बिग डेटा का उपयोग करने के लिए मनोविज्ञान अध्ययन

कंपनियों के लिए बड़े डेटा के मूल्य के बारे में बहुत सी चर्चा है उदाहरण के लिए, अमेज़ॅन अन्य खरीदारों के खिलाफ आपकी खरीदारी और पृष्ठ विचारों से मेल खाता है और समान हितों वाले लोगों को ढूंढने की कोशिश करता है। फिर, अमेज़ॅन उन उत्पादों की खरीदारी का सुझाव देता है जो उन धारणाओं के तहत पसंद किए गए थे जिन्हें आप उन्हें पसंद करेंगे।

क्या मनोविज्ञान में अनुसंधान समुदाय के हितों के सवालों के जवाब देने के लिए बड़े डेटा का उपयोग किया जा सकता है? सेठ स्टीफंस-डेविडॉवित्ज़ ने अपने बहुत ही दिलचस्प किताब, एवरीबानी झूठ में विस्तार से इस सवाल का पता लगाया।

स्टीफंस-डेविडॉवित्ज़ की किताब के बारे में मुझे क्या पसंद है, यह कितना स्पष्ट है कि हम उन दोनों के बारे में क्या कर सकते हैं जो हम बड़े डेटा से सीख सकते हैं और साथ ही कुछ चीजें जो सफलतापूर्वक इसका उपयोग करने के लिए कठिन हैं।

बिग डेटा विशेष रूप से उन सवालों के समाधान के लिए अच्छा है, जो लोग अन्यथा सर्वेक्षणों पर उत्तर देने के लिए अनिच्छुक हो सकते हैं। अक्सर, जिस तरह से लोग कंप्यूटर के साथ बातचीत करते हैं, उनके हितों के पहलुओं से पता चलता है कि वे एक साक्षात्कार में या किसी अनाम सर्वेक्षण पर भी व्यक्त नहीं करेंगे।

उदाहरण के लिए, स्टीफंस-डेविडोवित्ज़ यौन अभिविन्यास से संबंधित डेटा की पड़ताल करता है। उन्होंने कहा कि बहुत से क्षेत्रीय मतभेद हैं कि कितने पुरुष रिपोर्ट करते हैं कि वे समलैंगिक हैं उदाहरण के लिए, रोड आइलैंड के अधिक पुरुष मिसिसिपी में पुरुषों की तुलना में सर्वेक्षण पर समलैंगिक मानते हैं। यह हो सकता है कि समलैंगिक पुरुष उन राज्यों में जाते हैं जो अधिक सहिष्णु हैं, लेकिन यह भी हो सकता है कि कम सहिष्णु राज्यों में समलैंगिक पुरुष सच्चाई से सर्वेक्षणों के जवाब देने की संभावना नहीं रखते।

स्टीफंस-डेविडवित्ज़ ने फेसबुक के डेटा का इस्तेमाल किया जहां समलैंगिकों के रूप में स्वयं की पहचान की गई और वे कहाँ चले गए कम सहनशील से अधिक सहिष्णु स्थानों तक आंदोलन की ओर कुछ प्रवृत्ति थी। लेकिन, अकेले उस आंदोलन में सर्वेक्षणों में बड़े क्षेत्रीय मतभेदों को नहीं समझा जाएगा।

इसके बाद उसने Google से डेटा का उपयोग किया, जो कि खोजों के प्रकार के लोगों को बनाने और उन खोजों के बारे में जानकारी प्रदान करता है जो उन खोजों से उत्पन्न हुईं विशेष रूप से, उन्होंने पोर्नोग्राफी के लिए खोजों के अनुपात में विशेष रूप से समलैंगिक-पुरुष अश्लीलता की मांग की। पुरुषों द्वारा किए गए सभी पोर्नोग्राफी की लगभग 5 प्रतिशत समलैंगिक-पुरुष अश्लीलता के लिए थीं यह मूल रूप से अमेरिका में हर राज्य में सच था, चाहे राज्य कितना सहिष्णु है। इससे पता चलता है कि लगभग 5 प्रतिशत पुरुष आबादी पुरुषों को आकर्षित करती है और यह हर राज्य में सच है

बिग डेटा का इस्तेमाल उन सवालों के हल करने के लिए भी किया जा सकता है जो अन्य तरीकों से जवाब देने में मुश्किल या असंभव हो सकता है। किताब में मेरा पसंदीदा उदाहरण सपनों की खोज से आता है फ्रायड ने सुझाव दिया कि सपने बेहोश यौन इच्छाओं को प्रतीक रूप से प्रकट कर सकते हैं। एक केला या ककड़ी एक सपने में, फिर, एक लिंग के लिए एक स्टैंड-इन हो सकता है।

इस तरह एक सिद्धांत का खंडन करना कठिन है क्योंकि इवाद फ्रायड की चर्चा बेहोश थी। इसका मतलब है कि भले ही लोग अपने सपनों के बारे में बात करते हों, परिभाषा के अनुसार वे नहीं जान सकते कि सपने का अर्थ क्या है।

स्टीफंस-डेविडोवित्ज़ ने ऐसे एप से डेटा लिया जो उपयोगकर्ताओं से सपने के विवरण एकत्र किए और सपनों के विवरणों को देखा और उन सभी खाद्य पदार्थों को मिला जो उल्लेख किया गया था। उन्होंने उन कारकों पर ध्यान दिया जो भविष्यवाणी करते हैं कि एक विशेष भोजन सपने में कितनी बार दिखाई देगा और फिर पाया गया कि इन खाद्य पदार्थों को कितनी बार खपत किया गया था, वे सपने में उनकी उपस्थिति के साथ-साथ खाद्य पदार्थों के स्वाभाविक रूप से एक महान भविष्यवक्ता भी थे।

इसलिए, सांसों में कवक और केलों जैसे पुष्प-आकार के खाद्य पदार्थ होते हैं-लेकिन वे कुछ और से अधिक खाए जाने वाले आवृत्ति के साथ अधिक दिखाई देते हैं। उदाहरण के लिए, खीरे सपनों में सातवें सबसे लोकप्रिय सब्जी हैं, और वे कुल मिलाकर सातवें सबसे लोकप्रिय सब्जी भी हैं। इससे पता चलता है कि एक सपने में एक केरल पर केला को विश्वास करने का कोई कारण नहीं है।

अंत में, स्टीफंस-डेविडोवित्ज़ कुछ कारक तलाशने का एक अच्छा काम करता है जो बड़े डेटा का अविश्वसनीय विश्लेषण कर सकता है मान लें कि आपके पास कुछ जटिल गुण हैं, जैसे खुफिया, और आप जानना चाहते हैं कि क्या खुफिया जानकारी के आनुवंशिक भविष्यवाणियां हैं। आप उन परीक्षणों को लेकर लोगों के जीनों के साथ IQ परीक्षणों पर सहसंबद्ध स्कोर करने का प्रयास कर सकते हैं। अब वैज्ञानिकों के पास इतने सारे लोगों के लिए जीन अनुक्रमों पर डेटा है, यह विश्लेषण कई अलग-अलग डेटासेट पर कई बार किया गया है।

हर बार यह विश्लेषण किया गया है, विशेष रूप से जीन उस डेटा सेट के भीतर आईक्यू स्कोर के अच्छे भविष्यवाणियों के रूप में पॉप आउट करते हैं। समस्या यह है कि अलग-अलग जीन अलग-अलग विश्लेषणों में फैले हुए हैं ऐसा इसलिए होता है क्योंकि आपके पास बहुत सारे डेटा हैं, तब भी जब आपके पास संभावित भविष्यवाणियों (जैसे जीन) की बड़ी संख्या है और आपके पास उस संबंध को ध्यान देने के कई अवसर हैं जो कि डेटा सेट में यादृच्छिक भिन्नता का नतीजा है। नतीजतन, यदि आप एक रिपोर्ट सुनाते हैं कि एक विशेष जीन पाया गया है जो खुफिया जैसे कुछ लक्षणों की भविष्यवाणी करता है, तो आपको इसे अलग-अलग तरीके से व्यवहार करना चाहिए, जब तक कि यह कई अलग-अलग सेटों पर मान्य नहीं हो जाता।

बिग डेटा पारंपरिक तरीके से हम मनोविज्ञान को नहीं बदलेगा अंत में, बड़े डेटा हमें यह देखने के अवसर प्रदान करता है कि पर्यावरण के विभिन्न पहलुओं से क्या संबंध है, लेकिन वे हमें बता नहीं सकते हैं कि कौन सी कारकों के कारण विशेष व्यवहार होते हैं। ऐसा करने के लिए, मनोविज्ञान को पिछली शताब्दी के क्षेत्र में केंद्रीय रूप से प्रयोग किए जाने वाले प्रयोगों को जारी रखने की आवश्यकता है। लेकिन, बड़े डेटा में लोगों के व्यवहार को समझने के लिए एक महत्वपूर्ण उपकरण होने की बहुत संभावनाएं हैं।

ट्विटर पर मुझे फॉलो करें।

और फेसबुक और Google+ पर

यहाँ मेरी नवीनतम पुस्तक म्रेन ब्रीफ़्स पर जानकारी है

मेरी किताबें स्मार्ट सोच और नेतृत्व की आदतें, और स्मार्ट बदलाव देखें

ऑस्टिन टू गुज़्स ऑन अदर हेड में केयूटी रेडियो पर मेरे रेडियो शो को सुनो और चहचहाना पर और फेसबुक पर 2GoYH का पालन करें। शो iTunes और Stitcher पर उपलब्ध है।