人格分類竟不是偽科學？Nature子刊新發現人的性格歸納成四大類

人們喜歡做線上測試，看看 Buzzfeed 和 Facebook 就知道了。一項新研究篩選了一些最大的在線數據集，從中鑒定了人的四種不同的「類型」。研究中所應用的新方法發表在《自然·人類行為》（Nature Human Behavior）上，論文中對演算法有詳細描述，這項研究是嚴謹和可重複的，終於將性格類型分析從書店中令人懷疑的自助類書籍轉移到了嚴肅的科學期刊上。

坦白說，在這裡，人格「類型」不是理想的術語；個性「集群」（personality clusters）可能更準確。論文的共同作者 William Revelle（美國西北大學）對將人分成截然不同的人格類型的概念感到不滿，比如廣受歡迎的邁爾斯-布里格斯性格分類法（Myers-Briggs Type Indicator, MBTI）一樣。Revelle 是邁爾斯-布里格斯測試的堅定反對者。不只他一個人，大多數研究性格的科學家更傾向於把性格看作多個連續的維度，並且在人們逐漸成熟的過程中，個人性格特點在這些性格維度譜中所處的位置會不斷發生變化。

圖 | 平均型、保守型、榜樣型和自我中心型：並非所有人都屬於這四類之一，但或許你是。（圖中橫坐標分別是神經質、外向性、開放性、宜人性和盡責性。來源：美國西北大學）

此研究的新發現是在性格特徵的整體分布中識別四個主要的集群。Revelle 喜歡把他們想像成「麵糊里的面塊」，或類比為美國城市人口是怎樣聚集的。

但並不是說，每個人都屬於這四個類別中的一個。

把美國分成四個區域——北部、南部、東部和西部——然後看看人口密度如何分布。你可能會發現紐約、芝加哥、洛杉磯或休斯頓等人口稠密的城市中，人口密度最高。「但是把每個人都描述成生活在這四個城市是一個錯誤。同理，我們描述的是處在這個分布的特定部分的概率；我們並不是說每個人都屬於這四個類別中的一個。」

來自西北大學的研究者們使用了來自世界各地 150 萬人在線測試的公開數據。然後根據所謂的五大基本人格（Big Five basic personality）特徵來繪製這些數據：神經質、外向性、開放性、親和性和盡責性。「五大人格」是目前研究人格的社會心理學家的專業標準。然後，他們將自己的演算法應用到生成的數據集。

四種「類型」

Revelle 承認，當他的同事、本研究共同作者 Luis Amaral 用傳統的聚類演算法來研究他的初步發現時，發現了 16 個不同的集群。Revelle 立即表示懷疑：「這太可笑了，」他說。他不認為有任何人格類型隱藏在數據中，並對 Amaral 和另一位共同者 Martin Gerlach 提出了質疑，希望能更好地改進他們的分析。

「這些用於統計的機器學習演算法不會自動產生最終的正確答案，」Revelle 說。「你需要將它與隨機解進行比較。」隨後他們通過施加額外的限制條件來篩選測試結果，從而產生了完全不同的分析結果。研究人員最終得出了四個截然不同的性格群體：

平均型：這些人在神經質和外向性方面得分很高，但在開放性方面得分較低。這是最典型的類別，女性比男性更有可能屬於此類。

保守型：這種類型的人情緒穩定，開放性或神經質得分較低。他們也在外向性方面得分較低，但往往比較隨和、認真。

圖 | 玩世不恭的年輕人：十幾歲的男孩最可能屬於自我中心型（來源：Pixabay）

榜樣型：除了神經質，這些人在所有特質上得分都很高，而且隨著年齡的增長，屬於這類人的可能性也會急劇增加。「這些人都很可靠，樂於接受新思想，」Amaral 說。「這些人擅長掌管一些事情。」女性比男性更有可能成為榜樣型。

自我中心型：這些人在外向性方面得分很高，但在開放性、宜人性和責任心方面得分較低。據 Revelle 稱，大多數十幾歲的男孩都屬於這一類，之後（但願）會逐漸成熟。隨著年齡的增長，歸於這一類別的人數急劇下降。

該團隊在首次分析中使用了一個數據集，然後在另外兩個獨立的數據集上得到了相同的結果，這意味著他們的方法是可重複的——至少在類似的大型數據集上，由於互聯網和開放獲取的興起，這些數據集在今天變得更加容易獲得。「在網路出現之前，基於數據集的研究是不可能實現的，」Amaral 說。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！