Jak přesné jsou osobnostní testy? Reliabilita, opakování a Barnumův efekt

Co znamená „přesný“ u osobnostního testu

Psychologové dělí přesnost na dvě otázky:

• Reliabilita: měří test konzistentně? Shodují se spolu položky, které by měly zachytit stejný rys (vnitřní konzistence), a dostaneš podobné skóre, když test zopakuješ (test-retestová reliabilita)?
• Validita: měří, co má? Shodují se skóre s jinými informacemi o tobě, například s hodnocením lidí, kteří tě znají, a předpovídají chování a životní výsledky?

Test může být reliabilní, ale ne validní (váha, která vždy ukazuje o dvě kila víc), ale nemůže být validní, aniž by byl reliabilní.

Reliabilita: jsou skóre stabilní?

Vnitřní konzistence se obvykle vyjadřuje Cronbachovým alfa od 0 do 1. Hodnoty kolem 0,80 a výš se u výzkumných škál obecně považují za dobré. Volně dostupné škály IPIP, které 64 Types používá, mají v našich normových skupinách, každé zhruba o 20 000 lidech, α mezi 0,79 a 0,89; všechna čísla jsou na stránce o vědě. Publikované studie MBTI také obecně uvádějí u čtyř škál vysokou vnitřní konzistenci, i když se hodnoty mezi studiemi liší.^[8]

Stabilita v průběhu let je vysoká, ale zdaleka ne dokonalá. Ve 152 longitudinálních studiích vzrostla korelace mezi skóre osobnosti změřenými zhruba 6,7 roku od sebe z 0,31 v dětství na asi 0,74 mezi 50 a 70 lety.^[9] Část nestability je skutečná změna: průměrné úrovně rysů se během dospělosti posouvají.^[10] Viz Může se tvůj typ osobnosti změnit?

Proč typové výsledky působí nespolehlivě

Když jsou škály reliabilní, proč tolik lidí při opakování dostane jiný typ? Kvůli tomu, co se děje blízko hranice. Osobnostní skóre se shlukují uprostřed: většina lidí je blízko středu, ne ve dvou hrbech.^[4][11] Kdokoli blízko středu může kvůli malému, běžnému výkyvu dostat jiné písmeno. U čtyř písmen se rizika, že se aspoň jedno převrátí, sčítají. Analýzy MBTI označují tuto nestabilitu zařazení za ústřední důvod k opatrnosti.^[5]

Jednoduchý výpočet. Z definice je u každého rysu 20 % lidí mezi 40. a 60. percentilem. Kdyby šest rysů kódu ze 64 typů bylo úplně nezávislých, podíl lidí, kteří v tomto pásmu nemají žádný rys, by byl 0,8⁶, tedy asi 26 %, a zhruba tři ze čtyř lidí by měli aspoň jeden hraniční případ. (Rysy spolu mírně korelují, takže skutečné číslo je trochu jiné, ale princip platí.)

Validita: vidí tě ostatní stejně?

Silným testem je, zda se shodují hodnocení lidí, kteří tě znají. Série metaanalýz s 44 178 hodnocenými osobami ve 263 vzorcích zkoumala, jak dobře se hodnocení pozorovatelů shodují mezi sebou a se sebehodnocením. Přesnost rostla s tím, jak blízko měl hodnotitel k dané osobě, hlavně u méně viditelných rysů, jako je emoční stabilita. Hodnocení od ostatních také jasně lépe než sebehodnocení předpovídala školní a pracovní výkon a doplňovala je.^[1]

Slepá místa má člověk sám i jeho okolí. Ve studii, ve které se sebehodnocení a hodnocení přátel a cizích lidí porovnávala s měřítky chování, posuzoval rysy spojené s neuroticismem nejlépe sám člověk, rysy spojené s intelektem nejlépe přátelé a extraverzi posoudili všichni zhruba stejně dobře.^[12]

Validita: předpovídají skóre skutečné výsledky?

Rysy Big Five předpovídají úmrtnost, rozvod a pracovní úspěch zhruba stejně dobře jako socioekonomický status a kognitivní schopnosti.^[2] Svědomitost předpovídá pracovní výkon ve všech povoláních,^[13] neuroticismus úzkostné a depresivní poruchy^[14] a osobnost jako celek předpovídá širokou škálu dalších výsledků.^[15]

Výsledky obstojí i při bližším zkoumání. Předregistrovaný projekt znovu otestoval 78 publikovaných souvislostí mezi rysy a výsledky na velkých vzorcích a zjistil, že 87 % se podařilo replikovat, i když účinky obvykle dosáhly asi 77 % původně publikované síly.^[3] Správná formulace tedy zní „skutečné, pevné, střední“: korelace mezi rysy a výsledky ve velkých metaanalýzách jsou převážně zhruba mezi 0,10 a 0,30, například 0,11 mezi svědomitostí a dlouhověkostí a 0,31 mezi extraverzí a vedením.^[16][17] To je užitečné pro pochopení tendencí u mnoha lidí a mnohem slabší pro předpověď, co udělá konkrétní člověk.

Barnumův efekt: proč každý výsledek působí přesně

V roce 1949 nechal psycholog Bertram Forer své studenty vyplnit osobnostní test a o týden později dal každému údajně osobní profil. Ve skutečnosti všichni dostali stejný text, převzatý převážně z astrologické knížky z novinového stánku, s větami jako „máš velkou potřebu, aby tě ostatní měli rádi a obdivovali“. Studenti ho v průměru hodnotili jako velmi přesný popis sebe sama.^[6]

Pozdější přehled desetiletí replikačních studií ukázal, že lidé takovou zpětnou vazbu snáz přijmou, když je lichotivá, když je dost obecná, aby seděla téměř na každého, a když věří, že byla napsána přímo pro ně.^[7]

Popisy typů často splňují všechny tři podmínky. Nejsou tím zbytečné, ale znamená to, že „přesně takový jsem“ nedokáže odlišit validní test od horoskopu. Výše uvedené kontroly naopak ano: stabilita, shoda s ostatními a predikční síla.

Kontrolní seznam pro posouzení jakéhokoli osobnostního testu

1. Říká, odkud otázky pocházejí? Vědecké testy používají publikované sady položek, například volně dostupný IPIP.^[18]
2. Porovnává tě se skutečnými lidmi? Percentily vůči uvedené normové skupině znamenají víc než „vysoké“ nebo „nízké“ na libovolné škále.
3. Uvádí reliabilitu? Hledej čísla jako Cronbachovo alfa.
4. Ukazuje skóre, ne jen nálepku? Spojitá skóre odrážejí, jak jsou rysy skutečně rozložené.^[11]
5. Řekne ti, když jsi blízko středu? Hraniční případy jsou největší příčinou změn typu.^[4]
6. Dokládá svá tvrzení o kariéře nebo vztazích důkazy? A uvádí poctivě velikosti účinků?
7. Uvádí svá omezení? Sebehodnoticí test není klinická diagnóza ani náborový nástroj.

Jak v tomto seznamu obstojí 64 Types

64 Types jsme postavili podle tohoto seznamu: 62 volně dostupných položek IPIP, percentily vůči zhruba 20 000 skutečných odpovědí na škálu, zveřejněné hodnoty reliability, hraniční případy označené alternativními kódy a zdroje citované v celém textu. Omezení říkáme otevřeně: normové skupiny tvoří online dobrovolníci, mezi nimiž je víc mladých a anglicky mluvících lidí. Česká verze je náš vlastní překlad, který nebyl samostatně normován. Podrobnosti najdeš v průvodci Jak funguje test 64 Types a na stránce o vědě.

Časté otázky