安全心理大數據的基礎性問題研究*

康良國，黃 銳，吳 超，張 偉

(中南大學 資源與安全工程學院，湖南 長沙 410083)

0 引言

安全心理是指人克服心理波動因素及其發揮防止事故發生的能力，對降低事故率、減少事故損失、發揮人的主觀能動性具有重要作用[1]。2008年英國《Nature》期刊提出大數據[2]，轉變以往數據處理理念，放棄探求事物因果性，挖掘其關聯性，而內隱心理狀態與外顯不安全行為表現具有關聯性。因此，可運用大數據思維研究安全心理問題，挖掘內隱心理與外顯行為關聯性，從而預測或干預個體、群體乃至行業安全心理狀況。

大數據思維是科學研究的一種新思路，越來越多學者運用大數據思維研究安全問題。如SHIQ等[3]研究智能交通系統大數據在交通監控的應用；WANG Y等[4]研究食品大數據在安全預警的應用；GUO S Y等[5]通過事故案例開發出識別不安全行為的大數據應用平臺；王秉等[6-7]基于大數據在安全科學應用，提出安全大數據概念及其9條應用基礎理論；郭聖煜等[8]利用不安全行為照片構建關聯規則數據庫。傳統安全心理定量研究通過統計學抽樣方法挖掘歸納職工安全心理規律[9-13]，其研究精度易受外界影響因素干擾且主觀因素權重較大，而大數據思維從總體出發研究其關聯性[6]，克服樣本實驗本質誤差，因此，可運用大數據思維研究安全心理學。

鑒于此，基于大數據背景下的安全心理學內涵提出安全心理大數據定義，分析對比安全心理大數據與樣本數據差異，探究安全心理大數據研究類型、研究準則、基礎原理、研究內容，為大數據融合于安全心理學研究提供理論基礎。

1 安全心理大數據提出

1.1 定義與內涵

安全心理通過外顯行為表現推測內隱心理變化，解釋、預測、調控人的行為，發揮人防止事故的能力，從而提高人的安全性與可靠性。傳統安全心理學研究通過抽樣調查范式統計歸納安全心理特征與規律[14],如觀察法、調查法、測驗法、實驗法等，但實驗樣本有限，難以獲取千人乃至萬人以上樣本容量[15]，且樣本揭示安全普適性規律需滿足統計抽樣先決條件，即樣本抽取是隨機的、機會均等的，樣本容量能代表整個安全心理研究人群。但由于工種、年齡、教育、環境、文化等因素影響，實驗樣本往往不能滿足先決條件，其實驗結果重復性與普適性較低[15]，難以在安全生產領域產生重大影響及應用價值。隨著大數據技術不斷發展，可實時采集、處理、挖掘數據且以可視化方式呈現[2]。大數據研究對象是總體，不受樣本約束，突破以往只能研究樣本、沒有能力研究總體的缺陷，消除統計抽樣范式先決條件束縛。因此，安全心理大數據是安全心理學創新研究范式理論基礎。結合安全心理學、大數據及相關學科的研究成果，提出安全心理大數據的定義。

安全心理大數據是生產作業人員內隱心理指標參數及外顯行為表現所形成的結構化、半結構化與非結構化數據的集合，通過數據挖掘技術，可形成有價值的安全生產信息服務。

安全心理大數據內涵與屬性可從以下幾點進一步解釋：

1)安全心理大數據的大小超出統計分析軟件工具在需求時間內最大數據計算處理能力，且現有計算機的存貯模式、計算模式不能滿足其要求。

2)安全心理大數據的數據集合包括安全心理相關的內隱與外顯因素所形成的數字、文本、音頻、視頻、圖片等海量信息的集合，數據類型繁雜且信息價值密度低，經過數據挖掘后能提供具有價值的安全活動信息服務。

3)安全心理大數據處理全體數據，分析安全心理因素關聯性，即只需知道某些安全心理因素存在關聯性，不需探究其因果性。

1.2 研究意義

分析安全心理大數據的定義、內涵與屬性，基于大數據思維的安全心理學研究具有如下研究意義：

1)安全心理大數據的關聯規則可挖掘安全心理未知規律，擴展安全心理研究領域，驗證安全心理樣本研究規律的普適性與可靠性，修正樣本研究誤差。

2)該研究可實時預測安全心理趨勢，針對性提供安全信息服務，從而識別“事故傾向個體”，改進安全教育與培訓，宏觀調控安全心理氛圍。

3)該研究對工業設備設施設計、安全決策、安全投入等提供指導依據，從而提高作業人員安全生產的主觀能動性，充分發揮人防止事故發生的能力。

4)安全心理大數據為安全心理學的研究找到全新切入點，對提高安全心理科學水平與完善安全心理科學研究方法具有重要作用。

2 安全心理大數據與樣本數據差異

隨著科學技術的發展，實時跟蹤記錄安全心理關聯的內隱心理狀況參數與外顯行為表現成為現實，數據規模急劇膨脹，傳統軟件工具不能滿足數據處理要求，安全心理樣本研究逐漸轉向安全心理大數據研究。安全心理大數據與安全心理樣本數據之間有何差異，從數據來源、數據類型、數據容量、數據價值、數據關系、研究要求、研究周期、研究投入、研究思維、研究方法、研究技術、研究結論12個方面分析對比其差異，如圖1所示。

3 安全心理大數據研究類型與準則

3.1 研究類型

不同安全活動需求以不同安全心理大數據視角研究，到達事半功倍的效果。基于安全大數據思維，考慮內隱心理狀態與外顯行為表現的關聯性[16]、人數的安全心理內涵屬性[17]、安全心理研究的偏重點[17]、安全心理數據的形成狀態[6]、安全心理研究的對象范圍[6]、應用行業的危險狀況[6]、安全心理數據的收集方式[18]等研究側重點，從心理表現、人數規模、研究層次、更新狀態、系統視角、危險系數、收集方式7個視角對安全心理大數據進行分類(表1)。需要注意的是，隨著大數據、安全科學、心理學的發展，安全心理大數據分類方式可能會隨之改變，并不是一成不變。

3.2 研究準則

運用安全心理大數據研究問題時，要使安全心理研究結論可靠、普適，需保證源數據具有真實、可靠、原始、完整等特征，即不能擅自刪除、過濾、清洗相關源數據，以免影響研究結論。因此，源數據是研究安全心理大數據的基礎，是其研究分析的源泉。

安全心理因素關聯性是安全心理大數據的研究思維。即根據需求設置最小支持度閾值與最小置信度閾值，若研究結論小于最小支持度閾值或最小置信度閾值，數據自動過濾，只有同時大于最小支持度閾值及最小置信度閾值，數據才保存繼續挖掘，直至符合實際需求。隨著設備趨向于小型化、智能化、操作簡單化，安全心理的研究工具也發生相應改變，從可穿戴設備、移動智能終端、虛擬現實技術、可視化技術等進行研究，且以電子數據形式源源不斷與云端交互，從根源消除人為采集數據誤差。因此，思維與工具是研究安全心理大數據的翅膀，推動安全心理學的發展。

圖1 安全心理大數據與樣本數據差異分析流程Fig.1 Difference analysis flow of safety psychology big data and sample data

研究視角研究類型含義心理表現內隱安全心理大數據直接體現安全心理狀況的數據信息，結構化數據為主，如血壓、心率、反應時間、疲勞度、感知覺等參數數據外顯安全心理大數據間接體現安全心理狀況的數據信息，非結構化數據為主，如行為表現照片、作業場所視頻、交談音頻等人數規模個體安全心理大數據個體安全心理關聯的數據信息集合，如個體行為表現、面部表情、指標等數據群體安全心理大數據群體安全心理關聯的數據信息集合，如爆破工、運輸工、采礦工等工種數據行業安全心理大數據行業安全心理關聯的數據信息集合，如化工行業、礦業等數據研究層次理論安全心理大數據指安全心理大數據的原理、規律、特點、方法等理論基礎，如安全心理大數據定義應用安全心理大數據指安全心理大數據在描述、解釋、預測、控制等方面應用，如預測個體心理狀況更新狀態靜態安全心理大數據指數據源緩慢或未更新的數據信息集合，如企業、事業單位、機構收集的心理數據動態安全心理大數據指數據源實時更新的數據信息集合，如傳感器數據、互聯網數據、移動智能端數據

續表1

研究安全心理大數據時，需采取科學嚴謹的處理步驟。安全心理大數據處理步驟為數據的采集、導入與預處理、統計分析、數據挖掘，再根據需求選擇不同的處理方法，從而以可視化的方式呈現研究結論。因此，步驟是研究安全心理大數據的規范，以達到事半功倍的效果。

綜合上述分析，從安全心理大數據的數據要求、研究思維、研究工具、處理步驟4個方面提出安全心理準則體系，如圖2所示。

圖2 安全心理大數據研究準則體系Fig.2 Criterion system of safety psychology big data

4 安全心理大數據基礎理論與研究內容

4.1 基礎原理

研究安全心理大數據是未來發展趨勢，其基礎原理是研究安全心理學的支柱，基于大數據思維提出安全心理數據總體原理、安全心理關聯性原理、安全心理狀況預測原理、安全心理技術整合原理、安全心理數據服務原理、安全心理信息需求原理6條安全心理學基礎原理。

1)安全心理數據總體原理。安全心理大數據的源數據采集不是隨機抽樣，而是整個研究人群，即全體數據，符合統計學總體研究。研究不安全行為與心理狀況關系，安全心理樣本研究需滿足統計學先決條件且實驗影響因素簡化、修正，研究結論由于人數規模限制普適性低，安全心理大數據研究的是整個研究人群，其研究結論更具有普適性、可靠性、精確性，即總體數據的簡單算法比樣本數據的復雜算法更有效。

2)安全心理關聯性原理。安全心理數據的關聯性是安全心理大數據研究思維。關聯性是指根據需求設置最小支持度閾值與最小置信度閾值，通過數據挖掘快速獲得有價值安全心理信息。關聯性最大優勢是探索未知的安全心理規律特征，拓寬安全心理學研究體系，驗證安全心理樣本研究的可靠性。如Golder[19]利用大數據思維分析心理學數據關聯性，挖掘2008年2月～2010年1月期間全球84個國家約 240多萬用戶的5億多條Twitter數據的情緒信息，得到積極情緒與消極情緒的波動模式。

3)安全心理狀況預測原理。隨著可穿戴設備的普及，在不影響被研究對象前提下可實時跟蹤安全心理因素指標，再加上智能設備、通信技術、互聯網技術自動保存、更新安全心理因素的電子數據，通過大數據挖掘技術，可實時預測個體、群體乃至行業的安全心理狀況，為安全決策與管理提供可靠依據。如Candás J L C等[20]利用數據挖掘技術，通過可穿戴設備可預測精神異常人群。

4)安全心理技術整合原理。安全心理大數據核心是整合前沿技術研究內隱與外顯關聯性。安全心理樣本研究最大制約是技術制約，即數據如何大規模采集、收集、處理。隨著大數據對現有通信、傳感、虛擬現實等前沿技術的整合，實時全程記錄安全心理痕跡數據成為現實，安全心理大數據得以產生、發展和應用。

5)安全心理數據服務原理。安全心理大數據并不等同于海量的安全心理數據，其核心是安全心理數據能轉化成有價值的安全信息服務。如實時監測記錄個體安全心理狀況，識別不同時段“事故傾向人員”，從而提供人因危險預報信息服務。

6)安全心理信息需求原理。不同行業、規模、性質的企業對安全心理信息需求是不一致的，因此大數據根據應用需求選擇不同技術層次、人數規模、安全心理因素等條件進行數據挖掘，從而實時快速處理分析安全心理數據，滿足于安全心理實際應用，即應用需求是推動安全心理大數據發展的動力。

4.2 研究內容

安全心理大數據的推廣、發展、傳播、應用必須要有理論為基石，其理論基礎可分為4個層次。第一層次為安全心理大數據的定義、內涵、屬性等構建理論基礎；第二層次為安全心理大數據的統計、分析、挖掘等算法理論基礎；第三層次為安全心理大數據的價值信息服務等實踐理論基礎；第四層次為安全心理大數據的現狀與未來發展趨勢等發展理論基礎。

安全心理大數據要應用于安全生產信息服務，必須要以技術為支撐，基于安全心理大數據處理過程(采集、導入、分析、挖掘、結果)，從數據采集技術、數據存儲技術、數據處理技術、數據計算技術、可視化法技術進行技術研究，不斷完善安全心理大數據應用技術基礎。

安全心理大數據的核心是提供有價值的安全信息服務能力，隨著研究對象的不同，安全心理大數據的安全信息服務內涵隨著改變，可從個體、小群體、大群體、行業群體進行應用研究。如個體安全心理大數據提供“事故傾向”預警服務，群體安全心理大數據提供安全教育培訓、安全管理等反饋修正服務，行業安全心理大數據提供宏觀調控安全心理氛圍服務。

依據上述研究內容分析，可從理論、技術、應用3個層面研究安全心理大數據，因此，提出安全心理大數據研究的“理論—技術—應用”三維結構體系，如圖3所示。

圖3 安全心理大數據三維結構體系Fig.3 The three-dimensional structure of safety psychology big data

5 結論

1)安全心理大數據是生產作業人員內隱心理指標參數及外顯行為表現所形成的結構化、半結構化與非結構化數據的集合，通過數據挖掘技術，可形成有價值的安全生產信息服務。安全心理大數據的大小超出統計分析軟件工具在需求時間內最大數據計算處理能力，且現有計算機的存貯模式、計算模式不能滿足其要求。

2)從數據來源、數據類型、數據容量、數據價值、數據關系、研究要求、研究周期、研究投入、研究思維、研究方法、研究技術、研究結論12個方面分析對比安全心理大數據與樣本數據的差異；安全心理大數據的研究分類主要包括心理表現、人數規模、研究層次、更新狀態、系統視角、危險系數、收集方式7個視角；安全心理大數據研究準則體系表明安全心理大數據的研究要求包括數據要求、研究思維、研究工具、處理步驟4個方面。

3)安全心理大數據的基礎原理主要包括安全心理數據總體原理、安全心理關聯性原理、安全心理狀況預測原理、安全心理技術整合原理、安全心理數據服務原理、安全心理信息需求原理6條；安全心理大數據三維結構體系表明安全心理大數據的研究維度包括理論、技術、應用3個層面。

[1] 邵輝, 王凱全. 安全心理學[M]. 北京：化學工業出版社, 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, 吳超. 基于安全大數據的安全科學創新發展探討[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] 歐陽秋梅，吳超，黃浪. 大數據應用于安全科學領域的基礎原理研究[J]. 中國安全科學學報,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] 郭聖煜，駱漢賓，滕哲，等. 地鐵施工工人不安全行為關聯規則研究[J]. 中國安全生產科學技術, 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] 栗繼祖，鐘治國. 員工安全心理調查與對策[J]. 現代職業安全,2016(2):110-113.

LI Jizu， ZHONG Zhiguo. Investigation and countermeasure of employee safety psychology [J]. Modern Occupational Safety, 2016(2): 110-113.

[10] 張玉婷，魏曉昕，栗繼祖. 煤礦工人特質焦慮狀況與不安全心理研究[J]. 煤礦安全,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,胡啟明,等. 電力員工安全心理狀況研究[J]. 電力安全技術,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. 礦工不安全心理的結構和測量[J]. 心理學探新,2010(3):91-96.

LI Naiwen， JIANG Qiumin. Structure and measurement of miners' unsafe psychology [J]. Psychological Exploration, 2010(3): 91-96.

[13] 金蘭軍，曲以智，張玲，等. 某航空公司航空安全心理狀況調查與分析[J]. 中國民用航空,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] 胡曉娟，吳超. 人的安全心理特性研究方法的綜述研究[J]. 中國安全科學學報, 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] 喻豐，彭凱平，鄭先雋. 大數據背景下的心理學:中國心理學的學科體系重構及特征[J]. 科學通報, 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] 吳超. 安全科學方法論[M]. 北京：科學出版社，2016.

WU Chao. Methodology of safety science[M]. Beijing: Science Press Co. Ltd.，2016.

[17] 康良國，吳超，黃銳. 相似安全心理學的基礎研究[J]. 中國安全科學學報,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，俞國良. 大數據視野下的心理學與教育學研究變革[J]. 中國人民大學教育學刊, 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.