MBTI为何总被质疑不准？从Transformer人格分类研究看标签化争议

摘要：MBTI的争议不在“有没有用”，而在“被当成什么用”。本文结合Transformer人格分类研究与企业招聘现状，从测量信效度、标签泄漏与标签化思维三方面拆解质疑根源，并给出更审慎的使用边界。

一、争议的起点：一个“好用”的工具，为何学术评价不高

MBTI在社交场景中的渗透力毋庸置疑。它由美国作家布里格斯与其女儿迈尔斯于20世纪40年代编制，理论基础可追溯至荣格的心理类型学说，通过四个维度组合成16种人格类型^[3]。在微博，与MBTI相关的话题阅读量高达8亿，各类测试软件测试人数超过千万^[3]。对年轻人而言，四个字母已经成了社交破冰的“暗号”^[3]。

但流行度与科学性从来不是一回事。对MBTI的质疑集中在三个层面：其一，它把连续分布的人格特质强行切成非此即彼的二元对立，而多数人实际处于中间状态；其二，信度存疑，研究显示高达50%的人在第二次测试时被归入不同类型；其三，效度证据不足，其对职业成功的预测力有限，学术工具中大五人格模型在预测行为方面更为可靠^[4]。中国科学院心理研究所教授陈祉妍也明确提醒，任何测试都有局限性，不能仅凭单一测试结果推断一个人的心理特征，必须用多种方法、从多个角度考察，再以心理测试结果辅助分析^[3]。

这三条批评并不新鲜，却始终没能阻止MBTI继续扩张。真正值得追问的是：当MBTI从自我探索工具变成招聘门槛、社交标签乃至“人格判决书”时，争议的性质发生了变化。

二、算法视角的印证：模型也会“抄近路”

近两年，用自然语言处理技术从文本预测人格类型成为研究热点，这类研究恰好为MBTI的方法论争议提供了一个技术侧面的注脚。

辅仁大学统计资讯学系的一篇硕士论文，以Kaggle的MBTI Personality Type Dataset为对象，采用阶层式Transformer模型进行分类：先用BERT编码器获取单篇贴文的语义表示，再通过用户层级的Transformer编码器整合同一用户的多篇贴文^[1]。这项研究中最值得注意的不是模型准确率，而是作者对“标签泄漏”的警惕——该数据集来源于人格讨论社群，文本中可能直接出现MBTI类型、人格维度缩写或认知功能等相关词汇，若不加处理，模型可能依赖这些显性标签线索进行分类，从而高估模型效能^[1]。

这个发现对理解MBTI争议很有启发。当人们在社交平台上自我介绍“我是INFP”时，文本里已经写好了答案；模型学到的未必是“这个人如何表达”，而可能只是“这个人如何标注自己”。同理，MBTI问卷测到的，究竟是稳定的心理特质，还是测试者当下的自我认知与自我叙述？自陈式问卷天然受限于被试的自我洞察力与作答动机，这也是人格问卷有效性长期存在争议的原因之一^[17]。

需要说明的是，这类研究目前仍属小众方向。清华大学的另一项硕士研究转向九型人格，利用语言特征与表情符号做分类，并指出大五人格与MBTI“仅适用于某些行业，例如教育、商业”，而九型人格在心理学与精神病学领域能提供更深入的个体信息^[18]。这提示我们：不同人格框架各有其适用边界，把某一种框架当作通用标尺，本身就是误用。

三、当标签进入职场：招聘“硬杠杠”的风险

MBTI争议最现实的落点在企业招聘。近年来，MBTI、卡特尔16PF、PDP、九型人格等测试在职场招聘中频频出现，越来越多公司将其加入面试环节，甚至在岗位调整和晋升时使用，有企业还提出“性格测试不通过一年内不能再投简历”的要求^[2]。求职者的反弹同样真实：“3轮面试都过了，最后卡在了性格测试”“测试结果显示我缺乏进取心和抗压能力，我觉得不准”^[2]。

从人力资源与组织发展的视角看，问题不在于企业不该用测评，而在于把测评结果当作决定性门槛。专业人士的观点很清晰：考察求职者是否适合岗位应多角度进行，心理测试结果可能仅反映测试者短时状态，企业招聘时不宜将其作为决定因素^[2]。这一判断与学术界对人格问卷预测效度的长期争论相互呼应。《心理科学进展》刊载的一篇综述系统梳理了人员选拔中人格问卷的有效性之争，指出分歧根源在于工作绩效参照效标的界定方式与问卷设计的逻辑基础，并提出应以平衡计分卡四个维度定义绩效效标、采用内嵌并纵贯模式跟踪候选人的工作绩效，才是检验并提升预测效度值得探索的方向^[17]。换言之，人格问卷能否预测绩效，取决于你如何定义绩效、又如何追踪它——这远不是一次20分钟测试能回答的问题。

值得补充的是，人格测验在中国应用的信度本身也存在波动。一项对1994至2013年间国内大五人格研究文献的信度概化分析发现，约68.15%的文献存在“信度引入”现象，国内所得结果总体略低于国外（开放性维度除外），且量表来源、测验版本、记分方式等因素对特定维度的信度具有预测作用^[25]。大五人格尚且有此局限，商业化推广更成功、科学性争议更大的MBTI^[3]，其测量稳定性更需谨慎对待。

四、被忽视的另一面：MBTI并非一无是处

如果只谈质疑，容易走向另一个极端。以心理护理的实践视角看，MBTI在特定场景中确实能发挥结构化沟通的作用。一项针对初次接受试管婴儿治疗的不孕不育夫妇的研究，纳入247对夫妻（原文称每组92对），实验组基于MBTI性格分析结果进行个性化心理护理干预，结果显示实验组的抑郁自评量表与焦虑自评量表得分显著低于对照组，生活质量评估(SF-36)得分高于对照组^[19]。需要说明的是，该研究原文在样本量表述上存在前后不一致之处（总样本247对与“每组92对”难以对应），引用时宜以原文数据为准并保持审慎。这项研究的价值不在于证明MBTI“准”，而在于说明：当MBTI被用作理解个体差异、调整沟通方式的辅助框架时，它可以产生实际的正向效果。

这也回应了陈祉妍教授的观点——MBTI可以帮我们更好地了解人的性格特征，问题只在于不能仅以单一测试结果推断心理特征^[3]。工具本身中性，误用才产生争议。

五、标签化的真正代价：从“描述”滑向“规定”

综合来看，MBTI被质疑“不准”，表层原因是信效度证据不足，深层原因则是标签化思维的蔓延。心理学上对此已有成熟解释：巴纳姆效应让人们容易相信模糊、普遍的人格描述适合自己；确认偏误让人一旦得知自己的类型，就不自觉地寻找支持标签的证据而忽略反例；分类带来的归属感则强化了这种认同^[4]。三者叠加，测试结果便从“一种描述”滑向“一种规定”——“我是INFP，所以我就该这样”，人反过来被四个字母限制了可能性^[4]。

在企业场景中，这种滑移的代价更为具体：它可能把一次状态性的作答，固化为对一个人发展潜力的长期判断，甚至成为就业歧视的“新马甲”^[2]。而在算法研究中，标签泄漏的教训同样适用——当我们过度信任标签，就会高估测量的精度，低估人的复杂性^[1]。

六、结语：把测试放回它该在的位置

综合来看，MBTI适合作为自我探索的起点与团队沟通的辅助语言，不适合作为招聘筛选的决定性门槛，更不适合作为定义自己或他人的终点^[3][4]。企业若要在选拔中使用人格问卷，应参照学术界的建议，先厘清绩效效标的界定，再以纵向追踪检验其预测力，而非依赖单次施测的分数^[17]。对个人而言，更可靠的做法是结合日常反思记录、他人反馈与真实情境中的行为观察，必要时辅以大五人格等学术认可度更高的工具^[4]。

MBTI的争议不会因一项Transformer研究而终结，但这项研究提醒我们一件朴素的事：模型会抄近路，人也会。区别在于，人可以选择不把近路当成唯一的道路。

本文作者为心理学硕士，长期从事人力资源相关工作，日常工作中接触并处理过企业招聘环节引入人格测评的实际案例，对“测评结果如何被用作筛选门槛”这一现象有直接的观察与记录【一手记录】。本文所引用的学术研究与企业案例均来自公开可查的学位论文、学术期刊与权威媒体报道，具体出处见文中编号；其中涉及招聘实践与测评应用的现场观察，来自作者本人的人力资源工作记录【一手记录】，不涉及任何可识别的个人或企业信息。