Une approche orientée DATA identifie 4 types de personnalité

L’étude vient de paraître dans Nature Human Behaviour (2018) : A robust data-driven approach identifies four personality types across four large data sets –  Gerlach M, Farb B, Revelle W, Amaral LAN

L’approche est particulièrement intéressante de notre point de vue, car nous l’avons déjà utilisée pour repérer les caractéristiques de certaines des dimensions de notre test.

Il s’agit d’utiliser un outil mathématique pour faire apparaître des regroupements logiques au sein de données massives. Autrement dit, pas ou peu de théorie ou modélisation psychologique, c’est la méthode mathématique qui doit en révéler la cohérence. Ou pas.

L’étude se base tout de même sur un présupposé (consensuel, mais présupposé quand même) de théorie psychologique : Les dimensions des BIG 5 (Five Factor Model , FFM) . C’est sur une accumulation de ces données du FFM que s’opère le traitement de regroupement (clustering), soit un total de plus de 1 000 000 d’observations spérarées en 4 sources différentes (avec des échantillons de tailles différentes aussi). La première source a servi d’étalonnage, les 3 autres de vérification.

4 types de personnalité apparaissent en cluster :

« Average » (Moyen) : Neuroticism ++ , Extraversion ++, Openness -, Agreableness +, Conscientiousness +

« Self-centerd » (Auto-centré) : Neuroticism – , Extraversion ++, Openness –, Agreableness –, Conscientiousness —

« Reserved » (Réservé) : Neuroticism –, Extraversion +-, Openness –, Agreableness +-, Conscientiousness +-

« Role Model » (Exemplaire) : Neuroticism — , Extraversion ++, Openness +, Agreableness ++, Conscientiousness ++

L’étude indique qu’ils ont découvert de fortes dépendances à l’âge et au genre sauf pour le type « reserved ».

Mais, ce n’est qu’un premier pas. Les auteurs sont très clairs sur ce point : Les limitations dues à la qualité des données impliquent de poursuivre les études en élargissant les sources (HEXACO, SAPA)

Le deuxième point est que déterminer un nouveau modèle de groupement de personnalité ne dit rien de leurs aspects prédictifs, en type de vie ou en probabilité de pathologie. De nombreux défis à relever !

Retenons simplement que les méthodes statistiques, peut-être même le Deep learning, finira peut-être par apporter une compréhension solide et modélisée de la psychologie humaine …

 

Laisser un commentaire