人们痴迷于各式各样的心理测试，将其结果视作自我观照的科学工具，但事实上，市面上流行的心理测试很多时候并无法令人信服。它们都能够被科学地阐释，从而更容易被接受为关乎“自我”的稳定特质。与此同时，他们的肺功能和饥饿激素水平也发生了变化。实际情况是，测试并不能够完全准确无误地揭示关乎自我的有效事实，但它的低可靠性与低有效性往往容易被人们忽略。
撰文 | 吴梦
编辑 | 黄月
心理测试、人格测试、职业方向测试、哲学气质测试……在诸如“简单心理”、“壹心理”等流行的测试平台上，每日有成千上万人热衷于按照职业方向、恋爱观与性格特质等生活维度对自己进行分类；“测测你拥有哪种哲学气质”、“测试你是哪一本书”等文艺向小测试在微信朋友圈也广受欢迎，它们被设计成迎合社交需求的精致模样——既满足了用户“彰显个性”的心理需求，又作为共享话题将原子个人联结了起来；而OCEAN（也称大五人格理论，该理论认为有五种特质可以涵盖人格描述的所有方面）与MBTI（Myers-Briggs Type Indicator，即迈尔斯-布里格斯性格分类指标，是性格分类理论模型的一种，包括16种不同的性格形态）等专业性较强的人格测试更是被不少人奉为圭臬，“INFJ”（MBTI中代表 “内向-直觉-情感-判断”）、“ESTP”（MBTI中代表“外向-实感-思考-感知”）等象征某种人格类型的英文缩写，频繁出现在一些社交账号的个人简介之中。
人们痴迷于各式各样的心理测试，将其结果视作自我观照的科学工具，但事实上，市面上流行的心理测试很多时候并无法令人信服。纵然承认这一点，测试狂热现象仍十分惊人，这份热情也延伸到了近年来兴起的消费型基因检测项目，后者的分析建立在貌似稳定的生物信息基础之上。这是否意味着基因检测的结果就更加科学、更加贴近被测者“真实的自我”呢？或许并非如此。
据《麻省理工科技评论》（MIT Technology Review）报道，2017年美国进行消费级基因检测的人数超过1200万人，这很大程度上可归因于广告商的推波助澜：他们声称“只需要你的一点唾沫，我们就能给你提供大量关于你基因的有用信息”。根据鲸准研究院发布的《2018基因检测行业研究报告》，与科研级应用基因检测与临床级应用基因检测相比，消费级基因检测在技术与合规性等方面壁垒较低，它的分析重点是与日常生活更为贴近、趣味性与娱乐性更强的维度，譬如祖源分析、运动基因、皮肤特性、营养代谢，甚至个性天赋等。相比起面向患者、检测结果可直接作为医生诊断与治疗依据的疾病干预型检测项目，消费型基因检测数百元的价格并不算昂贵，较低的价格门槛也使其获得了普通消费者的青睐，更何况这类测试能够为消费者创建新的身份维度：易胖、运动弱能、容易晒黑……它们都能够被科学地阐释，从而更容易被接受为关乎“自我”的稳定特质。
从心理性格测试到消费型基因检测，它们的结果真的完全客观且毫无偏见么？它们测出来的究竟是“真实的本质自我”，还是处于测试情境中的短暂存在？当这些测试的结果被广泛接受为对于个体人格的权威阐释，甚至应用于升学或求职考试时，又是否会将内在于测试过程中的不平等具象化，从而建立起一个基于差异的等级体系？随着认知科学与心理学的发展进步，种种测试的信度与效度都受到了哪些质疑？
测试结果是“真正的自我”吗？
近日，发布于《大西洋月刊》的文章《如果你确信自己基因不好会怎样？》（What Happens When You're Convinced You Have Bad Genes）报道了斯坦福大学两位心理学家Brad Turnwald和Alia Crum进行的一项研究。他们招募了223名被试，设计了两个实验。一个是给其中一半参与者提供了虚假的运动基因测试结果，让他们在跑步机上跑步；另一个实验是向另一半参与者提供同样虚假的饥饿基因检测结果，然后让他们喝下一杯480卡路里的奶昔，以此调查DNA测试结果在运动与饮食方面的安慰剂效应——“获知DNA信息”是否会改变人们的具体行为，甚至在分子层面上改变身体？研究结果破除了基因信息的宿命论：虽然被提供的DNA信息均是杜撰而来，但那些被告知拥有“更糟糕”运动基因的人更早停止了跑步，那些具有保护性饥饿信号的人则更少感到饥饿。与此同时，他们的肺功能和饥饿激素水平也发生了变化。尽管不能够排除其他因素的影响，研究人员推测，收到测试结果时产生的心理变化和形成的观念模式，可能是改变参与者生理状况的主要因素。
在消费型基因检测中，当“表现型自我”被证明受到生物基因以外因素的影响之时，基因测试的结果就不能够作为解释“真实自我”的权威答案，人们需要对检测结果持保留意见。如果上述实验中的安慰剂效应长期持续，基因信息就可能成为“你应该是什么样子”的镜像，此类心理暗示会引导被试朝向基因指示的模样靠近。而正是被试的主观努力，使得测试结果显得“挺有道理”。
人们不仅仅会无意识地向测试结果靠近，更多情况下，也会有意识地在测试中扮演自己或他人理想中的形象，一些享有盛名的认知测试在这一层面上亦饱受争议。内隐联想测试（Implicit Association Test，简称IAT）是社会心理学家Anthony Greenwald等人于1998年提出的内隐社会认知测验，旨在评估被试对某一特征的无意识态度，比如体重、年龄、性别、性取向或种族，迄今为止有十几个版本。该测试的工作原理十分简单：衡量积极/消极词汇与某些群体的关联速度。具体而言，当非洲裔美国人的面孔和欧美白人的面孔同时呈现在屏幕上时，你必须尽快通过按下键盘上的指定字母将它们识别为“好”或“坏”，之后的几轮测试也基于相同的原理运作。
IAT被广泛应用于大公司的“隐形偏见培训”，以解决机构中存在的不平等问题，然而这种极具影响力的测试却并未达到基本的科学标准，近年来的研究证明，IAT总体的重测可靠性评分为0.6，低于最低可靠性数值0.7。此外，IAT的有效性也遭到了质疑——歧视证据，即具体的歧视行为，与测试出来的内隐偏见态度并无太大关联。也有一些学者提出，IAT的测试内容很大程度上是基于特定文明的文化知识，同时，被试对自己真实态度的刻意隐瞒、对测试过程中出现的概念缺乏了解、较低的认知能力与较慢的反应速度等都会对测试结果产生相当大的影响。
心理测试与性格测试等关乎认知与价值判断的社会性测试更加依赖于认知与判断发生的具体情境，测试的结果受到过程中各种因素的多方面影响。或许在测试前夕升职加薪，你就更有可能被测出是一个“乐观上进”的人。同时，我们也不能忽略一些为强化营销效果的心理测试迎合用户个性化需求的刻意设置，无论你测试的结果是什么，你都是世界上那仅有的10%（及以下）的独特人群。人们在测试过程中的“角色扮演”与对待测试结果的挑拣态度也值得玩味：参加测试的人，究竟是想了解自己，还是想要测试结果与自己认知/期待的相符呢？
一锤定音的人格特质？
实际情况是，测试并不能够完全准确无误地揭示关乎自我的有效事实，但它的低可靠性与低有效性往往容易被人们忽略。当测试结果被视作“固有的本质”与权威力量合谋并嵌套进高低优劣的等级秩序时，就构成了霸权性的歧视。
迈尔斯-布里格斯性格分类指标（MBTI）是美国心理学家凯瑟琳·布里格斯及其女儿伊莎贝尔·迈尔斯基于荣格《心理类型学》一书所提出的性格分类理论模型。MBTI广受各大公司的人力资源部青睐，通常被视为评估员工、团队建设的重要项目，目前《财富》榜上1000强公司中有五分之一把MBTI测试用在招聘程序中，也有不少大学高校用MBTI帮助学生选择专业。
牛津大学英语系副教授及伍斯特学院研究员米尔维·艾姆蕾（Merve Emre）在她的新书《性格经纪人：迈尔斯-布里格斯的奇怪历史及性格训练的起源》（The Personality Brokers: The Strange History of Myers-Briggs and the Birth of Personality Training）中，考察了MBTI的发展与应用历史以及测试中存在的偏见问题。十分有趣的是，MBTI的总体测试结果相当符合某些刻板认知，比如女性大多是“感受者”（feelers），更加温和感性，而男性多是“思考者”（thinkers），更擅长以理性务实的态度处理问题。而且体力劳动者是“测不出类型”的，对此，伊莎贝尔·迈尔斯给出的解释是因为他们不够聪明，而智商低下的人是没有性格的。
由此可见，与其说MBTI测试的是人格的固有特质，不如说是社会经验的集成，这种将个性自然化、类型化的话语模式抹去了社会文化的建构作用。宣称存在某种不可化约的自然性格的做法，往往是在力图掩盖结构性的偏见，而忽略了造就差异的现实因素，以及个体与社会互动时的意义制造过程。当这些测试被雇佣公司确立为正式的筛选机制时，它们也参与了业已存在的等级制的再生产。
某一类测试的风行，亦与当时的社会背景与主流思潮紧密相关。尽管MBTI在心理学界饱受批评，被认为是一种有缺陷的测试，但在商界的流行也反映了它的一些实用价值：提供一些“有用的信息”帮助人力资源部门做好决策并避免雇佣失误。性格测试作为一个产业，在全球已经形成了约20亿美元的市场。人们对性格和心理测试的迷恋与崇拜不是什么新鲜事，早在19世纪，智商测试就成为了一种合理化种族歧视、证明白人优越性的“科学”方式。
美国进化生物学家斯蒂芬·杰伊·古尔德（Stephen Jay Gould）在其著作《人类的误测：智商歧视的科学史》一书中指出，之所以19世纪“颅骨测量术”（之后演化为给大脑称重）成为颇受欢迎的智力研究主流方法，是因为它将当时对有色人种的种族歧视与“生物决定论”的思潮融合了起来。与其说他们找到了种族优劣论调的生物证据，不如说他们早已预设“白种人更聪明”，从而将能够象征这一点的显性表现科学化、正统化，以此强化白种人是高等种族的先天事实。
在这本书里，古尔德也介绍了IQ测试的应用变迁历史。世界上第一个智力量表“比奈量表”诞生于1905年，由法国心理学家比奈（A. Binet）设计。最初版本的比奈量表包含30个测试项目，用以测试儿童的记忆、语言能力与理解能力等。作为法国教育部的一个课题，比奈量表的设计目的是为了识别那些学习困难的孩子并帮助他们。然而，之后基于比奈量表改进发展出的各式IQ测试，却被当成了测量先天智力优劣的工具。在美国，IQ测试甚至影响了国家政策的制定：促进了1924年《美国移民法案》的出台，阻止所谓的劣等民族进入美国；宣称“智商低的人不用生孩子”，优生学由此推广开来。在社会生活方面，因为假定“先天的智力决定了人的社会地位与合适的工作”，就业歧视现象加剧。IQ测试的误用是用现象替代原因的典型做法，也反映了科学工具与政治议程的合谋。
宣称能够测试出“最真实人格”的测试都是值得怀疑的，且人格也并非一成不变。无论是人格测试还是智商测试，它们的信度与效度都需要随着学科发展被频繁检验。市面上流行的测试，测的往往是结构性差异而非天生的特质，而这种借助测试结果将人粗暴划分为三六九等的工具理性，既架空了人们活泼多彩的生活经验，又维护了原本就充满偏见或歧视的等级制度。
粗暴标签还是自我认同？
在接受沃顿知识在线（Knowledge at Wharton）采访时，《性格经纪人》的作者艾姆蕾提到，MBTI在20世纪80年代才开始流行，许多求职者将测试结果作为彰显个人性格的主要标签，并借助MBTI的分析话语推销自己。艾姆蕾注意到了人们从“将自己分类”这种行为中获得的解放感与满足感，她也承认，测试体验对参与者个体来说也拥有重要的意义，因为它“提供给人们一套相对简便的语汇来描述他们自己”。
各类流行测试的结果，实际上是提供了一套简化的认知自我的语言系统，它们建立在某些社会共识的基础上，譬如你需要知道MBTI测试结果中“外向”、“直觉”、“感知”等词汇的具体含义，才能够理解自己的人格类型，而对于那些不清楚“本质主义”、“进步主义”、“改良主义”等概念的被试而言，政治倾向的测试结果几乎没有意义。这一套高效的语言系统帮助人们更快地在纷繁芜杂的意义世界里把握、创造个体的独异价值，并向他人展示自己——测试不仅能够帮助人们理解自己的个性、解释当前处境，还可以充当交际手段，它既赋予人们独一性，又将每个人准确安放到世俗体系中的特定位置并与他人产生联系——“众所周知，格兰芬多与斯莱特林是死对头，这或许可以解释我与XX之间不怎么好的关系。”
测试结果与真实情况之间的模糊关系也会制造出“理想中的应然自我”。美国社会学家霍华德·贝克尔在《局外人：越轨的社会学研究》一书中提出了“标签理论”（labelling theory）。他认为，越轨者的身份与异常行为是通过强有力的社会控制机构给少数弱势群体贴上“越轨”的标签后被“创造”出来的。界定概念的行为本身赋予了行为越轨的性质，而被贴上标签的人则会践行“自我实现的语言”（self-fulfilling prophecy），他们会接受标签背后的越轨含义与角色剧本，将社会对该群体的认同内化为自我认同。
支配性文化与权威机构对身份与所谓“现实”的创造作用不可忽视，这同样也适用于测试。一些流行的测试因其高传播度、高熟人认可度或是由某知名大学研究机构发布，在一定程度上被视作“权威”，人们对于权威的信服会转移成为对测试结果的信服，进而相信“这就是最真实的、‘光脚的’自我”。在理想的情况下，测试结果或许能够作为一种励志工具，为个体指明努力的方向。然而实际上，人们也并非对测试结果全盘接受，社会学家Wendy Roth在接受《卫报》采访时表示，人们会根据他们想成为怎样的人的主观意愿，来选择性接受积极的测试结果。
我们究竟应该如何认识测试？对于个体而言，测试作为娱乐项目与了解自我的辅助工具是无可非议的，但需要注意的是，测试结果并非我们天生所固有的特质，结合生活经历理解测试结果或许更为重要。它们可以作为一个意义阐释的参照系统，却不可被当做永恒不变的标签。而关于人格类型、认知能力、智力水平的流行话语背后隐藏的一整套偏见体系的运作，它们既非真理，又孕育了暴力，值得每一个人警惕。
……………………
| ᐕ)⁾⁾ 更多精彩内容与互动分享，请关注微信公众号“界面文化”（ID：BooksAndFun）和界面文化新浪微博。
,
