生活中很多实际问题，其实都可以抽象成具体的心理学实验设计。比如咖啡厅桌椅摆放的位置。因为咖啡厅空间有限，就需要权重摆放桌椅数量和桌椅彼此距离的关系。如果桌椅摆放过多，距离过小，必然会挤占客人之间的安全空间，导致心理上的侵占。但如果桌椅摆放过少，距离过宽的话，势必会影响到利益。
所以如何保障咖啡厅客人谈话的私密性和心理安全距离，同时最大程度的多摆桌椅，可以抽象为：如何测量个体的心理安全距离。实验设计为先让一个被试，在屋里中间位置站定，然后四个被试在五米外，从前后左右四个方向往中间的被试走。当中间被试感觉不舒服、有被挤占的感觉时，被试就喊停。将前后左右四个方向，围成一个圆即是桌椅摆放的位置。将一个圆与另一个圆进行相切，即能最大程度利用空间，同时还能保证心理上的舒服。
在产业界心理学实际应用的最大制肘是什么呢？其实是传感器技术的不足。在高校的科研工作中，我们经常会用到脑电、近红外、眼动和生理多导仪等设备，其中应用最广、发展最成熟的当属脑电。但到了实际应用环节，是很难做成产品的，除了设备前期准备的复杂流程，对使用者来说也要求较高的配合度。
如果心理学想要突破应用瓶颈，还是需要传感器技术在测量方式、形态上有较大的突破。比如实现非接触式的测量，像使用摄像头测量人的心率、血压、脑电和肌电信号。又或者将传感器的芯片做小、集成化，实现多个模组的信号同时测量。如一个手指盖大小的传感器芯片，能够测量心电、肌电、皮肤电、血压等信号，这样都能提升心理学的精准识别，提高应用能力。
现在的心理学识别算法，已经比较成熟，无外乎情感计算的诸多算法框架和几个算法而已。最大的问题是传感器信号采集信噪比，与采集设备之间的权衡。这就造成了成果和应用，很难从实验室出来。
在心理学领域如何进行自我升级呢？答案是「思维上的转变」，想要有突破性的成长，必须要突破思维的桎梏，不然怎么努力，都是在单一维度、单一层面上下功夫，无法大幅度的提升。
如何进行思维的转变呢？答案在于「身份」，比如心理学的研究生开始都是上课、看论文，这种身份是「知识的接收者」，这和我们初高中的学习方式没任何区别。我们读了这么多年的书，其实一直没有摆脱学知识必须要靠上课的想法，这涉及到「学知识」和「学习」的本质差别，在这里先不展开赘述。
到了研二研三，要完成自己毕业设计的时候，才从「知识的接收者」变为「知识的主动探索者」，靠大量文献中提出自己的独特课题，进而设计实验、分析数据来完成毕设。这个身份的转变，开始有些从「学知识」变为「学习」了。
但这层的身份转换还远远不够，最终的我们要将自己变为「知识的创造者」，这才是「自我学习」的标签。「创造者」是目的是输出、是作品，时刻想的是怎么将知识纳入自己的知识体系中。
所以大家要尽早的完成身份的切换，尽早的摆脱学生思维，在自己的学业期间，尽早的成为「创作者」。
与其它学科相比，心理学的核心差异点是什么呢？其实感觉心理学现在的发展有点走偏，现在大家都在比较哪个研究者用的设备分辨率高、设备精密，比较哪个老师又用上了什么高精尖的数据分析方法。
其实心理学最本源的能力是：如何在被试毫无意识的情况下，测量你想要测量到的数据；如何让被试不加抵抗的跟着你的实验设计走，诱发出你想要生理状态反应。心理学其实最美的地方，在于实验设计，在于如何设计出一个精巧的实验设计，解释出足够典型的现象和行为。这才是心理学最能体现价值的地方，也是与其它学科的核心差异。
至于用多么高大上的仪器、多么先进的研究方法，其实都是锦上添花的作用而已。比如去年有一篇依赖精巧实验，没用任何脑成像设备，就能发到 Nature 杂志上。
心理学口头禅是特定场景、特定任务下，得到的特定结论。特定场景、特定任务对应着心理学的情境化诱发范式，比如在实验室通过视频、图片诱发情绪，通过特里尔社会应激范式诱发压力，通过数钱诱发趋近动机等。使用这些范式都是先要诱发相应的状态，再测量对应的因变量。
随着虚拟现实技术的发展，也有一些研究者开始使用 VR 技术进行特定任务的诱发，效果要远好于实验室 PC 上呈现的视频、音频或图片。VR 用在心理学情景的诱发，是比较好的，但如何进一步的增加真实感、沉浸感和体验感，是我们需要思考的。@学叔 在工作中，也会使用虚拟现实构建相对真实的场景，在增加沉浸感的操作上，往往会使用「虚实结合」的方法，比如在虚拟现实中如果出现大火的话，真实场景的温度跟着升高；如果场景中出现大风的话，真实场景中也有对应的鼓风机，这样才能更近一步的增加诱发效果。
前面的闲谈系列已经讲过，心理学的一个能力是【识别】，那么识别的核心问题是什么呢？其实在产业界，对于心理学中的识别，不管是能力的识别，还是心理健康的识别，有两个基本的需求，一个是「准」、另一个是「快」。也就是说一个公司如果要进行心理学识别产品的开发，必然要解决「识别准确率」和「识别高效」的问题。识别准确率是一个产品基本的指标，如果识别都有偏差的话，这个产品是很难推广的。除此之外，还要解决「识别高效」的问题，也就是产品要应用便携、快速筛查、批量化筛查。
这样的话，像我们在计算机前的传统作答方式，或者纸笔测量的方式必然行不通。这就要求我们进行电子化设备的应用开发，比如将问卷量表、认知任务嵌入到 Pad 平板电脑，或者手机应用上，都是未来的一个趋势。
心理学领域大家都知道问卷量表存在很多问题，不过实际应用中，还是难免要依赖问卷的结果。在问卷使用过程中，其实最好进行「结构化」的测评，会比单一问卷测评得到的结果，更为客观。现在对于问卷的使用，更多的是多个单一问卷一并测量，目的在于发现问题。
而「结构化」的测评是多个问卷相互支撑，彼此交叉验证。比如想要测量一个人是否存在抑郁倾向，如果只测一个抑郁问卷，得到结果显示「中度」，就认为有风险的话，这样得到的结果太单一。
最好在测量「抑郁因素」的同时，测量一下用户的「保护性因素」、「调节性因素」以及「应激因素」，如果当前用户表现为「应激因素」过多，如负性生活事件较多，同时「保护性因素」，如社会支持程度较少，自己的调节因素，像应对方式又偏消极，这样多个结果的综合，更能说明当前用户处于相对严重的「负性情绪」中。
如何在心理学领域锤炼出来「硬技能」？比如大家都是同一时间入学，宿舍四个人其实差别并不大，也就是有的同学考研 320 分、有的 300 分，差别不太大。但是等到三年毕业时候，差异开始显现。那么如何超越和你一同入学的舍友呢？答案在于【量级差异】，就是要在一方面或几方面超过你的舍友一到两个量级。比如你舍友一年看 10 本专业书，那你去看 100 本。你舍友一学期读 100 篇文献，那么你读 1000 篇，经过三年的打磨，时间的复利效应就会体现出来。那时的你，就会有着超越同龄人的全局视角。那时的你，就是别人眼中的望尘莫及。
想要获得成长，最重要的莫过于「压力测试」，通过持续的输出来倒逼输入，进而将知识内化。年轻人就要去做一些难点的事情，别总在自己的舒适区呆着，不然一旦碰到学习深水区，分分钟就溺水而亡。我们自己是掐不死自己的，这个时候你需要找心理学院你那些优秀的同学，构建一条「不能堕落」的同侪底线。一定要输出，时刻要输出，作品是最好的名片，千篇过眼，只为一本输出。
如果你被问到经典的问题，学心理学的是不是能看透人的心理，你会怎么回答？其实我们可以转换一下问题，真的问题是「心理学是不是就是研究心理的」？答案当然是否定的，我们要了解「心理学」和「心理」的区别。「心理学」是研究人的内部心理活动、外部行为的实证科学，是探索感知、记忆、情绪等认知过程的科学研究。而大家所谓的「心理」，是指我的想法，是一门察言观色的艺术。
这就是 @学叔 认为二者的最大区别，懂「心理学」是一名研究者，懂「心理」是一名江湖术士。
为什么心理学需要机器学习算法？我们都知道心理学是靠样本说话的，所得到的结果、结论，也都是群体间的差异。但是到了实际应用场景中，业务方的需求不是想知道两个群体有什么区别，而是想定位到某一个人是否存在问题？这是靠心理学的一些传统统计分析方法解决不了的，比如 t 检验、方差分析无法给出个体的结果。
所以引入机器学习模型，最大目的就是为了解决个体层面的识别问题。因为模型可以通过学习大量群体样本的数据，挖掘出两个群体存在的特异性。通过把这些差异的特征联结起来，构建识别模型，进行应用到个体层面上的识别。这就解决了「识别」上的一个大问题。
