性格診断テストはどのように作られるのか

オンラインでいくつか性格診断テストを受けたことがあるなら、一度はその仕組みについて考えたことがあるかもしれません。こうした診断は誰が作っているのでしょうか？　どのような資格を持っているのでしょうか？　そして実際のところ、どれほど正確なのでしょうか？

性格診断テストは、オンラインマーケティングから有権者の操作まで、あらゆる用途に役立つ便利なツールとして広まっています。そのためインターネット上では、自分自身を見つめ直すクイズに、ほとんど無限に時間を費やすことができます。Buzzfeedのクイズに2分使えば、楽しくてシェアしたくなるちょっとした話題が得られるかもしれない、と私たちは期待します。同時に、「あなたはどのマペット？」と、たとえば職業を選ぶために使うような本格的な評価とでは違いがあることも、どこかでわかっています。では、その違いとは正確には何なのでしょうか？　また、どの評価なら本当に正確だと期待できるのか、どうすればわかるのでしょうか？

正確な性格診断テストの開発は、時間を要する専門的なプロセスです。理想的には、性格診断テストを作成する人は対象分野について深い知識を持ち、評価の作成と結果の分析に相当な時間をかけます。オンラインで見つかるクイズの多くは、何をしているのかよくわからないまま、誰かが数時間で作ったものです。対照的に、本当の予測力を持つ診断は、多大な努力と専門知識の結晶です。

診断の開発は複雑ですが、段階的なプロセスに従って進められます。このプロセスを理解すれば、これまで受けてきた数々の性格診断テストが実際にどのように機能しているのか、そしてどれを自分に関する正確な情報として信頼できるのかを理解する助けになります。

では、準備してください。これから性格診断テストが作られる舞台裏をご紹介します。

何を測定するのか？

当たり前に聞こえるかもしれませんが、性格評価を作成する最初のステップは、実際に何を評価するのかを明確にすることです。より具体的には、構成概念と呼ばれるもの、つまり定義し測定できる特定の特性や現象を特定します。構成概念の例には、支配性、不安、情動性、動機づけなどがあります。 

体重や血圧のように、直接測定できる構成概念もあります。残念ながら、心理学では物事がそこまで単純であることはめったにありません。性格特性は具体的な方法で測定できず、定義すること自体もはるかに困難な場合が多いのです。外向性のような特性についてさえ、専門家の間で研究対象の定義について意見が一致しないことがあります。完璧な明確さを得ようとするのは無駄ですが、しっかりした診断開発プロセスは常に、評価する属性を人間にできる限り明確に定義しようとする取り組みから始まります。

評価が既存の性格理論に基づくものであれば、構成概念はあらかじめ定義されています。たとえば、Myers and Briggsは、性格を説明する4つの重要な構成概念として、Extraversion/Introversion、Sensing/Intuition、Thinking/Feeling、Judging/Perceivingを理論化しました。そのため、Myers and Briggsの理論に基づく性格診断テストを作成するには、これらをどのように測定できるかを理解できるよう、これらの構成概念について深く学ぶ必要があります。

一方で、使用する構成概念を定義する確立された理論なしに、ゼロから作られる評価もあります。たとえば、企業が従業員の成功を予測する評価を開発したい場合があります。動機づけ、協調性、知能、創造性といった個人的特性は、いずれも仕事で成功するうえで重要だと考えられます。評価そのものの作成を考え始める前に、こうした考えの一つひとつを十分に具体化し、評価対象となる独自の構成概念として定義する必要があります。

どのように測定するのか？

次のステップは、評価をどのような形にするかを決めることです。選択式の質問を使用する性格評価もあります。さまざまな記述にどの程度同意するかを、点数尺度で回答者に評価してもらうものもあります。さらに創造的な方法として、複数の選択肢から好きな画像を選んでもらったり、どの程度当てはまるかに基づいて単語や記述を順番に並べてもらったりするものもあります。

診断項目の形式が何であれ、まずは候補となる項目のマスターリストのようなものを作成します。通常、診断開発者は先行研究を利用して、構成概念に関連する項目を作成します。たとえば、Extraversionは人との交流時のエネルギーレベルに関係していることがわかっているため、「グループで交流すると元気が出る」という記述への同意度を評価してもらう項目を作成するかもしれません。

優れた診断項目を書くことは非常に難しく、作成された項目のうち統計的検証を通過するのは10～20%にすぎないことも珍しくありません。そのため、開発初期の段階では、最終的な評価に含めると見込む数よりもはるかに多くの項目を作成します。 

誰が受けるのか？

性格評価の中には、学校の生徒や企業の従業員など、特定の集団向けに作成されるものがあります。また、一般の人々が利用するために開発されるものもあります。対象者が誰であれ、項目がそろった今、その対象集団で試行する時です。この段階では、診断開発者は作成した項目に回答してくれる人をできるだけ多く募集します。集められるデータは多ければ多いほどよいのです。

どの程度うまく機能するのか？

測定したいものを決めました。項目も作成しました。そして、何人かのボランティアにその項目へ回答してもらいました。いよいよ、評価が実際に機能しているかを確認する時です。

この段階こそが、専門家とアマチュアを分けるものです。心理学に関心がある人なら、ほとんど誰でも性格クイズのアイデアを思いつけます。おそらく、いくつかの診断質問も書けるでしょう。そして技術的なスキルがあれば、そのクイズを他の人が受けられるようインターネット上に公開することさえできます。

しかし、その診断は本来測定すべきものを測定しているでしょうか？　おそらく、していません。専門の診断開発者であっても、機能する評価をただ寄せ集めて作れることはめったにありません。違いは、専門家には診断を分析し、意味のある結果を実際に生み出せるようになるまで改善するための手法があることです。

診断開発には、信頼性と妥当性という2つの重要な概念があります。本当の価値を持つ評価となるには、両方の領域で検証され、証明されなければなりません。

信頼性のある評価は、一貫した結果を生み出します。ある人が1月に信頼性の高い性格評価を受け、7月に再び受けた場合、その得点はおおむね同じになります。

妥当性のある評価は、意図した構成概念を測定します。高く評価されているCEOがリーダーシップ能力の評価を受けた場合、高得点を得ることが期待されます。もし得点が低ければ、実生活での観察と一致しないため、その診断の妥当性を疑うことになります。

信頼性と妥当性をイメージするために、新しい体重計を買い、試しに5回連続で体重を測ることにしたと想像してください。信頼性があれば、毎回同じ体重を示します。妥当性があれば、実際の体重に近い値を示します。妥当性はあるが信頼性がない体重計は、本当の体重に近いものの、毎回異なる値を示します。信頼性はあるが妥当性がない体重計は、常に同じ値を示しますが、その値は常に間違っています。

性格診断テストについて、こうした要因をどのように判断するのでしょうか？　少し退屈な答えではありますが、サンプル集団に評価を試した後に集めたデータに対して、いくつかの統計的検定を適用します。 

相関は、2つの要因が一緒に起こる傾向があるかを示す指標です。たとえば、背の高い人は通常より体重が重いため、身長は体重と相関しています。相関の指標は、診断開発において信頼性と妥当性の両方を検証するため、さまざまな方法で使われます。たとえば、収入獲得力の診断における得点が実際の収入と相関していることがわかれば、その診断が妥当であることを示します。外向性の診断を作成するなら、得点がその人の友人の数と相関するかを確認するかもしれません。

再検査相関は、同一人物が同じ評価を2つの別の機会に受けた場合に、2つの診断得点がどの程度相関するかを示す指標です。再検査相関が高いことは、優れた信頼性を示します。

Cronbach’s alphaは、概念的に関連しているはずの項目が、実際のサンプルデータでも相関しているかを確認する信頼性の検定です。alphaの算出方法は複雑ですが、解釈は簡単です。alphaの得点は0から1の範囲で、高いほど優れています。ほとんどの診断開発者は、alphaが.8以上なら満足します。

因子分析は、診断項目が概念的にどのように構成されているかを把握するための複雑な分析方法です。因子分析を理解するために、100個の性格診断テストの質問を完全にランダムに作ったと想像してください。いくつの構成概念を測定しているのか、それらの構成概念が何なのかはまったくわかりません。ただ、人々に答えてもらうと興味深そうな質問をいくつか書いただけです。しかし、人々に回答してもらった後で、自分の評価が何を測定しているのか気になり始めます。

因子分析は、作成したすべての項目が概念的にどのようにグループ化され得るかを示します。評価にいくつの因子、すなわち測定している可能性のある構成概念がいくつあるかを判断します。そして、どの項目が各因子と相関するかを明らかにします。たとえば、因子分析によって次の項目がグループ化されるかもしれません。

• 困っている人にお金を寄付する
• 慈善活動のボランティアをする
• 近所の人を積極的に助ける

これを見ると、評価が利他主義に関する構成概念を測定しており、これら3つの項目が利他主義尺度の出発点になり得ると論理的に結論づけるかもしれません。

実際の診断開発では、因子分析によって診断が評価する構成概念を明確にしたり、新しい構成概念の発見に役立てたりすることができます。たとえば私たちは、TypeFinder Personality Assessmentで測定される性格タイプの23の側面を発見し、定義するために因子分析を使用しました。

これらの手法には、専門知識と高度なソフトウェアに加え、検証、修正、再検証に十分な時間が必要です。ほとんどの診断開発者は、項目を開発し、サンプル集団に実施し、統計的検定を行い、その結果に基づいて修正するという作業に何か月も費やした後、ようやく妥当性と信頼性が証明された評価を完成させます。これは気軽に、あるいは短期間でできるプロセスではありません。だからこそ、優れた性格評価を見つけるのは難しいことがあります。

次に性格クイズを受けて、「一体あの結果は何を意味するの？」と思ったら、こう考えてください。おそらく、何の意味もありません。でも、パリへ引っ越すこと、運命の人と結婚すること、有名なロックスターになることを勧めるクイズなら、もちろん私たちはあなたを止めません。ときには、性格診断テストができる最高のことは、私たちがすでに知っていることを教えてくれることなのです。