本期推荐一篇2024年2月发表在JPSP上的论文《深度学习与人格评估：一种新型的心理测评方法》。 在心理学领域，人格评估是一个核心研究领域，因为人格特征与个体的行为、信念和生活结果密切相关。传统的人格评估方法多依赖于问卷调查，通过统计技术如因子分析来处理数据，这些方法虽然成熟，但存在一定的局限性，如难以适用于未被调查的新问题项，即它们的推广性有限。随着人工智能技术的快速发展，尤其是自然语言处理（NLP）领域的进步，为心理学研究提供了新的工具和方法。本研究即利用深度学习技术，尝试解决传统人格评估中的一些限制，特别是在新问题项的预测上的应用。
研究提出了一种基于深度学习的人格评估新方法，尤其是采用了SBERT（Sentence-BERT）模型来生成问题项的语义嵌入表示。这些嵌入向量能够捕捉问题项的语言特性和深层语义，为进一步的机器学习分析提供基础。
研究中首先将问题项文本输入SBERT模型，生成高维的语义嵌入向量。接着，使用这些嵌入向量作为特征，结合机器学习算法（如K最近邻回归）来预测新问题项的参与者评分。此外，通过10折交叉验证方法来评估模型的预测性能，确保研究结果的可靠性和泛化能力。
研究结果表明，该深度学习方法在预测未见问题项的评分上具有与人类评审相当的准确性，显示出深度语言模型在心理测评领域的潜力。此外，该方法还能根据问题项的语言内容准确聚类心理学构建，提供了一种成本效益高且可扩展的新型心理测评工具。
这项研究不仅展示了深度学习在心理学研究中的应用潜力，也为未来心理测评提供了新的方向，特别是在处理大规模数据和复杂问题项预测方面显示了巨大优势。通过这种技术，研究人员能够突破传统方法的局限，更广泛地探索人类心理和行为的复杂性。
Abdurahman S, Vu H, Zou W, Ungar L, Bhatia S. A deep learning approach to personality assessment: Generalizing across items and expanding the reach of survey-based research. J Pers Soc Psychol. 2024 Feb;126(2):312-331. doi: 10.1037/pspp0000480. Epub 2023 Sep 7. PMID: 37676124.
