科研成果｜从情绪动态到循证AI：连信科研成果入选ESCoP-CoPM 2026国际学术会议

引言当大模型越来越擅长生成内容一个更深层的问题正在被全球学术界关注AI能否真正理解人理解人的情绪理解人的人格理解人的心理状态甚至理解行为背后的心理机制。这不仅是人工智能发展的下一个重要方向也是认知科学与心理学领域长期探索的核心命题。近日连信数字洞见研究院提交的学术论文摘要集《从情绪动态建模到循证AI心理评估的计算方法From Affective Dynamics to Evidence-Grounded AI: Computational Approaches to Psychological Assessment》已正式被2026年中欧人类认知与人工智能国际会议ESCoP-CoPM 2026大会组委会接收为专题研讨会Symposium此次入选标志着连信在人本智能、情感计算、人格计算及AI心理领域的系列研究成果获得国际学术界进一步认可也展现了连信在“让AI理解人”方向上的持续探索与创新实践。ESCoP-CoPM 2026是什么会议ESCoP-CoPM 2026European Society for Cognitive Psychology Conference on Psychology and AI Models是聚焦认知科学、心理学与人工智能交叉研究的重要国际学术会议。会议重点关注认知心理学与行为科学、人工智能与认知建模、情感计算、数字心理健康、AI辅助心理评估以及大模型与认知科学融合等前沿议题。2026年大会将于8月31日至9月4日在杭州举办由浙江大学心理与行为科学系与欧洲认知心理学会European Society for Cognitive PsychologyESCoP联合主办届时将汇聚来自全球心理学、认知科学与人工智能领域的专家学者共同探讨人与智能系统协同发展的未来方向。从情绪动态到循证AI连信提出心理评估新范式长期以来心理评估主要依赖量表、自评问卷和访谈记录。这些方法能够反映个体某一时刻的心理状态却较难捕捉情绪变化过程、人格表达模式以及复杂心理机制之间的关联。而真实的人始终处于动态变化之中基于这一认识洞见研究院团队提出心理评估不应只关注“当下是什么状态”更应关注“状态如何形成与变化”。围绕这一理念团队构建了从情绪动态分析、人格计算到循证心理推理的研究框架并形成了四项具有代表性的研究成果。研究一让心理学知识变得“可计算”◆循证心理知识图谱与神经符号AI评估框架心理学知识广泛分布于海量研究文献之中不同研究之间的证据强度、可信程度和适用范围存在显著差异。为了解决这一问题研究团队构建了循证心理知识图谱Evidence-Based Psychological Knowledge Graph。简单来说就是给心理学知识建立一张“可信地图”。这张地图不仅量化了心理变量之间复杂的关系还会标注每个结论来自哪些研究、证据有多充分、可信度有多高。这样当AI进行心理分析时不再只是基于语言模式进行推测而能够依据可靠证据进行推理。基于300余例虚拟学生档案数据让AI模型进行学生心理健康水平分析我们发现基于知识图谱与大模型融合构建的神经符号系统相较于未接入知识图谱的通用大模型在逻辑一致性、洞察深度和可解释性方面均取得明显提升。这为构建更加可信、更具科学依据的AI心理评估系统提供了新的思路。这类技术可应用于心理健康评估、心理咨询、智能问诊以及专业决策辅助等场景让AI的分析结果更加可信、更具科学依据。研究二情绪波动比情绪本身更重要◆基于PAD动态情绪波动的抑郁风险识别一个人感到悲伤并不一定意味着抑郁但持续异常的情绪波动往往蕴含着更值得关注的心理风险信号。研究团队基于国际公开数据集AVEC2014通过Vision Transformer模型提取视频中的PAD愉悦度-唤醒度-支配度情绪轨迹并分析情绪随时间变化的动态特征并挖掘情绪波动模式和抑郁水平之间的关系。研究发现高抑郁风险个体在愉悦度与唤醒度维度表现出更高的情绪不稳定性。基于动态情绪特征构建的模型在抑郁风险分类任务中取得0.957的高分。研究表明相比某一时刻的情绪状态情绪变化过程本身可能包含更丰富的心理健康信息。这类技术可应用于校园心理健康监测、青少年心理风险预警、数字心理健康服务以及长期心理状态追踪等场景帮助专业人员更早发现潜在风险。研究三人格其实藏在情绪变化里◆动态PAD情绪模式与大五人格关联研究人格通常通过问卷进行测量但填写量表的结构容易受到作答主观性干扰。研究团队基于MDPE视频数据集从情绪波动模式、情绪转换频率以及情绪稳定性等维度客观分析人格差异。研究发现外向型个体具有更稳定的唤醒调节能力神经质个体表现出更高的情绪波动宜人性和尽责性与较低的情绪转换频率显著相关。相关模型的人格分类准确率最高达到90%。研究结果表明人格不仅存在于问卷答案中也持续体现在情绪表达与行为模式之中。这类研究有望应用于人才发展、组织管理、职业辅导、教育评估以及智能交互等领域帮助系统更全面地理解个体差异。研究四面部表情的时间结构蕴含人格信息◆基于面部动作单元动态特征的人格预测传统面部分析更关注“表情是什么”而研究团队进一步关注“表情如何变化”。研究从面部动作单元Action UnitAU及情绪组合特征中提取14类时间动态指标包括强度波动、变化趋势、帧间变化以及峰值出现时间等特征。结果显示相较于静态表情特征动态面部行为特征在人格预测任务中展现出更强的区分能力。例如AU9的波动、AU2的强度等能够准确预测宜人性的水平85.7%准确率。研究进一步证明情绪表达的时间结构本身就是人格的重要行为信号。这类技术可应用于智能沟通辅助、人机交互、数字员工、客户服务以及谈话分析等场景让AI不仅能够识别表情更能够理解表情背后的行为特征。从实验室走向真实世界四项研究虽然聚焦不同方向但都在回答同一个问题如何让AI真正理解人。从情绪波动到人格特征从心理知识到科学推理这些研究正在推动AI从“识别信息”向“理解人类”迈进。在教育领域它能够帮助学校更早发现学生心理风险提升学生心理健康工作的精准性与主动性在公安领域它能够辅助开展重点人员风险识别、心理状态评估和应急处置决策支持在司法领域它能够为社区矫正、风险评估等场景提供智能辅助分析在人力招聘领域它能够辅助人才测评、岗位匹配和沟通风格分析提升人岗匹配效率在安全用工领域它能够识别高风险心理状态助力安全生产和重点岗位人员风险预警在智能硬件领域它能够赋予终端设备理解用户情绪、心理状态与行为特征的能力实现更加自然、主动的人机交互。这些能力最终服务的不是机器而是人。让AI更懂人从情绪计算到人格计算从心理知识图谱到可信AI推理连信正持续探索人本智能的发展路径。2026年8月31日至9月4日连信洞见研究团队将在ESCoP-CoPM 2026大会上围绕相关成果进行专题报告与来自全球的专家学者共同探讨人工智能与人类认知研究的前沿议题。让AI更懂人不仅是一项技术挑战也正在成为下一代人工智能发展的重要命题。