CAAI-BDSC2024社会计算创新大赛：人格与社会心理计算

一、CAAI-BDSC2024大会背景

CAAI第九届全国大数据与社会计算学术会议（China National Conference on Big Data & Social Computing，简称BDSC2024）将于2024年8月8-10日在黑龙江哈尔滨召开，由中国人工智能学会主办、社会计算与社会智能专委、哈尔滨工程大学共同承办。本届会议的主题为“大模型时代的社会计算与社会发展”。

为了促进交叉学科汇聚与融合，本届大会将开展CAAI-BDSC2024社会计算创新大赛。本次大赛将围绕大会主题“大模型时代的社会计算与社会发展”，旨在通过社会计算增进自我认知、在社会智能中结识他人，以此实现数字社会的健康、和谐、可持续发展！

CAAI-BDSC2024社会计算创新大赛特设“人格与社会心理计算”赛道，参赛者以提交作品形式参赛。

1

主席介绍

陈浩

南开大学社会学院社会心理学系教授、博导

中国社会心理学会大数据网络心理学专委会主任委员

2

评审委员会

任孝鹏 副研究员（中国科学院心理研究所）

王博 副教授（天津大学智能与计算学部）

程诚 副教授（天津大学应用心理研究所）

齐玥 副教授（中国人民大学心理学系）

包寒吴霜 助理教授（华东师范大学心理与认知科学学院）

二、“人格与社会心理计算”赛道背景

自科学心理学诞生以来，通过对人的心理和行为进行直接观测和测量来开展研究，一直是心理学最主要的研究方法。近年来，随着网络的普及、人工智能和大数据技术的快速发展，一种有别于传统经典研究方法的新范式快速兴起，正在极大地改变着整个心理学领域的研究生态。这种新范式利用人工智能和大数据技术，通过计算建模、分析包含大量人类心理和行为信息的各种媒介（包括语言、图像、音频、视频等）以及人们在网络上留下的大量行为痕迹，从而研究人的心理和行为特点和规律，并为可能的应用提供理论基础。作为对传统经典方法的补充和拓展，新范式可以从一个全新视角研究许多传统方法所探讨的心理和行为规律。例如，通过分析大规模自然语言数据，最新研究发现，传统方法揭示的大量内隐认知偏差现象（如内隐偏见）在人类自然语言中广泛存在。新范式甚至可以揭示传统方法无法探讨的心理和行为规律。例如：通过研究隐藏在人们日常网络消费行为背后的心理规律，使得个性化商品推荐成为可能；通过分析跨越大时间跨度的自然语言文本，揭示几百年来人类心理和行为的变迁等。

人工智能和大数据技术正在开启心理学研究的新时代。为了推广与心理学相关的人工智能和大数据技术，并促进这些技术在中国心理学研究中的应用，本届大赛将继续设立心理学赛道，主题为“人格与社会心理计算”。参赛队伍可从以下三个题目中任选其一参赛。

赛题一

基于自然语言的中国人心理行为分析

任务描述

本项赛题旨在探索中国人的心理和行为模式，研究主题广泛，可包括但不限于松-紧文化、集体主义-个人主义等文化心理维度，以及大五人格等心理特质，亦或其他心理和行为方面等。参赛者需运用一种或几种的自然语言处理技术，比如传统的词频分析、主题分析等，或前沿的词嵌入技术等，对所选定的心理和行为方面进行解析。研究包括但不限于：心理和行为特征的提取和分析，在不同地域或时间尺度上的差异性模式，与历史-社会生态环境因素的相互作用和联系等。

参赛者可充分利用自然语言处理技术捕捉语义细节的优势，刻画中国人群的心理和行为特性。通过此赛题研究，我们期待加深对中国人心理和行为复杂性的认识，并为预测未来发展趋势提供一定科学基础。

任务与测评目标

(a) 应用恰当的自然语言处理技术，从自然语言文本中抽取能够映射中国人心理和行为特征的语义信息，并检验其信度和效度。

(b) 分析不同心理和行为特征指标和历史-社会生态环境指标之间的关系，尝试提出相应的理论解释与实践价值

赛题二

面孔知觉的可解释性深度学习算法

任务描述

面部知觉（facial perception）是社会心理学、进化心理学与人格心理学交叉融合的经典研究领域。在过去的三十多年里，传统心理学实验法积累了大量研究成果和理论洞察；而近十年来，基于机器学习和深度学习技术的研究同样取得了突破，但仍存在一些待解决的问题，尤其是在计算领域内面部知觉研究的算法可解释性，以及对面孔知觉领域理论贡献的探讨。

本项赛题致力于推动基于面孔局部及整体物理特性对心理特征知觉评价的影响研究。此赛题期望构建或优化基于面孔图像库及相关心理特质知觉评价信息的预测模型，该模型可融合深度学习技术，如卷积神经网络（CNN）、Transformer算法等，以实现对面孔特性和心理特征知觉间关联的准确预测。

参赛者应专注于提升模型预测的精确度，力图超越已有研究，致力于增强算法的透明度和可解释性。为此，可探索和整合可解释性机制，如注意力机制、可视化技术等，以便深入理解模型的决策过程和预测效果。通过这些努力，本赛题在追求算法性能提升的同时，也致力于阐明面孔局部和整体特性如何映射到心理特征知觉评价上，及其背后可能的心理学或认知神经科学原理。本赛题期待为面孔知觉心理学领域贡献新洞见，并为未来心理学研究及其在社会工程、人机交互等领域的应用提供一定科学技术基础。

任务与测评目标

(a) 模型训练：设计、改进或应用一种或几种深度学习算法模型，处理面孔局部及整体物理特性，预测相关心理特征评价；可使用但不限于卷积神经网络（CNN）、Transformer等算法作为模型基础架构；对模型进行训练，调整参数以优化模型性能。

(b) 模型评估：相较于以往基于同一或类似图片数据库的研究基准，衡量现有模型的预测性能水平。

(c) 可解释性：采用适当的可解释性技术，直观描述或可视化模型决策过程中的关键特征。

(d) 贡献阐述：说明模型预测结果背后的逻辑和原因，与现有面孔知觉领域发现或理论之间的关联，提供可能的新洞察。

赛题三

人格特质的社会生态因素亲和性分析

任务描述

本项赛题旨在探讨大五人格等个性心理特征，与自尊、生活满意度、主观幸福感、身体健康等生存发展适应性指标之间的历史-社会生态因素动态关联性。既有研究发现，在不同的微观和中观情境下，人格与适应性指标间关系呈现出不同程度的波动性，这表明人格特征的适应性功能并不发生在“真空”中。人格的各个维度与其所处的微观或中观情境之间存在着特定的匹配适应模式。亲和性假说进一步拓展了这一分析框架，将研究视野扩展到更宏观、更广泛的历史-社会生态因素中，如经济、政治、社会、文化、气候、人口和卫生等；并初步发现，在宏观层面上，人群的人格特征与贫富差距、集体主义-个人主义文化等社会生态因素间存在显著的交互效应，影响宏观人群的整体适应性水平，如国民幸福感、人均寿命等区域健康指标。

本项赛题要求利用中国或美国或全球的人格数据集，以及较为典型的历史-社会生态宏观指标数据，分析个体或区域群体水平上的人格维度，与不同历史-社会生态环境因素的匹配适应性模式（选择一种或几种适应性指标皆可），并对其进行可能的理论提炼，以形成关于人格-宏观环境-适应性的综合考察。

任务与测评目标

(a) 提供基于传统心理测量法或大数据分析所得关键研究指标的信效度信息。

(b)收集和整理典型的历史-社会生态宏观指标数据，并对其进行必要的降维简化处理。

(c) 对特定的亲和-匹配适应性模式进行较深入分析，并做出归纳总结。

(d)对关键的分析过程或结果的模式，进行直观可视化展示。

三、作品形式与提交

1

报名地址

弓老师 ([e-mail])

邮件标题：

CAAI-BDSC2024大赛报名+队伍名称

2

作品形式

报告文档和实现代码（打包压缩成一个文件提交）

3

作品提交地址

发送邮件至：

[e-mail]

[e-mail]

邮件标题：

CAAI-BDSC2024+作品名称+计算人格参赛，报告文档务必明确参赛人员、所在机构和联系方式

4

联系人

邹老师 ([e-mail])

弓老师 ([e-mail])

四、时间安排

五、奖项设置

注：①获奖队伍须到大会现场进行报告展示，不能到会展示者视为自动放弃。现场优秀队伍评选不区分赛题。②获奖名额会根据参赛队伍情况进行调整，由评委会裁定，经评委会评选后确定最终获奖名单。

六、赛道数据说明

本赛道提供以下参考文献和数据库供参赛者解析各赛题：

赛题 1 部分

Berger, J., & Packard, G. (2022). Using natural language processing to understand people and culture. American Psychologist, 77(4), 525–537.

Caliskan, A., Bryson, J. J., & Narayanan, A. (2017). Semantics derived automatically from language corpora contain human-like biases. Science, 356(6334), 183–186.

Chen, H., Yang, C., Zhang, X., Liu, Z., Sun, M., & Jin, J. (2021). From symbols to embeddings: A tale of two representations in computational social science. Journal of Social Computing, 2(2), 103–156.

Chua, R. Y., Huang, K. G., & Jin, M. (2019). Mapping cultural tightness and its links to innovation, urbanization, and happiness across 31 provinces in China. Proceedings of the National Academy of Sciences, 116(14), 6720–6725. [同时为赛题3参考文献，链接中可下载大五人格中国样本数据: https://www.pnas.org/doi/10.1073/pnas.1815723116]

Jackson, J. C., Gelfand, M., De, S., & Fox, A. (2019). The loosening of American culture over 200 years is associated with a creativity–order trade-off. Nature Human Behaviour, 3(3), 244–250. [松-紧文化英文种子词]

Jackson, J. C., Watts, J., List, J. M., Puryear, C., Drabble, R., & Lindquist, K. A. (2022). From text to thought: How analyzing language can advance psychological science. Perspectives on Psychological Science, 17(3), 805–826.

Oishi, S. (2014). Socioecological psychology. Annual Review of Psychology, 65, 581–609. [同时为赛题3参考文献]

Ruan, J., Xie, Z., & Zhang, X. (2015). Does rice farming shape individualism and innovation?. Food Policy, 56, 51–58.

Talhelm, T., Zhang, X., Oishi, S., Shimin, C., Duan, D., Lan, X., & Kitayama, S. (2014). Large-scale psychological differences within China explained by rice versus wheat agriculture. Science, 344(6184), 603–608.

Van de Vliert, E., Yang, H., Wang, Y., & Ren, X. P. (2013). Climato-economic imprints on Chinese collectivism. Journal of Cross-Cultural Psychology, 44(4), 589–605.

包寒吴霜, 王梓西, 程曦, 苏展, 杨盈, 张光耀, 王博, 蔡华俭. (2023). 基于词嵌入技术的心理学研究: 方法及应用. 心理科学进展, 31(6), 887–904. [附录：词向量训练算法和软件]

卢俊, 陈浩, 乐国安. (2017). 松-紧文化: 跨文化心理学研究的新维度. 心理科学进展, 25(5), 887–902.

任孝鹏, 向媛媛, 周阳, 朱廷劭. (2017). 基于微博大数据的中国人个体主义/集体主义的心理地图. 内蒙古师范大学学报: 哲学社会科学版, 46(6), 59–64.

汪凤炎. (2018). 对水稻理论的质疑: 兼新论中国人偏好整体思维的内外因. 心理学报, 50(5), 572–582.

赛题 2 部分

Hofman, J. M., Watts, D. J., Athey, S., Garip, F., Griffiths, T. L., Kleinberg, J., ... & Yarkoni, T. (2021). Integrating explanation and prediction in computational social science. Nature, 595(7866), 181-188.

Huai, M., Liu, J., Miao, C., Yao, L., & Zhang, A. (2022, June). Towards automating model explanations with certified robustness guarantees. In Proceedings of the AAAI Conference on Artificial Intelligence (Vol. 36, No. 6, pp. 6935–6943).

Junior, J. C. J., Güçlütürk, Y., Pérez, M., Güçlü, U., Andujar, C., Baró, X., ... & Escalera, S. (2019). First impressions: A survey on vision-based apparent personality trait analysis. IEEE Transactions on Affective Computing, 13(1), 75–95.

Keles, U., Lin, C., & Adolphs, R. (2021). A cautionary note on predicting social judgments from faces with deep neural networks. Affective Science, 2(4), 438–454.

Kosinski, M. (2021). Facial recognition technology can expose political orientation from naturalistic facial images. Scientific Reports, 11: 23228.

Oosterhof, N. N., & Todorov, A. (2008). The functional basis of face evaluation. Proceedings of the National Academy of Sciences, 105(32), 11087–11092.

Räuker, T., Ho, A., Casper, S., & Hadfield-Menell, D. (2023, February). Toward transparent AI: A survey on interpreting the inner structures of deep neural networks. In 2023 IEEE Conference on Secure and Trustworthy Machine Learning (SaTML) (pp. 464–483). IEEE.

Rojas Q, M., Masip, D., Todorov, A., & Vitria, J. (2011). Automatic prediction of facial trait judgments: Appearance vs. structural models. PLoS ONE, 6(8), e23323.

Song, A., Linjie, L., Atalla, C., & Cottrell, G. (2017). Learning to see faces like humans: Modeling the social dimensions of faces. Journal of Vision, 17(10), 837–837.

Sutherland, C. A., & Young, A. W. (2022). Understanding trait impressions from faces. British Journal of Psychology, 113(4), 1056–1078.

Tareaf, R. B., Alhosseini, S. A., & Meinel, C. (2019, December). Facial-based personality prediction models for estimating individuals private traits. In 2019 IEEE Intl Conf on Parallel & Distributed Processing with Applications, Big Data & Cloud Computing, Sustainable Computing & Communications, Social Computing & Networking (ISPA/BDCloud/SocialCom/SustainCom) (pp. 1586–1594). IEEE.

Todorov, A., Olivola, C. Y., Dotsch, R., & Mende-Siedlecki, P. (2015). Social attributions from faces: Determinants, consequences, accuracy, and functional significance. Annual Review of Psychology, 66, 519–545.

Zebrowitz, L. A., & Montepare, J. M. (2008). Social psychological face perception: Why appearance matters. Social and Personality Psychology Compass, 2(3), 1497–1517.

10k US Adult Faces Database 网址：http://wilmabainbridge.com/facememorability2.html

赛题 3 部分

Chen, H., Lai, K. S., He, L. N., & Yu, R. J. (2020). Where you are is who you are? The geographical account of psychological phenomena. Frontiers in Psychology, 11:536.

Ebert, T., Gebauer, J. E., Brenner, T., Bleidorn, W., Gosling, S. D., Potter, J., & Rentfrow, P. J. (2022). Are regional differences in psychological characteristics and their correlates robust? Applying spatial-analysis techniques to examine regional variation in personality. Perspectives on Psychological Science, 17(2), 407–441.

Gebauer, J. E., Eck, J., Entringer, T. M., Bleidorn, W., Rentfrow, P. J., Potter, J., & Gosling, S. D. (2020). The well-being benefits of person-culture match are contingent on basic personality traits. Psychological Science, 31(10), 1283–1293.

Gebauer, J. E., Sedikides, C., Schönbrodt, F. D., Bleidorn, W., Rentfrow, P. J., Potter, J., & Gosling, S. D. (2017). The religiosity as social value hypothesis: A multi-method replication and extension across 65 countries and three levels of spatial aggregation. Journal of Personality and Social Psychology, 113(3), e18–e39.

Gebauer, J. E., Sedikides, C., Wagner, J., Bleidorn, W., Rentfrow, P. J., Potter, J., & Gosling, S. D. (2015). Cultural norm fulfillment, interpersonal belonging, or getting ahead? A large-scale cross-cultural test of three perspectives on the function of self-esteem. Journal of Personality and Social Psychology, 109(3), 526–548. [106个国家和地区大五人格和自尊均值数据]

Jokela, M., Bleidorn, W., Lamb, M. E., Gosling, S. D., & Rentfrow, P. J. (2015). Geographically varying associations between personality and life satisfaction in the London metropolitan area. Proceedings of the National Academy of Sciences, 112(3), 725–730.

Obschonka, M., Stuetzer, M., Rentfrow, P. J., Shaw-Taylor, L., Satchell, M., Silbereisen, R. K., Potter, J., & Gosling, S. D. (2018). In the shadow of coal: How large-scale industries contributed to present-day regional differences in personality and well-being. Journal of Personality and Social Psychology, 115(5), 903–927.

Rentfrow, P. J., Gosling, S. D., & Potter, J. (2008). A theory of the emergence, persistence, and expression of geographic variation in psychological characteristics. Perspectives on Psychological Science, 3(5), 339–369. [美国50州大五人格均值数据]

Smith, P. B., & Bond, M. H. (2019). Cultures and persons: Characterizing national and other types of cultural difference can also aid our understanding and prediction of individual variability. Frontiers in Psychology, 10: 2689.

Wormley, A. S., Kwon, J. Y., Barlev, M., & Varnum, M. E. (2022). The Ecology-Culture Dataset: A new resource for investigating cultural variation. Scientific Data, 9: 615.

陈浩, 洪斌, 赖凯声. (2021). 宜人性之殇: 收入不平等对国家宜人性人格与国民健康指标间关系的系列负性调节效应. 中国社会心理学评论, 21, 190-219.

赖凯声, 陈浩. (2020). 亲和性假说: 区域人格影响健康的大数据分析. 暨南大学出版社.

欢迎大家踊跃参赛！

 由中国人工智能学会主办、社会计算与社会智能专委、哈尔滨工程大学共同承办的CAAI第九届全国大数据与社会计算学术会议（China National Conference on Big Data & Social Computing，简称BDSC2024）将于2024年8月8-10日在哈尔滨召开！主题为“大模型时代的社会计算与社会发展”。

会议组织者社会计算与社会智能专委是中国人工智能学会下设的体现交叉学科特色的学术组织，其宗旨是建设“有仁、有信、有情”的学术共同体，现有委员百余人，分别来自社会科学、复杂系统、计算机科学、地理信息系统等领域，2021年、2022年、2023年连续三年被评为学会优秀专委。

链接：征文延期通知|CAAI第九届全国大数据与社会计算学术会议BDSC2024 

文稿：陈浩、刘建国

编辑：冯宵瑶、崔蕴瀚

审核：CAAI社会计算与社会智能专委