闲谈 051

@学叔 在【闲谈 049】中讲到，心理学领域有很多外行乱入，可能大家感受不是特别深。给大家举个例子，可以看下这个文件中的十六项指标，是不是都属于心理学的研究范畴。但这是一帮搞计算机的人做出的产品。

「面部表情识别算法」共有十六个识别结果，分为「一般检测项」、「适应能力」、「生理状态」、「抑郁倾向」、「负面情绪水平」，五个维度。

• 一般检测项：敌对程度 / 压力程度 / 焦虑程度 / 自卑程度 / 消沉程度 / 情绪稳定性
• 适应能力：自信心 / 注意力 / 自我调节能力 / 自我控制能力 / 自我满意度
• 生理状态：活力 / 脑健康度 / 身体平衡性
• 抑郁倾向：抑郁倾向
• 负面情绪水平：负面情绪水平

整个报告文件具体的数值，就是 @学叔 本人的测评结果。如果让心理学专业同学做的话，那就是先花上两个小时，填十几个问卷量表，完事后手动分析，给出测评结果。整个过程半天时间过去了。

但这次测评，人家让 @学叔「盯着摄像头看 1min，然后等 2min 就生成报告」。所以你看 3min 能得到十几项检测结果，这对心理学行业完全是「压制性打击」，心理学专业人员扛不住这种技术轰炸的。

这样大家是不是清楚了一些，心理学的问题根源在哪？本质上还是没有「标准」，没有「标准」后果就是你无法评估它的算法结果「信效度」如何，因为你也给不出真实、正确的数值。如果有「标准」，很多外行是不敢乱入的，因为算法和指标要达到「一个标准」，才被心理学承认，不让就被打假。

并且在心理学领域，真的能识别出这种花哨技术背后精准性问题的专业人员，并不多。所以 @学叔 做的这个工作，创建「应用心理学技术工具箱」，掀起「应用心理学技术革命」，提升「应用心理学技术准入门槛」，把很多「牛鬼蛇神」挡在门外。这是 @学叔 对心理学的回馈。

闲谈 050

今晚翻箱倒柜找一寸照片填资料，结果翻到了这份简报。这是 @学叔 毕业前夕写在论文致谢中的部分内容，发表在毕业生报的专辑上。数数日子，毕业届满四年，这期间做对了三件事，使得人生发展自由度变大。相比毕业前夕的稚嫩，已是云泥之别。

1）还保有与自己较劲的「心力」。正如毕业前夕对自己许下的承诺，步入社会，三年之期，再拿个社会大学的学位。@学叔 选的是人工智能，现今已掌握机器学习、深度学习技术，也有训练好的模型在实际产品中应用，算是初步入门。

2）这几年在坚持做大事、大项目、大产品，四年来坚守心理学阵地，换来国内顶尖的心理学资源和机会。作为负责人带领团队完成两个上千万级别的科研项目，设计三个有趣的心理学训练产品（全国独有），目前带队攻克的产品属于世界性难题。对于 @学叔 来讲，每一项工作都是极限压力测试，只要咬牙挺过来，就能认知升级、优化补丁。

3）作品矩阵的输出。这四年作品成果有在发表的文章、已授权的专利、在申请的几十项专利、翻译的第一本英文著作、开发的几个网站、编写的课程资料。

对于终身学习者来讲，每年想的是读万卷书，学百家才；对于创作者来讲，每月想的是千本过眼，只为一本输出；对于长期投资者来讲，每天想的是读好书、做大事、见高人。

人生如逆旅，你我皆行人。有限的职业生涯，做好一二，已属不易。人是世界上最好的产品，成为自己，是最大的奖赏。做好自己，就在那分分秒秒、滴滴答答。回望时光，溪水滴滴流淌，终会汇进大河，注入海洋。

闲谈 049

心理学可能是外行混入最多的学科，最大的问题是没有标准，只有共识。没有「标准」的问题就在于无法建立学科壁垒，共识和规范是用来约束内行人的，无法束缚外行人，就造成「牛鬼横行」的乱象。

最典型的抑郁症识别技术，有「面部识别」、「指纹识别」、「指尖 PPG 识别」、「EDOR 识别」、「问卷量表」、「眼动认知技术」等等，而真正靠谱的一个没有。因为内行人只会用「问卷量表」，又缺少抑郁症的评估标准，所以外行人就设计了五花八门的方法手段。像数学、物理专业，有明确的标准和对错，哪有轻易敢过去乱入的。

闲谈 048

我们走上坡路的时候，会频繁遇到交叉口，如果冲动抉择，或者按部就班，往往迈入「人生发展无人区」。在流星追月的「技术变革」时代，一念之差，可能就会与「大趋势」擦肩而过。做选择的沉没成本、路径依赖越来越高。比如你的第一份工作选择了「中小学的心理健康老师」，那么大概率一辈子的职业就固定了，哪怕时代如何巨变，你都能安全的呆在「信息茧房」中，保持信息钝感，对实事不闻不问。等你反应过来，需要做些改变的时候，也只有望洋兴叹的份了。

之所以说大家会迈入无人区，是因为你的发展已经超越了我们父母、亲戚或朋友所处的阶层，他们很难再给你任何建议。后续道路只能你自己蹚，这种「无人区陷阱」在应用性差的学科领域，尤为明显。

这时候，最好在现实生活中找到引领你的师者。TA 比你大个三五岁，身处你想跃迁的阶层，承载着高信息、高信任，在用作品社交。我们从师者身上学习的是「成事的方式」、「做大事的思维」。

请记住「技术变革」时代，信息不重要，紧跟「做事的人」更重要。一个人再努力，努力不过趋势；一个人再聪明，聪明不过时代。要在大趋势上，找准「时间窗口」，极限加杠杆，构建自己的「作品矩阵」。当你数年后回望身后，发现除了荡荡扬尘，早已空无一人。

闲谈 047

这个时代变化太快，这个时代人人害怕落后。几十年前不识字是文盲，十几年前看不懂英语是文盲，几年前不懂计算机是文盲，两年前不懂数据分析与文盲无异，而从去年开始还没将 AI 变成自己的登山杖、脚手架的人，开始变成新一代的数字文盲。

心理学领域研究者普遍反应较慢，红利开始被那些保持足够敏锐、机警和应变调整能力的学者抢占。新的时代，遍地开花，花期一瞬，新的心理学研究格局将会在一两年后重构。大家要尽早的拥抱 AI，融入 AI。悲观者正确，乐观者前进。

闲谈 046

心理学研究生擅长的是将现实生活中的问题、现象，抽离成一个个的实验设计进行针对性研究。所以我们这个领域基本科研能力的落脚点是在「研究问题的选择」和「研究深入程度」上。

如果大家在选择毕业课题时，发现涉猎的研究领域、研究方向，林林总总，无处下脚的话。其实最简单的做法，可以从两个角度拓展，一个是从「人」的角度，将「单人研究」变成「多人互动」；另一个是「时间」，将「单点监测」变成「长时程采集」。

比如想要研究一位学生是否存在抑郁倾向，传统方法是采集这个班级所有学生的问卷量表数据，推测可能的问题学生。换个思路，通过「班级网络关系」角度探讨，假设班级内人际关系较差、和同学「社会链接程度」较低的学生，会不会更容易出现抑郁倾向，这算不算一种独特的视角。

或者我们常在实验室做认知任务，比如 goNogo Paradigm 被研究了几十年，即便在上面叠加再多变量，用再先进脑科学设备，也逃不出「常规」二字。现在研究者的科研方式，无外乎把「十几年前的认知行为结果」，用脑科学设备重新扫一遍而已，原创性、新颖性就可想而知。换个思路，是不是可以在实验室进行「双人 goNogo」的研究，把被试从单人变成双人，类似研究就骤减了。这种研究方法就是群体超扫描技术。

之前的闲谈系列，我们讲到过「经验取样法」，从「单点监测」变成「长时间追踪」的研究方法。上面提到的「超扫描技术」和「经验取样法」都属于自然情境研究范式。这种研究取向让研究者不再局限于实验室那种精细设计、严格平衡控制的刺激材料、研究问题，而可以深入观察真实情境中认知状态的活动过程。同时因为研究场景本身的生态效度，也可以保证研究结果从理论向实际应用的过渡和推广。

所以说，心理学领域还是要更多的聚焦在「研究设计手段」上，而非去追求所谓高大上的科研设备、数据分析方法，有点舍本逐末的感觉。

闲谈 045

昨晚朋友发过来一段视频，是新加坡一家公司 ThoughtFull 获得 400 万美元的融资。

视频主要提了两点：1）新加坡整个国家的「社会心理服务体系」做的相对成熟；2）ThoughtFull 这家公司主营业务是 EAP（员工支持计划）。

其实 EAP 是从三个维度（幸福、高效、健康）、三个层面（员工、团队、组织）展开的，核心目标：发掘个体积极品质、提升员工心理资本、推动管理者反思行动、营造良好团队氛围、树立组织健康形象、促进组织高效发展。所以你看 EAP 关注的还是「提质增效」，所以倍虚的内容。

之前我们说过，心理学就两个能力：识别（测评 / 评估） + 干预（调节、发展）。

这种干预服务，不管是新创的还是有一定年头的公司，不管国内抑或国外，技术水平都差不多，因为心理学在这方面没有太多的技术门槛。每家公司比拼的还是商业套路、服务模式、对接资源多寡。若非 AIGC 技术有个跨越「奇点」的突破，我真对心理学的「应用能力」有点死心了。

闲谈 044

[psygpt.cn] 域名已注册，业余时间 ALL IN 心理学领域的 GPT 技术应用，早日研发一款「小而美」的心理学产品。

闲谈 043

真是一步跨入新时代，GPT 多维能力的「涌现」，改变了研究生读文献、做研究、分析数据的协作模式。现在「心理学素养」+「数据处理能力」，已成心理学研究生必备技能。

「数据处理能力」完全可以依赖技术的「赋能」，史上最强编程组合「chatGPT + Github Copilot + New Bing」，世界级的计算机协助你写代码，是不是很酷。更进一步的玩法，则是将其变为你的「私人问题解决助手」，几十亿现金研发出来的产品，做你人生发展道路上的「脚手架」，真酷。再次感叹，未来已来，只是分布不均。

闲谈 042

三年疫情很多心理学同学做实验的方式，从线下一对一，被迫改成线上批量招募被试收数据，尤其是问卷数据，采集效率更高。

很多同学采完问卷数据后，简单的根据测谎题进行数据清洗。对于没有测谎题的问卷，索性不管，直接统计结果，得到的结论可想而知。

关于心理测量技术，问卷量表的编制是一块核心知识，比如充分使用探索性因素分析、验证性因素分析进行信效度的检验；而另一块则是「答题质量」的控制。比如设置测谎题的形式和方法，对于规模化问卷数据的清洗方法。

关于「数据清洗」方法，有很多统计上的指标可以应用，如「连续选项个数、平均作答时长、奇偶题的相关性」等，下图是 @学叔 根据文献梳理的「答题质量控制条件及流程」，供各位同学参考。