Metodikk
Hvordan SELVET bygger på forskningen
SELVETs designprinsipper
SELVET representerer en ny generasjon personlighetstesting som kombinerer akademisk stringens med moderne teknologi. Fire grunnprinsipper:
- Vitenskapelig forankring: Spørsmål fra validerte instrumenter (IPIP, PVQ)
- Kryssfunksjonell kartlegging: Svar oppdaterer scorer på tvers av rammeverk
- Adaptiv presisjon: Oppfølgingsspørsmål der det trengs mest
- Transparent metodikk: Du kan se hvordan resultatene beregnes
Spørsmålsbanken
SELVET benytter totalt 435+ spørsmål fordelt på fire rammeverk:
| Rammeverk | Antall | Primærkilde |
|---|---|---|
| Big Five | 300 | IPIP-NEO (norsk tilpasning) |
| Kognitiv stil | 100 | Egenutviklet (Jung-basert) |
| Motivasjon | 90 | Egenutviklet (Enneagram-inspirert) |
| Verdier | 50 | Schwartz PVQ (utvidet) |
Slik beregnes scorene dine
Big Five: Fasett- og domenenivå
Scorer beregnes på to nivåer: 5 hoveddomener og 30 fasetter (6 per domene). Reverserte spørsmål håndteres automatisk, og råscorer normaliseres til 0-100.
Kognitiv stil: Preferansestyrke
For hver dimensjon (E/I, S/N, T/F, J/P) beregnes både preferanse og styrke. 50 = ingen preferanse, 100 = sterk preferanse.
Motivasjon: Rangering med wing
Alle ni typer scores, primærtype er høyeste score, wing bestemmes ved å sammenligne nabotypene.
Verdier: Prioritert hierarki
Verdier presenteres som rangert liste, sentrert rundt personlig gjennomsnitt for å vise relative prioriteringer.
SELVET starter med en prior (forhåndssannsynlighet) basert på befolkningsgjennomsnitt. Hver respons oppdaterer ikke bare sin primærdimensjon, men også korrelerte dimensjoner i andre rammeverk. Resultatet er en posterior som reflekterer all tilgjengelig informasjon.
Adaptiv testing
Når en score ligger i "usikkerhetssonen" (typisk 45-55%), aktiveres oppfølgingsspørsmål designet for å diskriminere skarpt mellom alternativene.
Eksempel på oppfølgingsspørsmål for E/I-grense:
"Etter en hel dag med sosiale aktiviteter: føler du deg mest (A) energisk og tilfreds, eller (B) sliten og klar for alenetid?"
Brukeren kan alltid velge å hoppe over, men får da informasjon om at resultatet er mindre sikkert på dette området.
Du ser usikkerheten i resultatet
SELVET rapporterer ikke bare punktestimater, men også konfidensintervaller. Standard Error of Measurement beregnes basert på antall spørsmål og skalaens reliabilitet (Cronbachs alpha).
Åpenhet for erfaring
Score: 78 (konfidensintervall: 73-83)
Tolkning: Du scorer klart over gjennomsnittet.
Delbar personlighetskode
SELVET genererer en kompakt, delbar kode som oppsummerer profilen:
Koden inneholder kognitiv stil (4 bokstaver), Enneagram-type med wing, og de to høyest rangerte verdiene. Designet for å være kort nok for sosiale medier, mystisk nok til å vekke nysgjerrighet, og sammenlignbar med andres koder.
AI-generert dashboard
Premium-dashboardet bruker en stor språkmodell (LLM) for å generere personaliserte innsikter. Prompt-engineering sikrer:
- Spesifisitet: Refererer til konkrete score-kombinasjoner
- Kontrastive utsagn: Inkluderer hva profilen ikke indikerer
- Handlingsorientert: Konkrete forslag å teste
Kvalitetssikring inkluderer automatisert sjekk for at teksten refererer til faktiske scorer og unngår absolutter.
Kontinuerlig forbedring
- Test-retest reliabilitet: Samme person, to uker mellom
- Konvergent validitet: Korrelasjon med etablerte instrumenter
- Brukerfeedback: Spørsmål med lav "stemmer"-score flagges for revisjon
- A/B-testing: Nye formuleringer testes mot eksisterende