课程名称：大数据心理学
英文名称：Big Data in Psychology
【课程编号】 |
【所属模块】 专业选修课程
|
【学分数】 2学分 |
【适用专业】 心理学 |
【学时数】24课堂讲授+16实践学时 |
【开设学期】 春季
|
【已开设次数】 0次（新开设课程）
|
【建议选课人数】 40人（需配备助教） |
【授课教师姓名】 韩诺 |
【授课教师职称】 讲师 |
【授课教师联系方式】Email: hann@bnu.edu.cn |
|
【先修课要求】 多元微积分与线性代数 |
|
一、课程简介
大数据心理学是一门融合了心理学与信息科学的高度交叉课程，旨在培养学生在充分理解大数据和人工智能技术的基础上，掌握此类技术与传统统计方法的异同，并利用新技术开展心理学的相关研究及应用。本课程将围绕大数据及人工智能领域的主要方法和技术，介绍这些技术应用于心理学相关研究的新进展，并精选出高质量的最新研究样例进行深入解析。
二、课程目标
本课程旨在通过介绍大数据及人工智能的发展历程、最新相关技术与方法，及其在心理学相关领域的研究进展和前沿，拓展学生在应用统计上的学术视野；通过系统了解信息科学与心理学融合领域研究的相关知识技术体系，并掌握基本研究技能，为学生后续从事心理学相关理论或实践研究工作奠定基础。
三、教学内容和学时分配
第一部份：绪论
（一）第一章：绪论 学时：2（课堂讲授） |
主要内容：介绍大数据的概念及特点；结合心理学研究的视角探讨大数据在心理学研究中 的应用方向，以及二者的结合原则；总结大数据对心理学的研究逻辑和研究方法产生的影响。 |
教学要求：了解掌握大数据心理学中的重要基本概念、研究逻辑与应用方向。 |
重点、难点：大数据与心理学的结合原则与应用方向。 |
其它教学环节：讲授、课堂讨论。 第二部分：大数据心理学的工具包 （二）第二章：程序设计入门 学时：4（2课堂讲授 + 2 实践学时） 主要内容：介绍计算机基础知识，程序设计基础（包括流程图及算法等）。了解Python的发展历程，通过完成课堂作业及课后实践任务，学习并熟悉Python基础编程（主要包括表达式与分支控制、循环、函数、列表及字典、文件操作、模块调用等）。 教学要求：了解掌握编程思路，实现数据处理分析程序的正确运行。 重点、难点：理解程序设计思路，编写基础的数据分析程序。 其它教学环节：讲授、课堂作业、课后实践。 （三）第三章：大数据的采集与管理 学时：4（2课堂讲授 + 2实践学时） 主要内容：介绍大数据心理学研究中常见的数据类型、数据采集方式与数据管理工具。通过完成课堂作业与课后实践，学习并熟悉网络爬虫、各类传感器及智能设备的数据采集、保存与管理方法。 教学要求：掌握大数据心理学研究中常见的数据类型、数据采集方式与数据管理方法。 重点、难点：多种数据类型及其所对应的保存格式和管理方法。 其它教学环节：讲授、课堂作业、课后实践。 |
（四）第四章：人工智能方法概述与应用 8 学时：（4课堂教学 + 4实践学时） |
主要内容：介绍当前大数据心理学领域常见的大数据处理手段、人工智能方法及其对应原理，以课堂作业的方式熟悉相关技术的使用方式。并在课后实践中通过在具体数据集上的分析处理，熟悉基于机器学习建模和应用的全过程。 |
教学要求：了解掌握常见的人工智能方法，掌握机器学习模块调用方法。 |
重点、难点：掌握机器学习建模的完成过程。 |
其它教学环节：讲授、课堂作业、课后实践。 第三部分：大数据心理学的应用：从数字足迹到心理画像 |
（五）第五章：从网络足迹到心理画像 学时：8（4课堂教学+4实践学时） |
主要内容：介绍如何利用社交媒体大数据和人工智能技术（如机器学习、深度学习及大语言模型）进行心理特征分析，涵盖经典研究（LIWC语言分析与人格预测）和前沿进展（多模态数据建模与生成式AI应用）。培养学生理解数字行为与心理特征的映射关系，掌握基于人工智能的心理建模方法，强调数据偏差、模型可解释性和研究伦理等核心挑战。 |
教学要求：了解掌握基于社交媒体大数据的心理学研究方法与应用方向。 |
重点、难点：掌握基于社交媒体大数据的心理建模方法，了解社交媒体数据研究所存在的核心挑战。 |
其它教学环节：讲授、课堂讨论、课后实践。 |
（六）第六章：智能移动设备带来的新机遇 学时：6（4课堂教学+2实践学时） |
主要内容：介绍基于智能手机、传感器、Kinect 3D摄像头和虚拟现实等新型智能设备在心理计算研究中的应用。结合具体案例，介绍智能移动设备数据与心理状态的关联机制，并探讨此类新兴技术在行为分析中的优势。 |
教学要求：了解掌握智能移动设备中的心理学研究方法与应用方向。 |
重点、难点：掌握有哪些基于智能设备的心理计算核心方法，了解多模态数据融合的技术挑战。 |
其它教学环节：讲授、课堂讨论、课后实践。 |
（七）第七章：数据驱动的智能心理干预 学时：6（4课堂教学+2实践学时） |
主要内容：基于经典理论与前沿实践，通过讲解实例，介绍基于聊天机器人、虚拟现实及游戏中的心理干预方法和效果评估标准，以及多模态行为数据优化干预方案的个性化适配方法。 |
教学要求：了解掌握人工智能技术在心理健康干预领域的心理学研究方法与创新应用。 |
重点、难点：掌握智能干预的基本原理，了解不同技术路径的适用场景与局限性。 |
其它教学环节：讲授、课堂讨论、课后实践。 （八）第八章：大数据心理学研究的伦理与隐私 学时：2（课堂教学） 主要内容：介绍大数据时代存在的伦理与隐私安全问题，引导学生思考如何正确地在心理学研究中使用大数据及人工智能技术，并进一步讨论未来可能的发展方向。 教学要求：了解掌握大数据心理学中的伦理与隐私安全问题。 重点、难点：了解大数据心理学研究中存在的伦理与隐私安全问题，学会在心理学研究中中正确地使用大数据与人工智能技术。 其它教学环节：讲授、课堂讨论。 |
四、选用教材与学习资源 |
1.《大数据时代的心理学研究及应用》, 朱廷劭，科学出版社，2016年 2.《大数据心理学（Python版）》, 王鹏等，电子工业出版社，2023年 3.《Python基础教程》, Magnus Lie Hetland著，司维、曾军崴、谭颖华译,人民邮电出版社，2010年 4.《数据挖掘导论》, Pang-Ning Tang等著，范明等译，人民邮电出版社，2011年 5. The psychology of technology: social science research in the age of big data, Sandra Matz, American Psychological Association, 2022 6. Big data in the psychological sciences, Wilma A. Bainbridge, Cambridge University Press, 2025
|
五、考核方式 考查：平时成绩40% + 期末成绩60% 平时成绩来源：考勤10% + 课堂作业30% 期末成绩来源：期末大作业60%
【编写日期】：2025.07.08 |
1