Forced-Choice-Skalen: weniger Fälschung, ehrlichere Daten

Warum herkömmliche Persönlichkeitstests mit Likert-Skala verzerrte Daten liefern

Persönlichkeitstests mit Likert-Skala beherrschen sowohl die Forschung als auch die angewandte Diagnostik. Das Big-Five-Inventar, das NEO-PI-R, die IPIP-Skalen und Hunderte proprietärer Instrumente verwenden Varianten desselben Formats: Selbsteinschätzung auf einer Reihe von Aussagen, von „lehne ab“ bis „stimme zu“.

Die Stärken dieses Formats sind real. Es leuchtet den Befragten unmittelbar ein, lässt sich einfach auswerten und liefert normative Daten, das heißt, Werte lassen sich zwischen Personen auf einer absoluten Skala vergleichen. Ein Wert von 4,2 bei Gewissenhaftigkeit ist zwischen verschiedenen Personen, die denselben Test absolviert haben, direkt vergleichbar.

Likert-Skalen haben aber zwei strukturelle Schwächen, die sich weder durch sorgfältige Itemformulierung noch durch die Aufforderung, „ehrlich zu antworten“, vollständig beheben lassen.

Die erste ist die Akquieszenz, die Neigung, eher zuzustimmen als abzulehnen, unabhängig vom Inhalt. Über Kulturen und Bevölkerungsgruppen hinweg bejahen Menschen Aussagen häufiger, als der Zufall es erwarten ließe, denn Zustimmung ist der Weg des geringsten Widerstands. Das bläht sämtliche Merkmalswerte gleichmäßig auf.

Die zweite ist die soziale Erwünschtheit, die Neigung, jene Aussagen zu bejahen, die ein vorteilhaftes Selbstbild zeichnen. Wenn die sozial erwünschte Antwort auf der Hand liegt, und bei den meisten Persönlichkeitsitems tut sie das, können motivierte Selbstdarsteller ihre Werte auf den gewünschten Dimensionen ohne jede Bremse maximieren. Wie stark das Big-Five-Profile verzerrt, erklärt Soziale Erwünschtheit in Persönlichkeitstests.

Beide Verzerrungen zusammen ergeben Werte, die eine Mischung aus echtem Merkmalsniveau und Antwortstil sind, und diese Mischung lässt sich im Nachhinein kaum entwirren. Teams, die sich fragen, ob ihre Werte aus DISC oder 16Personalities durch diesen Effekt aufgebläht sind, dürfen von einem klaren Ja ausgehen. Was verloren geht, wenn ein Messdesign Verzerrungen nicht adressiert, diskutiert DISC und Big Five: warum vier Stile nicht ausreichen.

Was Forced-Choice-Persönlichkeitsbewertung wirklich ist

Die Forced-Choice-Bewertung, siehe Forced Choice, legt Items anders vor. Statt jede Aussage einzeln zu bewerten, bekommen Befragte Paare oder Tripel von Aussagen oder Adjektiven vorgelegt und sollen wählen, was sie besser beschreibt.

Statt „Ich bin gesprächig“ und „Ich bin gründlich“ getrennt einzuschätzen, stellt ein Forced-Choice-Item beide nebeneinander und fragt: „Welches dieser Wörter beschreibt Sie besser?“ Die befragte Person muss sich entscheiden. Sie kann nicht beide zugleich auf hohem Niveau bejahen.

Diese schlichte strukturelle Änderung hat gewichtige Folgen:

• Akquieszenz wird unmöglich: Beiden Optionen zuzustimmen, geht nicht. Jede Wahl legt eine Präferenz zwischen zwei Merkmalen offen.
• Soziale Erwünschtheit sinkt: Wenn beide Optionen positiv besetzt sind, wie in gut gebauten Forced-Choice-Instrumenten, gibt es keine offensichtlich „gute“ Antwort. Wer „warm“ statt „präzise“ wählt, steht weder besser noch schlechter da, sondern legt nur relative Prioritäten offen.

„Forced-Choice-Formate eliminieren Zustimmungstendenzen und senken die Inflation durch soziale Erwünschtheit erheblich, weil sie von den Befragten verlangen, eine feste Menge an Zustimmung auf konkurrierende Merkmalsbeschreibungen zu verteilen.“
Angepasst nach Stark, S., Chernyshenko, O. S., & Drasgow, F. (2005). An IRT approach to constructing and scoring pairwise preference items. Applied Psychological Measurement, 29(3), 184–201. Siehe auch doi:10.1037/0022-3514.63.1.146

Ipsative Auswertung: was das für die Deutung von Big-Five-Werten bedeutet

Forced-Choice-Instrumente liefern sogenannte ipsative Daten. Ein ipsativer Wert gibt die Position einer Person auf einem Merkmal relativ zu ihren eigenen übrigen Merkmalen wieder, nicht relativ zu einer Bevölkerungsnorm. Wenn Ihr Profil hohe Präsenz und niedrige Tiefe zeigt, heißt das, dass Sie relativ gesehen eher extravertiert als neurotisch sind. Ob Sie extravertierter sind als der Durchschnitt, sagt es nicht zwingend.

Das ist eine echte Einschränkung. Ipsative Daten taugen nicht für alle Zwecke, für die normative Daten taugen. Besonders der direkte Vergleich zweier Profile, etwa des Präsenzwerts von Person A und Person B, ist mit ipsativen Daten methodisch heikel, weil beide Profile intern referenziert sind. Normative und ipsative Auswertung behandelt ausführlich Wie Persönlichkeitstestwerte berechnet werden. Die Forschung zum angemessenen Umgang mit ipsativen Daten und zu Verfahren, die aus Forced-Choice-Designs normativere Schätzungen gewinnen, etwa IRT-basierte Auswertung, läuft weiter.

Cèrcol nimmt diese Einschränkung ernst. Das Zeuge/Zeugin-Instrument ist in erster Linie dafür gebaut, relative Prioritäten und blinde Flecken sichtbar zu machen: Wo wird diese Person, gemessen an ihrem eigenen Gesamtprofil, als stärker oder schwächer wahrgenommen, und wie verhält sich das zu ihrer Selbstwahrnehmung? Das ist eine gültige und wertvolle Verwendung ipsativer Daten, auch wenn absolute Vergleiche zwischen Personen zusätzliche methodische Sorgfalt verlangen.

Der AB5C-Zirkumplex: wie Adjektive auf Big-Five-Schnittpunkte abgebildet werden

Das Zeuge/Zeugin-Instrument von Cèrcol beruht auf dem abgekürzten Big-Five-Zirkumplex (AB5C), den Hofstee, de Raad und Goldberg (1992) entwickelt haben. Der AB5C ist ein systematischer Rahmen, um Persönlichkeitsadjektive auf die Big-Five-Dimensionen abzubilden, und zwar nicht als reine Einzelfaktor-Indikatoren, sondern als gewichtete Kombinationen zweier Faktoren.

In diesem Rahmen ist ein Wort wie „durchsetzungsfähig“ nicht einfach ein Extraversionsadjektiv, es lädt zugleich auf Extraversion und auf niedrige Verträglichkeit. Ein Wort wie „kreativ“ lädt sowohl auf Offenheit als auch auf niedrige Gewissenhaftigkeit. Indem der AB5C Adjektive auf diese Schnittpunkte abbildet, erfasst er die reiche, überlappende Struktur der Persönlichkeitssprache genauer als ein schlichtes Vorgehen Faktor für Faktor. Wie die Sprache der Persönlichkeit systematisch analysiert wurde, um die Big Five zu entwickeln, schildert Die Geschichte der Big Five von Allport bis Goldberg.

Für das Forced-Choice-Design zählt das, weil sich so Paare bilden lassen, die psychometrisch wirklich informativ sind: Jede Wahl zwischen zwei Adjektiven sagt etwas über die Position der befragten Person auf den betroffenen Big-Five-Dimensionen. Die Paare sind nicht beliebig, sie folgen einem Prinzip.

Im Zeuge/Zeugin-Instrument von Cèrcol werden die Adjektivpaare so gewählt, dass sie über die fünf Dimensionen (Präsenz, Bindung, Vision, Disziplin, Tiefe) maximal trennscharf sind, während die soziale Erwünschtheit innerhalb jedes Paares so gleich wie möglich bleibt. So legen die Entscheidungen echte Persönlichkeitsunterschiede offen und nicht bloß Unterschiede in der sozialen Erwünschtheit.

Wie das Zeuge/Zeugin-Instrument von Cèrcol Forced-Choice auf die Peer-Bewertung anwendet

Das Zeuge/Zeugin-Instrument ist die Peer-Komponente von Cèrcol. Statt Zeugen und Zeuginnen zu bitten, die Zielperson auf Verhaltensaussagen einzuschätzen, legt es ihnen Adjektivpaare vor und lässt sie wählen, welches Wort die Person, die sie kennen, besser beschreibt.

Das Instrument steht in der IPIP-Tradition, der Open-Science-Alternative zu kommerziell kontrollierten Persönlichkeitsinstrumenten. Die gesamte Itementwicklung ist transparent und dokumentiert. Quellcode, Auswertungsalgorithmus und psychometrische Dokumentation stehen unter einer Open-Source-Lizenz auf cercol.team/science bereit.

Eine typische Zeuge/Zeugin-Sitzung dauert 8 bis 12 Minuten. Das entstehende Profil zeigt die Werte der Zielperson auf jeder der fünf Cèrcol-Dimensionen, so wie dieser Zeuge oder diese Zeugin sie wahrnimmt, und aus allen Zeugen und Zeuginnen zusammen entsteht das Peer-Komposit. Dieses Komposit wird dann mit dem Selbstbericht der Zielperson verglichen, um Übereinstimmungen und Lücken sichtbar zu machen. Warum diese Peer-Ebene überhaupt wichtig ist, begründet Warum Selbstbewertung allein nicht ausreicht: Peer-Feedback zur Persönlichkeit. Die Frage der Anonymität behandelt Anonymität bei der Persönlichkeitsbewertung: warum sie wichtig ist.

Likert-Skala und Forced-Choice: der vollständige Methodenvergleich

Ehrliche Grenzen der Forced-Choice-Persönlichkeitsbewertung

Forced-Choice ist kein Allheilmittel. Mehrere Grenzen verdienen es, offen benannt zu werden.

Erstens das oben beschriebene Problem der ipsativen Auswertung. IRT-basierte Ansätze, etwa die von Brown und Maydeu-Olivares entwickelte Thurstonian IRT, können aus Forced-Choice-Daten normativere Schätzungen gewinnen, sind aber rechenaufwendig und brauchen für eine genaue Kalibrierung beträchtliche Stichproben. Einfachere Forced-Choice-Auswertung bleibt eher ipsativ.

Zweitens sind Forced-Choice-Bewertungen kognitiv anspruchsvoller. Die Befragten müssen zwei Optionen tatsächlich vergleichen und entscheiden, welche besser passt, statt jedes Item für sich einzuschätzen. Das kann die Bearbeitungszeit verlängern und Befragte frustrieren, die finden, dass „beides gleichermaßen zutrifft“. Dass „beides“ nicht möglich ist, ist Absicht, kann aber unnatürlich wirken.

Drittens schaltet Forced-Choice strategisches Antworten nicht vollständig aus. Wer entschlossen an seinem Bild arbeitet und weiß, welche Adjektive welchen geschätzten Dimensionen zugeordnet sind, kann weiterhin systematisch die „richtigen“ Adjektive wählen. Was motiviertes Fälschen wirklich mit Testwerten macht, sammelt Kann man einen Persönlichkeitstest fälschen?. Forced-Choice erhöht die kognitiven Kosten strategischen Antwortens, macht es aber nicht unmöglich, gerade nicht bei Befragten mit Vorwissen über Persönlichkeitstheorie.

Trotz dieser Grenzen ist das Gewicht der psychometrischen Evidenz eindeutig: Forced-Choice-Instrumente liefern in Kontexten mit hohem Einsatz weniger verzerrte und feiner differenzierte Daten als Likert-Skalen. Für den Zeuge/Zeugin-Anwendungsfall, also die Peer-Bewertung, bei der soziale Anreize für wohlwollende Urteile real sind, ist das Forced-Choice-Design methodisch die bessere Wahl. Wer das im Vergleich zu anderen verfügbaren Werkzeugen einordnen will, findet in Die besten kostenlosen Persönlichkeitstests für Teams 2026 einen Überblick.

Forced-Choice oder Likert: was liefert ehrlichere Big-Five-Daten?

Die Forced-Choice-Bewertung schließt Akquieszenz konstruktionsbedingt aus und senkt die Verzerrung durch soziale Erwünschtheit dank valenzabgeglichener Itempaare erheblich. Der AB5C-Zirkumplex liefert die theoretische Grundlage für eine psychometrisch prinzipiengeleitete Auswahl der Adjektivpaare. Das Zeuge/Zeugin-Instrument von Cèrcol setzt diese Prinzipien in einem quelloffenen, in IPIP verankerten Peer-Werkzeug um, das die ehrlichsten und differenziertesten verfügbaren Peer-Daten zur Persönlichkeit liefern soll. Die Einschränkung, die ipsative Auswertung, ist real und wird benannt, und die Interpretation ist entsprechend angelegt.

Probieren Sie eine Forced-Choice-Bewertung der Big Five: das Zeuge/Zeugin-Instrument von Cèrcol

Die meisten Persönlichkeitsbewertungen, ob DISC, 16Personalities oder Big-Five-Werkzeuge mit Likert-Skala, haben dasselbe strukturelle Problem: Sobald die sozial erwünschte Antwort sichtbar ist, verschieben motivierte Befragte, und selbst ehrliche, die genau sein wollen, ihre Antworten in diese Richtung. Das Forced-Choice-Design ist die am besten belegte Antwort darauf.

Die Zeuge/Zeugin-Peer-Bewertung von Cèrcol ist ein Forced-Choice-Instrument, das auf dem AB5C-Zirkumplex aufbaut und in der gemeinfreien IPIP-Itemtradition verankert ist. Zeugen und Zeuginnen wählen zwischen Adjektivpaaren, die in ihrer sozialen Erwünschtheit abgeglichen sind, was es strukturell schwer macht, durchgehend positiv über die bewertete Person zu urteilen. Das Ergebnis sind Peer-Daten, die widerspiegeln, wie diese Person wirklich erlebt wird, und nicht bloß, wie gern man sie hat.

Die Selbstbewertung auf cercol.team ist kostenlos. Eine Zeuge/Zeugin-Bewertung kostet jeden Peer 8 bis 12 Minuten. Die vollständige wissenschaftliche Begründung erklärt, wie Forced-Choice-Design und AB5C-Verankerung zusammenwirken, um ehrlichere Big-Five-Daten zu liefern.

Referenzen
Hofstee, W. K. B., de Raad, B., & Goldberg, L. R. (1992). Integration of the Big Five and circumplex approaches to trait structure. Journal of Personality and Social Psychology, 63(1), 146–163. doi:10.1037/0022-3514.63.1.146
Brown, A., & Maydeu-Olivares, A. (2011). Item response modeling of forced-choice questionnaires. Educational and Psychological Measurement, 71(3), 460–502.

Weiterführende Literatur

• Soziale Erwünschtheit in Persönlichkeitstests: Wie groß ist das Problem?
• Kann man einen Persönlichkeitstest fälschen? Was die Forschung wirklich zeigt
• Warum Selbstbewertung allein nicht ausreicht: der Fall für Peer-Feedback zur Persönlichkeit
• Was sind Reliabilität und Validität in Persönlichkeitstests?
• Warum 120 Items besser sind als 10: der Kompromiss bei der Persönlichkeitstestlänge
• Anonymität bei der Persönlichkeitsbewertung: Warum sie für ehrliche Daten wichtig ist