Metodikk
Hvordan SELVET bygger på forskningen
Spørsmålene er bygget på IPIP-materiale og Schwartz PVQ, svar i ett rammeverk oppdaterer scorene i de andre, og oppfølgingsspørsmål settes inn der usikkerheten er størst. Under står hvordan hvert av de 540 spørsmålene faktisk brukes.
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 540 spørsmål fordelt på fire rammeverk:
| Rammeverk | Antall | Primærkilde |
|---|---|---|
| Big Five | 300 | IPIP-materiale (egen norsk itembank) |
| Kognitiv stil | 100 | Egenutviklet (Jung-basert) |
| Motivasjon | 90 | Egenutviklet (Enneagram-inspirert) |
| Verdier | 50 | Schwartz PVQ (utvidet) |
Slik beregnes scorene dine
Big Five: Domene- og fasettnivå
Scorer beregnes på de 5 hoveddomenene, og på 30 fasetter (6 per domene) der datagrunnlaget rekker. Hver fasett bygges fra spørsmålenes egne fasett-koder, ikke fra rekkefølgen i testen, og krever minst 4 besvarte ledd. Fasettnivået vises først når alle seks fasettene i et domene er målt — derfor gir fullversjonen (300 spørsmål) fasetter, mens kortversjonen (50) bare gir domener. 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