BFI-2量表评分标签差异对人格测量极端值的影响：Agree与Agree a little量表的比较研究

本研究针对Big Five Inventory-2（BFI-2）原始评分量表（Agree a little）易导致极端值的问题，通过对比Agree与Agree a little两种标签的评分量表，发现后者在测量高阶人格特质时区分度不足，且两种量表得分存在显著差异。该研究为跨研究数据可比性及量表优化提供了关键证据，发表于《Personality and Individual Differences》。

　　

人格测评工具在心理学研究和临床实践中扮演着重要角色，其中Big Five Inventory-2（BFI-2）作为测量大五人格特质的黄金标准，被广泛应用于全球超过3500项研究。然而，近年来研究者发现一个潜在问题：BFI-2的原始评分量表（使用"Disagree a little/Agree a little"作为中间选项标签）可能导致受访者倾向于选择极端值（1或5），特别是在测量高阶人格特质时，这种现象会显著降低量表的区分效度。更令人担忧的是，不同研究中使用的BFI-2版本存在评分标签差异——部分研究采用原始量表，而另一些则使用与NEO PI-R等主流人格量表一致的"Disagree/Agree"标签，这种差异可能导致研究结果难以直接比较。

为系统评估评分标签对测量结果的影响，挪威高等教育机构的研究团队开展了一系列创新研究。他们首先通过语义分析发现，"Agree a little"与"Agree strongly"之间的心理距离（49个百分点）显著大于"Agree"与"Agree strongly"之间的距离（37个百分点），这可能是导致极端值增多的关键因素。随后，研究团队采用交叉设计，让同一批挪威学生（N=150）和美国居民（N=300）分别完成两种标签版本的BFI-2，并运用项目反应理论（IRT）分析量表的心理测量学特性。

关键技术方法包括：1）交叉设计实验，比较Agree与Agree a little量表在相同人群中的表现；2）项目反应理论分析，评估两种量表在不同特质水平上的区分度；3）使用3M40量表作为效标验证BFI-2的效度；4）对挪威和美国样本进行跨文化验证。

研究结果揭示了三个重要发现：

1. 评分标签显著影响极端值频率
   在Agree a little量表下，BFI-2的60个项目中有17个出现极端值（1或5）作为众数，而Agree量表仅11个。特别是在Compassion（同情心）和Organization（条理性）等特质上，Agree a little量表的高分端区分度明显不足。

2. 量表间得分存在系统性差异
   Agree a little量表在9个特质维度（如Agreeableness领域及其Compassion、Respectfulness等子维度）上的得分显著高于Agree量表（p<0.01，Cohen's d=0.10-0.22）。这种差异在挪威和美国样本中均得到验证，表明不是文化特异性现象。

3. 心理测量特性差异
   IRT分析显示，Agree量表在特质高低两端均能提供更好的区分度。具体而言，Agree量表对"强烈同意"（β₄）的平均阈值（0.99）显著高于Agree a little量表（0.76，p<0.001），表明需要更高的特质水平才能选择最高分选项。

这项研究对人格心理学领域具有多重意义。首先，它揭示了BFI-2原始评分量表在高阶特质测量中的局限性，为量表修订提供了实证依据。其次，研究强调了评分标签标准化的重要性——目前约30%的BFI-2研究未明确报告中间选项的具体标签，这可能导致跨研究比较的偏差。最后，研究建议在需要测量极端特质（如人格障碍筛查）时优先选用Agree量表，或在BFI-2项目库中筛选区分度更优的题目。

值得注意的是，研究也发现即使改用Agree量表，仍有部分项目（如Responsibility相关题目）存在高分端区分不足的问题，这表明未来研究可能需要从项目表述层面进行优化。此外，研究团队建议期刊编辑要求作者完整报告评分量表的所有选项标签，而不仅标注端点值，这将极大提升心理学研究的可重复性和结果可比性。这项发表于《Personality and Individual Differences》的研究，为全球使用BFI-2的研究者提供了重要的方法学参考。