心理测评量表作为心理学中测量和评估个体心理特征、行为和情绪状态的工具,在专业场景中,它是目前最核心的诊断方法。
然而,传统心理测评量表的局限也很明显。如果之前填过类似的问卷,被测评者记住了答案,后面再测的话就可能不准确了,这就类似“学习效应”,最后得到的测评结果并不能反映真实情况。而且,如果被测者刻意隐藏内心的真实想法或潜意识误解了自己的真实意图,去填答传统的测评量表,也会造成最终结果的不准确。
有什么办法能够更客观、更迅速地去测量心理指标,一直是很多心理学研究人员的目标。
眉毛上挑并挤在一起表示恐惧、抿嘴表示对自己的话没有信心、假笑时眼角是没有皱纹的……曾经,风靡一时的美剧《别对我撒谎》让很多人了解了,面部表情会出卖自己的那点小心思。而如今,面部表情还可能透露出自己的心理健康状况。
基于面部活动识别人类心理健康状况就是当下不同于传统心理测量的新方法。已有研究表明,人类行为包括面部活动会反映积极或消极的情绪变化,而情绪又受到心理健康状态的影响。
鉴于此,好心情结合心理量表与情绪识别技术二元计算,在以往的量表系统基础上新增了AI面部情绪识别,实现上百个关键点定位,可以进行人脸检测、人脸属性分析和情绪识别,包含从感觉、情感、思维、意识、行为到生活习惯、人际关系、饮食睡眠等诸多精神症状学内容,可有效识别愤怒、厌恶、恐惧、高兴、伤心、惊讶、嘟嘴、鬼脸、无情绪等9种情绪,为线上心理测评提供更加准确的场景判断。
在测评量表中,症状自评量表SCL-90(Symptom Checklist 90)就是比较常见的一种,它由90个项目、一系列定量指标组成。通过问卷,医生和研究人员不仅可以评估广泛的心理问题和病症,也可以衡量心理治疗的进展和判定结果。
好心情基于人工智能技术研发出的人脸识别版SCL-90量表,采用多维度、多模态心理情绪特征、三级数据建模及神经网络计算模型,结合个人常模大数据和多级大数据的分析与管理,通过摄像头获取微表情图像,对测试者心理特征、能力、兴趣、人格等方面进行系统的测试、分析和评价,以帮助人们了解自己的心理状况和优势劣势,为测试者的心理情绪做出科学趋向性分析与评估。
好心情这一新方法就是借助人工智能里的机器学习算法,将人的面部活动变化作为输入,将其心理测试指标作为输出,建立输入和输出的映射关系后,被试只要“刷脸”,我们就能通过面部数据得到他的心理健康状况了。
在与心理健康相关的所有非语言行为中,面部表情相对稳定,并且易于获取。通过面部活动识别心理状况,既方便又可以多次使用,还能避免被试者主观想法带来的实验干扰,并且减轻被测者过多的心理负担。
