杜君芳 李玉玲

一、前言

互联网大数据的特点是数据量大、更新速度快、数据多样性。特别是与人相关的大数据集规模越来越大，正在成为许多传统学科前沿的研究领域[1]，同样也为研究音乐行为和心理带来了新的机会和挑战。

心理学研究表明，音乐能满足人们的心理需求[2-3]。神经学研究表明，听音乐时分泌的激素和化学物质会激活大脑中的奖励机制；对情感和音乐的研究揭示了音乐家如何通过音乐表达情感，被听众感知的过程。医学研究表明，音乐能提高手术后的身体康复。音乐治疗方面的研究表明，音乐干预可以成功用于解决自闭症、抑郁症、创伤后应激障碍和痴呆症患者的心理和情绪健康问题。但这些在传统领域运用传统方法获得的研究成果存在一定局限性。

首先，大多数研究样本量很大程度上由于实验设置的限制，仅仅能在实验室证明音乐影响的效果。尽管神经科学已证明聆听音乐是如何与大脑功能活动联系在一起，但是小样本中音乐行为的不同偏好和已有的音乐经验，使研究结果的概括性不强。大样本可以提高统计效力，并允许研究人员通过控制更多的变量（例如年龄、性别和所在地等），检验样本的组内和组间效果，以明确了解影响因素。其次，实验研究中所使用的音乐刺激都无法真实再现人们在日常生活中自然地与音乐互动的方式以及对音乐兴趣的范围，它仅仅是检验或测量了人们倾听、回应、参与音乐的一个片段，实验设计缺乏生态性，导致了研究结果缺乏外部效度。音乐大数据视角下的音乐心理行为研究，将超越以上局限。

二、音乐大数据

线上音乐服务的兴起（例如，流媒体平台、线上社交媒体）产生了与音乐心理研究相关的大量数据。一类是与个人信息相关的数据，如广泛的人口学变量、个人聆听和使用音乐的偏好和使用时长等；另一类是音乐曲目自身的数据，如流派、调式、调性、主旋律、和声等。技术融合不仅能将个人和音乐曲目数据有效整合，并且为以后结合生物遗传大数据形成连续的研究路径提供了技术准备。

（一）个人数据

1.线上普查

音乐大数据收集的一种常用方法是通过线上发放问卷。通常在线调查数据主要来自样本自我报告的人口学特征（性别、年龄、经济、地区等）和心理特征（人格、幸福感、情绪）以及有关音乐使用的信息。线上普查能够方便在较短时间内、跨地域收集大量的样本数据，并且对数据的整理分析也更便捷。线上调查的匿名性也有助于提高数据的真实性，但线上问卷的回收率和所采集数据的有效性低于现在由测评人员指导下完成的数据采集，不过从统计学角度，样本量足够大就可以弥补这一劣势。

国外已有不少依靠线上平台收集数据展开的研究，对Facebook 用户的调查数据提供了个性测验和其他心理人口统计学测评。通过这些数据，研究人员已经能够检查用户音乐偏好的结构及其与人格和认知风格的关系[4]。另外，一项研究通过分析人格、人口学变量和音乐流派偏好，并对应埃里克森的毕生发展阶段，研究人员能够了解个人毕生的音乐喜好，描绘出音乐喜好的变化趋势[5]。在英国开展的一个项目，有将近15 万名参与者完成了对各自音乐能力的评估和相关的行为任务。这些数据与人格、幸福感的数据相结合，用人格特征预测了音乐家和非音乐家的音乐能力[6]。

2.线上社交媒体

线上社交媒体是人们聚集在一起的新形式和新场所，在这里发生的信息交流和共享总是少不了音乐的参与。

利用流行社交媒体软件，国外的Facebook、Twitter 等，国内的微博、微信、QQ、抖音等，能够很好地获得用户的音乐行为记录数据。通过社交媒体获得的“音乐行为”信息来自“真实”的社交环境，这些信息可以很好地支持补充线上普查的研究结果。

线上社交媒体信息虽然较线上普查更真实，但不能获得音乐的聆听行为，而只是获得个体关于“音乐行为”的观点、信念和态度。此外，社交媒体上显示的这些观点、信念和态度可能与个体真实意图有所偏差。以往研究表明，音乐可以作为个体社会身份的标签，人们会根据自己对音乐的理解和主观偏好来标识自己和判断他人。线上社交媒体平台上每位用户独特的音乐数字足迹的真实性可能会屈服于潜在的社会规范或群体要求。

3.音乐流媒体平台

来自音乐流媒体平台的数据记录了用户日常生活中大部分的音乐行为，这些数据最具有生态性。音乐流媒体数据不能获得用户的内在心理特征，这使得难以研究音乐对听众内在心理的影响。这些缺点可以通过与其他大数据方法和技术（线上普查、社交媒体）同步来解决，这样研究者便能够全面获得个体的音乐行为模式及其影响因素。此外，音乐流媒体大多属于企业，研究人员很难访问其数据，这可能是通过音乐流媒体开展研究最大的障碍。

（二）音乐曲目数据

音乐曲目数据包含了音乐流派和乐曲属性的数据。该数据最初是由研究者为音乐的不同属性编码，但随着人工智能的发展，现在已有基于人工智能程序可以检测和提取歌曲中的特征，这些应用程序仅需听几秒钟即可识别出一首歌曲。例如，国外的一项研究调查了过去半个世纪中的17000 个歌曲排行榜中音乐属性的变化，利用人工智能程序，这项分析只需很短的时间就能完成。

迄今为止，音乐曲目的数据主要由计算机科学家使用，直到最近才被心理学家使用。最近一项研究发现，人脑感知音乐属性的组织方式反映了先前构建的情感心理模型，包括环绕情感模型以及所使用的将心境状态概念化的积极和消极的情感模型。但是，需要对音乐曲目的属性有更深入的研究，才能更清晰地了解特定的和声、节奏、旋律和动态结构如何诱发听众的心理和情感反应。利用人工智能技术，以音乐曲目大数据为研究对象，探讨音乐结构和人类反应之间关系的方式开拓了音乐研究的新领域。

（三）技术的融合

随着科技的发展，人们可以从可穿戴设备中获取诸如心率变化、睡眠质量、皮肤电反应之类的生理指标；通过线上可靠的调查问卷采集包括人格、价值观、智力和人口学的资料信息；通过社交媒体平台访问个人在互联网中每个角落留下的社交数字足迹；通过收集诸如生理指标之类的数据方法和技术，与流媒体平台的音乐使用行为和音乐曲目属性的数据相结合，持续地对样本进行纵向评估或临床诊断，这使获得一个完整的关于音乐对个人影响的研究框架成为可能。将这些数据和技术融合在一起将需要跨学科的专家（例如心理学家、数据和计算机科学家、遗传学家、音乐家和心理治疗专家）之间更广泛的协作和交流。

三、应用价值

音乐大数据背景下新技术的融合，可以让研究者更好地了解音乐对个人的近期和长期影响。近期影响包括：行为、态度、情绪和动机的改变等。通过纵向追溯音乐收听历史和偏好的流媒体数据，在时间维度上，研究人员可以观察音乐如何与临床症状的发展、症状的缓解、躯体的康复、身心健康以及寿命和个性发展交织在一起相互影响。音乐行为与症状的形成和缓解关系的知识可应用于针对不同人群的循证治疗（例如抑郁、自闭症、创伤后应激障碍）。线上社交媒体和音乐流媒体服务可以运用这些观点和理论提高用户的身心健康和幸福感。在教育领域，教育者从一个崭新的角度了解音乐如何影响学生的行为、心理、思想和品德，从而更有效地预防和干预学生的不良行为、疏导问题、塑造学生良好的道德品质。

应用音乐大数据的研究还可能催生跨文化背景下音乐研究的新观点。尽管一些研究表明，音乐在不同的文化中承载了相似的社会内涵和情感表达，但另一些研究表明，音乐之间存在明显差异。借助音乐大数据，可以从整体上了解不同文化背景下群体和个体的音乐偏好、参与度和表达特点。

此外，从宏观系统出发，通过音乐大数据，将有可能观察到民族、文化、政治事件如何在国家或全球范围内影响音乐的行为。

四、总结

音乐不仅是娱乐活动，更与人类进化和社会发展紧密相连。无论幸福、悲伤、疲惫、兴奋，音乐随时随地都陪伴着人们。音乐大数据及其新技术的出现为研究者展现了一条在生物、社会和文化水平上清晰了解音乐复杂行为的道路。沿着这条道路，研究者可以从一个崭新的角度理解和使用音乐。这些新的研究结论有可能为预防和干预个体的行为和情绪问题提出更加科学和人本的建议，特别是对于身心发展尚不成熟的青少年，能够从他们喜欢的音乐介入，对有效提高他们的心理健康水平、塑造良好的道德品质和正确的思想觉悟有非常积极的意义。