Big Data zum Studium der Psychologie verwenden

Big Data in 3 Minuten erklärt (April 2019).

Anonim

Es gibt eine Menge Diskussion über den Wert von Big Data für Unternehmen. Zum Beispiel gleicht Amazon Ihre Einkäufe und Seitenaufrufe mit denen anderer Käufer ab und versucht, Personen mit ähnlichen Interessen zu finden. Dann schlägt Amazon den Kauf von Produkten vor, die diesen Leuten gefallen, unter der Annahme, dass Sie sie auch mögen werden.

Können große Daten verwendet werden, um Fragen zu beantworten, die für die Forschungsgemeinschaft in der Psychologie von Interesse sind? Seth Stephens-Davidowitz hat diese Frage in seinem faszinierenden Buch Everybody Lies ausführlich untersucht.

Was ich an Stephens-Davidowitz 'Buch mag, ist, wie klar es ist, was wir sowohl aus Big Data lernen können, als auch aus einigen der Dinge, für die es schwer zu nutzen ist.

Große Datenmengen eignen sich besonders gut für Fragen, auf die die Umfrageteilnehmer sonst nur ungern antworten. Oft zeigt die Art, wie Menschen mit Computern umgehen, Aspekte ihrer Interessen, die sie in einem Interview oder sogar bei einer anonymen Umfrage nicht ausdrücken würden.

Zum Beispiel untersucht Stephens-Davidowitz Daten im Zusammenhang mit der sexuellen Orientierung. Er weist darauf hin, dass es große regionale Unterschiede gibt, wie viele Männer berichten, dass sie schwul sind. Zum Beispiel, viel mehr Männer in Rhode Island identifizieren sich als schwul auf Umfragen als Männer in Mississippi. Es könnte sein, dass schwule Männer in tolerantere Staaten ziehen, aber es könnte auch sein, dass schwule Männer in weniger toleranten Staaten weniger wahrheitsgemäß auf Umfragen reagieren.

Stephens-Davidowitz nutzte Facebook-Daten darüber, wo Männer, die sich selbst als schwul identifizierten, geboren wurden und wohin sie zogen. Es gab eine Tendenz zur Bewegung von weniger tolerant zu toleranteren Orten. Aber diese Bewegung allein würde die großen regionalen Unterschiede in den Umfragen nicht erklären.

Er verwendete dann Daten von Google, die die Arten von Suchanfragen verfolgen und Informationen über die Orte liefern, aus denen diese Suchanfragen stammen. Insbesondere befasste er sich mit dem Anteil von Suchanfragen nach Pornografie, die spezifisch schwul-männliche Pornografie suchen. Etwa 5 Prozent aller pornografischen Recherchen von Männern waren für schwule Pornografie. Dies galt in praktisch jedem Staat in den USA, unabhängig davon, wie tolerant der Staat ist. Dies deutet darauf hin, dass etwa 5 Prozent der männlichen Bevölkerung von Männern angezogen wird und dass dies in jedem Staat gilt.

Große Datenmengen können auch verwendet werden, um Fragen zu beantworten, die auf andere Weise schwierig oder unmöglich zu beantworten sind. Mein Lieblingsbeispiel in diesem Buch kommt von einer Erforschung der Träume. Freud schlug vor, dass Träume unbewusste sexuelle Wünsche symbolisch offenbaren könnten. Eine Banane oder Gurke in einem Traum könnte dann ein Ersatz für einen Penis sein.

Es ist schwer, eine Theorie wie diese zu widerlegen, weil die von Freud diskutierten Wünsche unbewusst sein sollten. Das heißt, selbst wenn Menschen über ihre Träume sprechen, können sie definitionsgemäß nicht wissen, was der Traum bedeutet.

Stephens-Davidowitz nahm Daten aus einer App, die Beschreibungen von Träumen von Nutzern sammelte und die Beschreibungen von Träumen betrachtete und alle erwähnten Nahrungsmittel fand. Er untersuchte Faktoren, die vorhersagen, wie oft ein bestimmtes Nahrungsmittel in Träumen auftauchen würde, und stellte dann fest, dass die Häufigkeit, mit der diese Nahrungsmittel konsumiert wurden, ein großer Prädiktor ihres Auftretens in Träumen und der Schmackhaftigkeit der Nahrungsmittel war.

So gibt es phallische Lebensmittel in Träumen - Gurken und Bananen -, aber sie scheinen mehr mit der Häufigkeit zu erscheinen, in der sie gegessen werden als alles andere. Zum Beispiel, Gurken sind das siebte beliebteste Gemüse in Träumen, und sie sind auch die siebte beliebteste Gemüse insgesamt. Dies legt nahe, dass es keinen Grund gibt zu glauben, dass eine Banane in einem Traum mehr als eine Banane ist.

Schließlich ist Stephens-Davidowitz sehr gut darin, einige der Faktoren zu untersuchen, die die Analyse von Big Data unzuverlässig machen können. Angenommen, Sie haben ein komplexes Merkmal, wie Intelligenz, und Sie möchten wissen, ob es genetische Prädiktoren für Intelligenz gibt. Sie könnten versuchen, die Ergebnisse der IQ-Tests mit den Genen der Personen zu korrelieren, die diese Tests durchführen. Nun, da Wissenschaftler Daten über Gensequenzen für so viele Menschen haben, wurde diese Analyse mehrmals in verschiedenen Datensätzen durchgeführt.

Jedes Mal, wenn diese Analyse durchgeführt wurde, erscheinen bestimmte Gene als gute Prädiktoren für IQ-Scores innerhalb dieses Datensatzes. Das Problem ist, dass verschiedene Gene in verschiedenen Analysen aufgetaucht sind. Das passiert, weil Sie selbst dann, wenn Sie viele Daten haben, eine große Anzahl potenzieller Prädiktoren (wie Gene) haben und viele Möglichkeiten haben, eine Korrelation zu bemerken, die nur das Ergebnis einer zufälligen Variation in diesem Datensatz ist. Wenn Sie also einen Bericht hören, dass ein bestimmtes Gen gefunden wurde, das bestimmte Merkmale wie Intelligenz vorhersagt, sollten Sie es skeptisch behandeln, bis es für mehrere verschiedene Datensätze validiert wurde.

Big Data wird die traditionellen Methoden der Psychologie nicht ersetzen. Letzten Endes bieten Big Data Möglichkeiten, um zu sehen, wie verschiedene Aspekte der Umwelt zusammenhängen, aber sie können uns nicht sagen, welche Faktoren bestimmte Verhaltensweisen verursachen. Um dies zu tun, muss die Psychologie weiterhin die Art von Experimenten durchführen, die für das letzte Jahrhundert von zentraler Bedeutung waren. Big Data haben jedoch ein großes Potenzial, ein wichtiges Werkzeug für das Verständnis des Verhaltens von Menschen zu sein.

Folge mir auf Twitter.

Und auf Facebook und auf Google+.

Hier finden Sie Informationen zu meinem neuesten Buch Brain Briefs .

Schau dir meine Bücher Smart Thinking und Habits of Leadership und Smart Change an .

Hören Sie meine Radiosendung auf dem KUT-Radio in Austin Two Guys on Your Head und folgen Sie 2GoYH auf Twitter und auf Facebook. Die Show ist auf iTunes und Stitcher verfügbar.

Verweise

Stephens-Davidowitz, S. (2017). Jeder lügt . New York: Dey St. Verleger.