AI生成的心理学参与者人格数据集
数据来源：互联网公开数据
标签：人工智能，心理学，人格分析，音乐偏好，行为预测，数据分析，机器学习
数据概述：
本数据集由100个“合成”参与者组成，旨在模拟人类的心理和人格特征，探讨AI是否能够模仿人类的心理学行为。每个参与者的数据包含以下内容：
1. 人物简介：每个参与者都有一个.txt文件，包含一段简短的描述，用于定义其虚拟人格特征。
2. 音乐使用量表：每个参与者提供了15项5点量表的评分，用于评估其音乐使用行为（采用Uses of Music Inventory量表）。
3. 人格量表：每个参与者提供了10项7点量表的评分，用于评估其人格特质（采用Ten Item Personality Inventory量表）。
4. 音乐元数据和音频特征：每个参与者还提供了一个.csv文件，包含其过去7天内最常播放的30首歌曲的音乐元数据（如歌曲标题、艺术家、流派等）和音频特征（如节奏、音高、音量等），这些数据来自Spotify API。这些歌曲列表模拟了Spotify的“On Repeat”播放列表，用于反映用户的音乐偏好。
数据用途概述：
该数据集适用于以下研究场景：
1. 心理学与AI融合研究：研究人员可以使用此数据集探索AI生成的虚拟人格与人类心理学行为之间的相似性，分析AI能否准确模拟人类的心理和行为模式。
2. 音乐与人格预测：数据集中的音乐偏好和人格量表评分可用于建立预测模型，研究音乐偏好与人格特质之间的关系，帮助理解音乐如何反映个体的人格特征。
3. 行为分析与模式识别：通过分析音乐使用行为和人格特征，研究人员可以发现潜在的行为模式，为心理学研究提供新的视角。
4. 教育与培训：数据集可用于教育场景，帮助学生和研究人员了解AI在心理学领域的应用，以及如何通过音乐偏好进行人格分析。
5. 机器学习与数据科学：数据集包含多种类型的数据（文本、量表评分、音乐元数据和音频特征），适合用于分类、回归、聚类、因子分析等机器学习任务，为数据科学项目提供丰富的实验材料。
此数据集为研究AI与心理学的交叉领域提供了宝贵的支持，同时也为音乐偏好与人格特质的关系研究提供了基础。
