100 000 laimīgu mirkļu

Laimes zinātne arvien vairāk interesē psihologus un sabiedrību kopumā. Šīs disciplīnas pamatā ir jautājumi: kas mūs dara laimīgus un kas šo laimi uztur laika gaitā?

Šķiet, ka svarīgu lomu spēlē dažādi faktori. Psihologi domā, ka aptuveni 50 procenti no mūsu laimes ir mūsu gēnu rezultāts — šķiet, ka esam iepriekš ieprogrammēti noteiktam laimes līmenim. Turpretim viņi domā, ka mūsu vide — mūsu dzīves apstākļi — tikai 10 procentus veicina mūsu laimes līmeni.

Pārējais ir mūsu kontrolē. Apmēram 40 procenti no mūsu laimes līmeņa ir mūsu izvēles rezultāts. Tās ir tādas lietas kā ieguldījums ilgtermiņa attiecībās, jēgpilna darba veikšana un saikne ar mīļajiem.

Darbības vārdu skaita sadalījums laimīgā brīdī.

Patiešām, salīdzinoši jaunā pozitīvās psiholoģijas disciplīna virza cilvēkus uz šo uzvedību. Un arvien vairāk lietotņu palīdz cilvēkiem izdarīt izvēli, lai uzlabotu viņu laimes līmeni.

Taču šo izvēļu un uzvedības izpēte ir sākuma stadijā. Laime nav vienots stāvoklis, ko var ieslēgt un izslēgt pēc pieprasījuma. Tā vietā tas ir stāvoklis vai stāvokļu kopums, ko var izraisīt bagātīgs nosacījumu un to permutāciju gobelēns. Un tomēr ir bijis salīdzinoši maz darba, kas ķircina šo apstākļu būtību un to rašanās veidu.

Šķiet, ka šodien tas mainīsies, pateicoties Akari Asai darbam Tokijas Universitātē Japānā un kolēģiem no visas pasaules. Šie cilvēki ir izveidojuši datubāzi ar 100 000 laimīgu mirkļu un sākuši sarežģīto uzdevumu — datu ieguves saturu. Un komanda ir izveidojusi datubāzi — HappyDB — publiski pieejams tiešsaistē lai ikviens varētu to izpētīt tālāk.

Datubāzi bija viegli izveidot. Komanda izveidoja uzdevumu Amazon Mechanical Turk pūļa piegādes pakalpojumā, kas lūdza cilvēkiem aprakstīt trīs laimīgus mirkļus iepriekšējo 24 stundu vai iepriekšējo trīs mēnešu laikā.

Tādā veidā viņi apkopoja 100 000 laimīgu mirkļu aprakstus no vienādām vīriešu un sieviešu proporcijām. Šie cilvēki — turkeri — dzīvoja ASV, lielākoties vecumā no 20 līdz 40 gadiem un pārsvarā bija vientuļi.

Asai un co. ir iztīrījuši datubāzi dažādos veidos, piemēram, labojuši acīmredzamas pareizrakstības kļūdas. Tas bija svarīgi, jo sākotnēji datubāzē bija daudz vairāk atsauču uz dēliem nekā meitām.

Bet tas izrādījās rezultāts tam, ka cilvēki vārdu meita nepareizi uzrakstīja biežāk nekā dēls. Pēc drukas kļūdu labošanas abiem vārdiem bija gandrīz vienāds biežums, teiksim Asai un co.

Laimīgu mirkļu piemēri no datu bāzes ir:

Izgāju ārā ar draugu, paēdām un runājām par dzīvi

Es vakariņoju ar savu vīru

Šovakar es devos skriet, un laiks bija jauks un ēnains

Esmu ļoti priecīgs, ka nākammēnes varēšu ceļot uz Floridu. Es sāku ķiķināt, tikai par to domājot

Es noskūpstīju savu draudzeni karstajā vannā

Šie teikumi nekavējoties rada jautājumu par to, kā tos vislabāk analizēt. Tātad Asai un co. ir sākuši uzdevumu, izmantojot dabiskās valodas apstrādi, lai analizētu aktivitātes, kas notika laimīgajā brīdī, kas tajās piedalījās un kādi citi faktori varētu būt noteicoši.

Analīze izrādās sarežģīts uzdevums. Piemēram, virspusēji vienkāršais teikums, ko vakariņoju ar vīru, liek uzdot jautājumu, kas tieši šajā nodarbē padarīja mirkli laimīgu. Izvilktās aktivitātes varētu būt vakariņas, būšana kopā ar vīru vai kaut kas tāds, kas tekstā nav skaidri minēts, piemēram, randiņu vakars bez bērniem, saka Asai un citi.

Komanda dziļāk iedziļinājās, analizējot frāzes, izmantojot standarta sentimenta un emocionālās valences rādītājus. Viņi arī mēģināja sadalīt frāzes deviņās kategorijās, piemēram, sasniegumi, pieķeršanās un vingrinājumi.

Sasniegums, piemēram, ietver darbības ar papildu piepūli, lai sasniegtu labāku rezultātu, nekā gaidīts. Piemēri var ietvert darba pabeigšanu vai maratonu.

Pieķeršanās ietver aktivitātes ar jēgpilnu mijiedarbību ar ģimeni, mīļajiem un mājdzīvniekiem. Piemēri: apskāviens, glāstīšana vai skūpsts.

Un vingrinājumi ietver aktivitātes ar nolūku vingrot vai trenēties, piemēram, skriet, braukt ar velosipēdu vai nodarboties ar jogu.

Visbeidzot, komanda sadalīja rezultātus pēc tā, vai laimīgais brīdis notika iepriekšējās 24 stundās vai iepriekšējos trīs mēnešos. Tas sniedza zināmu ieskatu par atšķirību starp darbībām, kas sniedz īslaicīgu laimi, un tām, kas sniedz ilgstošu laimi.

Rezultāti liecina, ka mirkļi, par kuriem ziņots 24 stundu periodā, parasti ir darbības, kas notiek katru dienu (piemēram, ēdieni, gulētiešanas laiks), un brīži, par kuriem ziņots trīs mēnešu periodā, parasti atspoguļo retus notikumus, piemēram, brīvdienas vai dzīves notikumus, saka Asai un kolēģi. .

Protams, Asai un co. norāda, ka šāda veida analīze ir tikai sākums tam, kas, iespējams, ir sarežģīta dabiskās valodas apstrādes joma. Viņi ierosina plašu jautājumu loku, ko šī pieeja varētu risināt. Piemēram:

Kādas darbības ir aprakstītas konkrētā laimīgā brīdī?

Kādi vēl komponenti bez aktivitātēm ir svarīgi laimīgajā brīdī?

Kurš no šiem aspektiem ir vissvarīgākais laimīgajā brīdī?

Vai mēs varam atklāt izplatītus pārfrāzējumus, lai aprakstītu darbības, kas parādās laimīgos brīžos?

Tie ir vērienīgi jautājumi, kas prasīs ievērojamu progresu dabiskās valodas apstrādē.

Pēc tam rodas papildu jautājumi, piemēram, kā priecīgie brīži atšķiras starp demogrāfiskajām grupām, kultūrām, ģeogrāfiskajām vietām utt. Tajos kalnos ir daudz zelta.

Tāpēc 100 000 laimīgo mirkļu datu bāzes izlaišana ir nozīmīgs solis ceļā uz labāku laimes izpratni un veidu atrašanu, kā palīdzēt cilvēkiem sasniegt laimi pēc saviem noteikumiem.

Atsauce: arxiv.org/abs/1801.07746 : HappyDB: 100 000 laimīgu mirkļu kopums, ko nodrošina pūlis

paslēpties