SpeedDating

该数据集收集了2002至2004年间实验性速配约会活动的参与者数据。在活动中，参与者与异性参与者进行四分钟的初次约会，并评估对方在吸引力、真诚度、智力、乐趣、抱负和共同兴趣等六个方面的表现。此外，数据集还包括了参与者在不同阶段填写的问卷数据，涉及人口统计、约会习惯、自我感知关键属性、对伴侣价值的看法及生活方式信息。

This dataset compiles participant data from experimental speed dating events conducted between 2002 and 2004. During the events, participants engaged in four-minute first dates with opposite-sex partners, and rated their counterparts on six dimensions: attractiveness, sincerity, intelligence, fun, ambition, and shared interests. Additionally, the dataset includes questionnaire responses filled out by participants across different stages, covering demographic characteristics, dating habits, self-perceived key attributes, perceptions of partner value, and lifestyle-related information.

原始信息汇总

数据集概述

数据集描述

该数据集关于快速约会（speed dating），收集于2002-2004年间的实验性快速约会活动参与者。在活动中，参与者与异性参与者进行四分钟的“初次约会”。约会结束后，参与者被询问是否愿意再次见到对方，并根据六个属性对约会对象进行评分：

• 吸引力
• 真诚
• 智力
• 趣味性
• 抱负
• 共同兴趣

数据内容

数据集还包括在不同阶段从参与者收集的问卷数据，涵盖以下领域：

• 人口统计信息
• 约会习惯
• 自我认知的关键属性
• 对伴侣价值的看法
• 生活方式信息

数据文件

数据文件位于名为data的目录下，具体文件为：

• data/speed-dating.csv

数据处理

需要Python 3.x运行位于scripts目录下的脚本，具体脚本为：

• scripts/main.py

许可

该数据集遵循公共领域 dedication 和 license。

搜集汇总

数据集介绍

构建方式

SpeedDating数据集构建于2002年至2004年间，通过实验性快速约会活动收集数据。参与者在活动中与每位异性进行四分钟的初次约会，随后回答是否愿意再次见面，并对约会对象在吸引力、真诚度、智力、趣味性、抱负和共同兴趣六个维度上进行评分。此外，数据集还包含了参与者在不同时间点填写的问卷数据，涵盖人口统计、约会习惯、自我认知、对他人择偶标准的看法及生活方式等信息。

特点

该数据集的特点在于其多维度的数据收集方式，不仅记录了参与者在快速约会中的即时反馈，还通过问卷深入了解了他们的背景信息和心理状态。这种结合即时互动与长期观察的数据结构，为研究人际吸引力和择偶行为提供了丰富的实证材料。

使用方法

使用SpeedDating数据集时，首先需确保Python 3.x环境，并运行位于`scripts`目录下的`main.py`脚本。数据集以CSV格式存储于`data`目录中，可直接加载进行分析。研究者可利用该数据集探讨快速约会中的决策过程、人际吸引力因素及其与个人背景的关联，为心理学和社会学领域提供实证支持。

背景与挑战

背景概述

SpeedDating数据集源于2002年至2004年间进行的实验性快速约会活动，由哥伦比亚大学的研究人员主导收集。该数据集旨在探索人际交往中的初始吸引力及其影响因素，涵盖了参与者在四分钟约会中对潜在伴侣的吸引力、真诚度、智力、趣味性、抱负和共同兴趣等六个维度的评分。此外，数据集还包括参与者的问卷数据，涉及人口统计信息、约会习惯、自我认知、对伴侣价值的信念以及生活方式等多方面内容。这一数据集为心理学、社会学和行为经济学等领域的研究提供了宝贵资源，尤其在理解人类择偶行为和决策过程方面具有重要影响。

当前挑战

SpeedDating数据集在解决人际吸引力和择偶决策问题时面临多重挑战。首先，数据的收集依赖于参与者的主观评价，可能存在偏见或不准确性，尤其是在短时间内对多个对象进行评分时。其次，数据集的时间跨度较短，可能无法全面反映长期关系中的动态变化。此外，构建过程中需处理大量复杂的问卷数据，涉及多维度信息的整合与清洗，这对数据预处理提出了较高要求。最后，如何在保护参与者隐私的同时，确保数据的开放性和可用性，也是数据集构建过程中需要平衡的关键问题。

常用场景

经典使用场景

SpeedDating数据集广泛应用于社会心理学和行为经济学领域，特别是在研究人类初次互动中的决策过程。通过分析参与者在快速约会中对潜在伴侣的评分和选择，研究者能够深入探讨第一印象、吸引力评估以及短期关系形成中的心理机制。

解决学术问题

该数据集为解决人类在有限时间内如何评估和选择潜在伴侣的学术问题提供了宝贵的数据支持。通过分析参与者的评分和选择行为，研究者能够揭示吸引力、相似性和社会期望等因素在决策中的权重，进而推动对人际互动和关系形成理论的深入理解。

衍生相关工作

SpeedDating数据集催生了一系列经典研究，包括基于机器学习的伴侣选择预测模型、社会心理学中的吸引力评估研究以及行为经济学中的决策偏差分析。这些研究不仅深化了对人类行为的理解，还为相关领域的算法设计和理论构建提供了重要参考。