基于大语言模型与人工人格的个性化测试开发框架研究

本研究创新性地利用大语言模型（LLMs）构建人格测试初筛体系，通过人工人格（APs）模拟生成自尊量表（AP-SE）和大五人格模型（FFM）量表。AI构建的量表在人类测试中展现出良好信效度（Cronbach's α=0.84），与罗森伯格自尊量表（RSES）和NEO人格量表修订版（NEO-PI-R）具有显著相关性，为心理学量表开发提供了高效新范式。

　　

Highlight

参与者

研究1未使用人类受试者。

流程

自尊人格创建：首先利用ChatGPT生成包含职业（如教师、银行经理等）、爱好（如电子游戏、国际象棋等）和未来期望（如购房、旅行等）的随机组合，构建1000个具有不同特征的人工人格（APs）。

结果

人工人格-自尊量表（AP-SE）项目筛选：通过将1000个国际人格项目池（IPIP）条目与APs的自尊水平（0=低自尊，1=高自尊）进行相关性分析，筛选出40个最具判别力的条目进行主成分分析（PCA）。该筛选流程完全规避了人类主观判断的干扰。

参与者与流程

从尤金-斯普林菲尔德社区招募449名22-90岁成年人，通过邮寄问卷方式收集数据。受试者平均接受过2年高等教育，在1994年起的三年间完成了IPIP条目、AP-SE/AP-FFM量表及罗森伯格自尊量表（RSES）等测试。

结果

AP-SE的聚合与区分效度：20项AP-SE量表在人类测试中展现出令人满意的内部一致性（Cronbach's α=0.84），其信度水平与杰克逊人格量表修订版（JPI-R）、UCLA孤独量表和状态-特质焦虑量表（STAI）等经典量表相当。

局限性

人工人格（APs）难以完全复现人类人格的复杂多样性。虽然大语言模型（LLMs）能模拟人格测试反应，但在捕捉人类情感行为谱系和文化差异方面存在局限，这主要受限于训练数据集的覆盖广度。