De ce majoritatea testelor de personalitate de pe internet nu sunt fidele

Un test de personalitate gratuit online și un instrument psihometric validat produc un rezultat care pare identic: un scor, o percentilă, un paragraf care te descrie. Diferența se află în întregime în munca pe care nu o poți vedea pe ecranul cu rezultate.

Merită să fim preciși în privința asta, pentru că formularea obișnuită, aceea că testele de pe internet sunt escrocherii, este în cea mai mare parte greșită și nu foarte utilă. Majoritatea sunt create de oameni fără intenția de a înșela. Sunt nefiabile din motive structurale.

Ce se omite de obicei

Analiza itemilor. Într-o scală construită corect, majoritatea itemilor redactați inițial sunt eliminați după testarea pilot: itemi la care nimeni nu variază, itemi care se corelează slab cu totalul, itemi care încarcă mai mult de un factor, itemi care se comportă diferit în funcție de vârstă sau limbă. Un test scris și publicat fără o testare pilot a păstrat tot, inclusiv itemii care nu funcționează.

Confirmarea structurală independentă. Analiza factorială pe datele din care ai construit scala va reconfirma structura pe care ai proiectat-o. Confirmarea acesteia pe un eșantion nou este un studiu separat, și este etapa la care o mare parte dintre scale nu trec testul.

Normele. Percentila trebuie să provină de undeva. Dacă site-ul nu specifică populația sa de referință, numărul provine fie de la vizitatorii anteriori, un grup autoselectat de compoziție necunoscută, fie de nicăieri în special.

Datele test-retest. Stabilirea faptului că oamenii obțin același scor luna următoare necesită identificarea lor din nou. Aproape nimeni nu face asta, ceea ce înseamnă că stabilitatea implicată de cuvântul "trăsătură" nu a fost demonstrată.

Stimulentele de proiectare merg în direcția greșită

Un test construit pentru implicare este optimizat pentru un rezultat diferit de un test construit pentru acuratețe, iar cele două se îndepărtează în moduri previzibile.

Rezultatele lingușitoare performează mai bine. Un rezultat care îți spune ceva neplăcut este partajat mai puțin, astfel că rezultatele se îndreaptă spre descrieri pe care toată lumea le recunoaște la sine. Acesta este efectul Barnum, demonstrat în anii 1940 și reprodus constant de atunci: oamenii evaluează descrierile generice de personalitate ca fiind extrem de exacte în privința lor personală.

Tipurile performează mai bine decât dimensiunile. "Ești un Arhitect" este mai ușor de partajat decât "te situezi la percentila 68 pe deschidere, cu un interval de încredere larg". Tipurile ascund, de asemenea, eroarea de măsurare, întrucât cineva situat cu un punct de o parte sau alta a unei limite de categorie primește etichete complet diferite.

Scurt performează mai bine decât adecvat. Fiecare întrebare adițională pierde respondenți, astfel că testele sunt reduse la o lungime care maximizează finalizarea, nu una care acoperă construitul.

Niciuna dintre acestea nu este o minciună. Sunt optimizări pentru un alt indicator decât acuratețea.

Cum îți dai seama în aproximativ treizeci de secunde

Caută un instrument sursă numit, cu autori și an. Caută o declarație privind populația din care provin normele. Caută orice recunoaștere a limitărilor sau a erorii de măsurare. Caută dacă rezultatul este un scor continuu sau o categorie. Caută dacă aceeași pagină promite și să îți identifice cariera ideală, partenerul sau scopul în viață din douăzeci de întrebări.

Un test care își numește instrumentul, își citează sursa, își declară normele și spune ce nu poate să îți spună a făcut munca necesară. Unul care nu face nimic din toate acestea poate fi totuși un mod plăcut de a-ți petrece cinci minute, dar numărul pe care îl produce este decorativ.

Fiecare instrument din catalogul NOESIS specifică ce test publicat implementează, cine l-a scris, în ce an, cum este scorat și ce nu stabilesc rezultatele sale. Acea ultimă parte este cea care merită comparată.