Các bài test tính cách có chính xác không? Độ tin cậy, kết quả làm lại và hiệu ứng Barnum

Đội ngũ 64 Types · Cập nhật 18 tháng 10, 2026 · 9 phút đọc · 18 nguồn được bình duyệt

Những bài test nét tính cách được xây dựng tốt khá chính xác, nhưng không theo cách mà phần lớn mọi người nghĩ. Các thang đo Big Five và HEXACO đạt chuẩn nghiên cứu cho điểm số nhất quán, khớp với đánh giá của những người hiểu rõ bạn, và dự báo những kết quả thực như hiệu quả công việc, sức khỏe và sự hài lòng trong mối quan hệ, với độ lớn hiệu ứng khiêm tốn.[1][2][3] Độ chính xác giảm khi một bài test xếp con người vào các nhóm cứng nhắc (nhiều người nằm sát ngưỡng và bị đảo khi làm lại),[4][5] và cảm giác rằng một kết quả “nói trúng tim đen” không phải là bằng chứng tốt, vì con người dễ dàng chấp nhận những mô tả mơ hồ, dễ nghe như thể dành riêng cho mình (hiệu ứng Barnum).[6][7]

Dưới đây là cách các nhà tâm lý học đánh giá một bài test, bằng chứng nói gì về từng điểm, và một danh sách kiểm tra mà bạn có thể áp dụng cho bất kỳ bài trắc nghiệm trực tuyến nào.

“Chính xác” có nghĩa là gì đối với một bài test tính cách

Các nhà tâm lý học chia độ chính xác thành hai câu hỏi:

  • Độ tin cậy: bài test có đo một cách nhất quán không? Những câu hỏi nhằm đo cùng một nét có khớp với nhau không (độ nhất quán nội tại), và bạn có nhận được điểm tương tự nếu làm lại không (độ tin cậy kiểm tra lặp lại)?
  • Hiệu lực: bài test có đo đúng thứ cần đo không? Điểm số có khớp với những bằng chứng khác về bạn, như đánh giá của người quen, và có dự báo được hành vi cùng kết quả cuộc sống không?

Một bài test có thể đáng tin cậy mà không có hiệu lực (một chiếc cân luôn lệch hai ký), nhưng không thể có hiệu lực mà lại không đáng tin cậy.

Độ tin cậy: điểm số có nhất quán không?

Độ nhất quán nội tại thường được báo cáo bằng hệ số alpha của Cronbach (α), từ 0 đến 1. Giá trị khoảng 0,80 trở lên thường được xem là tốt đối với các thang đo nghiên cứu. Các thang IPIP thuộc phạm vi công cộng mà 64 Types sử dụng có α từ 0,79 đến 0,89 trong các mẫu chuẩn của chúng tôi, mỗi mẫu khoảng 20.000 người; số liệu đầy đủ có trên trang khoa học. Các nghiên cứu MBTI đã công bố cũng báo cáo độ nhất quán nội tại nhìn chung cao cho bốn thang của nó, dù giá trị dao động giữa các nghiên cứu.[8]

Độ ổn định kiểm tra lặp lại qua nhiều năm cao nhưng còn xa mới hoàn hảo. Trong 152 nghiên cứu dọc, tương quan giữa các điểm tính cách đo cách nhau khoảng 6,7 năm tăng từ 0,31 ở thời thơ ấu lên khoảng 0,74 trong độ tuổi từ 50 đến 70.[9] Một phần của sự bất ổn đó là thay đổi thật: mức trung bình của các nét dịch chuyển trong tuổi trưởng thành.[10] Xem Nhóm tính cách của bạn có thể thay đổi không?

Vì sao kết quả nhóm tính cách có vẻ không đáng tin cậy

Nếu các thang đo đáng tin cậy, vì sao nhiều người lại nhận nhóm khác khi làm lại? Vì những gì xảy ra ở gần ngưỡng. Điểm tính cách dồn về giữa, với phần lớn mọi người ở gần điểm giữa, chứ không chia thành hai đỉnh.[4][11] Bất kỳ ai ở gần điểm giữa cũng có thể bị đảo chữ cái chỉ vì một dao động nhỏ, bình thường. Với bốn chữ cái, xác suất ít nhất một chữ cái bị đảo cộng dồn lại. Các tổng quan về MBTI đã chỉ ra sự bất ổn trong phân loại này là một lý do then chốt để thận trọng.[5]

Đây là một minh họa đơn giản. Theo định nghĩa, 20% số người rơi vào khoảng giữa bách phân vị 40 và 60 ở bất kỳ nét nào. Nếu sáu nét trong một mã 64 nhóm hoàn toàn độc lập, tỷ lệ người không có nét nào trong vùng đó sẽ là 0,8⁶, khoảng 26%, nên gần ba trên bốn người sẽ có ít nhất một chữ cái sát ngưỡng. (Các nét có tương quan với nhau ở một mức nào đó, nên con số thực tế hơi khác, nhưng ý chính vẫn đứng vững.)

Lời khuyên thực tế

Khi đọc bất kỳ kết quả nhóm tính cách nào, hãy tìm điểm số bên dưới. Một chữ cái được hậu thuẫn bởi bách phân vị 90 là có ý nghĩa; một chữ cái được hậu thuẫn bởi bách phân vị 52 chủ yếu có nghĩa là “khoảng mức trung bình”.

Hiệu lực: người khác có nhìn bạn giống như vậy không?

Một cách kiểm tra mạnh là xem những người quen biết bạn có đánh giá bạn tương tự không. Một loạt phân tích tổng hợp bao gồm 44.178 người được đánh giá trong 263 mẫu đã xem xét mức độ đánh giá của người quan sát khớp với nhau và với tự đánh giá. Độ chính xác tăng khi người đánh giá thân thiết hơn với người được đánh giá, đặc biệt với những nét ít lộ ra như sự ổn định cảm xúc. Đánh giá của người khác cũng dự báo thành tích học tập và hiệu quả công việc tốt hơn đáng kể so với tự đánh giá, và bổ sung cho tự đánh giá.[1]

Bản thân và người khác đều có điểm mù. Trong một nghiên cứu so sánh tự đánh giá, đánh giá của bạn bè và của người lạ với các thước đo hành vi, chính bản thân người đó là người đánh giá tốt nhất các nét liên quan đến bất ổn cảm xúc, bạn bè giỏi nhất với các nét liên quan đến trí tuệ, và mọi người đánh giá tính hướng ngoại tốt ngang nhau.[12]

Lời khuyên thực tế

Hãy nhờ một người hiểu rõ bạn đọc kết quả của bạn. Nếu họ phản đối mạnh ở một nét nào đó, đặc biệt là nét người khác dễ thấy như tính hướng ngoại, thì sự bất đồng đó mang nhiều thông tin.

Hiệu lực: điểm số có dự báo đời thực không?

Các nét Big Five dự báo tử vong, ly hôn và thành tựu nghề nghiệp tốt gần ngang với địa vị kinh tế – xã hội và năng lực nhận thức.[2] Tính tận tâm dự báo hiệu quả công việc ở mọi nghề,[13] bất ổn cảm xúc dự báo các rối loạn lo âu và trầm cảm,[14] và tính cách dự báo nhiều kết quả khác.[15]

Những phát hiện đó đứng vững. Một dự án đăng ký trước đã kiểm tra lại 78 mối liên hệ giữa nét tính cách và kết quả đã công bố với các mẫu lớn và thấy 87% được lặp lại, dù hiệu ứng thường chỉ mạnh khoảng 77% so với báo cáo ban đầu.[3] Vì vậy, tóm tắt đúng là “có thật, nhất quán, khiêm tốn”: các tương quan giữa nét tính cách và kết quả trong những phân tích tổng hợp lớn phần lớn nằm trong khoảng 0,10 đến 0,30, ví dụ 0,11 giữa tính tận tâm và tuổi thọ, và 0,31 giữa tính hướng ngoại và khả năng lãnh đạo.[16][17] Điều đó hữu ích để hiểu các xu hướng trên nhiều người, và yếu hơn nhiều khi dự đoán một người cụ thể sẽ làm gì.

Hiệu ứng Barnum: vì sao kết quả nào cũng có vẻ chính xác

Năm 1949, nhà tâm lý học Bertram Forer cho sinh viên của mình làm một bài test tính cách và, một tuần sau, phát cho mỗi người thứ mà họ tưởng là hồ sơ cá nhân. Thực ra ai cũng nhận cùng một đoạn văn, phần lớn ghép từ một cuốn sách tử vi bán ở sạp báo, với những câu như “bạn rất cần người khác yêu mến và ngưỡng mộ mình”. Trung bình, sinh viên đánh giá đó là một mô tả rất chính xác về bản thân.[6]

Một tổng quan về hàng chục năm nghiên cứu tiếp nối cho thấy người ta dễ chấp nhận những phản hồi như vậy hơn khi chúng tích cực, khi chúng đủ chung chung để hợp với hầu như bất kỳ ai, và khi họ tin rằng chúng được đưa ra riêng cho mình.[7]

Các mô tả nhóm tính cách thường thỏa mãn cả ba điều kiện. Điều đó không làm chúng trở nên vô giá trị, nhưng có nghĩa là cảm giác “nghe giống hệt mình” không thể phân biệt một bài test có hiệu lực với một lá số tử vi. Những cách kiểm tra ở trên, gồm độ nhất quán, sự đồng tình của người khác và khả năng dự báo, thì có thể.

Danh sách kiểm tra để đánh giá bất kỳ bài test tính cách nào

  1. Bài test có nói các câu hỏi của nó đến từ đâu không? Các bài test nghiên cứu dùng những bộ câu hỏi đã công bố, như IPIP thuộc phạm vi công cộng.[18]
  2. Bài test có so sánh bạn với người thật không? Bách phân vị dựa trên một mẫu chuẩn được nêu rõ có ý nghĩa hơn “cao” hay “thấp” trên một thang tùy ý.
  3. Bài test có báo cáo độ tin cậy không? Hãy tìm những số liệu như hệ số α của Cronbach.
  4. Bài test có cho thấy điểm số, chứ không chỉ một cái nhãn? Điểm số liên tục phản ánh đúng cách các nét thực sự phân bố.[11]
  5. Bài test có cho biết khi nào bạn ở gần điểm giữa không? Kết quả sát ngưỡng là nguồn gốc chính của việc bị đảo nhóm.[4]
  6. Bài test có dẫn bằng chứng cho những nhận định về nghề nghiệp hay các mối quan hệ không? Và có báo cáo độ lớn hiệu ứng một cách trung thực không?
  7. Bài test có nêu rõ giới hạn của mình không? Một bài test tự đánh giá không phải là chẩn đoán lâm sàng hay công cụ tuyển dụng.

64 Types đáp ứng các tiêu chí này ra sao

Chúng tôi xây dựng 64 Types dựa trên danh sách kiểm tra này: 62 câu hỏi IPIP thuộc phạm vi công cộng, bách phân vị so với khoảng 20.000 câu trả lời thực cho mỗi thang, độ tin cậy được công bố, đánh dấu sát ngưỡng kèm mã thay thế, và các nhận định có trích dẫn ở mọi nơi. Những giới hạn của nó cũng được nói rõ: các mẫu chuẩn là những người tình nguyện trực tuyến, thiên về người trẻ và người nói tiếng Anh. Chi tiết trong Bài trắc nghiệm 64 Types hoạt động thế nào và trên trang khoa học của chúng tôi.

Câu hỏi thường gặp

Các bài test tính cách trực tuyến có chính xác không?

Tùy bài test. Những bài được xây dựng trên bộ câu hỏi đã kiểm chứng với chuẩn tham chiếu thực cho điểm số khá nhất quán và khớp với cách người khác nhìn nhận bạn.[1] Những bài trắc nghiệm không công bố câu hỏi, chuẩn tham chiếu hay số liệu độ tin cậy thì không thể đánh giá được.

Vì sao mỗi lần làm bài test tính cách tôi lại nhận kết quả khác nhau?

Thường là vì bạn ở gần điểm giữa ở một hoặc vài nét, nên những dao động nhỏ cũng đảo chữ cái.[4][5] Điểm số bên dưới của bạn nhiều khả năng ổn định hơn nhiều so với nhãn nhóm tính cách.

Hiệu ứng Barnum là gì?

Là xu hướng chấp nhận những mô tả mơ hồ, áp dụng chung cho nhiều người như thể đó là mô tả chính xác về bản thân, đặc biệt khi chúng tích cực và được trình bày như dành riêng cho bạn.[6][7]

Bài test tính cách có dự báo được hiệu quả công việc không?

Ở mức khiêm tốn. Tính tận tâm dự báo hiệu quả ở mọi nghề,[13] và đánh giá của người khác có thể dự báo tốt hơn tự đánh giá.[1] Hiệu ứng quá nhỏ để đánh giá một người cụ thể một cách đáng tin cậy.

Tài liệu tham khảo

  1. Connelly, B. S., & Ones, D. S. (2010). An other perspective on personality: Meta-analytic integration of observers’ accuracy and predictive validity. Psychological Bulletin, 136(6), 1092–1122.
  2. Roberts, B. W., Kuncel, N. R., Shiner, R., Caspi, A., & Goldberg, L. R. (2007). The power of personality: The comparative validity of personality traits, socioeconomic status, and cognitive ability for predicting important life outcomes. Perspectives on Psychological Science, 2(4), 313–345.
  3. Soto, C. J. (2019). How replicable are links between personality traits and consequential life outcomes? The Life Outcomes of Personality Replication Project. Psychological Science, 30(5), 711–727.
  4. Bess, T. L., & Harvey, R. J. (2002). Bimodal score distributions and the Myers-Briggs Type Indicator: Fact or artifact? Journal of Personality Assessment, 78(1), 176–186.
  5. Pittenger, D. J. (2005). Cautionary comments regarding the Myers-Briggs Type Indicator. Consulting Psychology Journal: Practice and Research, 57(3), 210–221.
  6. Forer, B. R. (1949). The fallacy of personal validation: A classroom demonstration of gullibility. Journal of Abnormal and Social Psychology, 44(1), 118–123.
  7. Furnham, A., & Schofield, S. (1987). Accepting personality test feedback: A review of the Barnum effect. Current Psychology, 6(2), 162–178.
  8. Capraro, R. M., & Capraro, M. M. (2002). Myers-Briggs Type Indicator score reliability across studies: A meta-analytic reliability generalization study. Educational and Psychological Measurement, 62(4), 590–602.
  9. Roberts, B. W., & DelVecchio, W. F. (2000). The rank-order consistency of personality traits from childhood to old age: A quantitative review of longitudinal studies. Psychological Bulletin, 126(1), 3–25.
  10. Roberts, B. W., Walton, K. E., & Viechtbauer, W. (2006). Patterns of mean-level change in personality traits across the life course: A meta-analysis of longitudinal studies. Psychological Bulletin, 132(1), 1–25.
  11. McCrae, R. R., & Costa, P. T. (1989). Reinterpreting the Myers-Briggs Type Indicator from the perspective of the five-factor model of personality. Journal of Personality, 57(1), 17–40.
  12. Vazire, S. (2010). Who knows what about a person? The self–other knowledge asymmetry (SOKA) model. Journal of Personality and Social Psychology, 98(2), 281–300.
  13. Barrick, M. R., & Mount, M. K. (1991). The Big Five personality dimensions and job performance: A meta-analysis. Personnel Psychology, 44(1), 1–26.
  14. Kotov, R., Gamez, W., Schmidt, F., & Watson, D. (2010). Linking "big" personality traits to anxiety, depressive, and substance use disorders: A meta-analysis. Psychological Bulletin, 136(5), 768–821.
  15. Ozer, D. J., & Benet-Martínez, V. (2006). Personality and the prediction of consequential outcomes. Annual Review of Psychology, 57, 401–421.
  16. Kern, M. L., & Friedman, H. S. (2008). Do conscientious individuals live longer? A quantitative review. Health Psychology, 27(5), 505–512.
  17. Judge, T. A., Bono, J. E., Ilies, R., & Gerhardt, M. W. (2002). Personality and leadership: A qualitative and quantitative review. Journal of Applied Psychology, 87(4), 765–780.
  18. Goldberg, L. R. (1992). The development of markers for the Big-Five factor structure. Psychological Assessment, 4(1), 26–42.

Cách chúng tôi viết bài: mỗi nhận định từ nghiên cứu đều trích dẫn một nguồn được bình duyệt, độ lớn của hiệu ứng được báo cáo đúng như đã công bố, và những lời khuyên vượt ra ngoài dữ liệu được ghi rõ là lời khuyên thực tế. Xem phương pháp của chúng tôi. Phát hiện lỗi? Hãy viết cho [email protected].

Bài viết liên quan

MBTI có cơ sở khoa học không? Nghiên cứu thực sự nói gì

Bốn thang đo của MBTI đo những nét tính cách có thật, nhưng 16 “nhóm” thì không. Góc nhìn cân bằng, có dẫn nguồn về độ tin cậy, hiệu lực và điều còn thiếu.

Bài trắc nghiệm 64 Types hoạt động thế nào: câu hỏi, cách tính điểm, chuẩn tham chiếu và dấu sát ngưỡng

Giải thích minh bạch về bài trắc nghiệm tính cách 64 Types: 62 câu hỏi đến từ đâu, bách phân vị được tính thế nào, và dấu sát ngưỡng có nghĩa là gì.

Nhóm tính cách của bạn có thể thay đổi không? Nghiên cứu dọc cho thấy gì

Tính cách khá ổn định nhưng không cố định. Các nét thay đổi thế nào theo tuổi, nhờ trị liệu và nỗ lực có chủ đích, và vì sao mã của bạn có thể đổi khi làm lại.