社會心理學是以科學的方法研究人們的思想、情感和行為如何受到他人影響的一門學科，它以社會現象為研究導向，旨在探尋個體和群體社會心理現象的發生、發展及其規律，深刻了解社會群體行為背后的動機與目的。自20世紀40年代信息科技革命以來，社會心理學在研究方法上經歷了多次變革。第一次變革發軔于20世紀70年代前后，從那時起，心理學家開始運用計算機實施具體的心理實驗。第二次變革發生于網絡技術突飛猛進的20世紀90年代，其代表性事件是基于網絡的心理學問卷誕生、虛擬的網絡心理學實驗室成立、關于網絡的心理學實驗研究成果在《科學》上發表。大數據時代的到來則使社會心理學迎來了第三次變革，以瞬時生產并存貯的海量網絡數據為支撐的大數據樣本，正逐漸成為研究者觀察和預測人類個體和群體心理行為特征與規律的寶貴資源?？梢灶A見，大數據將為社會心理學的發展帶來變革與挑戰。
大數據給社會心理學帶來研究方法上的變革。以往的社會心理學通?；趩柧?、數據統計、抽樣調查和實驗室研究分析心理數據，而在大數據時代，真實、準確、及時的大數據樣本將為社會心理學研究方法的變革帶來嶄新機遇。隨著研究的日益深入，也許我們能夠發現，以往所從事的研究可能只是冰山一角，其潛在的內容需要通過大數據逐一揭示。借助大數據，社會心理學能夠在很大程度上擺脫對實體實驗室的依賴，最大限度、最為高效地擴充潛在的研究對象，使社會心理學的研究不再只局限于實驗室小樣本或問卷調查采集的隨機樣本，從而面向盡可能全面的數據、趨近于總體的樣本，這就使社會心理學的研究基礎發生了翻天覆地的變化。與此同時，大數據還能夠為社會心理學的研究提供更為多樣化、異質化的樣本，并使研究者擺脫時間、空間的限制，盡可能避免社會期許效應，最大程度規避研究對象在測試過程中受到的各種復雜、無關干擾。在我國，已有不少學者投身大數據的洪流，利用新的研究方法開展社會心理學研究。例如，清華大學彭凱平教授建立了“行為與大數據研究實驗室”、中國科學院心理學研究所蔡華儉教授創建了“云端心理實驗室”、朱廷劭教授基于大數據開發了“國人心理地圖”，這些有價值的嘗試都將帶動中國社會心理學朝向大數據時代邁進。
大數據拓寬和加深了社會心理學研究的廣度和深度。大數據時代，一切事物都被數據化：情緒變成了數據、思維變成了數據、行為模式變成了數據、認知變成了數據、溝通變成了數據、關系變成了數據……受此影響，社會心理學的研究視角和研究領域不斷更新和擴展，很多傳統的社會心理學問題，如社會心態、個體行為偏好、集群行為、社會態度與公眾情緒、動態人際互動與人際關系、社會認知、主觀幸福感等，都可能借助大數據得到更為準確的、可視化的測量和呈現。例如，大數據網絡實驗室可以通過記錄用戶的網絡使用情況提取用戶的網絡行為特征，分析用戶的心理屬性和網絡行為的關聯模式；大數據心理健康系統可以為犯罪矯正人員、精神病患者、特殊心理兒童等建立心理健康檔案；借助大數據檢測和評估社會心態，能夠獲取大眾的社會心理態勢，及時發現社會不穩定因素和風險，為社會治理提供科學、客觀的研究報告和應對方案等。
大數據宣告社會心理學預測時代的到來。社會心理學有四項基本功能，即描述、闡釋、預測和控制，傳統社會心理學多關注描述和闡釋兩項功能，對于預測和控制則顯得有些捉襟見肘。大數據時代，這種狀況將獲得很大改觀。由于大數據時代的社會心理學研究不再過多依賴隨機采樣，而是通過處理和分析相關數據獲取結論，這有助于預測能力的提升。例如，有關心理健康的預測，可以利用被試的網絡痕跡代替通過問卷收集的答案，并且用機器學習的方法建立基于網絡行為的心理健康預測模型，通過模型計算得出被試的心理健康狀態評分；關于幸福感的預測可以對社會公眾進行幸福感知的預測；關于社會心態、社會風險判斷、群體情緒和集群行為、經濟發展信心和政府信任的預測，可以預知和評估國民的社會態度，并根據某類群體社會態度的時間性變化研判社會輿情、引導社會輿論等。2010年美國印第安納大學的約翰博倫教授發現，Twitter網站上的平靜類情緒能顯著預測未來2至6天美國道瓊斯工業平均指數的結果。我國南開大學樂國安教授團隊基于微博與股票的大數據研究發現，微博網民情緒的起伏不僅與中國社會發生的重要事件存在明顯對應關系，還在一定程度上能夠預測我國證券綜合指數及其每天交易量的變化。這表明，大數據的背后是人的心理表現，大數據帶來的巨大變革必將使社會心理學在預測與控制方面大展身手。
大數據可能給社會心理學研究帶來的風險。隨著計算科學、數據挖掘等信息分析技術的迅速發展，高效處理和分析海量數據正在成為可能，在此背景下，社會心理學研究者在研究過程中利用大數據、樹立大數據思維顯得極為重要。但也要認識到，大數據也有可能會給社會心理學研究帶來風險。風險之一在于網絡用戶隱私權和安全感風險。以Facebook為例，其瞬時可以生成詳盡的用戶心理數據，如包括種族、性格、智商、幸福感、政治觀點、宗教信仰等在內的人口特征資料，一旦掌握了這些數據，便可以自動建立起模型。這提示我們，網絡數據的使用應注意透明度是否合理，以及合理界定網絡控制權的外延和邊界。風險之二是研究方法問題。社會心理學面向的是個人、群體和社會，但大數據所帶來的研究方法的改變卻使得社會心理學研究者可能更多地關注數據，這或許會使某些研究者誤入“數據萬能論”的誤區。事實上，大數據背后所分析的是每個鮮活的個體，是每個個體的心理與行為，他們是龐大數據神經元的突觸。大數據的研究方法并不能完全取代以往的研究方法，大數據的網絡實驗室也不能完全取代實體實驗室，只有關注“人”，只有堅持研究方法上的兼容并包，社會心理學才能在大數據時代獲得長足發展。
京公網安備 11010502049343號