作为心理学的核心研究领域之一，人格代表了人际之间存在个性化差异的重要原因与心智基础。由于人格具有内隐性，需要借助外显行为来间接表达，因此如何有效地测量个体的人格特征是开展人格心理学研究的前提基础。传统的测量方法主要是采用自评问卷，但该方法在被试招募效率、测试资源消耗等诸多方面存在着局限，亟待改进。 

　　网络新媒体（例如“微博”）的出现为人格测量带来了新契机。“微博”拥有数量庞大、分布广泛的用户群体，该用户群体在非实验环境下愿意并且能够通过“微博”使用过程来展示个性化差异。既有研究表明，用户的人格特征是决定其“微博”行为的重要因素。但是，这些研究大多关注“微博”行为与人格特征之间的相互关系，并未妥善解决如何借助“微博”行为来预测人格特征的问题；此外，既有研究多采用自评问卷来测量用户的“微博”行为，其数据结果的可靠性也存在着疑问。 

　　鉴此，中科院心理研究所行为科学重点实验室朱廷劭研究组展开研究，旨在借助用户在网络平台上的客观“微博”行为记录（digital records of micro-blogging behaviors）预测其人格特征。该研究从1953485名新浪“微博”活跃用户中随机选取了547名用户作为被试，下载其“微博”行为记录，并且进一步由原始记录中提取845种行为特征，以此作为预测变量；同时，对全体被试施测“大五”人格问卷（Big Five Inventory，引自Benet-Martinez & John, 1998; John, et al., 1991; John, et al., 2008），获取其在各人格维度上的得分，以此作为结果变量。利用“支持向量机”（Support Vector Machine, SVM）与“Pace回归”（Pace Regression）算法分别训练基于“微博”行为的人格计算模型。研究结果表明，基于“微博”行为的人格计算模型拥有良好的测量属性。在SVM模型中，“微博”行为对各人格维度高低得分组被试的分类精度达到84%~92%；而在“Pace回归”模型中，基于“微博”行为的人格预测结果与基于自评问卷的人格测验结果之间的相关系数达到0.48~0.54。此外，在人格计算模型中，“微博”行为与人格特征之间的预测关系也具有一定的可解释性。这表明，通过“微博”行为来预测用户的人格特征是完全可行的。 

　　该研究采用创新的研究视角与方法，或可解决传统人格心理测验领域的既有问题，为心理学领域开展回溯、追踪或大数据研究提供方法学借鉴。 

　　该研究是朱廷劭研究组在“计算网络心理学”研究领域的系列成果之一。此项研究得到了中国科学院重点部署项目（KJZD-EW-L04）、国家重点基础研究发展计划（973项目，2014CB744600）、中国科学院战略性先导科技专项（XDA06030800）等课题资助。 

　　该研究成果已被国际学术期刊PLOS ONE录用，将于近期公开发表。

基于“微博”行为的人格计算模型的测试结果