JERUSALEM / LONDON (IT BOLTWISE) – Eine neue iScience-Studie zeigt, wie GPT-4 aus beliebigen Textauszügen Persönlichkeitsfragebögen generieren, validieren und sogar Antwortmuster vorab vorhersagen kann. Das Team nutzte dafür einmal den DSM-5-Abschnitt zu Persönlichkeitsstörungen und als Kontrastbeispiel ein Astrologie-Buch. Anschließend testeten sie die Fragebögen mit 600 Teilnehmenden parallel zur Big-Five-Referenzskala. Besonders auffällig: Das Modell prognostizierte Mittelwerte und Item-Korrelationen bereits, bevor die Menschen die Umfrage ausfüllten.
Die eigentliche Sensation der Studie liegt weniger darin, dass große Sprachmodelle Texte umformulieren können, sondern darin, dass GPT-4 psychometrisch verwertbare Fragebögen aus sehr unterschiedlichen Ausgangsmaterialien ableitet. Auf Basis der Five-Factor-Struktur (Big Five) und dem sogenannten lexikalen Ansatz, wonach Persönlichkeitsdimensionen in Sprache enthalten sind, entwickelten die Forschenden eine Methode, die aus Textquellen Item-Statements erzeugt, anschließend Struktur und Konsistenz prüft und die Antwortdynamik auf Populationsebene vorab prognostiziert. Damit verschiebt sich die KI-Rolle vom reinen Content-Generator hin zu einem Werkzeug, das Messinstrumente schon im Entwurfsstadium evaluieren kann.
Technisch setzt das Verfahren bei der Trainingslogik moderner LLMs an: GPT-4 lernt während des Trainings statistische Zusammenhänge zwischen Spracheingaben und sprachlichen Mustern aus großen Datenmengen. Die Arbeit argumentiert, dass diese Muster implizit die Struktur menschlicher Persönlichkeit abbilden können, ohne dass das Modell explizit in Psychologie-Theorien oder Diagnostik verankert werden muss. In dem Experiment verwendete das Team zwei Gegenpole als Textbasis: den DSM-5-Abschnitt zu Persönlichkeitsstörungen, der aus Jahrzehnten klinischer Forschung hervorgegangen ist, sowie einen unkonventionellen Text aus dem Bereich Astrologie als bewusst wenig wissenschaftlich validierten Referenzrahmen.
Für den DSM-5-Fall ließ GPT-4 aus Beschreibungen einzelner Persönlichkeitsstörungen konkrete Aussagen ableiten, die Teilnehmende per Likert-Skala bewerteten. Ein Beispiel sind Items, die auf sprachlichen Beschreibungen paranoider Muster beruhen, etwa Formulierungen wie „oft vermutet“ bzw. Aussagen zur leichten Vertrauensbildung. Der zweite Fragebogen folgte demselben Muster, nur dass die Textbasis die Zuschreibung von Eigenschaften zu Sternzeichen bzw. astrologischen Elementen lieferte. Diese Konstruktion war entscheidend für den Vergleich: Wenn eine psychometrische Struktur tatsächlich in den generierten Items steckt, müsste sie sich in der internen Konsistenz und im Korrelationsverhalten zeigen – und wenn nicht, würden die typischen Clusterrelationen ausbleiben.
Genau das beobachteten die Autoren. Der aus dem DSM-5 abgeleitete Fragebogen zeigte eine hohe interne Konsistenz innerhalb der erwartbaren Persönlichkeitscluster und spiegelte damit die Korrelationsmuster der Big-Five-Referenzskala wider. Der Astrologie-Fragebogen dagegen zeigte eine deutlich schwächere interne Konsistenz: Die unter astrologischen Kategorien zusammengefassten Eigenschaften ko-occurren in der Realität offenbar nicht in der Weise, wie es ein psychometrisches Messmodell voraussetzt. Gleichzeitig war das Ergebnis inhaltlich nicht „nutzlos“: Trotz der schwachen Clusterkohärenz konnten beide Fragebögen Lebensoutcomes wie Depressivität, Angst und Wohlbefinden vorhersagen – und zwar auf einem Niveau, das die Forschenden als mit dem Big-Five-Referenzinstrument vergleichbar darstellen.
Besonders bemerkenswert ist, dass GPT-4 nicht nur nachträglich erkannte, welche Struktur die Menschen später berichten, sondern dass es Antwortmuster bereits vor dem Einreichen der Umfragen prognostizierte. Das Modell sagte Mittelwerte und inter-Item-Korrelationen für beide generierten Fragebögen voraus, bevor die Kohorte aus 600 Teilnehmenden die Items tatsächlich beantwortete. Damit fungiert das LLM in dieser Architektur nicht nur als Werkzeug für Item-Entwurf, sondern als automatisierter Evaluator, der die erwartete psychometrische Signatur aus der Spracheingabe ableiten kann. Aus der Perspektive psychologischer Forschung bedeutet das: Validierungsschleifen könnten früher ansetzen und Testläufe reduzieren, bevor teure Human-Studien durchgeführt werden.
„Given that personality traits are reflected in language, LLMs may have learned the structure of human personality as a natural byproduct of their training, “ sagte Studienautor Rotem Monsa. In der Interpretation der Arbeit heißt das: Auch wenn das Modell nicht speziell für Psychologie trainiert wurde, kann es aus Sprache jene Beziehungen ziehen, die später in psychometrischen Zusammenhängen sichtbar werden. Genau hier liegt jedoch auch die Grenze des Ansatzes. Die Autoren weisen darauf hin, dass die Ergebnisse stark von den kulturellen und sprachlichen Bedingungen des Trainings abhängen können – insbesondere, weil GPT-4 überwiegend auf englischsprachigen Texten aus westlichen Kontexten trainiert wurde. In anderen Sprachen und Kulturen könnten die Prognosegüte und die psychometrische Konsistenz deutlich abweichen, weshalb weitere Tests in nicht-okkidentalen Sprachräumen ausdrücklich Teil der Forschung bleiben.
Für Unternehmen und Forschungsorganisationen ist die praktische Relevanz zweigeteilt. Zum einen zeigt der Ansatz, wie schnell sich aus großen Textkorpora Messinstrumente ableiten und iterativ verfeinern lassen, ohne dass jeder Schritt vollständig manuell designt werden muss. Zum anderen stellt sich die Frage nach Qualitätssicherung: Wenn ein Modell selbst Item-Korrelationen vorhersagt, muss diese Vorhersage mit klaren Gütemetriken, Reliabilitäts-Checks und gegebenenfalls Domänen- bzw. Sprachadaptionen abgesichert werden. Die Studie liefert dafür einen konkreten Startpunkt, weil sie einen wissenschaftlich geerdeten Text (DSM-5) und einen nicht wissenschaftlich validierten Rahmen (Astrologie) als Kontrast verwendet und gleichzeitig zeigt, dass „inhaltliche Plausibilität“ nicht automatisch „vollständige Cluster-Kohärenz“ bedeutet.
Auf der Industry-Seite fügt sich das Ergebnis in einen breiteren Trend ein: KI-gestützte Forschung versucht, Formulierung, Evaluation und Approximation in einem Prozess zu bündeln. Wo bisher oft nur die Erstellung von Fragebögen automatisiert wurde, verbindet die Arbeit Generierung, psychometrische Prüfung und Prognose in einem durchgängigen Workflow. Das ist vor allem dann interessant, wenn Teams häufig neue Instrumente für Studien brauchen – etwa in frühen Produktforschungseinheiten, in klinisch-nahen Evaluationsprojekten oder in UX-/Organisationsforschung. Entscheidend wird aber sein, dass die Methode nicht als „One-click-Wunder“ verstanden wird, sondern als skalierbare Vorvalidierung, die anschließend durch menschliche Stichproben und robuste statistische Tests abgesichert wird.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "GPT-4 baut Persönlichkeitsfragebögen aus beliebigen Texten und sagt Antworten voraus" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "GPT-4 baut Persönlichkeitsfragebögen aus beliebigen Texten und sagt Antworten voraus" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »GPT-4 baut Persönlichkeitsfragebögen aus beliebigen Texten und sagt Antworten voraus« bei Google Deutschland suchen, bei Bing oder Google News!