Kişilik testleri ne kadar doğru? Güvenilirlik, yeniden test ve Barnum etkisi

Bir kişilik testi için "doğru" ne demek?

Psikologlar doğruluk sorusunu ikiye ayırır:

• Güvenilirlik: test tutarlı biçimde mi ölçüyor? Aynı özelliği ölçmesi gereken maddeler birbiriyle uyuşuyor mu (iç tutarlılık) ve testi yeniden çözersen benzer bir puan alıyor musun (test-tekrar test güvenilirliği)?
• Geçerlilik: doğru şeyi mi ölçüyor? Puanlar seninle ilgili başka bilgilerle, örneğin seni tanıyan kişilerin değerlendirmeleriyle uyuşuyor mu ve davranışları ve yaşam sonuçlarını öngörüyor mu?

Bir test geçerli olmadan güvenilir olabilir (her zaman iki kilo fazla gösteren bir tartı gibi), ama güvenilir olmadan geçerli olamaz.

Güvenilirlik: puanlar tutarlı mı?

İç tutarlılık genellikle 0 ile 1 arasında değişen Cronbach alfası (α) ile ifade edilir. Araştırma ölçekleri için yaklaşık 0,80 ya da üzeri değerler genellikle iyi kabul edilir. 64 Types'ın kullandığı kamu malı IPIP ölçeklerinin, her biri yaklaşık 20.000 kişilik norm örneklemlerimizde α değerleri 0,79 ile 0,89 arasındadır; tüm rakamlar Bilim sayfamızda. Yayımlanmış MBTI çalışmaları da değerler çalışmadan çalışmaya değişse de dört ölçeği için genellikle güçlü bir iç tutarlılık bildirir.^[8]

Yıllar içindeki test-tekrar test istikrarı yüksektir ama mükemmel olmaktan uzaktır. 152 boylamsal çalışmada yaklaşık 6,7 yıl arayla ölçülen kişilik puanları arasındaki korelasyon çocuklukta 0,31'den 50 ile 70 yaş arasında yaklaşık 0,74'e yükseldi.^[9] Bu istikrarsızlığın bir kısmı gerçek değişimdir: özelliklerin ortalama düzeyleri yetişkinlik boyunca değişir.^[10] Bkz. Kişilik tipin değişebilir mi?

Tip sonuçları neden güvenilmez görünür?

Ölçekler güvenilirse neden bu kadar çok kişi yeniden testte başka bir tip alıyor? Eşiğin yakınında olanlar yüzünden. Kişilik puanları iki tümseğe bölünmez; çoğu insanın ortaya yakın olduğu biçimde merkezde toplanır.^[4][11] Orta noktaya yakın herkes küçük ve normal bir dalgalanma yüzünden bir harfin çevrildiğini görebilir. Dört harfle en az birinin çevrilme olasılığı birikir. MBTI'ye yönelik eleştirel değerlendirmeler bu sınıflandırma istikrarsızlığını dikkatli olmak için önemli bir neden olarak gösterdi.^[5]

Basit bir örnek: tanım gereği insanların %20'si herhangi bir özellikte 40. ile 60. yüzdelik dilim arasındadır. 64 tipli bir koddaki altı özellik tamamen bağımsız olsaydı, bu bölgede hiçbir özelliği olmayan kişilerin oranı 0,8⁶, yani yaklaşık %26 olurdu: kabaca her dört kişiden üçünün en az bir sınırdaki harfi olurdu. (Özellikler biraz ilişkili olduğu için gerçek rakam biraz farklıdır, ama mantık geçerlidir.)

Geçerlilik: başkaları seni aynı biçimde mi görüyor?

İyi bir kontrol, seni tanıyan kişilerin seni benzer biçimde değerlendirip değerlendirmediğine bakmaktır. 263 örneklemde değerlendirilen 44.178 kişiyi kapsayan bir dizi meta-analiz, gözlemci değerlendirmelerinin birbiriyle ve öz değerlendirmelerle ne ölçüde uyuştuğunu inceledi. Değerlendiren kişi değerlendirilene yakınlaştıkça doğruluk arttı; özellikle duygusal denge gibi daha az görünür özelliklerde. Başkalarının değerlendirmeleri okul başarısını ve iş performansını öz değerlendirmelerden belirgin biçimde daha iyi öngördü ve onlara ek bilgi kattı.^[1]

Kişinin kendisinin de başkalarının da kör noktaları vardır. Kişinin kendi, arkadaşlarının ve yabancıların değerlendirmelerini davranışsal ölçümlerle karşılaştıran bir çalışmada nevrotiklikle ilgili özelliklerin en iyi yargıcı kişinin kendisiydi; zihinle ilgili özelliklerde en iyisi arkadaşlardı; dışadönüklüğü ise herkes aşağı yukarı aynı iyilikte değerlendirdi.^[12]

Geçerlilik: puanlar gerçek hayatı öngörüyor mu?

Beş Faktör özellikleri ölümü, boşanmayı ve mesleki başarıyı sosyoekonomik durum ve bilişsel yetenek kadar iyi öngörür.^[2] Sorumluluk tüm mesleklerde iş performansını öngörür,^[13] nevrotiklik kaygı ve depresyon bozukluklarını öngörür^[14] ve kişilik daha pek çok sonucu öngörür.^[15]

Bu bulgular sağlamdır. Ön kayıtlı bir proje, yayımlanmış 78 özellik-sonuç ilişkisini büyük örneklemlerle yeniden test etti ve etkiler genellikle ilk güçlerinin yaklaşık %77'sine ulaşsa da %87'sinin yeniden bulunduğunu gördü.^[3] Doğru özet bu yüzden "gerçek, tutarlı, mütevazı"dır: büyük meta-analizlerde özellik-sonuç korelasyonlarının çoğu yaklaşık 0,10 ile 0,30 arasındadır; örneğin sorumluluk ile uzun ömür arasında 0,11, dışadönüklük ile liderlik arasında 0,31.^[16][17] Bu, pek çok insandaki eğilimleri anlamak için yararlıdır; belirli bir kişinin ne yapacağını öngörmek için ise çok daha az.

Barnum etkisi: her sonuç neden isabetli gelir?

Psikolog Bertram Forer 1949'da öğrencilerine bir kişilik testi uyguladı ve bir hafta sonra her birine kişisel bir profil olduğuna inandıkları bir metin verdi. Gerçekte hepsi, büyük ölçüde gazete bayisinden alınmış bir astroloji kitabından derlenen ve "başkalarının seni sevmesine ve takdir etmesine büyük ihtiyaç duyuyorsun" gibi cümleler içeren aynı metni aldı. Öğrenciler ortalamada metni kişiliklerine çok uygun buldu.^[6]

Onlarca yıllık izleme çalışmalarının sonraki bir sentezi, insanların bu tür geri bildirimleri gurur okşayıcı olduğunda, neredeyse herkese uyacak kadar genel olduğunda ve kendileri için özel olarak hazırlandığına inandıklarında daha kolay kabul ettiğini gösterdi.^[7]

Tip tanımları çoğu zaman bu üç koşulu da karşılar. Bu onları değersiz kılmaz, ama "tıpatıp beni anlatıyor" hissinin geçerli bir testi bir burç yorumundan ayırmaya yetmediği anlamına gelir. Yukarıdaki kontroller, yani tutarlılık, başkalarıyla uyum ve öngörü, bunu sağlar.

Herhangi bir kişilik testini değerlendirmek için kontrol listesi

1. Sorularının nereden geldiğini söylüyor mu? Araştırma testleri, kamu malı IPIP gibi yayımlanmış madde setlerini kullanır.^[18]
2. Seni gerçek insanlarla karşılaştırıyor mu? Belirtilmiş bir norm örneklemine dayanan yüzdelik dilimler, keyfî bir ölçekteki "yüksek" ya da "düşük"ten daha anlamlıdır.
3. Güvenilirliğini belirtiyor mu? Cronbach α gibi rakamlara bak.
4. Yalnızca bir etiket değil, puanlar gösteriyor mu? Sürekli puanlar, özelliklerin gerçekte nasıl dağıldığını yansıtır.^[11]
5. Ortaya yakın olduğunda sana söylüyor mu? Sınırdaki sonuçlar tip değişikliklerinin başlıca kaynağıdır.^[4]
6. Kariyer ya da ilişkiler hakkındaki iddiaları için kanıt gösteriyor mu? Ve etki büyüklüklerini dürüstçe aktarıyor mu?
7. Sınırlılıklarını belirtiyor mu? Bir öz bildirim testi ne klinik bir tanı ne de bir işe alım aracıdır.

64 Types bu listede nasıl duruyor?

64 Types'ı bu liste etrafında kurduk: kamu malı 62 IPIP maddesi, ölçek başına yaklaşık 20.000 gerçek yanıta göre hesaplanan yüzdelik dilimler, yayımlanmış güvenilirlikler, alternatif kodlarla sınırdaki sonuç uyarıları ve her yerde kaynaklı iddialar. Sınırlılıkları da açıkça belirtiliyor: norm örneklemleri çevrim içi gönüllülerden oluşuyor, oldukça genç ve İngilizce konuşan kişiler. Ayrıntılar 64 Types testi nasıl çalışır? rehberinde ve Bilim sayfamızda.

Sık sorulan sorular