ビッグファイブ診断はどこまで正確？ 信頼性・妥当性とスコアが変わる理由

前回は外向性が63点で「中間」だったのに、受け直したら67点の「高い」だった、結果のタイトルが「ひとつが突出するより、まんべんなく分布した傾向」からある特性の名前に変わった、ほかのサイトでは同じ特性が上位何%と出た、という話はよくあります。すると自然に「ビッグファイブ診断は信頼できるの？」「自分の本当のスコアは何点なの？」という疑問がわいてきます。

結論から言うと、スコアが数点ずつ上下するのは珍しいことではなく、説明できる理由があります。研究で使うビッグファイブ検査は、数週間以内に測り直すと人々のスコアの順番がかなり近いまま保たれますが、その日の気分のように、そのつど変わる要因もスコアに少し混ざります。項目の少ない検査ほど項目どうしのまとまりは弱くなり、スコアを低い・中間・高いのような区分に分けると、境目の近くでは小さな差でも名前が変わります。さらに数年単位で見ると、性格そのものも少しずつ動きます。

このガイドでは、研究者がビッグファイブ検査の正確さをどう確かめてきたか、検査によって長さや項目がなぜ違うのか、スコアが数週間や数年のあいだにどのくらい近いまま保たれるのか、スコアが実際の生活や周りの人の見方とどのくらい一致するのか、mind.ioの診断でスコアが動く仕組み、結果が変わったときの読み方を順にまとめます。MBTIとビッグファイブの違いはMBTIとビッグファイブの違いで、性格そのものが年齢や努力で変わるのかは性格は変わるのかで別に扱っています。MBTI・エニアグラム・愛着スタイル・HSPの結果が変わる理由は、MBTI診断の正確さのガイド、エニアグラムの正確さのガイド、愛着スタイル診断の正確さのガイド、HSP診断の正確さのガイドにまとめています。

心理検査の正確さを語るときは、ふつう二つの点を見ます。信頼性は、同じ人が受け直したときに近い結果が出るか（再検査信頼性）、項目どうしが一貫して動くか（内的一貫性）を指します。妥当性は、その検査が測ろうとしているものを実際に測れているか、結果がほかの検査や実際の姿と意味のある形でつながっているかを指します。二つの信頼性は性質の違うものです。気分を尋ねる尺度は、項目どうしはよくそろっていても別の日に測り直すと変わることがあり、逆に項目がばらばらでも、測るたびに同じ値が出ることがあります。そのため、内的一貫性で再検査信頼性の代わりはできないという指摘があります（McCrae ほか, 2011）。また再検査信頼性は、2回測ったときに多くの人のスコアの順番がどれだけ保たれるかを見る相関なので、一人のスコアがそのまま出るという意味ではありません。

ビッグファイブは人をタイプに分けず、開放性、誠実性、外向性、協調性、情緒の敏感さ（学術用語では神経症傾向）という五つの特性がそれぞれどの程度かをスコアで見る枠組みです。BFI-2を作った研究者たちは、この25年で五つの特性の構造と基本的な定義について科学的な合意ができ、関連する研究が爆発的に増えたと書いています（Soto & John, 2017a）。ただし、ビッグファイブを測る検査は一つではないので、信頼性も検査ごとに確かめる必要があります。

複数の検査をまとめて見たメタ分析があります。同じ人を2か月以内の間隔で測り直した74の標本、合わせて14,923人の再検査相関682個を集めたところ（間隔は1〜8週、平均約3.7週）、五つの特性の中央値は.816でした。外向性が.851でもっとも高く、協調性が.778でもっとも低い値でした。人によるスコアの違いの約10%は、そのときの気分や感情のように測る瞬間によって変わる要因から来ると推定されています（Gnambs, 2014, 著者原稿による）。

検査別に見ると、240項目のNEO-PI-Rは、大学生132人を7〜14日の間隔で測り直したとき、五つの特性の相関が.91〜.93でした（McCrae ほか, 2011）。60項目のBFI-2は、英語圏の成人1,000人と大学生470人で特性ごとの内的一貫性が.83〜.90、約8週間後に大学生110人がもう一度答えたときの再検査相関は.76〜.84でした（Soto & John, 2017a）。翻訳版でも近い水準が報告されています。韓国語版BFI-2は会社員856人のうち421人を1か月後に測り直して.80〜.92（Choi ほか, 2026）、日本語版は大学生171人を3週間後に測り直して.85〜.90（Yoshino ほか, 2022）、フランス語版は大学生139人を4週間後に測り直して.84〜.90でした（Lignier ほか, 2023）。

mind.ioのビッグファイブ性格診断は、このどれでもありません。研究用の検査の項目は使わず、mind.ioが独自に書いた30問（特性ごとに6問、そのうち3問は逆向き）に1〜5で答える独自の診断で、この診断の再検査信頼性や妥当性はまだ調べられていません。そのため、上の数値は研究用の検査についてのもので、mind.ioの結果がどれだけ正確かを示す数字ではありません。

ビッグファイブ検査は長さがまちまちです。NEO-PI-Rは240項目（特性ごとに48項目）で、五つの特性の下にある30の下位側面まで測り（McCrae ほか, 2011）、BFI-2は60項目で15の下位側面を測ります（Soto & John, 2017a）。同じ開発者による短縮版のBFI-2-Sは30項目、BFI-2-XSは15項目です（Soto & John, 2017b）。公開の項目プールであるIPIPから選んだMini-IPIPは20項目（特性ごとに4項目）で（Donnellan ほか, 2006, 要旨による）、TIPIは10項目で特性ごとに2項目しかありません（Gnambs, 2014, 著者原稿による）。

項目が減ると、項目どうしのまとまりも弱くなります。インターネットで集めた英語圏の成人2,000人と大学生423人のデータでは、特性ごとの内的一貫性の平均が、60項目のBFI-2で.86と.85、30項目のBFI-2-Sで.78と.77、15項目のBFI-2-XSで.62と.59でした。大学生230人を、主に友人や恋人である知り合いが評価した点数との一致も、平均.55、.53、.50と少しずつ下がりました。30項目のBFI-2-Sの再検査相関は、二つの大学生標本（137人と121人）で約2か月・3か月の間隔で平均.76と.83（15項目のBFI-2-XSは.70と.76）と報告されましたが、項目を選ぶのに使ったのと同じデータから出た数値なので、やや良く出ている可能性があると著者たちは書いています。開発者は、短縮版も五つの特性のレベルでは原版の信頼性と妥当性の多くを保つとしながらも、ほとんどの研究では完全版を使うよう勧めています（Soto & John, 2017b）。メタ分析でも、NEO-PI-Rの再検査相関が最大.918でもっとも高く、特性ごとに2項目のTIPIは.664〜.807と低めでした。ただしこの分析では、項目数そのものには別個の有意な影響が見られず、著者は検査どうしの差の一部を、項目どうしの一貫性（ランダムな誤差）の違いで説明しています（Gnambs, 2014, 著者原稿による）。

検査の組み立て方も研究されています。BFI-2の項目で長さや構成を変えた尺度を作り、大学生536人のデータで比べた研究では、一つの特性の項目が6個より少ないと、行動や生活上の結果のような外部の基準との関連が急に下がり、9個を超えると少しずつしか増えないことから、6〜9項目が効率のよい範囲として提案されました。「そう思う」の向きに書いた項目と「そう思わない」の向きに書いた項目の数をそろえると、内容に関係なく「そう思う」を選ぶ癖のせいでほかの基準との関連が膨らんだり縮んだりするのを減らせるという結果も出ています。ただし、人事や診断のように重要な決定に使うときは、妥当性が少しでも高い長い尺度のほうがよい場合があると添えています（Soto & John, 2019）。

翻訳や標本も数値を変えます。メタ分析では、米国以外で、多くは別の言語に訳した検査を使った研究の再検査相関が有意に低く、著者は訳す過程で精度が一部落ちた可能性があると推測しています（Gnambs, 2014, 著者原稿による）。韓国語版BFI-2を作った研究チームも、それ以前に高齢者を対象に作られた韓国語版BFIには、外向性.52、協調性.61のように内的一貫性の低い特性があったとまとめています（Choi ほか, 2026）。トルコのオンライン標本で200人を4週間以内に測り直した研究では、一緒に使った短いビッグファイブ検査の再検査相関が.292〜.501と低く出た例もあります（Yanartaş ほか, 2022）。この研究はエニアグラムの正確さのガイドで詳しく扱っています。

mind.ioの診断は30問で、特性ごとに6問、順方向と逆方向の設問が3問ずつです。長さとバランスだけを見れば上の研究が提案した範囲の下の端にあり、BFI-2-Sと設問数が同じですが、設問の内容が違うので、BFI-2-Sやほかの検査の信頼性をmind.ioのスコアにそのまま当てはめることはできません。BFI-2やNEO-PI-Rのように下位側面を別に測ることもしません。特性ごとの下位側面は、情緒の敏感さなどの特性ページで紹介しています。

間隔が長くなるほど、同じ検査でも相関は下がります。メタ分析の著者が先行研究を引いてまとめたところでは、同じBFIの再検査相関は2週間の間隔で.81〜.84、2か月で.79〜.89でしたが、3年では.62〜.70でした。8週間以内の短い間隔でも、間隔が長いほど開放性・外向性・情緒の敏感さの相関が少しずつ下がりました（Gnambs, 2014, 著者原稿による）。研究者は、こうして間隔が長くなったときにさらに下がる部分を、主に実際の変化と見ています。

数年単位ではどうでしょうか。152の縦断研究から再検査相関3,217個を集めたメタ分析では、間隔を6.7年にそろえると、スコアの順番の一貫性は子ども時代の.31から大学時代の.54、30歳の.64へと高まり、50〜70歳では約.74でそれ以上は上がりませんでした（Roberts & DelVecchio, 2000, 要旨による）。このメタ分析のデータを分析し直し、2005年以降の研究（順位の安定性は189標本、178,503人）を加えたメタ分析では平均がr = .60で、安定性は成人初期まで高まったあと、25歳以降にさらに高まるという根拠はほとんどありませんでした。25歳から60歳までに増えた幅は.035にとどまりました。この研究は、欧米の国のデータが多かったことも明記しています（Bleidorn ほか, 2022）。大人になってからは人どうしの順番がかなり保たれるものの、そのまま固まるわけではないということです。

日々の姿はもっと大きく動きます。2〜3週間、日常の中で何度も行動を記録した研究では、ふつうの人でも五つの特性すべてでほぼあらゆるレベルを行き来して行動していましたが、一人ひとりの平均はほぼ完全に安定していました（Fleeson, 2001, 要旨による）。性格検査が尋ねているのはこうしたふだんの平均に近いものですが、答える瞬間の状態もスコアに少しは入ります。

年齢とともに平均して誠実性が高まり情緒の敏感さが下がる変化や、カウンセリングや自分で決めた目標で性格のスコアが変わった研究は、性格は変わるのかにまとめています。

妥当性の面では、ビッグファイブのスコアが実際の生活とつながっているかが多く研究されてきました。研究をまとめたレビューは、性格特性が幸福感、心身の健康、仲間・家族・恋人との関係、職業の選択と満足・成果、地域活動、犯罪、政治的な考え方と関連するとまとめています（Ozer & Benet-Martínez, 2006, 要旨による）。これまでに報告されたこうした関連78個を事前登録の方法で検証し直したプロジェクト（検証ごとの標本の中央値は1,504人）では、87%が予想した方向で統計的に有意に再現され、効果の大きさはたいてい元の研究の77%ほどでした（Soto, 2019）。これは集団レベルの傾向なので、自分のスコアで自分の人生が決まるという意味ではありません。

周りの人の見方とも比べられています。ほかの人による評価を扱った三つのメタ分析（合わせて263標本、44,178人）のうち、本人の評価とほかの一人の評価を比べた分析（特性ごとに約2万〜2万9千人）では、二つの評価の相関（補正前の平均）は、協調性の.29から外向性の.41のあいだでした。評価する人によって差が大きく、情緒の安定性（情緒の敏感さの反対側）は家族が評価すると.43でしたが初対面の人が評価すると.08、外向性は家族.48、初対面の人.22でした（Connelly & Ones, 2010）。BFI-2の研究でも、大学生184人をそれぞれよく知る人（主に友人や恋人）が評価したとき、本人の評価との一致は特性ごとに.42〜.69、平均.56でした（Soto & John, 2017a）。本人の見方と周りの見方はかなり重なりますが、同じではないということです。

特性によって、本人のほうがよく見えるものと、周りのほうがよく見えるものがあります。165人を本人、友人4人、初対面の人たちが評価し、行動テストから得た基準と比べた研究では、情緒の敏感さ（神経症傾向）に近い特性は本人が、知的な面は友人がもっともよく言い当て、外向性に近い特性は誰もが同じくらい言い当てました（Vazire, 2010, 要旨による）。またメタ分析では、親しい間柄ほど、特に外から見えにくい情緒の安定性で、ほかの人の評価が正確になりました（Connelly & Ones, 2010）。

答える状況もスコアを動かします。33の研究を集めたメタ分析では、就職の応募者は応募者でない人より誠実性（d = .45）と情緒の安定性（d = .44）のスコアが高く出ました（Birkeland ほか, 2006, 要旨による）。見せたい自分が答えに混ざると、スコアが変わりうるということです。ほかの人やほかの国と比べるときも注意が必要です。人は周りの似た人と比べて自分を評価するため、こうした自己評価の尺度で文化を比べると結果がぼやけるという研究があり（Heine ほか, 2002, 要旨による）、国ごとの誠実性の自己評価と知人による評価の平均が、行動や人口の指標と合わなかったという研究もあります（Heine ほか, 2008, 要旨による）。韓国語版BFI-2の研究チームも、韓国の標本のスコアが米国の標本よりばらつきが小さかったのは、アジアの回答者が真ん中の選択肢をよく選ぶ回答の癖のためかもしれないと見ています（Choi ほか, 2026）。

mind.ioのビッグファイブ性格診断は、特性ごとに6問の平均を0〜100点に換算します（平均1なら0点、5なら100点）。そのため、回答をひとつ1段階変えるだけで、その特性のスコアは約4.2点（四捨五入して4点か5点）動きます。いまの設問で計算したスコアは0、4、8、13…のようにとびとびなので、34〜37点と64〜66点は出ません。33点（低い）と38点（中間）、63点（中間）と67点（高い）は回答ひとつの差です。

結果画面は五つのスコアと低い・中間・高いを示しますが、スコアが区分の境目の近くだという案内は特に出しません。区分の名前だけを見ずに、自分のスコアが33点や67点からどれだけ離れているかを自分で確かめてください。結果のタイトルも同じです。もっとも高い特性が67点以上のときだけその特性の名前がタイトルに入り、そうでなければ「ひとつが突出するより、まんべんなく分布した傾向」と表示されます。もっとも高いスコアが二つ以上並んだときは、開放性、誠実性、外向性、協調性、情緒の敏感さの順で前の特性が選ばれます。そのため二つの特性のスコアが同じか1段階差なら、次はタイトルが変わることがあります。

スコアの意味も確認しておきます。mind.ioのスコアはほかの人と比べたパーセンタイルではなく、自分が選んだ回答を0〜100に置き換えた値です。すべての設問で3（どちらともいえない）を選ぶと五つの特性がすべて50点になるので、50点は「平均」ではなく、おおむね「どちらともいえない」寄りに答えたという意味です。ほかのサイトがパーセンタイルや標準得点で示した数字とそのまま比べないでください。パーセンタイルは、そのサイトが比較に使った集団によって変わります。

答える癖や状態もスコアに入ります。mind.ioの設問は特性ごとに順方向3問、逆方向3問なので、内容に関係なく「そう思う」寄りに答える癖が、スコアを一方向にだけ押さないように作られています。それでも、その日の気分、職場の自分と家の自分のどちらを思い浮かべたか、見せたい自分として答えたかは、やはり回答を変えます。結果画面の以前の結果との比較でも、差があるからといって性格が変わったとは限らず、最近の状態や状況、回答の基準の違いかもしれないと案内しています。

もうひとつあります。2026年10月には、結果に影響する変更が二つありました。一つは情緒の敏感さの採点方向です。2026年1月の公開時から、この特性の心配に関する設問と落ち着きに関する設問が逆向きに採点されていたため、その間の情緒の敏感さのスコアは実際には情緒の安定性を表していました。採点方向は修正され、それ以前に保存した結果や古い共有リンクは、開いたときに情緒の敏感さを「100−元のスコア」に自動で直して表示します。そのため、以前25点の「低い」と見た情緒の敏感さが、いまは75点の「高い」と表示されることがありますが、性格が変わったのではなく計算を直した結果です。そのため、以前の結果の情緒の敏感さは37点のように今の計算では出ない値になっていることもあり、それにもとづく結果のタイトルや解説、以前の結果との比較も違って見えることがあります。ほかの四つの特性は最初から正しく採点されていました。もう一つは設問です。同じ月に、ほかの特性が混ざっていたり性格特性ではないものを尋ねていたりした設問6問を新しい設問に替え、特性ごとに順方向と逆方向を3問ずつにそろえました。保存された結果のスコアは新しい設問で計算し直されず、以前の結果との比較にも設問が変わったという案内は出ないので、それ以前の結果と比べるときは設問の一部が違っていた点も考えに入れてください。二つの変更は、mind.ioの方法論ページの「結果に影響した変更の記録」にも載っています。

一つめに、区分の名前よりスコアと方向を見てください。外向性が63点と67点だったなら、名前は違っても同じ位置の近くにいます。反対に30点台と70点台のように大きく違ったなら、答えたときの状態や思い浮かべた場面が違っていなかったか、その間に大きな出来事がなかったかをまず振り返ってみてください。特に情緒の敏感さが以前とほぼ正反対に出たなら、以前の結果が2026年10月より前のものかどうかも確かめてください。そのときの採点の修正は上にまとめています。

二つめに、同じ条件で時間をおいて受け直してください。結果が気に入らないからとすぐに何度も受け直すと、設問を覚えて望む答えを選びやすくなります。今日一日ではなくふだんの自分を思い浮かべて答え、数週間後の似た時期にもう一度受けてみてください。同じブラウザに以前の結果が残っていれば、結果画面の以前の結果との比較が、五つの特性がそれぞれ何点変わったかを示します。一度の差より、何回かを通した方向のほうが役に立つ情報です。

三つめに、周りの人の目を借りてみてください。自分をよく知る家族や友人に、五つの特性のうちどこが高くどこが低く見えるかを尋ねると、自分のスコアと重なる部分と違う部分が見えてきます。外から見えにくい情緒の敏感さは、初対面の人より親しい人のほうがずっとよく言い当て（Connelly & Ones, 2010）、本人がいちばんよく分かっているという研究もあります（Vazire, 2010, 要旨による）。

四つめに、タイプ診断と並べてみてください。MBTI診断の外向・内向が何度も入れ替わるなら、ビッグファイブの外向性が中間あたりかどうかを確かめる、といった使い方です。二つの結果を一緒に読む方法はMBTIとビッグファイブの違いにあります。

こんな使い方はしないでください。mind.ioのビッグファイブの結果は自己理解のための参考資料で、心理診断ではありません。情緒の敏感さのスコアが高く出ても、それだけで不安やうつとは言えません。心配や沈んだ気分が2週間以上日常を揺さぶっているなら、不安のセルフチェック（GAD-7）やうつのセルフチェック（PHQ-9）でいまの状態を確かめ、専門家に相談してください。これらのチェックも診断ではありません。採用や評価、恋人選びのように人をふるい分けることも、この診断の使い道ではありません。就職の応募の場面では誠実性と情緒の安定性のスコアが高めに出たという研究があります（Birkeland ほか, 2006, 要旨による）。研究者たちも、ビッグファイブ研究の多くが欧米、特に英語圏のデータから出ていることを限界として挙げています（Choi ほか, 2026; Bleidorn ほか, 2022）。友人とスコアを比べるときも、同じ方法でつけた自己評価どうしを比べているのだと覚えておいてください。

Q. ビッグファイブ検査は科学的に信頼できますか？ A. 研究用の検査は、数週間以内に測り直すと再検査相関の中央値が.816で（Gnambs, 2014, 著者原稿による）、事前登録の再現研究では生活上の結果との関連78個のうち87%が再び確認されました（Soto, 2019）。ただし、これは研究用の検査の話です。mind.ioの診断は独自の設問なので信頼性のデータはまだなく、区分の名前よりスコアと何回かを通した方向を中心に読んでください。

Q. MBTIより正確ですか？ A. 二つの検査を同じ基準で比べた一つの数字で言うのは難しいです。ただ、ビッグファイブは人をタイプに分けず特性ごとにスコアをつけるので、結果が変わっても何点動いたかで見ることができます。二つの検査の違いはMBTIとビッグファイブの違いに、MBTIの結果が変わる理由は下の最後の質問で挙げたガイドにまとめています。

Q. スコア50は平均ですか？ほかのサイトではパーセンタイルで出ました。 A. mind.ioのスコアはパーセンタイルではなく、自分が選んだ回答を0〜100に置き換えた値なので、50はおおむね「どちらともいえない」寄りに答えたという意味です。パーセンタイルは比較する集団によって変わり、ほかの国や文化の人と自己評価の平均を比べることにも注意が必要です（Heine ほか, 2002, 要旨による）。

Q. 以前の情緒の敏感さの結果といまの結果が正反対です。 A. 2026年10月より前の結果なら、採点方向を修正した影響かもしれません。それまでは情緒の敏感さの心配に関する設問と落ち着きに関する設問が逆向きに採点されており、いまは保存された結果を開くと、情緒の敏感さを「100−元のスコア」に直して表示します。ほかの四つの特性の採点方向は最初から正しいものでした。それでも差が大きいなら、上の読み方に沿って時間をおいて受け直してください。

Q. スコアが変わったのは性格が変わったからですか？ A. 数週間のあいだの差は、たいてい測定の揺れやそのときの状態で説明されます（Gnambs, 2014, 著者原稿による）。数年にわたる差には実際の変化も混ざります（Bleidorn ほか, 2022）。年齢による平均的な変化と、自分で変えようとする努力の効果は性格は変わるのかにまとめています。

Q. どのくらいの頻度で受け直してもいいですか？ A. 決まった間隔はありませんが、すぐに受け直すより、数週間以上あけて同じ条件で受けたほうが比べやすくなります。一度のスコアより、何回かを通した方向を見てください。

Q. MBTIやエニアグラム、愛着スタイル、HSPの結果が変わるのも同じ理由ですか？ A. 区切りの近くでは小さな差で名前が変わるという点は同じです。詳しくはMBTI診断の正確さのガイド、エニアグラムの正確さのガイド、愛着スタイル診断の正確さのガイド、HSP診断の正確さのガイドにまとめています。

参考文献：Birkeland, S. A., Manson, T. M., Kisamore, J. L., Brannick, M. T., & Smith, M. A. (2006), A meta-analytic investigation of job applicant faking on personality measures, International Journal of Selection and Assessment 14(4), 317-335, https://doi.org/10.1111/j.1468-2389.2006.00354.x; Bleidorn, W., Schwaba, T., Zheng, A., Hopwood, C. J., Sosa, S. S., Roberts, B. W., & Briley, D. A. (2022), Personality stability and change: A meta-analysis of longitudinal studies, Psychological Bulletin 148(7-8), 588-619, https://doi.org/10.1037/bul0000365; Choi, J., Kim, N., Zhang, B., Park, S. W., Cho, S., Sohn, Y. W., Soto, C. J., & John, O. P. (2026), The Big Five Inventory-2 in Korea: Validation and cross-cultural comparisons with the U.S. and Chinese versions, Assessment 33(5), 866-889, https://doi.org/10.1177/10731911251357466; Connelly, B. S., & Ones, D. S. (2010), An other perspective on personality: Meta-analytic integration of observers’ accuracy and predictive validity, Psychological Bulletin 136(6), 1092-1122, https://doi.org/10.1037/a0021212; Donnellan, M. B., Oswald, F. L., Baird, B. M., & Lucas, R. E. (2006), The Mini-IPIP scales: Tiny-yet-effective measures of the Big Five factors of personality, Psychological Assessment 18(2), 192-203, https://doi.org/10.1037/1040-3590.18.2.192; Fleeson, W. (2001), Toward a structure- and process-integrated view of personality: Traits as density distributions of states, Journal of Personality and Social Psychology 80(6), 1011-1027, https://doi.org/10.1037/0022-3514.80.6.1011; Gnambs, T. (2014), A meta-analysis of dependability coefficients (test-retest reliabilities) for measures of the Big Five, Journal of Research in Personality 52, 20-28, https://doi.org/10.1016/j.jrp.2014.06.003 (author’s accepted manuscript: https://timo.gnambs.de/sites/default/files/gnambstimo/publications/gnambs-2014-dependability.pdf); Heine, S. J., Lehman, D. R., Peng, K., & Greenholtz, J. (2002), What’s wrong with cross-cultural comparisons of subjective Likert scales?: The reference-group effect, Journal of Personality and Social Psychology 82(6), 903-918, https://doi.org/10.1037/0022-3514.82.6.903; Heine, S. J., Buchtel, E. E., & Norenzayan, A. (2008), What do cross-national comparisons of personality traits tell us? The case of conscientiousness, Psychological Science 19(4), 309-313, https://doi.org/10.1111/j.1467-9280.2008.02085.x; Lignier, B., Petot, J.-M., Canada, B., De Oliveira, P., Nicolas, M., Courtois, R., John, O. P., Plaisant, O., & Soto, C. J. (2023), Factor structure, psychometric properties, and validity of the Big Five Inventory-2 facets: Evidence from the French adaptation (BFI-2-Fr), Current Psychology 42(30), 26099-26114, https://doi.org/10.1007/s12144-022-03648-0; McCrae, R. R., Kurtz, J. E., Yamagata, S., & Terracciano, A. (2011), Internal consistency, retest reliability, and their implications for personality scale validity, Personality and Social Psychology Review 15(1), 28-50, https://doi.org/10.1177/1088868310366253; Ozer, D. J., & Benet-Martínez, V. (2006), Personality and the prediction of consequential outcomes, Annual Review of Psychology 57, 401-421, https://doi.org/10.1146/annurev.psych.57.102904.190127; Roberts, B. W., & DelVecchio, W. F. (2000), The rank-order consistency of personality traits from childhood to old age: A quantitative review of longitudinal studies, Psychological Bulletin 126(1), 3-25, https://doi.org/10.1037/0033-2909.126.1.3; Soto, C. J. (2019), How replicable are links between personality traits and consequential life outcomes? The Life Outcomes of Personality Replication Project, Psychological Science 30(5), 711-727, https://doi.org/10.1177/0956797619831612; Soto, C. J., & John, O. P. (2017a), The next Big Five Inventory (BFI-2): Developing and assessing a hierarchical model with 15 facets to enhance bandwidth, fidelity, and predictive power, Journal of Personality and Social Psychology 113(1), 117-143, https://doi.org/10.1037/pspp0000096; Soto, C. J., & John, O. P. (2017b), Short and extra-short forms of the Big Five Inventory-2: The BFI-2-S and BFI-2-XS, Journal of Research in Personality 68, 69-81, https://doi.org/10.1016/j.jrp.2017.02.004; Soto, C. J., & John, O. P. (2019), Optimizing the length, width, and balance of a personality scale: How do internal characteristics affect external validity?, Psychological Assessment 31(4), 444-459, https://doi.org/10.1037/pas0000586; Vazire, S. (2010), Who knows what about a person? The self-other knowledge asymmetry (SOKA) model, Journal of Personality and Social Psychology 98(2), 281-300, https://doi.org/10.1037/a0017908; Yanartaş, Ö., Malakcıoğlu, C., Acarkan, İ., & Akça, E. (2022), Validity and reliability of Enneagram personality types and subtypes inventory in a Turkish sample, Anadolu Kliniği Tıp Bilimleri Dergisi 27(3), 248-259, https://doi.org/10.21673/anadoluklin.1104082; Yoshino, S., Shimotsukasa, T., Oshio, A., Hashimoto, Y., Ueno, Y., Mieda, T., Migiwa, I., Sato, T., Kawamoto, S., Soto, C. J., & John, O. P. (2022), A validation of the Japanese adaptation of the Big Five Inventory-2, Frontiers in Psychology 13, 924351, https://doi.org/10.3389/fpsyg.2022.924351