九型人格分类也能用语言特征和表情符号？一篇硕士论文的方法拆解

摘要：九型人格能否被自动化识别？一篇台湾清华大学硕士论文用LIWC、词性标注与表情符号特征做了尝试。本文从人才测评视角拆解其方法设计、结果与边界，并讨论这类研究对实务的启示。文中凡属作者分析推论而非论文原始结论之处，均以"本文推论"或"本文判断"明确标注，以便读者区分证据层级。

一、为什么是九型人格，而不是MBTI

在人格测评的学术谱系里，九型人格（Enneagram）长期处于一个微妙位置：应用端热闹，相关学术研究相对有限，本文所依据的公开文献仅见少数硕士论文。以人力资源与人才测评的专业视角看，企业在选型时最常接触的其实是MBTI、大五人格、霍兰德等工具，九型人格更多出现在领导力培训与团队工作坊场景中。

这种应用格局有其原因。据台湾师范大学一篇硕士论文的梳理，九型人格可上溯至远古文明的智慧传统，在20世纪60年代与现代心理学结合后形成现代九型人格学，其价值不只在于分类，更在于帮助个体探索行为背后的欲望与核心恐惧；据该论文作者称，哈佛、斯坦福及北京清华开设相关商学应用课程，并用于企业团队培训[2]。换言之，九型人格的卖点是"深度"与"可解释性"，而非测量学上的简洁。

相比之下，MBTI的传播路径更"轻"。据科普文章介绍，MBTI由凯瑟琳·布里格斯与女儿伊莎贝尔·迈尔斯在20世纪40年代基于荣格的人格类型理论编制，1962年出版《请理解我》后逐步进入职业发展、团队建设与教育领域[5]。中国科学院心理研究所教授陈祉妍在接受采访时也提醒，任何测试都有局限性，MBTI可以帮我们更好地了解性格特征，但不能仅以单一测试结果推断一个人的心理特征，需用多种方法、多个角度考察[4]。

这正是那篇九型人格论文的问题意识所在：五大性格特质模型与MBTI"仅适用于某些行业，例如教育、商业"，而九型人格特征能提供更深入、更易懂的个人信息，更适合心理学与精神病学等领域[1]。从测评工具选型的角度看，这个判断带有明显的领域适配思维——不是哪个工具更"科学"，而是哪个工具在特定场景下信息密度更高。

二、研究设计：把"说话方式"变成特征向量

这篇论文的完整信息值得先交代清楚：作者凤淑芬（Phongthipphithak, Nareekarn），指导教师陈宜欣，国立清华大学资讯系统与应用研究所硕士论文，英文题名"Enneagram Personality Pre-screening Using Linguistic and Emoticon features"[1]。注意英文题名中的"Pre-screening"——预筛，这个词本身已经透露了作者对方法定位的克制。（另需说明：本文所依据的论文摘要中口试日期标注存在异常，引用时宜谨慎。）

研究目标是提供自动性格侦测，并理解每种性格类型用户在线互动行为的差异[1]。方法上，作者构建了基于九型人格特征的人格分类流程，核心是比较不同特征集在跨源（cross-source）场景下的表现。

特征工程分三路：

其一，词袋（Bag of Words）。作为基线方法，它把文本简化为词频向量，忽略语序与语法。这是文本分类的经典起点，但作者显然不认为它是最优解。

其二，语言特征。论文明确使用了语言查询与单词计数（LIWC）和词性标注（POS tagging）[1]。LIWC的逻辑是统计不同心理语义类别词汇的出现比例（如人称代词、情绪词、认知词），POS则捕捉语法层面的用词习惯。这两类特征共同刻画的是"怎么说话"，而非"说了什么"。从机制上看，LIWC类特征之所以可能具备跨话题的迁移能力，在于它统计的是语义类别比例而非具体词汇本身——同一心理语义类别可由不同词汇承载，因而对话题与平台词汇分布的依赖相对较低；POS特征同理，捕捉的是语法结构而非内容。这一机制解释属本文推论，论文摘要未展开说明。

其三，表情符号（Emoticon）。这是本研究最有辨识度的设计。表情符号在社交媒体文本中承载情绪与语气信息；至于其是否较少受措辞斟酌影响，属本文的分析推论，非论文结论，尚缺乏实证支持。

分类器方面，论文报告逻辑回归在所有特征和所有性格类型上均表现正常[1]。就方法匹配而言，逻辑回归作为线性模型，其系数可直接反映各特征对分类结果的贡献方向，在特征维度可控、样本规模有限的研究中具有可解释性优势；但本文无法核实论文实际的特征维度与样本规模，故不对其模型选择的适切性作进一步评价（本文判断）。

三、关键结论：跨源稳定性比准确率更值得关注

论文最值得拆解的结论不是某个准确率数字，而是一句方法论判断：与词袋功能相比，表情符号和语言特征（LIWC与POS）在跨源性格侦测中显得更稳定、更泛化[1]。

这句话的分量需要放在研究设计的语境里理解。论文所称跨源指训练与测试语料来源不同，具体划分方式摘要未详述[1]。论文报告词袋特征在跨源场景下稳定性不及语言特征与表情符号[1]；至于其原因，本文推测可能与词袋依赖具体词汇出现、而词汇分布易随话题和平台变化有关，但此为本刊分析推论，非论文结论。

从人才测评的专业角度看，这一取向与自陈问卷易受社会赞许性影响的既有讨论相关[18]：问卷测的是"你如何描述自己"，而语言特征测的是"你如何自然地表达"。这也是"预筛"定位的合理性所在——它不是替代正式测评，而是用低成本、非侵入的方式做初筛，把有限的专业测评资源留给更需要深度的环节。

不过必须如实说明局限：本文所依据的论文摘要未披露样本量与准确率数值。因此本文只能就方法逻辑与作者自述的结论展开分析，无法对"效果有多好"给出量化判断。这一点在解读任何单一硕士论文时都应保持的审慎。

四、把这项研究放回人格测评的证据链

孤立看一篇论文容易高估或低估其价值。把它放进人格测评的更广证据链里，位置会更清楚。

第一层，自陈问卷本身的效度争议尚未平息。 《心理科学进展》刊载的综述指出，个性调查问卷旨在通过专门设计的问题预测候选人工作绩效，但以往研究因对工作绩效内涵及参照效标的界定、问题设计的逻辑基础存在局限，对其有效性一直存在分歧；作者建议从平衡计分卡四个维度定义绩效效标，并采用内嵌且纵贯模式跟踪候选人工作绩效[18]。这意味着，即便是成熟的自陈工具，其"预测效度"也依赖严谨的效标设计——九型人格的自动化识别若要走向实务，同样绕不开这个问题。

第二层，人格分类在垂直场景确有应用价值。 一项针对初次试管婴儿治疗的不孕不育夫妇的研究，将夫妻随机分组，实验组基于MBTI性格分析结果进行个性化心理护理，结果显示实验组抑郁自评量表（SDS）与焦虑自评量表（SAS）得分显著低于对照组，生活质量评估（SF-36）得分高于对照组[17]（需说明：该研究纳入的夫妻数量在摘要中表述不一，为247对／每组92对；摘要亦未报告具体得分与统计量）。这个案例说明，人格分类的价值不在于"贴标签"，而在于据此调整干预方式——这正是语言特征自动化识别可以衔接的方向：更早、更低成本地完成分型，从而更早启动个性化干预。

第三层，文本自动分类的技术路线正在快速演进。 辅仁大学一篇以Kaggle MBTI数据集为对象的硕士论文指出，人格类型分类研究常见的数据集多源自人格讨论社群，文本中可能直接出现MBTI类型、人格维度的缩写或认知功能词汇，若未处理，模型可能依赖显性标签线索进行分类，造成标签泄漏并高估模型效能；该研究因此以使用者为单位，采用阶层式Transformer模型，先以BERT编码单篇贴文，再通过使用者层级编码器整合多篇贴文[6]。这个"标签泄漏"的提醒极为关键——它同样适用于评估任何基于社交文本的人格分类研究，包括前述九型人格论文：如果语料本身带有类型线索，模型表现就可能被虚高。

第四层，实务端的使用边界需要被反复强调。 据媒体报道，MBTI、卡特尔16PF、PDP、九型人格等性格测试在职场招聘中频频出现，据媒体报道，有企业提出性格测试不通过一年内不能再投简历的要求（属媒体转述的个别案例）；专业人士认为，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[3]。这个判断与前述学术综述的谨慎立场形成呼应：工具可以用，但不能当"硬杠杠"。

五、对实务者的三点启示

以人才测评与数字化人才发展的视角看，这篇论文的方法拆解能落出三条可操作的经验性判断——需要说明，以下为基于资料的分析推论，而非实证结论。

其一，把"预筛"和"决策"分开。 论文英文题名用"Pre-screening"而非"Assessment"，这个措辞值得实务者借鉴。语言特征与表情符号的优势在于低成本、非侵入、可规模化，适合做初筛与分群；但任何用于晋升、淘汰等高利害决策的场景，都应回到多方法交叉验证，这与陈祉妍教授"用多种方法、从多个角度考察"的建议一致[4]，也与招聘场景中"不宜作为决定因素"的专业意见一致[3]。

其二，警惕数据泄漏，也警惕"准确率幻觉"。 辅仁大学研究揭示的标签泄漏问题[6]提示我们：当看到某个人格分类模型报告高准确率时，第一反应应是追问语料来源与预处理方式。九型人格论文强调跨源泛化而非单源准确率，这个取向在方法上是更诚实的。

其三，工具选择服从场景，而非服从流行度。 论文开篇的判断——五大模型与MBTI适用于教育、商业等特定行业，九型人格更适合心理学与精神病学领域[1]——未必是定论，但它体现的选型逻辑是对的：先问"这个场景需要多深的信息"，再问"哪个工具能稳定提供这些信息"。资料2的质性访谈显示，受访者认为九型人格培训有助于自我认识与领导风格调整[2]——受访者的自述提示其在该培训场景中可能具有发展性价值，但样本仅九人，不宜外推。

结语

这篇2020年的硕士论文，价值不在于给出了多高的分类准确率，而在于示范了一种研究姿态：用可解释的特征、稳健的模型、跨源的验证，去处理一个实务应用较多、学术研究相对有限的分类体系（此为本刊判断）。对实务者而言，它提醒我们：人格测评的自动化不是要取代专业判断，而是把专业判断的时间从"分型"转移到"理解人"上。至于这条路能走多远，取决于后续研究能否补上样本、效标与复现这三块短板（此为本刊观点）——而这，恰恰是公开资料目前无法回答的部分。