基于大数据的道德实证研究成为当前道德心理学一大前沿热点。在各大社交平台,用户通过记录个人生活、自我表露内心状态以及传递分享咨询,社交大数据从某种程度上捕捉、记录了个人现实世界生活轨迹,特别是内在轨迹,是个人物理世界到抽象化信息世界的一种全新映射。基于上述特性,能否通过社交大数据对人的道德以更小成本进行评估成为研究者们颇感兴趣的一大研究问题。当前的大数据道德实证研究主要针对群体道德,并且研究方法多为道德相关词频统计或诸如主题模型、支持向量机等浅层学习模型,而浅层模型无法全面捕捉高维空间文本信息,容易造成有效信息遗漏,进而影响分析准确性。针对当前研究的上述两大局限,本研究中,我们进一步深入,针对个体用户,尝试设计基于人工神经网络的深度学习模型,捕捉、保留更多有效信息,通过分析非结构化的社交网络文本语义信息以及用户行为模式,以数据驱动,从大数据角度对个体道德自动建模、量化,同时在研究目标以及研究方法上对大数据道德实证研究进行拓展与创新。实验方面,本研究招募西安交通大学40名少年班学生作为被试,收集其近三年来的腾讯微博,并结合传统道德量表对其道德情况进行测量作为客观真值,训练有监督的深度学习模型,并与已有研究中使用的浅层模型进行对比,实验结果验证了社交大数据对个体道德研究的可行性,以及深度模型对个体道德研究的有效性以及准确性提升。