摘 要： 为探究大数据对安全心理学发展影响, 把握大数据背景下安全心理学研究方向, 基于大数据、安全心理学的理论, 提出安全心理大数据定义, 并阐述其内涵及研究意义。在此基础上, 分析对比安全心理大数据与样本数据差异性, 提出并解析安全心理大数据研究类型与准则, 提炼基于大数据思维的安全心理学6条基础原理, 构建安全心理大数据研究的“理论—技术—应用”三维结构体系。研究表明:基于大数据思维的安全心理学研究是未来发展趋势, 其研究内容包括安全心理大数据的理论基础与应用基础。
关键词： 大数据; 样本数据; 安全心理学; 安全心理大数据; 三维结构体系;
Abstract： To explore the influence of big data on the development of safety psychology, and master the research directions of safety psychology in the background of big data, based on the theories of big data and safety psychology, the definition of safety psychology big data was put forward, and its connotation and research significance were analyzed. On this basis, the differences between the safety psychology big data and the sample data were analyzed and compared. The types and criterions of research on safety psychology big data were proposed and analyzed, and the 6 basic principles of safety psychology based on big data thinking were proposed, then the three-dimensional structure system of theory, technology and application for the research on safety psychology big data were constructed. The results showed that the research of safety psychology based on big data thinking is the future development trend, and its research contents include the theoretical basis and application foundation of safety psychology big data.
Keyword： big data; sample data; safety psychology; safety psychology big data; three-dimensional structure system;
0、 引言
安全心理是指人克服心理波动因素及其发挥防止事故发生的能力, 对降低事故率、减少事故损失、发挥人的主观能动性具有重要作用[1]。2008年英国《Nature》期刊提出大数据[2], 转变以往数据处理理念, 放弃探求事物因果性, 挖掘其关联性, 而内隐心理状态与外显不安全行为表现具有关联性。因此, 可运用大数据思维研究安全心理问题, 挖掘内隐心理与外显行为关联性, 从而预测或干预个体、群体乃至行业安全心理状况。
大数据思维是科学研究的一种新思路, 越来越多学者运用大数据思维研究安全问题。如SHIQ等[3]研究智能交通系统大数据在交通监控的应用;WANG Y等[4]研究食品大数据在安全预警的应用;GUO S Y等[5]通过事故案例开发出识别不安全行为的大数据应用平台;王秉等[6,7]基于大数据在安全科学应用, 提出安全大数据概念及其9条应用基础理论;郭圣煜等[8]利用不安全行为照片构建关联规则数据库。传统安全心理定量研究通过统计学抽样方法挖掘归纳职工安全心理规律[9,10,11,12,13], 其研究精度易受外界影响因素干扰且主观因素权重较大, 而大数据思维从总体出发研究其关联性[6], 克服样本实验本质误差, 因此, 可运用大数据思维研究安全心理学。
鉴于此, 基于大数据背景下的安全心理学内涵提出安全心理大数据定义, 分析对比安全心理大数据与样本数据差异, 探究安全心理大数据研究类型、研究准则、基础原理、研究内容, 为大数据融合于安全心理学研究提供理论基础。
1、 安全心理大数据提出
1.1、 定义与内涵
安全心理通过外显行为表现推测内隐心理变化, 解释、预测、调控人的行为, 发挥人防止事故的能力, 从而提高人的安全性与可靠性。传统安全心理学研究通过抽样调查范式统计归纳安全心理特征与规律[14], 如观察法、调查法、测验法、实验法等, 但实验样本有限, 难以获取千人乃至万人以上样本容量[15], 且样本揭示安全普适性规律需满足统计抽样先决条件, 即样本抽取是随机的、机会均等的, 样本容量能代表整个安全心理研究人群。但由于工种、年龄、教育、环境、文化等因素影响, 实验样本往往不能满足先决条件, 其实验结果重复性与普适性较低[15], 难以在安全生产领域产生重大影响及应用价值。随着大数据技术不断发展, 可实时采集、处理、挖掘数据且以可视化方式呈现[2]。大数据研究对象是总体, 不受样本约束, 突破以往只能研究样本、没有能力研究总体的缺陷, 消除统计抽样范式先决条件束缚。因此, 安全心理大数据是安全心理学创新研究范式理论基础。结合安全心理学、大数据及相关学科的研究成果, 提出安全心理大数据的定义。
安全心理大数据是生产作业人员内隐心理指标参数及外显行为表现所形成的结构化、半结构化与非结构化数据的集合, 通过数据挖掘技术, 可形成有价值的安全生产信息服务。
安全心理大数据内涵与属性可从以下几点进一步解释:
1) 安全心理大数据的大小超出统计分析软件工具在需求时间内最大数据计算处理能力, 且现有计算机的存贮模式、计算模式不能满足其要求。
2) 安全心理大数据的数据集合包括安全心理相关的内隐与外显因素所形成的数字、文本、音频、视频、图片等海量信息的集合, 数据类型繁杂且信息价值密度低, 经过数据挖掘后能提供具有价值的安全活动信息服务。
3) 安全心理大数据处理全体数据, 分析安全心理因素关联性, 即只需知道某些安全心理因素存在关联性, 不需探究其因果性。
1.2、 研究意义
分析安全心理大数据的定义、内涵与属性, 基于大数据思维的安全心理学研究具有如下研究意义:
1) 安全心理大数据的关联规则可挖掘安全心理未知规律, 扩展安全心理研究领域, 验证安全心理样本研究规律的普适性与可靠性, 修正样本研究误差。
2) 该研究可实时预测安全心理趋势, 针对性提供安全信息服务, 从而识别“事故倾向个体”, 改进安全教育与培训, 宏观调控安全心理氛围。
3) 该研究对工业设备设施设计、安全决策、安全投入等提供指导依据, 从而提高作业人员安全生产的主观能动性, 充分发挥人防止事故发生的能力。
4) 安全心理大数据为安全心理学的研究找到全新切入点, 对提高安全心理科学水平与完善安全心理科学研究方法具有重要作用。
2、 安全心理大数据与样本数据差异
随着科学技术的发展, 实时跟踪记录安全心理关联的内隐心理状况参数与外显行为表现成为现实, 数据规模急剧膨胀, 传统软件工具不能满足数据处理要求, 安全心理样本研究逐渐转向安全心理大数据研究。安全心理大数据与安全心理样本数据之间有何差异, 从数据来源、数据类型、数据容量、数据价值、数据关系、研究要求、研究周期、研究投入、研究思维、研究方法、研究技术、研究结论12个方面分析对比其差异, 如图1所示。
3、 安全心理大数据研究类型与准则
3.1、 研究类型
不同安全活动需求以不同安全心理大数据视角研究, 到达事半功倍的效果。基于安全大数据思维, 考虑内隐心理状态与外显行为表现的关联性[16]、人数的安全心理内涵属性[17]、安全心理研究的偏重点[17]、安全心理数据的形成状态[6]、安全心理研究的对象范围[6]、应用行业的危险状况[6]、安全心理数据的收集方式[18]等研究侧重点, 从心理表现、人数规模、研究层次、更新状态、系统视角、危险系数、收集方式7个视角对安全心理大数据进行分类 (表1) 。需要注意的是, 随着大数据、安全科学、心理学的发展, 安全心理大数据分类方式可能会随之改变, 并不是一成不变。
3.2、 研究准则
运用安全心理大数据研究问题时, 要使安全心理研究结论可靠、普适, 需保证源数据具有真实、可靠、原始、完整等特征, 即不能擅自删除、过滤、清洗相关源数据, 以免影响研究结论。因此, 源数据是研究安全心理大数据的基础, 是其研究分析的源泉。
安全心理因素关联性是安全心理大数据的研究思维。即根据需求设置最小支持度阈值与最小置信度阈值, 若研究结论小于最小支持度阈值或最小置信度阈值, 数据自动过滤, 只有同时大于最小支持度阈值及最小置信度阈值, 数据才保存继续挖掘, 直至符合实际需求。随着设备趋向于小型化、智能化、操作简单化, 安全心理的研究工具也发生相应改变, 从可穿戴设备、移动智能终端、虚拟现实技术、可视化技术等进行研究, 且以电子数据形式源源不断与云端交互, 从根源消除人为采集数据误差。因此, 思维与工具是研究安全心理大数据的翅膀, 推动安全心理学的发展。
图1 安全心理大数据与样本数据差异分析流程Fig.1 Difference analysis flow of safety psychology big data and sample data
表1 安全心理大数据研究类型Table 1 Research type of safety psychology big data
表1 安全心理大数据研究类型Table 1 Research type of safety psychology big data
研究安全心理大数据时, 需采取科学严谨的处理步骤。安全心理大数据处理步骤为数据的采集、导入与预处理、统计分析、数据挖掘, 再根据需求选择不同的处理方法, 从而以可视化的方式呈现研究结论。因此, 步骤是研究安全心理大数据的规范, 以达到事半功倍的效果。
综合上述分析, 从安全心理大数据的数据要求、研究思维、研究工具、处理步骤4个方面提出安全心理准则体系, 如图2所示。
图2 安全心理大数据研究准则体系Fig.2 Criterion system of safety psychology big data
4、 安全心理大数据基础理论与研究内容
4.1、 基础原理
研究安全心理大数据是未来发展趋势, 其基础原理是研究安全心理学的支柱, 基于大数据思维提出安全心理数据总体原理、安全心理关联性原理、安全心理状况预测原理、安全心理技术整合原理、安全心理数据服务原理、安全心理信息需求原理6条安全心理学基础原理。
1) 安全心理数据总体原理。安全心理大数据的源数据采集不是随机抽样, 而是整个研究人群, 即全体数据, 符合统计学总体研究。研究不安全行为与心理状况关系, 安全心理样本研究需满足统计学先决条件且实验影响因素简化、修正, 研究结论由于人数规模限制普适性低, 安全心理大数据研究的是整个研究人群, 其研究结论更具有普适性、可靠性、精确性, 即总体数据的简单算法比样本数据的复杂算法更有效。
2) 安全心理关联性原理。安全心理数据的关联性是安全心理大数据研究思维。关联性是指根据需求设置最小支持度阈值与最小置信度阈值, 通过数据挖掘快速获得有价值安全心理信息。关联性最大优势是探索未知的安全心理规律特征, 拓宽安全心理学研究体系, 验证安全心理样本研究的可靠性。如Golder[19]利用大数据思维分析心理学数据关联性, 挖掘2008年2月~2010年1月期间全球84个国家约240多万用户的5亿多条Twitter数据的情绪信息, 得到积极情绪与消极情绪的波动模式。
3) 安全心理状况预测原理。随着可穿戴设备的普及, 在不影响被研究对象前提下可实时跟踪安全心理因素指标, 再加上智能设备、通信技术、互联网技术自动保存、更新安全心理因素的电子数据, 通过大数据挖掘技术, 可实时预测个体、群体乃至行业的安全心理状况, 为安全决策与管理提供可靠依据。如Candás J L C等[20]利用数据挖掘技术, 通过可穿戴设备可预测精神异常人群。
4) 安全心理技术整合原理。安全心理大数据核心是整合前沿技术研究内隐与外显关联性。安全心理样本研究最大制约是技术制约, 即数据如何大规模采集、收集、处理。随着大数据对现有通信、传感、虚拟现实等前沿技术的整合, 实时全程记录安全心理痕迹数据成为现实, 安全心理大数据得以产生、发展和应用。
5) 安全心理数据服务原理。安全心理大数据并不等同于海量的安全心理数据, 其核心是安全心理数据能转化成有价值的安全信息服务。如实时监测记录个体安全心理状况, 识别不同时段“事故倾向人员”, 从而提供人因危险预报信息服务。
6) 安全心理信息需求原理。不同行业、规模、性质的企业对安全心理信息需求是不一致的, 因此大数据根据应用需求选择不同技术层次、人数规模、安全心理因素等条件进行数据挖掘, 从而实时快速处理分析安全心理数据, 满足于安全心理实际应用, 即应用需求是推动安全心理大数据发展的动力。
4.2、 研究内容
安全心理大数据的推广、发展、传播、应用必须要有理论为基石, 其理论基础可分为4个层次。第一层次为安全心理大数据的定义、内涵、属性等构建理论基础;第二层次为安全心理大数据的统计、分析、挖掘等算法理论基础;第三层次为安全心理大数据的价值信息服务等实践理论基础;第四层次为安全心理大数据的现状与未来发展趋势等发展理论基础。
安全心理大数据要应用于安全生产信息服务, 必须要以技术为支撑, 基于安全心理大数据处理过程 (采集、导入、分析、挖掘、结果) , 从数据采集技术、数据存储技术、数据处理技术、数据计算技术、可视化法技术进行技术研究, 不断完善安全心理大数据应用技术基础。
安全心理大数据的核心是提供有价值的安全信息服务能力, 随着研究对象的不同, 安全心理大数据的安全信息服务内涵随着改变, 可从个体、小群体、大群体、行业群体进行应用研究。如个体安全心理大数据提供“事故倾向”预警服务, 群体安全心理大数据提供安全教育培训、安全管理等反馈修正服务, 行业安全心理大数据提供宏观调控安全心理氛围服务。
依据上述研究内容分析, 可从理论、技术、应用3个层面研究安全心理大数据, 因此, 提出安全心理大数据研究的“理论—技术—应用”三维结构体系, 如图3所示。
图3 安全心理大数据三维结构体系Fig.3 The three-dimensional structure of safety psychology big data
5、 结论
1) 安全心理大数据是生产作业人员内隐心理指标参数及外显行为表现所形成的结构化、半结构化与非结构化数据的集合, 通过数据挖掘技术, 可形成有价值的安全生产信息服务。安全心理大数据的大小超出统计分析软件工具在需求时间内最大数据计算处理能力, 且现有计算机的存贮模式、计算模式不能满足其要求。
2) 从数据来源、数据类型、数据容量、数据价值、数据关系、研究要求、研究周期、研究投入、研究思维、研究方法、研究技术、研究结论12个方面分析对比安全心理大数据与样本数据的差异;安全心理大数据的研究分类主要包括心理表现、人数规模、研究层次、更新状态、系统视角、危险系数、收集方式7个视角;安全心理大数据研究准则体系表明安全心理大数据的研究要求包括数据要求、研究思维、研究工具、处理步骤4个方面。
3) 安全心理大数据的基础原理主要包括安全心理数据总体原理、安全心理关联性原理、安全心理状况预测原理、安全心理技术整合原理、安全心理数据服务原理、安全心理信息需求原理6条;安全心理大数据三维结构体系表明安全心理大数据的研究维度包括理论、技术、应用3个层面。
参考文献：
[1]邵辉, 王凯全.安全心理学[M].北京:化学工业出版社, 2004:1-3.
[2]Nature.Big data[EB/OL].[2008-09-23].http://www.nature.com/news/specials/bigdata/index.html.
[3]Shi Q, Abdel-Aty M.Big Data applications in real-time traffic operation and safety monitoring and improvement on urban expressways[J].Transportation Research Part C Emerging Technologies, 2015, 58:380-394.
[4]Wang Y, Yang B, Luo Y, et al.The Application of Big data Mining in Risk Warning for Food Safety[J].Asian Agricultural Research, 2015 (8) :6-8.
[5]Guo S Y, Ding L Y, Luo H B, et al.A Big-Data-based platform of workers'behavior:Observations from the field[J].Accident Analysis&Prevention, 2016, 93:299-309.
[6]王秉, 吴超.基于安全大数据的安全科学创新发展探讨[J].科技管理研究, 2017, 37 (1) :37-43.WANG Bing, WU Chao.Study on the innovation research of safety science based on the safety big data[J].Science and Technology Management Research, 2017, 37 (1) :37-43.
[7]欧阳秋梅, 吴超, 黄浪.大数据应用于安全科学领域的基础原理研究[J].中国安全科学学报, 2016, 26 (11) :13-18.OUYANG Qiumei, WU Chao, HUANG Lang.Research on basic principles of applications of big data in field of safety science[J].China Safety Science Journal, 2016, 26 (11) :13-18.
[8]郭圣煜, 骆汉宾, 滕哲, 等.地铁施工工人不安全行为关联规则研究[J].中国安全生产科学技术, 2015, 11 (10) :185-190.GUO Shengyu, LUO Hanbin, TENG Zhe, et al.Research on association rules of unsafe behavior for metro construction workers[J].Journal of Safety Science and Technology, 2015, 11 (10) :185-190.
[9]栗继祖, 钟治国.员工安全心理调查与对策[J].现代职业安全, 2016 (2) :110-113.LI Jizu, ZHONG Zhiguo.Investigation and countermeasure of employee safety psychology[J].Modern Occupational Safety, 2016 (2) :110-113.
[10]张玉婷, 魏晓昕, 栗继祖.煤矿工人特质焦虑状况与不安全心理研究[J].煤矿安全, 2015 (7) :245-248.ZHANG Yuting, WEI Xiaoxin, LI Jizu.Study on trait anxiety status and unsafe mentality of miners[J].Safety in Coal Mines, 2015 (7) :245-248.
[11]仝世渝, 周婧婧, 胡启明, 等.电力员工安全心理状况研究[J].电力安全技术, 2013 (3) :7-14.TONG Shiyu, ZHOU Jingjing, HU Qiming, et al.Research on safety psychology status of electric employees[J].Electric Safety Technology, 2013 (3) :7-14.
[12]李乃文, 姜秋敏.矿工不安全心理的结构和测量[J].心理学探新, 2010 (3) :91-96.LI Naiwen, JIANG Qiumin.Structure and measurement of miners'unsafe psychology[J].Psychological Exploration, 2010 (3) :91-96.
[13]金兰军, 曲以智, 张玲, 等.某航空公司航空安全心理状况调查与分析[J].中国民用航空, 2008 (2) :38-40.JIN Lanjun, QU Yizhi, ZHANG Ling, et al.Investigation and analysis on aviation safety psychology status of an airline company[J].China Civil Aviation 2008 (2) :38-40.
[14]胡晓娟, 吴超.人的安全心理特性研究方法的综述研究[J].中国安全科学学报, 2009, 19 (7) :5-13.HU Xiaojuan, WU Chao.Review on the studying methodologies of human safety psychological characteristics[J].China Safety Science Journal, 2009, 19 (7) :5-13.
[15]喻丰, 彭凯平, 郑先隽.大数据背景下的心理学:中国心理学的学科体系重构及特征[J].科学通报, 2015, 60 (S1) :520-533.YU Feng, PENG Kaiping, ZHENG Xianjun.Big data and psychology in China:The discipline system reconstruction and characteristics of Chinese psychology[J].Chinese Science Bulletin, 2015, 60 (S1) :520-533.
[16]吴超.安全科学方法论[M].北京:科学出版社, 2016.WU Chao.Methodology of safety science[M].Beijing:Science Press Co.Ltd., 2016.
[17]康良国, 吴超, 黄锐.相似安全心理学的基础研究[J].中国安全科学学报, 2017, 27 (4) :19-24.KANG Liangguo, WU Chao, HUANG Rui.Research on foundation of similarity safety psychology[J].China Safety Science Journal, 2017, 27 (4) :19-24.
[18]李晶, 俞国良.大数据视野下的心理学与教育学研究变革[J].中国人民大学教育学刊, 2015 (4) :57-69.LI Jing, YU Guoliang.Psychology and education research transformation from the perspective of big data[J].Renmin University of China Education Journal, 2015 (4) :57-69.
[19]Golder S A, Macy M W.Diurnal and seasonal mood vary with work, sleep, and daylength across diverse cultures[J].Science, 2011, 333 (6051) .
[20]Candás J L C, Peláez V, López G.An automatic data mining method to detect abnormal human behav-iour using physical activity measurements[J].Pervasive and Mobile Computing, 2014, 15:228-241.
