疫情防控上效率相對較低(如增加個體違反疫情管控的流動性傾向), 這進一步證實了文化?環(huán)境不匹配的社會心理代價。

總之, 研究者通過社交媒體的群體分析、全國或全球樣本的個體分析以及仿真模擬實驗, 揭示了不同國家地區(qū)或一國內(nèi)部的文化差異及其心理和行為適應(yīng)問題。值得注意的是, 用傳統(tǒng)的大樣本調(diào)查數(shù)據(jù)與微博、Facebook等社交媒體數(shù)據(jù)相結(jié)合的方法重復(fù)驗證文化心理學(xué)領(lǐng)域的個體?環(huán)境匹配假說, 克服了單純采用大數(shù)據(jù)可能導(dǎo)致結(jié)果不精確的局限。

5 反思和展望

雖然計算文化心理學(xué)已經(jīng)嶄露頭角, 相對于傳統(tǒng)文化心理學(xué)研究方法和范式具有無法比擬的優(yōu)勢, 但利用大數(shù)據(jù)進行文化心理分析仍然存在一些局限。

首先, 很多研究者忽視了同一變量在不同時代、不同國家的意義分歧, 造成解碼失真。心理學(xué)者檢驗文化變遷的常用方法是尋找作者認為對文化敏感的詞匯并探索其使用頻率的時間變化, 比如通過追蹤第一人稱單、復(fù)數(shù)代詞的使用頻率來分析集體主義、個人主義的時間變遷效應(yīng)(Twenge et al., 2013; Yu et al., 2016)。然而, 語言總是隨著時間演變, 同一個詞義并不具有穩(wěn)定性, 其不可避免地受到經(jīng)濟、政治或者文化因素的影響。以法語中第一人稱單數(shù)代詞(如Je, je, J', j', me, moi)為例, 它在笛卡爾時代被當作是自我或主體性的指稱詞來使用, 使用頻率在18世紀末法國大革命期間達到頂峰; 但后來被批判為缺乏同一性和確定性的虛幻自我指稱, 其使用頻率也出現(xiàn)下降趨勢(Pettit, 2016; Ricoeur, 1990), 因此, 檢驗一個單詞隨時間的頻率變化并不能確保它一定契合研究者的最初意圖。作為補救, 在選擇單詞之前, 研究者可以通過動態(tài)詞向量訓(xùn)練來檢驗單詞的詞義變遷, 以確保所選詞的詞義符合研究意圖(Bamler & Mandt, 2017)。

假定大數(shù)據(jù)背后的文化成員能代表整個文化, 容易將帶有偏差的文化成員樣本視為研究整體。例如, 很多研究者使用當下非常流行的語料庫——Google Ngram Viewer來研究集體主義/個人主義, 并把結(jié)論推廣至整個國家層面(Twenge et al., 2013)。但實際上, 該語料庫并不能代表無差別的文化整體, 相反, 它僅僅是突出了特定子群體的文化, 如Google Ngram Viewer僅代表書面文化的使用者, 社交媒體數(shù)據(jù)只包含社交媒體用戶, 而忽視了沒有機會接觸書籍和社交媒體的文化成員(Pettit, 2016)。所以, 研究者要特別注意, 諸如圖書語料庫、社交媒體分析等并不是基于無偏樣本, 因此在使用該類分析材料時要考慮結(jié)論的可推廣性和普遍適用性問題。

第三, 研究者對量表或題項進行賦值、使得變量可計量, 進而將文化心理與行為轉(zhuǎn)換為一種符號系統(tǒng), 但是大數(shù)據(jù)分析中的頻次分析提取的關(guān)鍵詞往往具有多義性, 如果研究者只是摘取了某個含義并將其納入特定理論范疇, 則難免會出現(xiàn)選擇性謬誤。同時, 用于處理數(shù)據(jù)的軟件還會進一步固化這一測量誤差。例如在LIWC軟件中, 因為“great”屬于積極情感范疇, 所以“a great amount of rain”這一無關(guān)表達將被歸類為積極情感表達。這意味著, 即便大數(shù)據(jù)分析技術(shù)的飛速發(fā)展, 但其得出的結(jié)果仍不夠精確。

第四, 存在文化被監(jiān)控和被操縱、以及侵犯個人隱私的風(fēng)險。大數(shù)據(jù)以其海量存儲和智能計算優(yōu)勢來提取個人和特定群體的文化和性格數(shù)據(jù), 進而實施與文化?性格相匹配的精準操縱, 甚至攻擊。這些做法明顯的弊端就是數(shù)據(jù)隱私性和國家區(qū)域安全難以保證, 容易被不法分子利用。因此, 為了避免個體數(shù)據(jù)及其分析結(jié)果被濫用, 全球研究者應(yīng)該將研究倫理置于大數(shù)據(jù)分析的首位, 共同謀求相應(yīng)的解決措施和共通的數(shù)據(jù)法律來解決個人信息及國家或地區(qū)文化心理分析的不當使用問題 (Kosinski et al., 2015)。

當然, 盡管計算文化心理學(xué)存在諸多局限, 但我們也不能忽視它在未來的巨大發(fā)展空間。首先, 從理論高度對大數(shù)據(jù)測量指標進行準確定義和解釋。大數(shù)據(jù)時代, 出現(xiàn)了重視數(shù)據(jù)驅(qū)動、而輕視理論的現(xiàn)象(維克托?邁爾-舍恩伯格, 肯尼斯?庫克耶, 2013)。但實際上大數(shù)據(jù)只是在數(shù)據(jù)采集中提供了一個發(fā)現(xiàn)或檢驗科學(xué)理論的新方法, 不能在知識生產(chǎn)環(huán)節(jié)中取代理論知識的地位。理論在大數(shù)據(jù)研究中是重要的, 一方面大數(shù)據(jù)分析的算法模型以及對數(shù)據(jù)的解釋需要理論的支撐(彭理強, 2019), 另一方面我們需要運用數(shù)據(jù)的意向性并由此對數(shù)據(jù)進行分類, 而不同的意向性和不同的分類體系是由理論概念決定的(齊磊磊, 2015)。因此, 在未來的研究中, 研究者的設(shè)計和經(jīng)驗數(shù)據(jù)的使用應(yīng)在理論指引下進行, 尤其在指標維度的構(gòu)建上要重視理論術(shù)語的指稱和實體之間的關(guān)系(賈向桐, 2019)。

其次, 利用多種大數(shù)據(jù)語料庫, 進行更廣泛的文化動態(tài)演化分析。過往的研究容易把文化看做靜態(tài)的單一實體, 并且將不同文化之間的異同歸因于其背后的國家/民族中根深蒂固的特質(zhì), 即輕易對群體進行本質(zhì)化。然而, 我們需要意識到文化知識是動態(tài)發(fā)展的過程, 文化的相關(guān)潛質(zhì)或因果連結(jié)存在于特定共享文化知識的激活, 并且共享文化會隨著社會政治和其他類型的社會變化不斷地產(chǎn)生和演化(康螢儀等, 2010)。傳統(tǒng)的文化心理學(xué)研究受制于小樣本并容易忽視微弱的相關(guān)關(guān)系, 因此在條件允許的情況下, 未來需要依賴多種大數(shù)據(jù)語料庫開展更廣泛的縱向大尺度研究, 探索文化符號串聯(lián)及其背后機制的研究線索。例如, 研究者可以使用歷史檔案數(shù)據(jù)庫, 來研究共享文化從何而來、其分布與使用的頻率如何、共享的邊界是什么、共享文化被激活后產(chǎn)生了什么后果等, 進而促進共同的和個體的經(jīng)驗。

第三, 推動文化心理學(xué)與計算機、傳播學(xué)、歷史學(xué)等學(xué)科的深度整合。文化心理學(xué)的力量在于其方法論上的多元化和多學(xué)科基礎(chǔ)(余霞, 鐘年, 2019; Cohen, 2019)。但是, 跨學(xué)科也使得學(xué)科互補的同時充滿文化沖突, 例如不同學(xué)科會由于不同范式而在考慮問題的優(yōu)先級等方面存在根本性差異, 一旦學(xué)科之間產(chǎn)生沖突, 問題或許就會貫穿任何主題和學(xué)科的邊界(Popper, 1963)。然而, 當計算思維、數(shù)據(jù)資源和計算工具被采用后, 就可以從方法論層面加速對研究問題的解決。在未來研究中, 研究者可以充分利用計算文化心理學(xué)固有的學(xué)科多樣性和數(shù)據(jù)多源化, 嘗試通過“計算”去更好地整合文化心理學(xué)背后的多個學(xué)科視角及其變量維度, 使大家共同聚焦某個問題。比如, 為了描繪復(fù)雜的文化現(xiàn)象共同將目光聚焦于背后多源數(shù)據(jù)的處理、共享數(shù)據(jù)庫的建成、理論與數(shù)據(jù)的結(jié)合等學(xué)科問題, 不斷推進計算文化心理學(xué)的整體發(fā)展。

最后, 利用大數(shù)據(jù)的“場景功能”, 提升文化心理學(xué)研究的生態(tài)效度。一直以來, 由于實驗情境缺乏生態(tài)效度, 心理學(xué)賴以成為“科學(xué)”的實驗研究備受質(zhì)疑; 而在大數(shù)據(jù)背景下, 研究者對已有數(shù)據(jù)的挖掘完全能夠在自然情境下生成實驗變量, 在大數(shù)據(jù)中挑選情境便是實驗方式(喻豐等, 2015)。在未來研究中, 研究者不僅可以聚焦小場景, 研究個人經(jīng)驗與近端影響源之間的關(guān)系, 而且可以探索大場景中更遠端影響源與個人經(jīng)驗之間的相互作用, 從而分析不同時間、空間的文化差異。值得注意的是, 當場景被擴大和拉長, 這些真實的場景可能體現(xiàn)了個人行為與動機的絕大部分變異, 這體現(xiàn)了自然情境研究的“深度背景化”, 有助于提升文化等背景特征的解釋水平。

6 總結(jié)

總之, 計算機和大數(shù)據(jù)技術(shù)深刻影響了文化符號的生產(chǎn)、互動方式以及文化形態(tài)本身, 并促成了計算文化心理學(xué)的產(chǎn)生和發(fā)展。通過回顧計算文化心理學(xué)的產(chǎn)生過程, 以及將大數(shù)據(jù)分析方法應(yīng)用到文化變遷、文化地理效應(yīng)等多個領(lǐng)域的實證研究, 有助于我們理解計算文化心理學(xué)的學(xué)科優(yōu)勢、局限及未來發(fā)展方向, 并對文化心理研究的思路拓展和方法革新具有啟發(fā)意義。

尤為重要的是, 大數(shù)據(jù)為大尺度的文化分析提供了可能。文化作為一種宏觀且多變的現(xiàn)象, 任何一種文化理論都需要從越大規(guī)模的時間和空間維度來進行檢驗和評判, 基于大數(shù)據(jù)的計算文化心理學(xué)能夠為研究者提供數(shù)以億計的數(shù)據(jù)以及強有力的分析工具; 同時, 大數(shù)據(jù)改變了傳統(tǒng)文化心理學(xué)的研究范式, 更產(chǎn)生了諸多新的文化現(xiàn)象, 這蘊含了整個學(xué)科思維方式和學(xué)科體系的變革(喻豐等, 2015)。當然, 在看到大數(shù)據(jù)為傳統(tǒng)文化心理研究提供新方法、新范式的同時, 我們也不能忽視其研究局限, 以及潛在的倫理和安全風(fēng)險。

陳浩, 樂國安, 李萌, 董穎紅. (2013). 計算社會科學(xué)：社會科學(xué)與信息科學(xué)的共同機遇.,(3), 87–93.

陳明星, 陸大道, 張華. (2009). 中國城市化水平的綜合測度及其動力因子分析.(4)387–398.

陳善雄, 王小龍, 韓旭, 劉云, 王明貴. (2019). 一種基于深度學(xué)習(xí)的古彝文識別方法.(3), 261–269.

陳云松. (2015). 大數(shù)據(jù)中的百年社會學(xué)——基于百萬書籍的文化影響力研究.(1), 23–48, 242–243.

董穎紅, 陳浩, 賴凱聲, 樂國安. (2015). 微博客基本社會情緒的測量及效度檢驗.(5), 1141–1146.

顧肅. (2021). 大數(shù)據(jù)與認知、思維和決策方式的變革.(2), 34–43.

侯東霞, 任孝鵬, 張鳳. (2016). 基于客觀指標的中國人集體主義量表.(2), 86–98.

黃麗芹, 孫寅, 羅思陽. (2022). 個人主義文化價值觀對疫情控制效果的影響及其計算心理機制.(5), 497–533.

賈向桐. (2019). 論當代大數(shù)據(jù)發(fā)展中的理論終結(jié)論., (2), 124–131.

康螢儀, Michael W. Morris, 趙志裕, Veronica Benet-Martínez, 張曙光. (2010). 多元文化心靈——文化與認知的動態(tài)建構(gòu)主義進路., (1), 195–216.

李國杰, 程學(xué)旗. (2012). 大數(shù)據(jù)研究:未來科技及經(jīng)濟社會發(fā)展的重大戰(zhàn)略領(lǐng)域——大數(shù)據(jù)的研究現(xiàn)狀與科學(xué)思考.(6), 647–657.

李培林. (2002). 巨變: 村落的終結(jié)——都市里的村莊研究.(1), 168–179+209.

劉晟. (2010).(碩士學(xué)位論文). 國防科學(xué)技術(shù)大學(xué), 湖南.

劉婷婷, 劉箴, 柴艷杰, 劉翠娟, 陳佳鑫. (2016). 一種基于心理學(xué)模型的人群踩踏情景仿真方法.(10), 2448–2454.

羅伯特·懷爾, 趙志裕, 康螢儀. (2017).. 北京：人民出版社.

彭理強. (2019). 大數(shù)據(jù)主義與經(jīng)驗主義——兼評齊磊磊博士的“大數(shù)據(jù)經(jīng)驗主義”.,(3), 82–85.

齊磊磊. (2015). 大數(shù)據(jù)經(jīng)驗主義——如何看待理論、因果與規(guī)律.(7), 89–95.

任孝鵬, 向媛媛, 周陽, 朱廷劭. (2017). 基于微博大數(shù)據(jù)的中國人個體主義/集體主義的心理地圖.(6), 59–64.

王斌. (2012). 斯圖亞特·霍爾的馬克思主義語言哲學(xué)及其文化研究.(2), 40–44.

王少平, 楊洋.(2017). 中國經(jīng)濟增長的長期趨勢與經(jīng)濟新常態(tài)的數(shù)量描述., (06), 46–59.

維克托·邁爾-舍恩伯格, 肯尼斯·庫克耶. (2013).. 浙江：浙江人民出版社.

吳美川. (2020). 馬克思恩格斯的語言思想與中國話語建構(gòu).(3), 38–45.

吳勝濤, 王予靈, 許雅舒, 彭凱平. (2022). 更理性, 還是更功利？近四十年中國社會兩種個人主義的變遷..

吳勝濤, 周陽, 傅小蘭, 劉曉倩, 劉天俐, 朱廷劭. (2018). “一帶一路”沿線文化與合作交往模式探究: 基于社交媒體大數(shù)據(jù)的心理分析.(3), 298–307.

吳育鋒, 劉洪飛, 焦冬冬, 吳勝濤, 朱廷劭. (2018). 小說人物性格的文學(xué)智能分析：以《平凡的世界》為例.(7), 128–136.

邢付貴, 朱廷劭. (2021). 基于大規(guī)模語料庫的古文詞典構(gòu)建及分詞技術(shù)研究.,(7), 41–46.

喻豐, 彭凱平, 鄭先雋. (2015). 大數(shù)據(jù)背景下的心理學(xué)：中國心理學(xué)的學(xué)科體系重構(gòu)及特征.(Z1), 520–533.

余霞, 鐘年. (2019). 文化心理學(xué)的跨學(xué)科運用——以跨文化傳播研究為例.(5), 393–399.

趙海英, 賈耕云, 潘志庚. (2016). 文化計算方法與應(yīng)用綜述.(6), 1–8.

Alexander, R. (2017, May).. Paper presented at the meeting of the 9th european symposium on religious art, restoration & conservation. Iasi, Romania.

Anderson, B. (2020). Cultural geography III: The concept of ‘culture’.(3), 608–617.

Bamler, R., & Mandt, S. (2017, July).. Paper presented at the meeting of International conference on Machine learning. Sydney, Australia.

Bianchi, E. C. (2016). American individualism rises and falls with the economy: Cross-temporal evidence that individualism declines when the economy falters.,(4), 567–584.

Borth, D., Ji, R., Chen, T., Breuel, T., & Chang, S. F. (2013, October).. Paper presented at the meeting of the Proceedings of the 21st ACM international conference on Multimedia. Barcelona, Spain

Cai, H. J., Huang, Z. H., & Jing, Y. M. (2019). Living in a changing world: The change of culture and psychology. In D. Matsumoto and H. C. Hwang (Eds.),(pp. 786–817)Oxford, England: Oxford University Press.

Caliskan, A., Bryson, J. J., & Narayanan, A. (2017). Semantics derived automatically from language corpora contain human-like biases.(6334), 183–186.

Chiao, J. Y., & Blizinsky, K. D. (2010). Culture–gene coevolution of individualism–collectivism and the serotonin transporter gene.,(1681), 529–537.

Cohen, D. (2019). Methods in cultural psychology. In Kitayama, S., & Cohen, D. (Eds.).(pp.196–236). New York: Guilford.

de Mauro, A., Greco, M., & Grimaldi, M. (2015). What is big data? A consensual definition and a review of key research topics.,(1), 97–104.

de Mauro, A., Greco, M., & Grimaldi, M. (2016). A formal definition of Big Data based on its essential features.(3), 122–135.

Desmarchelier, B., & Fang, E. S. (2016). National culture and innovation diffusion. Exploratory insights from agent-based modeling., 121–128.

Dewall, C. N., Pond, R. S., Campbell Jr., W. K., & Twenge, J. M. (2011). Tuning in to psychological change: Linguistic markers of psychological traits and emotions over time in popular U.S. song lyrics.(3), 200–207.

Favaretto, R. M., Dihl, L., Barreto, R., & Musse, S. R. (2016, September).Paper presented at the meeting of the 2016 IEEE International Conference on Image Processing (ICIP). Arizona, USA.

Garg, N., Schiebinger, L., Jurafsky, D., & Zou, J. (2018). Word embeddings quantify 100 years of gender and ethnic stereotypes.(16), E3635–E3644.

Golder, S. A., & Macy, M. W. (2011). Diurnal and seasonal mood vary with work, sleep, and daylength across diverse cultures.,(6051), 1878–1881.

Golder, S. A., & Macy, M. W. (2014). Digital footprints: Opportunities and challenges for online social research.,, 129–152.

Grant, G. B. (2017). Exploring the possibility of peak individualism, humanity's existential crisis, and an emerging age of purpose.,, 1478.

Gray, J. (2009). On eScience: A Transformed Scientific Method. In T. Hey, S. Tansley, and K. Tolle (eds.).(pp. 19–33). Redmond, WA: Microsoft Research．

Greenfield, P. M. (2009). Linking social change and developmental change: Shifting pathways of human development.,(2), 401–418.

Greenfield, P. M. (2013). The changing psychology of culture from 1800 through 2000.,(9), 1722–1731.

Hamamura, T., Chen, Z., Chan, C. S., Chen, S. X., & Kobayashi, T. (2021). Individualism with Chinese characteristics? Discerning cultural shifts in China using 50 years of printed texts.(6)888–903.

He, L., Chen, Y., & Ren, X. (2021). Climato-economic origins of variations in uniqueness of nickname on Sina Weibo.,, 599750.

Hills, T. T., Proto, E., Sgroi, D., & Seresinhe, C. I. (2019). Historical analysis of national subjective wellbeing using millions of digitized books.,(12), 1271–1275.

Hofstede, G. J. (2001).(2nd. ed.). Beverly Hills, CA: Sage.

Hofstede, G. J., Jonker, C.M., Verwaart, T. (2008). Individualism and collectivism in trade agents. In: N. T. Nguyen, L. Borzemski, A. Grzech, & M. Ali. (Eds.),. IEA/AIE Lecture Notes in Computer Science, 5027. Berlin, Heidelberg: Springer.

Hu, B., Xing, F., Fan, M., & Zhu, T. (2021). Research on the evolution of “Ren” and “Li” in Siku Quanshu Confucian classics..603344.

Huang, F., Ding, H., Liu, Z., Wu, P., Zhu, M., Li, A., & Zhu, T. (2020). How fear and collectivism influence public's preventive intention towards COVID–19 infection: A study based on big data from the social media.(1), 1707

Kashima, Y., & Kashima, E. S. (2003). Individualism, GNP, climate, and pronoun drop: Is individualism determined by affluence and climate, or does language use play a role?,(1), 125–134.

King, A. B. (2001). Affective Dimensions of Internet Culture.,(4), 414–430.

Koda, T., & Ishida, T. (2006, January)..Paper presented at the meeting of the International Symposium on Applications and the Internet (SAINT'06). IEEE. Arizona, USA.

Kosinski, M., Matz, S., Gosling, S., Popov, V., & Stillwell, D. (2015). Facebook as a research tool for the social sciences: Opportunities, challenges, ethical considerations, and practical guidelines.,(6), 543–556.

Lazer, D., Pentland, A., Adamic, L., Aral, S., Barabasi, A. L., Brewer, D., ... van Alstyne, M. (2009). Social science: Computational social science.,(5915), 721–723.

Lee, I., Choi, B., Kim, J., & Hong, S. J. (2007). Culture-technology fit: Effects of cultural characteristics on the post-adoption beliefs of mobile Internet users.,(4), 11–51.

Lieberson, S., & Bell, E. O. (1992). Children’s first names: An empirical study of social taste.,(3), 511–554.

Liu, P., Chan, D., Qiu, L., Tov, W., & Tong, V. J. C. (2018). Effects of cultural tightness–looseness and social network density on expression of positive and negative emotions: A large-scale study of impression management by Facebook users.(11), 1567–1581.

Lu, J. G., Jin, P., & English, A. S. (2021). Collectivism predicts mask use during covid-19.(23), e2021793118.

Lu, X., Ai, W., Liu, X., Li, Q., Wang, N., Huang, G., & Mei, Q. (2016, September).. Paper presented at the meeting of the Proceedings of the 2016 ACM international joint conference on pervasive and ubiquitous computing. Heidelberg, Germany.

Michel, J. B., Shen, Y. K., Aiden, A. P., Veres, A., Gray, M. K., Google Books Team, ... Aiden, E. L. (2011). Quantitative analysis of culture using millions of digitized books.,(6014), 176–182.

Miyamoto, Y., & Kitayama, S. (2002). Cultural variation in correspondence bias: The critical role of attitude diagnosticity of socially constrained behavior.(5), 1239–1248.

Neuman, Y. (2014).Cambridge: Cambridge University Press.

Neuman, Y., Turney, P., & Cohen, Y. (2012). How language enables abstraction: A study in computational cultural psychology.,(2), 129–145.

Ogihara, Y. (2018). Economic shifts and cultural changes in individualism. In A. K. üskül & S. Oishi (Eds.),. New York: Oxford University Press.

Park, H., Twenge, J. M., & Greenfield, P. M. (2014). The great recession: Implications for adolescent values and behavior.,(3), 310–318.

Park, J., Baek, Y. M., & Cha, M. (2014). Cross-cultural comparison of nonverbal cues in emoticons on Twitter: Evidence from big data analysis.,(2), 333–354.

Pettit, M. (2016). Historical time in the age of big data: Cultural psychology, historical change, and the Google Books Ngram Viewer.(2), 141–153.

Popper, F. (1996). Visualization, cultural mediation and dual creativity.(4), 311–311

Qiu, L., Chan, S. H. M., & Chan, D. (2018). Big data in social and psychological science: Theoretical and methodological issues.(1), 59–66.

Ricoeur, P. (1990). éthique et morale.(1), 5–17.

Tosa, N., Matsuoka, S., Ellis, B., Ueda, H., & Nakatsu, R. (2005, September).Paper presented at the meeting of the International Conference on Entertainment Computing. Springer, Berlin, Heidelberg.

Tosa, N., Pang, Y., Yang, Q., & Nakatsu, R. (2019). Pursuit and expression of Japanese beauty using technology.(1), 38.

Twenge, J. M., Abebe, E. M., & Campbell, W. K. (2010). Fitting in or standing out: Trends in American parents’ choices for children’s names, 1880–2007.,(1), 19–25.

Twenge, J. M., Campbell, W. K., & Gentile, B. (2013). Changes in pronoun use in American books and the rise of individualism, 1960–2000.,(3), 406–415.

Wu, M. S., Li, B., Zhu, L., Jiao, D., & Zhu, T. (2018, July).Paper presented at the meeting of the Proceedings of The Academic Forum on Research into Social Mentality and Social Psychological Services under the New Era (pp. 81–86). Marietta, Georgia: American Scholars Press, Inc.

Wu, M. S., Zhou, C., Chen, H., Cai, H., & Sundararajan, L. (2018). Cultural value mismatch in urbanizing China: A large-scale analysis of collectivism and happiness based on social media and nationwide survey.,(s2), 54–63.

Yu, F., Peng, T., Peng, K., Tang, S., Chen, C. S., Qian, X., ... Chai, F. (2016). Cultural value shifting in pronoun use.(2), 310–316.

Zeng, R., & Greenfield, P. M. (2015). Cultural evolution over the last 40 years in china: Using the Google Ngram Viewer to study implications of social and political change for cultural values.,(1), 47–55.

Zhao, Y., Xing, F., Fan, M., Li, H., & Zhu, T. (2021). Psycho-linguistic changes associated with historical celebrities in Henan using classical Chinese big data.,, https://doi:10.3389/fpsyg. 2021.648677.

The big data analysis in cultural psychology

WU Michael Shengtao1, MAO Yunyun1, WU Shuhan2, FENG Jianren3, ZHANG Qingpeng3, XIE Tian5, CHEN Hao5,6, ZHU Tingshao7

(1School of Sociology and Anthropology, Xiamen University, Xiamen 361005, China) (2Institute of Communication, Xiamen University, Xiamen 361005, China) (3Public Administration School, Guangzhou University, Guangzhou 510006, China) (4School of Philosophy, Wuhan University, Wuhan 430072, China) (5Zhou Enlai School of Government, Nankai University, Tianjin 300350, China) (6Guangzhou Guangdong-Hong Kong-Macao Greater Bay Area Research Center for Social Psychological, Sun Yat-sen University, Guangzhou 510006, China) (7Institute of Psychology, Chinese Academy of Sciences, Beijing 100101, China)

With the integrated development of big data technology and cultural psychology, computational cultural psychology came into being as a novel interdisciplinary research field, which makes large-scale cultural analysis possible. The key variables of computational cultural psychology are mainly about individualism and collectivism, and the big data technologies (e.g., feature dictionaries, machine learning, social networks analysis, and simulation) have been used to analyze the cultural change effect from the temporal perspective and cultural geography effect from the spatial perspective. It should be noted that there are several limitations in Computational Cultural Psychology, including decoding distortion, sample bias, semasiological variation, and privacy risk, although new method and paradigm are provided. In future directions, theoretical interpretation of variables, cultural dynamics, interdisciplinary integration, and ecological validity should be seriously concerned.

big data, culture, computational cultural psychology, cultural change, cultural geography

2022-01-14

*國家社會科學(xué)基金重點項目(17AZD041)、一般項目(20BSH111)及廈門大學(xué)校長基金(20720221017)支持。

吳勝濤, E-mail: michaelstwu@xmu.edu.cn wust2011@163.com

B949: C91