La fórmula de Spearman-Brown: per què la longitud del test prediu la fiabilitat del Big Five
La relació matemàtica entre la longitud del test i la fiabilitat la van formalitzar fa més d'un segle Charles Spearman i William Brown, que treballaven de manera independent. La fórmula de profecia de Spearman-Brown prediu com canvia la fiabilitat quan canvies el nombre d'ítems d'un test, suposant que els ítems nous són de qualitat similar als originals.
La fórmula té una implicació específica: els guanys de fiabilitat per afegir ítems segueixen una corba de rendiments decreixents. Passar de 2 ítems a 10 ítems produeix un gran guany de fiabilitat. Passar de 80 ítems a 120 ítems en produeix un de molt més petit. Els primers ítems fan la major part de la feina; cada ítem addicional aporta menys que l'anterior.
Per això, l'elecció de la longitud del test és una veritable decisió d'enginyeria, i no una simple conclusió que «com més, millor». En algun punt, la càrrega sobre les persones participants supera el guany de fiabilitat. La pregunta pràctica és on es troba aquest punt per al cas d'ús en qüestió. Per a un tractament complet de com es defineix i es mesura la fiabilitat, consulta què són la fiabilitat i la validesa en les proves de personalitat.
«La fórmula de Spearman-Brown fa precisa la relació fiabilitat-longitud: per a duplicar la fiabilitat d'un test, n'has de quadruplicar aproximadament la longitud.»
Què perden els tests del Big Five de 10 ítems que els instruments més llargs capten
Els dos ítems per dimensió del TIPI no poden, per construcció, captar la variació en el pla de les facetes dins de cada dimensió del Big Five. Com es descriu a què és una faceta en la psicologia de la personalitat, cada dimensió del Big Five conté sis facetes: subtrets estrets que poden apuntar en direccions diferents en persones amb la mateixa puntuació global de dimensió.
Una escala de Conscienciositat de dos ítems pot classificar amb èxit si una persona és en general alta o baixa en la dimensió. Però no pot distingir entre algú la Conscienciositat de qui ve impulsada per l'Ordre i el Sentit del Deure i algú el perfil de qui està dominat per l'Afany d'Assoliment i l'Autodisciplina, que és precisament la distinció més rellevant per a l'adequació de rol i el desenvolupament.
La mateixa limitació s'aplica a totes les dimensions. Una escala d'Obertura de dos ítems no pot separar la curiositat intel·lectual de la sensibilitat estètica. Una escala de Neuroticisme de dos ítems no pot distingir la reactivitat impulsada per l'ansietat de la reactivitat impulsada per la ira.
Els tests curts també mostren una fiabilitat reduïda per a les persones que se situen a prop del centre de la distribució, el rang on puntua la majoria de gent en la majoria de dimensions. Per a les persones amb puntuacions clarament extremes (molt altes o molt baixes), dos ítems poden ser suficients per a classificar-les raonablement. Per a la majoria, que puntua en el rang moderat, l'error de mesura d'una escala de dos ítems és prou gran per a produir classificacions diferents en la reavaluació. Per a l'explicació estadística de per què això importa, consulta com es calculen les puntuacions dels tests de personalitat.
TIPI vs. IPIP-NEO-120: compromisos de fiabilitat un al costat de l'altre
L'IPIP-NEO-120 és un instrument de 120 ítems, disponible lliurement, que mesura les cinc dimensions del Big Five i les trenta facetes. Es va desenvolupar específicament com una alternativa d'accés obert al NEO PI-R propietari, i les seves propietats de validesa s'han documentat en recerca revisada per experts.
La comparació amb el TIPI il·lustra directament el compromís fiabilitat-longitud:
| Longitud del test | Instrument d'exemple | Ítems per dimensió | Mesura de facetes | Estimació de fiabilitat (α) | Cas d'ús adequat |
|---|---|---|---|---|---|
| 10 ítems | TIPI | 2 | Cap | ~0.45–0.65 per dimensió | Recerca de població a gran escala; cribratge quan la brevetat és essencial; autoexploració de baix risc |
| 44 ítems | BFI (Big Five Inventory) | ~8–9 | Cap | ~0.75–0.85 per dimensió | Recerca acadèmica que requereix equilibri entre brevetat i fiabilitat; estudis en l'àmbit del grup |
| 60 ítems | IPIP-NEO-60 | 12 | Parcial | ~0.80–0.87 per dimensió | Recerca aplicada; contextos de desenvolupament de risc moderat |
| 100–120 ítems | Cèrcol / IPIP-NEO-120 | 20–24 | Completa (30 facetes) | ~0.87–0.93 per dimensió | Desenvolupament individual; perfils d'equip; coaching; avaluació d'alt risc |
| 240 ítems | NEO PI-R (complet) | 48 | Completa (30 facetes) | ~0.90–0.95 per dimensió | Avaluació clínica; recerca que requereix màxima precisió; selecció d'alt risc |
Quan un test de personalitat curt és realment adequat
L'argument a favor dels tests de personalitat curts és real i no s'ha de desestimar. En certs contextos, un instrument de 10 ítems és l'elecció correcta.
La recerca de població a gran escala requereix la participació de milers de persones. Un temps de finalització de 10 minuts crea un abandó significativament més gran que un de 2 minuts, cosa que produeix mostres esbiaixades. Quan la pregunta de recerca fa referència a tendències en l'àmbit de la població en lloc de perfils individuals, la fiabilitat més feble del TIPI és acceptable perquè es promitja en mostres grans.
Els contextos de cribratge —on l'objectiu és identificar qui podria beneficiar-se d'una avaluació més exhaustiva— poden fer servir adequadament instruments curts. Si un cribratge de 10 ítems identifica persones candidates en el quartil superior o inferior d'una dimensió per a una avaluació posterior, la brevetat és un compromís raonable.
La mesura repetida presenta un problema diferent. Si vols fer un seguiment del canvi de personalitat al llarg del temps —o a través de diverses intervencions de desenvolupament—, administrar un instrument de 120 ítems cada trimestre és feixuc. Un formulari curt validat fet servir amb constància al llarg del temps pot produir dades longitudinals sobre les quals es pot actuar millor que una administració de format llarg poc freqüent.
L'autoexploració de baix risc —on la persona usuària simplement té curiositat per la seva personalitat en lloc de fer servir les dades per a una decisió de conseqüències— pot fer servir adequadament instruments més curts. El cost de l'error de mesura és menor quan el que hi ha en joc és menor. Per a una comparació de quines avaluacions gratuïtes són adequades per a quins nivells de risc, consulta els millors tests de personalitat gratuïts per a equips el 2026.
Quan la longitud del test importa: desenvolupament individual i perfils d'equip
L'argument a favor dels instruments més llargs es reforça a mesura que augmenten el que hi ha en joc i els requisits d'especificitat del cas d'ús.
El desenvolupament individual requereix dades en el pla de les facetes. Un instrument de 10 ítems no pot dir a un coach o un directiu per què la puntuació de Conscienciositat d'algú és la que és —quines facetes la impulsen i quines intervencions de desenvolupament és més probable que siguin efectives—. Un instrument de 120 ítems amb puntuació en el pla de les facetes proporciona l'especificitat que requereixen les converses de desenvolupament.
Els perfils d'equip requereixen puntuacions individuals fiables com a entrades per a l'anàlisi en l'àmbit de l'equip. Si les puntuacions individuals tenen un error de mesura alt, el perfil de l'equip hereta aquest error. Un mapa d'equip construït sobre puntuacions del TIPI mostrarà una variació aleatòria més gran entre perfils que un de construït sobre instruments més llargs, cosa que redueix la utilitat del mapa per al disseny deliberat d'equips. Consulta els 12 rols d'equip de Cèrcol per a veure com els perfils en el pla de les facetes es tradueixen en coneixement del rol d'equip.
L'avaluació entre iguals reforça l'argument. El model Testimoni de Cèrcol demana als avaluadors externs que avaluïn la personalitat d'una altra persona a través de múltiples dimensions i facetes. Un instrument curt col·lapsaria el senyal de les avaluacions del Testimoni fins al punt que les discrepàncies entre avaluador extern i autoinforme —les dades més informatives de l'informe— es tornarien poc fiables. La metodologia Testimoni s'explica en detall a el que mesura l'instrument Testimoni de Cèrcol.
Les decisions d'alt risc —avaluació del rendiment, redisseny de rols, selecció per a programes de lideratge— requereixen que les dades siguin prou fiables per a actuar-hi. Una mesura amb α = 0.55 (TIPI típic) significa que el 45% de la variància de les puntuacions és soroll aleatori. Una mesura amb α = 0.90 significa que només el 10% és soroll. La diferència entre actuar sobre un 55% de senyal i sobre un 90% de senyal és la diferència entre dades útils i decisions aleatòries.
Per què Cèrcol fa servir 120 ítems per a equilibrar fiabilitat i temps de finalització
L'instrument de Cèrcol fa servir 120 ítems —24 per cada dimensió del Big Five—, i proporciona mesura en el pla de les facetes alhora que es manté substancialment més curt que el NEO PI-R complet de 240 ítems. El disseny reflecteix un compromís deliberat: conservar la resolució de facetes i una fiabilitat per sobre de 0,87 per dimensió mantenint el temps de finalització en aproximadament 15 minuts.
Aquesta longitud té el suport de l'evidència de fiabilitat i validesa per als instruments basats en l'IPIP amb aquest nombre d'ítems, i de la realitat pràctica que els perfils d'equip i el desenvolupament individual requereixen dades en el pla de les facetes que els instruments més curts no poden proporcionar estructuralment. Per a la ciència que hi ha darrere de per què això importa, consulta proves de personalitat: codi obert vs. comercial i el biaix de desitjabilitat social en les proves de personalitat: els instruments més llargs també ofereixen més oportunitats d'incloure ítems de codificació inversa que protegeixen contra l'aquiescència i la inflació de la desitjabilitat social.
La longitud adequada d'un instrument de personalitat no la determina la convenció ni el que sembla còmode. La determinen el cas d'ús, la fiabilitat requerida i el nivell d'especificitat que les dades necessiten proporcionar. Per al desenvolupament individual i d'equip, l'evidència dona suport de manera constant als instruments del rang de 100–120 ítems com a òptim pràctic.
Per què Cèrcol fa servir 120 ítems en lloc de 10
Un test de personalitat de 10 ítems és millor que cap test, però per a les finalitats que la majoria d'equips valoren (adequació de rol, planificació del desenvolupament, predicció de conflictes, coaching), 10 ítems per dimensió no n'hi ha prou. Dos ítems no poden distingir entre facetes, no poden classificar de manera fiable les persones que se situen a la meitat de la distribució i produeixen un error de mesura prou gran per a canviar les conclusions en la reavaluació.
Cèrcol fa servir 120 ítems perquè és la longitud d'instrument més curta que ofereix una resolució completa de facetes i una fiabilitat test-retest per sobre de 0,87 en les cinc dimensions del Big Five. Els ítems s'extreuen del banc d'ítems IPIP de domini obert, la mateixa font científica utilitzada en centenars d'estudis revisats per experts. Completar-lo dura aproximadament 15 minuts.
Si vols veure com són realment les dades del Big Five en el pla de les facetes per al teu equip, l'avaluació és gratuïta a cercol.team. L'avaluació entre iguals Testimoni afegeix perfils valorats per avaluadors externs per a cada persona: una segona perspectiva que cap instrument d'autoinforme, per llarg que sigui, no pot substituir. Llegeix la justificació completa de la mesura a cercol.team/science.
Lectures addicionals: Què signifiquen la fiabilitat i la validesa en les proves de personalitat · La ciència que hi ha darrere de Cèrcol
Lectures addicionals
- Què són la fiabilitat i la validesa en les proves de personalitat?
- Com es calculen les puntuacions dels tests de personalitat
- Què és una faceta en la psicologia de la personalitat?
- El biaix de desitjabilitat social en les proves de personalitat
- Avaluació de resposta forçada: què és i per què importa
- Es pot falsejar un test de personalitat?