用巨量資料看人心

談心說理

2020-10-01 曾祥非

近年科學家試圖藉由網路關鍵字的搜尋熱度，做為研究心理態度的新工具。

新冠肺炎尚在全球肆虐，台灣卻防疫有成，許多國際論文分析台灣的「成功秘訣」，其中台灣民眾對防疫的高敏銳度與謹慎態度被視為關鍵因素。有趣的是，「敏銳度」和「態度」這種看不見、摸不著的心理敘述，要如何用科學方式來量化呢？

過去心理學家會設計實驗或問卷，近年來巨量資料分析盛行，許多研究團隊跳過傳統實驗，直接蒐集並分析使用者生活中的數據。Google在2009年分析了與流感相關的關鍵字在美國各地的Google搜尋趨勢（Google Trends, GT），發現GT蒐集到的數據與美國疾病防制中心（CDC）分析民眾就診記錄所得到的分佈結果相符，相較於從傳統管道抓資料，還省下一、兩週的時間，從此開啟巨量資料時代。

我和台北醫學大學巨量資料團隊在近期抓出今年2月台灣、日本、南韓民眾在Google上搜尋新冠肺炎相關字詞的趨勢圖。在上圖中，三個國家在1月底都出現高峰，正好是中國武漢剛傳出新冠肺炎消息的時間點；接著2月底到3月初又有另一高峰，當時三個國家皆陸續出現確診病例。值得注意的是2月初到中旬，中國新冠肺炎新聞的熱潮已過，台灣的搜尋量仍居高不下，日本和南韓的搜尋熱度則降溫較快，這段為期兩到三週的「潛伏期」，搜尋熱度似乎可預測3月的疫情發展。

GT既即時又貼近人們生活，莫非搜尋熱度就是心理學家期待已久的預測神器？2011年8月~2013年9月（共108週），GT高估了其中100週的流感盛行率；而在流感高峰期，GT估計美國有11%的人得到流感，比CDC的數據（6%）高出近一倍。剎那間GT跌落神壇，也跌破眾人眼鏡。問題癥結點之一是我們不確定人們為何搜尋關鍵字？是生病了想獲得醫療資訊（GT研究美國流感盛行率的邏輯），還是擔憂會生病所以搜尋疫情消息並準備「超前部署」（我們團隊解讀上圖的邏輯）？前者是得到流感的潛在族群，後者則大部份是健康族群，在不細分關鍵字種類下，兩者在GT定義中都是「+1」。時間順序或許是線索，如果人們搜尋尚未發生的事，那麼關鍵字反映的可能是態度，而非結果。2015年學者藉由GT預測該年希臘公投結果是否接受國際紓困，之後成功預測為「拒絕」。但另一團隊使用GT預測2008和2010年美國國會選舉結果，卻發現GT在選情膠著的地區預測能力並不高，可能是因為選民不只搜尋支持的候選人，也會搜尋競爭對手的負面資訊。

巨量資料究竟是否適合用於研究人心？我持樂觀態度，但科學家（尤其是心理學家）在解釋所謂客觀的巨量資料時必須謹慎，並納入使用者的族群分佈（例如數據能代表全國，還是只能代表常上網的族群）與時空背景。說來弔詭，這些數據最初運用來研究心理學，但是在解釋分析結果時，又不能缺少對人們心理的描述，這也反映出心理學是一門艱難的科學，但也因此有趣！