“基于大数据的质性研究”在心理学中的应用

于战宇 于颖颖 张琳然 马跃 贾林祥

摘 要 作为心理学研究中的重要方法，大数据和质性研究逐渐获得了研究关注与应用。目前，大数据在心理学中的应用聚焦于公共社会事件，质性研究在心理学中的应用范围有待进一步扩展，同时二者的结合研究尚未得到关注。本研究针对“基于大数据的质性研究”在心理学中的应用进行深入论证，分析这一混合研究方法的理论依据，首次提出具体行动路径，并阐述其在心理学中的优势、应用现状和未来研究方向，为心理学研究方法的创新提供新思路，使心理学在未来跨学科的发生与发展、解决实际社会问题中发挥真正切实的作用。

关键词 心理学;大数据;质性研究;混合研究

分类号 B844

DOI： 10.16842/j.cnki.issn2095-5588.2021.12.006

作为一门交叉学科，心理学的核心宗旨在于探寻心迹，理解人生，增进人类福祉和安康（杜刚等， 2021）。但传统学院式心理学，甚至整个心理界都存在“重量化、轻质性”的研究趋势，这限制了研究结果向实践运用的转换效能（Willig， 2013）。因此，越来越多的研究主张只有将科学主义与人文主义心理学整合起来、融为一体，才能构成心理学的完整图景（叶浩生， 2009）。而且，多样化的世界观以及实用主义哲学为量化与质性研究的整合发展提供了理论基础，二者在优势特点和实践层面也都可以互为补充（徐建平等， 2019; 杨智辉， 2011），混合方法的尝试与应用可促进心理学研究方法从“一元”向“多元”的转化（姜永志， 白晓丽， 2014; 麻彦坤， 2019）。

目前，互联网在新时代发展中具有不可或缺的重要作用，大数据在心理学量化研究中正逐渐得到关注与发展（朱廷邵等， 2015）。本研究将论证“基于大数据的质性研究”在心理学中应用的理论基础、行动路径、应用优势及现状，这些问题的阐释既有利于切实发挥心理学的育人功能，又可以促进心理学与其他学科的交叉融合发展，践行新文科等教育理念（黄启兵， 田晓明， 2020）。

1 大数据在心理学中的应用

1.1 大数据的概念

大数据（Big Data），又称海量数据，是指所涉及的数据量规模巨大到无法通过人工在合理时间内达到截取、 管理、 处理、 并整理成为人类所能解读的信息（Sanghun et al.， 2021; 王娱琦等， 2015），它具有体量浩大、模态繁多、生成快速和价值巨大但密度很低的特点（李国杰， 程学旗， 2012）。大数据有利于心理学研究逻辑从先验至后验的转变，解决了心理学研究中真实性受质疑、代表性不足、可重复性差的问题（朱廷劭等， 2015）。

1.2 大数据在心理学中的应用现状

目前，国外该领域的应用研究相对较多。如Golder和Macy（2011）通过Twitter用户的5亿条数据，确定了全球文化中个人层面的日间和季节性情绪节奏，明晰了睡眠对情绪的重要影响。Kosinski等（2013）根据Facebook用户的点赞情况，准确预测出一系列高度敏感的性取向、使用上瘾等个人属性。Psychological Methods期刊还曾推出“Big Data in Psychology”特刊，在跨学科合作、大型数据集、伦理道德和预测模型等方面取得了较为丰富的研究成果。

与之相比，国内该领域研究处于起步阶段（柴民权， 汪新建， 钟年， 2014），如赵楠和郝碧波（2015）通过新浪微博数据评估并建立了社会媒体的人格、心理健康等心理特征的预测计算模型。高旭东等（2019）以长生疫苗事件为例，借助大数据分析了网络舆情的状况、特点及演变趋势。刘兴云等（2019）在文本分析基础上結合用户的行为数据分析，建立了自杀意念识别模型。因此，相关实证研究的数量及系统性有待提高。虽然有研究尝试将云计算、机器学习、人工智能等引入心理学研究变革中，但均未涉及具体的数据搜集与分析方法（肖前国， 余嘉元， 2017）。同时，理论分析研究较多、实施路径较少、存在数据孤岛现象（杨学成， 许紫媛， 2020; 张廷钊， 2018; 赵需要等， 2019）。

由上述可知，国内外大数据的心理学应用水平存在差异，但大数据的归纳预测与模型建立等量化分析可为心理学的发展提供方法变革，进而推动心理学理论内容的完善与更新。

2 质性研究在心理学中的应用

2.1 质性研究的概念

质性研究（Qualitative Research），又称“定性研究”，指研究者参与到自然情境之中充分地收集资料，对社会现象进行整体性探究，采用归纳的思路分析资料并形成理论，通过与研究对象的实际互动来理解他们的行为（陈向明， 1996， 2000）。质性研究方法包括扎根理论、民族志、现象学、叙事研究、个案探究等方法，其中扎根理论是质性研究最常用的方法之一（张秀敏， 杨莉萍， 2018），本研究也主要围绕扎根理论取向的质性研究展开论证。所谓扎根理论，是指经由系统化的资料搜集与分析，而发掘、发展，并已暂时地验证过的理论，其研究方法更适用于信息化的数据收集与分析，研究内容更倾向理论概念的形成和社会问题的解决，研究过程与大数据收集和分析过程相匹配（李志刚， 2007），其三级编码模式如图1所示（Glaser & Strauss， 1967）。

2.2 质性研究在心理学中的应用现状

自1980年起，质性研究便得到了国外研究的关注和逐渐认可（Brinkmann & Kvale， 2015）。以最新研究为例，Grzanka（2021）利用情境分析，帮助研究者通过三个映射程序进行情境、位置和社会世界/竞技场地图的结构分析，促进了心理咨询的发展。Montali等（2019）描述了意大利社会和组织心理学中质性研究的现状，总结不同领域数据分析的参考来源和流行率，提高了各行业数据分析效率。而且，国外还创立了质性研究期刊——Qualitative Research in Psychology，以推动心理学研究方法的专门化与完善化（Nina & Michelle， 2021）。

国内对质性研究的关注始于1996年（陈向明， 1996， 2008），且近三年研究内容主要涉及急诊科护士的职业幸福感（王雪琴等， 2017）、探索基督徒祷告过程中人神依恋关系（张秀敏， 杨莉萍， 2018）、冒犯者得到宽恕以后的行为及其影响因素（张田， 傅宏， 2018）、脱贫内生动力机制（傅安国等， 2020）、青少年犯罪心理成因（王旌宇等， 2020）、积极心理学团体辅导对大学生的影响（张万强， 聂紫彤， 2020）、高校青年外语教师职业倦怠（张丽， 2020）、中青年脑卒患者在住院期间的感恩心理体验（刘倩等， 2021）、团体成员共情的影响因素（邵瑾， 樊富珉， 2021）、疫情背景下的死亡心理阶段（孟祥寒等， 2021）。

虽然国内的心理学质性研究越来越得到认可，主题也逐渐丰富，但以质性研究、质性方法等为关键词进行文献梳理分析可知，国内外质性研究发展差距较大（见图2），国内研究需加大对这一方法的关注与使用度，或者提出更加有利于心理学整合发展的其他研究方法，例如混合研究方法（何吴明， 郑剑虹， 2019）。

3 “基于大数据的质性研究”在心理学中的应用3.1 “基于大数据的质性研究”应用于心理学的理论基础  大数据研究归属于量化研究，是对世界的数字表征进行分析的研究方法，包括问卷数据、生理或生物学数据等;质性研究是收集和分析世界的非数字表征的研究方法，包括访谈、 文本、 叙事、 图片、 觀察等（Yoshikawa et al.， 2008）。“基于大数据的质性研究”其本质是将大数据的收集和分析与质性研究相结合，是一种混合研究方式，大数据是心理学在新时代中的新兴量化研究方法，它可以帮助传统心理学扩大研究对象的范围，提高研究效率;扎根理论取向的质性研究方法同样需要对资料进行挖掘与发展，其研究过程与大数据收集和分析过程相匹配。“基于大数据的质性研究”通过微型访谈确定一级编码点后，借助互联网获取海量数据，并继续使用质性研究方法，如扎根理论等，对数据进行处理和加工，最终进行主题分析与结果呈现。

虽然质和量的方法在概念、理论基础、研究目的、样本抽样、研究者角色、面对问题等各方面都有较大差别（陈晶， 2007）， 但目前，主流观点认为不同的研究方法对心理学研究都有贡献（周明洁， 张建新， 2008），没有任何一种研究方法可以主宰社会现象的推论，占主导地位的量化方法应该吸收其他研究方法之所长（Trow， 1957）。

“混合方法研究”（Mixed Methods Research）是质性-量化交互式的连续统一体，而非独立的个体（Yoshikawa et al.， 2008）。研究者可以以动态的方式在概括化与情境化、解释与理解、归纳和演绎、假设检验与假设生成之间设计研究（麻彦坤， 2019）。相比于量化研究和质性研究，混合方法在丰富实验参与者、验证工具有效性、评价干预效果、增加研究显著性等方面具有良好的应用价值（徐建平， 张雪岩， 胡潼， 2019）。目前，有关混合研究方法也存在多种解释。Bryman等（2008）提出了四种主要的混合方法设计：三角设计、嵌入式设计、解释性设计、探索性设计，它们分布于单阶段或两阶段方法中。陈向明（2008）认为质与量研究方法的结合方式可分为整体式结合和分解式结合，体现在某研究量与质使用顺序或发挥作用的比重不同，且当前两者的结合呈现出三种趋势。一是将质性数据尽可能量化;二是方法论的多元，建立核心概念测量模型将二者结合;三是通过质性方法弥补量化研究过度形式化的弊端，对核心概念进行质性研究。最后，针对混合研究中如何确保质性与量化的平衡这一重要问题，Morgan（1998）认为，确定混合权重应依据量化或质性哪种资料搜集方法最有助于达到研究目的而定，所以在现实研究中，混合研究者应该在明确自己的研究目的后再进一步确定混合的权重。因此，研究者应关注的是质性研究方法和量化研究方法究竟在何种情况下使用最为恰当，而不是质性研究与量化研究的方法应不应该被同时使用的问题（姜永志， 白晓丽， 2014）。

整理国内外量化与质性的混合研究内容后发现，国内有关混合研究这一范式的理论基础相对薄弱，研究的信度和效度存在较大争论。同时，混合研究对研究者的素养要求以及需要投入的时间、 精力、 经济成本较高。 所以，针对未来混合方法研究的发展，一方面需要加强理论建构，夯实理论基础，另一方面需要深入探究具体设计和实际操作方法，理论与实践双管齐下，在更广泛的领域应用、 推广、 检验、 完善（麻彦坤， 2019）。

3.2 “基于大数据的质性研究”应用于心理学的行动路径  基于大数据的质性研究的总体行动路径可以遵循“质—量—质”行动思路（见图3）。

3.2.1 微型访谈预分析，确定一级编码点

在进行大数据获取前，研究者要首先明确几个问题。第一，研究的目的什么，这将决定收集的数据种类和特点;第二，研究是为了解决什么样的问题;第三，通过数据收集与分析可能产生怎样的结论;第四，研究得出的结论可以帮助研究者给出哪些意见或做出什么决定。这是心理学研究的前期准备所需要清晰明确的研究目的和研究假设，在数据获取之前需要进一步回顾和确定，以保证数据获取的有效性和高效率。

以上问题确定后，便可以开始进行数据获取，具体包括以下过程。首先，第一种方法，研究者可以先通过微型访谈，确认提取的关键词，以作为一级编码点。在进行微型访谈时，为尽量减少主观性，提高关键词对研究问题的相关性和覆盖性，本研究建议采用“背对背”双主试的策略，对同一访谈内容进行一级编码点的提取。第二种方法，通过在研究主题相关网站内提取关键词，进行主题分析。质性访谈与网站编码点的结合分析，可增加编码点数量并提高编码点之间的语义关联性，使编码更加全面;同时还可以做到主客观相结合，降低人工分析的主观性和大数据提取的机械化。通过以上方法进行一级编码点的提取，可在降低收集信息难度的同时，提高信息的准确性，避免在大数据信息收集时出现与研究相关信息缺失的状况，降低编码点筛查时的理解偏差，为明晰某心理问题或现象的全貌夯实基础。

3.2.2 获取并清洗数据，获取二级编码点

研究及团队可使用互联网中公共开放的数据网站获取数据，如政府的开放数据、国际权威官方数据、专业资源与服务的数据平台等;也可以利用数据分析软件等方式自主从微博等互联网平台爬取数据;或通过清博数据等付费数据库进行数据获取，该过程可与多个公开数据库信息或与多个信息平台进行合作，以保证搜集信息的全面性和多样性。

获取数据过程中，还需要注意信息的真实性，例如从互联网上获取的信息是否都是自然人的表达，即是否会涉及人工智能的自动回复？针对这一点要注意剔除无效数据的干扰，时刻关注数据来源的真实性和有效性，才能得出更为精准的结论。再如，所获得的信息中，个体想法表露的程度有多少？由于不同话题、不同时间、不同地区、社会主流文化等因素的影响，根据研究课题要对个体想法的表露程度进行区分，以此揭示个体心理的复杂性和动态变化的过程。针对数据收集中可能出现的一系列问题，需要进行数据清洗。

数据清洗是对已经收集到的信息进行分类和整合，并去除掉无效信息。一方面，网络大数据的来源广泛，杂乱无章，各类数据的格式、字段等都需要统一，而后才能在统一格式下进行深入分析。另一方面，在数据清洗过程中要时刻考虑研究目的，降低清洗难度，避免清洗后仍存在无效数据的冗余。最后将清洗好的数据进行分类和整合，作为质性分析的二级编码点。

3.2.3 数据分析，概括三级编码点

数据分析的实质是收集数据加上得出结论。先通过质性研究方法，以扎根理论为指导，利用语料分析软件，或是主题分析模型的建构，对已经得到的二级编码点进行进一步加工提取，得出第三级编码点。

然后，可根据三级编码点利用分析软件，如Excel、SPSS、Python等进行数据分析。为保证分析有效，第一要学好数学，这是进行数据分析的基础，第二要熟练掌握各类分析工具，以便得出研究关注的结果，第三要学习编程语言，如R语言、C语言等，提高数据分析效率，第四是要让数据可视化，即对数据的描述采用图表等易于理解的形式对结论和理由进行阐述。最后，得出数据分析报告，完成论文或报告撰写。

3.3 “基于大数据的质性研究”应用于心理学的优势  面对大数据和质性研究本身所具备的优势和缺点，分析二者的特征，两者的结合运用可以更加符合量化与质性相结合的趋势。第一，大数据的应用可以有效解决质性研究中样本量小的缺点，样本数量呈几何倍增长，提高研究结果的应用性和可推广性，进而提高研究效度。第二，利用大数据可以加快访谈语料的处理速度，提高研究效率，幫助解决质性研究中扎根理论层面一级人工编码任务繁杂、编码效率低下和带有主观性的问题。第三，质性访谈的一级编码点均来自受访者的语料，大数据可以对质性研究的编码点进行补充，特别是质性访谈语料中未提及但与主题相关的一级编码点。第四，针对网络中可追踪到的数据记录，研究可根据其目的灵活选择时间跨度，展开动态深入的心理研究，弥补纵向研究耗费人力物力财力等缺点。第五，从互联网中提取的大数据样本来源多为“本土概念”，与质性研究相通（陈向明， 2000），两者的结合可以使心理学研究的生态效度得到有效保障。第六，样本量过大导致统计显著性的可能性增大，大量数据也会导致变量增大，当变量的数量很大即高维数据时，就会出现超拟合、虚假的群集、虚假的相关性、稀疏等问题（Chen & Wojcik， 2016）。“基于大数据的质性研究方法”通过微型访谈最先确定一级编码，可以减少因样本量过大而导致与其他无关变量产生虚假相关的可能性。第七，大数据的运用主要有描述和预测两种，通过大量数据的聚类分析可以更准确地描述某一心理过程或是对其进行精准预测，而在这个过程中加入质性研究的方法，不仅可以使描述变得更加全面、预测变得更加准确，还可以尽可能客观全面地揭示一个动态的心理变化过程。最后，基于大数据的质性研究，符合质性数据尽可能量化和通过质性方法弥补量化研究中过度机械化的弊端，在提高研究科学性的同时提高了研究的人文性，这不仅更加符合心理学的交叉学科特点，又可以使研究成果更好地贡献于社会心理服务体系的建构。

但需要说明的是，基于扎根理论取向的质性研究与量化研究均需要对数据进行挖掘和分析，本研究着重论证了基于大数据的扎根理论取向质性研究在心理学中的行动路径，并分析了其优势。但这并不意味着所有的质性研究方法均可以与大数据方法相结合。例如，现象学质性研究不重视对材料进行编码分析，个案探究又较难与大数据进行结合。如何提高这些取向的质性研究效度，以更好地发挥心理学的育人功能，仍需要进一步分析与建构。

3.4 “基于大数据的质性研究”在心理学中的应用现状  在管理学和经济学领域中，“基于大数据的质性研究”方法得到初步运用。展开来说，杨学成和许紫媛（2020）基于数据治理理论，运用扎根理论方法对英国开放数据研究所进行分析，考察了数据开放背景下多主体协同的机理，提出了数据共治模型，对数据开放背景下的多主体数据共治具有较好的理论启示与实践指导意义。王洁洁（2014）以新浪网上的旅游博文为分析材料，运用扎根理论探究了草根博客对旅游者出行意愿的影响。

在情报学领域，已开展部分“以网络为中介的扎根理论研究”。成俊会和李梅（2021）在新闻官媒、资讯短视频、人物专访等平台搜集了关于“江歌案”相关数据，采用扎根理论分析出不同情境中，诱发用户舆情评论行为的认知路径具有差异性。邓春林等（2020）围绕“张扣扣”事件，在微博中搜集数据并进行扎根分析，探究了微博用于情感倾向性及其应对策略。张鹏等（2019）针对“保姆纵火案”，同样在微博中搜集数据并进行扎根分析，探究了突发事件的情感分析与舆情引导策略。最后，同样使用扎根理论与微博数据，赵扬等（2015）区分了微博集群行为类型。

这些研究与本研究提出的“基于大数据的质性研究”较为相似，但不同之处在于，上述研究中的开放式编码是从原始资料中获得的，并通过概念间的比较来形成具体范畴，并需要在百万余条评论或留言中选取少部分作为原始资料。例如，有研究从260余万条评论中选取一万条作为原始资料（张鹏等， 2019），这有可能导致原始资料出现偏差。而本研究中“基于大数据的质性研究”则对此提出细化方案，认为在利用大数据进行开放式编码前，应先进行预防谈以确定一级编码点，并通过大数据来补充一级编码点的数量，这样可以提高原始资料的意义性和完整性。

但在心理学研究领域中，“基于大数据的质性研究”方法并未得到具体运用，仅有研究对大数据时代心理学的主题模型文本分析技术进行了综述分析（曹奔等， 2018）或实证研究，这些都可为“基于大数据的质性研究”方法提供间接支撑。例如，在“青岛天价虾”舆情事件中，张滨熠等（2018）采用主题模型文本挖掘技术，对七天的青岛大虾相关微博进行了话题分析，计算并分析了网民对此事件的看法和态度。谢士钰等（2021）采用主题模型方法对新冠肺炎的媒体报道进行文本分析，从新闻报道的数量分布、主题内容、发展趋势、情感倾向四个角度，认识我国主流媒体对于突发公共卫生事件报道的特点，以及中国政府和全社会应对疫情的响应机制。另外，朱代琼和王国华（2020）利用定性比较分析、案例分析和内容分析方法，结合三元交互决定论，通过逐级编码、提炼、得出框架、对变量进行赋值，最后分析数据结果，对突发公共事件中网络社会情绪的影响因素进行探究并提出应对方法。

由此可知，“基于大数据的质性研究”方法在管理学、经济学和情报学领域得到初步运用，但这一方法在心理学领域中还未展开具体应用研究。另一方面，基于大数据的主题模型文本分析技术较为复杂，耗时较长，对研究人员的专业素养要求较高，其研究成果也有待丰富。与之相比，大数据与质性研究相融合方法的难度较低，研究人员更容易学习与使用，且这一方法可以更好抓住个体心理特征的变化和事物动态发展的规律，以对个体心理或具体事件进行干预。所以，利用大数据和质性研究的混合方法，可以进一步扩展心理学研究的主题，未来可以从下述两个方面展开具体应用研究。

3.4.1 个体心理层面

一是对个体情绪变化过程和规律的研究。探究情绪变化的原因和产生的结果对个体如何更好进行自身的情绪调节有十分重要的影响（段文杰， 2017）。传统心理学对个体情绪的研究方法多采用自我测评的方法，利用大数据搜集可以更加全面且真实地记录个体情绪变化的全过程，质性研究方法可以更加全面细致地剖析个体情绪发生变化的可能性。

二是对个体个性特征的研究。传统的心理学研究主要利用实验法或问卷测量法对个性特征进行测量，Hall和Caton（2017）研究表明在整个社交媒体平台中，用户会有意识地以适合预期受众的方式表现自己，他们用增强回归模型对有薪亚马逊机械土耳其工人进行了一项案例研究，发现被试在Facebook上表现出不显眼的自我表现和个性识别。所以，利用網络大数据的方法也可以有效收集和总结出个体个性特征。Kern等（2014）使用来自Facebook用户的数百万个帖子，检查了个性特征与在线词语使用的相关性，为进一步理解人类心理提出了一种新的开放式语言分析方法。利用混合研究的方法可以帮助研究者更准确地确定个体的个性特征，也可以给予抑郁特质的个体必要的心理援助（刘兴云等， 2019）。所以，通过混合研究方法对幸福感、价值观等心理现象进行观察和分析，可以帮助心理学研究者更加全面准确了解个体心理。

3.4.2 社会心理层面

一是对特大事件社会情绪变化的研究。特大社会事件除了造成政治、经济等方面的影响外，也会使社会情绪受到波动，受到波及的个体可能会在短时间内恢复，也可能会受到相当长时间的影响（段文杰， 2017），如前所述的“青岛天价虾”“疫情和后疫情”等社会公共事件。

二是对伴随社会发展产生的社会问题和公众态度的研究。如近期娱乐圈整顿肃清，对于做出这一决定的原因、事件发展进程以及未来如何动态改变策略以实现最终目的等问题，可以通过数据和质性分析帮助领导层面做出科学又符合社会大众需求的决策。此外，一系列社会发展进程中产生的问题，如刻板印象、种族歧视等，均可采用“基于大数据的质性研究”方法进行深入分析。相关研究可以通过网络大数据收集公众对此类社会公众事件和社会发展产生的问题的观点和看法，在基本的描述和解释基础上，借助这一方法进行精准预测，服务于控制策略，推动社会的稳定可持续发展。

基于上述分析，大数据与质性研究的结合在心理学未来发展过程中很可能会成为重要的方法趋势，也有利于帮助心理学实现融合型学科的转型，但这需要越来越多的研究者共同关注与努力，使心理学在未来跨学科的发生与发展、解决实际社会问题中发挥真正切实的作用。

参考文献

曹奔， 夏勉， 任志洪， 林秀彬， 徐升， 赖丽足 … 江光荣 （2018）. 大数据时代心理学文本分析技术——“主题模型”的应用. 心理科学进展， 26（5）， 770-780.

柴民权， 汪新建， 钟年 （2014）. 第六届“心理学与中国发展论坛”会议纪要. 心理学探新， 35（1）， 96.

陈晶 （2007）. 现代心理学研究方法整合之路——质性与量化之整合. 科技资讯， （17）， 184-185.

陈向明 （1996）. 社会科学中的定性研究方法. 学术述评， 6， 93-102.

陈向明 （2000）. “本土概念”分析. 外语教学与研究（外国语文）， 32（3）， 196-240.

陈向明 （2008）. 质性研究的新发展及其对社会科学研究的意义. 教育研究与实验， 2， 14-18.

成俊会， 李梅 （2021）. 一成不变，还是情随境迁？——基于扎根理论的多情境微博舆情评论行为的生成机制研究. 情报杂志， 40（10）， 45-51.

邓春林， 贾懿， 隆征帆， 姜柳 （2020）. 基于扎根理论的微博用户情感倾向性分析及应对策略. 现代情报， 40（9）， 71-78.

杜刚， 黄希庭， 吕厚超， 岳童， 陈红 （2021）. 开放式主题访谈： 一种中国社区心理学研究范式载体. 西南大学学报（社会科学版）， 47（2）， 143-152.

段文杰 （2017）. 大数据心理学研究若干问题探讨. 学术论坛， 40（3）， 14-20.

傅安国， 张再生， 郑剑虹， 岳童， 林肇宏， 吴娜， 黄希庭 （2020）. 脱贫内生动力机制的质性探究. 心理学报， 52（1）， 66-80.

高旭东， 张红菱， 孔婵， 马岩 （2019）. 网络舆情视角下的突發公共卫生事件分析——以长生疫苗事件为例. 武汉轻工大学学报， 38（6）， 92-95.

何吴明， 郑剑虹 （2019）. 心理学质性研究： 历史、现状和展望. 心理科学， 42（4）， 1017-1023.

黄启兵， 田晓明 （2020）. “新文科”的来源、特性及建设路径. 苏州大学学报（教育科学版）， 8（2）， 75-83.

姜永志， 白晓丽 （2014）. 心理学质化研究与量化研究的对立与融合： 兼论心理学研究人文精神的回归. 心理研究， 7（4）， 9-15.

李国杰， 程学旗 （2012）. 大数据研究：未来科技及经济社会发展的重大战略领域——大数据的研究现状与科学思考. 中国科学院院刊， 27（6）， 647-657.

李志刚 （2007）. 扎根理论方法在科学研究中的运用分析. 东方论坛， 4， 90-94.

刘倩， 邱昌翠， 费燕， 于晓丽， 李晓凤， 王金宁， 朱晓萍 （2021）. 积极心理学视角下中青年脑卒中患者住院期感恩体验的质性研究. 解放军护理杂志， 38（8）， 31-64.

刘兴云， 刘晓倩， 向媛媛， 朱廷劭 （2019）. 人工智能大数据之于心理学. 科技导报， 37（21）， 105-109.

麻彦坤 （2019）. 心理学研究中质化与量化两种取向的对立与整合. 南京师范大学学报（社会科学版）， 5， 75-81.

孟祥寒， 李强， 徐永波， 周彦榜 （2021）. 新冠肺炎疫情影响下的死亡心理质性探究. 心理科学， 44（5）， 1224-1230.

邵瑾， 樊富珉 （2021）. 团体成员共情的影响因素及作用模型——基于扎根理论. 心理科学， 44（4）， 997-1003.

王洁洁 （2014）. 草根博客对旅游者出游意愿的影响——基于扎根理论的质性分析. 消费经济， 30（1）， 48-52.

王旌宇， 冯健新， 张玉清 （2020）. 心理学视角的青少年暴力犯犯罪成因探究. 现代交际， 3， 65-66.

王雪琴， 王丽， 潘庆， 姚银春， 姜翠凤， 杨正霞 （2017）. 积极心理学视角下急诊科护士性格力量的质性研究. 解放军护理杂志， 34（10）， 21-25.

王娱琦， 余震坤， 罗宇， 陈杰明， 蔡华俭 （2015）. 利用网络进行心理学研究：西方与中国概况. 心理科学进展， 23（3）， 510-519.

肖前国， 余嘉元 （2017）. 论“大数据”、“云计算”时代背景下的心理学研究变革. 广西师范大学学报：哲学社会科学版， 53（1）， 88-94.

谢士钰， 姜浩然， 肖光 （2021）. 重大突发公共卫生事件中的舆情特征及演化分析——以新冠肺炎疫情为例. 上海预防医学， 33（3）， 203-211.

徐建平， 张雪岩， 胡潼 （2019）. 量化和质性研究的超越：混合方法研究类型及应用. 苏州大学学报（教育科学版）， 7（1）， 50-59.

杨学成， 许紫媛 （2020）. 从数据治理到数据共治——以英国开放数据研究所为案例的质性研究. 管理评论， 32（12）， 307-319.

杨智辉 （2011）. 心理学研究方法中定量研究和质性研究的发展与整合. 中国健康心理学杂志， 19（12）， 1531-1533.

叶浩生 （2009）. 西方心理学中的质化研究思潮. 社会科学， 11， 113-118+190.

张滨熠， 周阳， 赵楠， 朱廷劭 （2018）. 基于微博大数据下的社会心态分析——以“青岛天价虾”事件为例. 城市与减灾， （2）， 26-29.

张丽 （2020）. 扎根理论指导下高校青年外语教师职业倦怠归因分析———基于Nvivo11的质性研究. 辽宁科技学院学报， 22（1）， 63-66.

张鹏， 崔彦琛， 兰月新， 吴立志 （2019）. 基于扎根理论与词典构建的微博突发事件情感分析与舆情引导策略. 现代情报， 39（3）， 122-131.

张田， 傅宏 （2018）. 冒犯者得到宽恕以后的行为及其影响因素：基于访谈的研究. 心理研究， 11（1）， 60-67.

张廷钊 （2018）. 浅论大数据时代的心理学研究变革. 心理月刊， 8（13）， 17.

张万强， 聂紫彤 （2020）. 积极心理学团体辅导对大学生自信心的影响. 现代交际， 19， 64-66.

张秀敏， 杨莉萍 （2018）. 基督徒祷告过程中人神依恋关系的质性探索. 心理学报， 50（1）， 115-129.

赵楠， 郝碧波 （2015）. 基于网络大数据的个体心理特征建模——网络用户的人格、心理健康与主观幸福感预测. 见 第十八届全国心理学学术会议摘要集——心理学与社会发展， 619-620.

赵需要， 侯晓丽， 徐堂杰， 陈红梅 （2019）. 政府开放数据生态链： 概念、本质与类型. 情报理论与实践， 42（6）， 22-28.

赵扬， 时勘， 王林 （2015） 基于扎根理论的微博集群行为类型研究. 情报科学， 33（4）， 28-34.

周明洁， 张建新 （2008）. 心理学研究方法中“质”与“量”的整合. 心理科学进展， 16（1）， 163-168.

朱代琼， 王国华 （2020）. 突发事件中网民社会情绪产生的影响因素及机理——基于三元交互决定论的多个案定性比较分析（QCA）. 情报杂志， 39（3）， 95-104.

朱廷劭， 汪静莹， 赵楠， 刘晓倩 （2015）. 論大数据时代的心理学研究变革. 新疆师范大学学报（哲学社会科学版）， 36（4）， 100-107.

Brinkmann， S.， & Kvale， S. （2015）. Interviews： Learning the craft of qualitative research interviewing. Los Angeles： Sage Publications .

Bryman， A.， Becker， S.， & Semptik， J. （2008）. Quality criteria for quantitative， qualitative and mixed methods research： A view from social policy. International Journal of Social Research Methodology， 11（4）， 261-276.

Chen， E. E.， & Wojcik. S. P. （2016）. A practical guide to big data research in psychology. Psychological Methods， 21（4）， 458-474.

Glaser， B. G.， & Strauss， A. L. （1967）. The discovery of grounded theory： Strategies for qualitative research.Chicago： Aldine Publishing.

Golder， S. A.， & Macy， M. W. （2011）. Diurnal and seasonal mood vary with work， sleep， and daylength across diverse cultures. Science， 333（6051）， 1878-1881.

Grzanka P. R. （2021）. The shape of knowledge： Situational analysis in counseling psychology research. Journal of Counseling Psychology， 68（3）， 316-330.

Kern， M. L.， Eichstaedt， J. C.， Schwartz， H. A.， …Seligman， M. E. P. （2014）. The online social self： An open vocabulary approach to personality. Assessment， 21（2）， 158-69.

Kosinski， M.， Stillwell， D.， & Graepel， T. （2013）. Private traits and attributes are predictable from digital records of human behavior. Proceedings of the National Academy of Sciences of the United States of America， 110（15）， 5802-5805.

Hall， M.， & Caton， S. （2017）. Am I who I say I am？ Unobtrusive self-representation and personality recognition on Facebook. PLoS ONE， 12（9）， e0184417.

Montali， L.， Benozzo， A.， Ripamonti， S. C.， Frigerio， A.， Galuppo， L.， Gemignani， M.， & Vergine， I. （2019）. Qualitative research in social and organizational psychology： the Italian way. Qualitative Research in Psychology， 16（3）， 441-463.

Morgan， D. L. （1998）. Practical strategies for combining qualitative and quantitative methods： Applications to health research. Qualitative Health Research， 8（3）， 362-376.

Nina， L. J.， & Michelle， R. （2021）. Introduction to special issue quality in qualitative approaches： Celebrating heterogeneity. Qualitative Research in Psychology， 18（3）， 295-304.

Sanghun， N.， Brain， D.， Suyeong， B.， & Lckpyo， H. （2021）. Development of cognitive status standards for south Korean adults using big data. Archives of Physical Medicine and Rehabilitation， 102（10）， e25-e25.

Trow， M. （1957）. Comment on participant observation and interviewing： A comparison. Human Organization， 16（3）， 33-35.

Willig， C. （2013）. Introducing qualitative research in psychology. England： Open University Press.

Yoshikawa， H.， Weisner， T.， Kalil， A.， & Way， N. （2008）. Mixing qualitative and quantitative research in developmental science： Uses and methodological choices. Developmental Psychology， 44（2）， 344-354.

Abstract

As an important method in psychological research， big data and qualitative research have gradually gained research attention and application. At present， the application of big data in psychology focuses on public social events. In the meantime， the application scope of qualitative research in psychology also needs to be expanded. Domestic studies need to pay more attention to and use this method or put forward other research methods for the integrated development of psychology， such as mixed research methods. This study conducted an in-depth demonstration on the application of “qualitative research based on big data” in psychology， analyzed the theoretical basis of this integrated method. On this basis， the current study proposed specific action paths of “qualitative research based on big data” for the first time. Furthermore， this study expounds on the advantages， application status， and future research directions of “qualitative research based on big data” in psychology. In conclusion， the method of “qualitative research based on big data” is helpful to help psychology realize the transformation of integrated disciplines and make psychology play a fundamental and practical role in the occurrence and development of interdisciplinary and solving practical social problems in the future.

Key words： psychology; big data; qualitative research; mixed study