為什麼大多數網路人格測驗不可靠

一個免費的線上人格測驗，跟一個經過驗證的心理計量工具，產出的結果看起來一模一樣：一個分數、一個百分位數、一段描述你的文字。差別完全在於結果畫面上看不到的那些工作。

這一點值得說清楚，因為一般的說法——網路測驗都是騙局——大部分是錯的，也沒什麼幫助。多數測驗的製作者並沒有欺騙的意圖。它們不可靠，是出於結構性的原因。

通常被省略的部分

**題目分析。**在一個建構完善的量表中，大部分草擬的題目在試測後會被淘汰：沒有人作答有差異的題目、與總分相關性不佳的題目、同時負荷在多個因子上的題目、在不同年齡或語言群體中表現不一致的題目。一個未經試測就發表的測驗，會保留所有題目，包括那些不管用的。

**獨立的結構驗證。**用你建構量表時所用的資料做因子分析，當然會得出你原本設計的結構。要在一個全新的樣本中確認這個結構，是另外一項獨立的研究，而這正是大部分量表會失敗的步驟。

**常模。**百分位數必須有個來源。如果網站沒有說明其參照的族群，這個數字就是根據先前的訪客——一群自我選擇、組成不明的人——推算出來的，或者根本沒有依據。

**重測資料。**要確立人們下個月的得分維持一致，需要再次找到他們。幾乎沒有人這麼做，這意味著「特質」這個詞所暗示的穩定性，並未經過證實。

設計上的動機走錯了方向

為提高互動而設計的測驗，其優化目標與為求準確而設計的測驗不同，兩者會以可預測的方式漸行漸遠。

討喜的結果表現得更好。一個告訴你不受歡迎事實的結果，被分享的次數會較少，因此結果會逐漸偏向每個人都能在自己身上認出的描述。這就是巴納姆效應，早在1940年代就已被證實，此後也不斷被可靠地重現：人們會將籠統的人格描述評為，特別精確地描述了他們自己。

類型比維度表現得更好。「你是個建築師型」比「你在開放性上位於第68百分位數，且信賴區間相當寬」更容易被分享。類型也會掩蓋測量誤差，因為一個剛好落在類別邊界兩側的人，會得到完全不同的標籤。

短的比恰當的表現得更好。每多一道題目就會流失受測者，因此測驗會被刪減到能讓完成率最大化的長度，而不是能完整涵蓋該構念的長度。

這些都不是謊言。它們是針對準確性以外的另一個指標所做的優化。

大約三十秒內如何辨別

找看看是否有具名的來源工具，附上作者和年份。找看看有沒有說明常模來自哪個族群。找看看有沒有承認任何限制或測量誤差。看看結果是連續分數還是分類。看看同一頁面是否也承諾能從二十道題目中，找出你理想的職業、伴侶或人生目標。

一個會標明所使用工具、引用其來源、說明其常模，並說明其無法告訴你什麼的測驗，是做足了功課的。一個什麼都沒做的測驗，可能仍是打發五分鐘的愉快方式，但它產出的數字只是裝飾。

NOESIS 目錄中的每一項工具，都會說明它所實作的是哪一份已發表的測驗、由誰撰寫、在哪一年撰寫、如何計分，以及其結果無法確立哪些事。最後這一點，正是值得拿來比較的重點。