¿Por qué me cambia el resultado del test de personalidad?

Tres resultados, tres respuestas distintas, y la sensación incómoda de que el problema es quien hace el test y no el test.

Merece la pena nombrar lo que da por hecho esa sensación: que debajo hay una etiqueta verdadera, y que una sesión suficientemente sincera la recuperaría. Esa premisa es la parte que no sobrevive al contacto con la literatura sobre medición.

Cuánto se estabiliza la personalidad, en realidad

Roberts y DelVecchio reunieron 152 estudios longitudinales y 3,217 correlaciones test-retest para contestar bien a esto, manteniendo constante el intervalo en 6.7 años para que las cifras fueran comparables entre sí.

Dos lecturas de ese gráfico son correctas a la vez y apuntan en direcciones opuestas. La personalidad es estable de un modo que importa, la estabilidad crece con la edad, y en la mitad de la vida el orden de las personas en un rasgo aguanta siete años de forma llamativa. Y también: ninguna de esas cifras se acerca a 1, y la de la infancia es lo bastante baja como para no restringir casi nada.

Lo que mide ese gráfico es el orden de rango: si quien estaba alto sigue estando alto respecto a los demás. Eso es lo que aguanta. No es lo mismo que una puntuación individual quedándose quieta, y está muy lejos de ser lo mismo que una etiqueta quedándose quieta. Añade que las 152 muestras son casi todas norteamericanas y europeas, así que la cifra describe bien a esas poblaciones y se extrapola con prudencia.

En español puede haber cambiado el nombre y no el código

Esta es la capa que el lector en inglés no tiene, y conviene descartarla antes que ninguna otra cosa.

Los nombres de los dieciséis tipos no están unificados. Hay dos tradiciones y en español chocan de frente.

Léelo dos veces. Arquitecto nombra dos códigos distintos según en qué web estés. Alguien que salió Arquitecto en una página, salió Arquitecto en otra y concluyó que su tipo se mantenía estable puede haber cambiado de código sin enterarse. Y al revés: alguien que salió Arquitecto y luego Lógico quizá no se movió nada.

En inglés el mismo choque existe, porque Keirsey llamó Architect al INTP y 16Personalities llama Architect al INTJ. La diferencia es que cada nombre inglés viene con su fuente pegada y la gente que lee del tema los distingue. Al traducir, esa pega se cae, los nombres circulan sueltos por artículos que no citan de dónde salen, y el lector español acaba comparando dos nomenclaturas creyendo que compara dos resultados.

Si el test que has hecho no te enseña el código de cuatro letras junto al nombre, el nombre solo no es información suficiente para comparar nada.

Qué se mueve de verdad entre dos sesiones

Algo real, algo redondeado, y algo que pertenece al instrumento y no a nadie.

La parte real es que un rasgo no es una cantidad constante que uno lleva encima. El trabajo de muestreo de experiencia de Fleeson encontró que a lo largo de dos o tres semanas de vida corriente la persona típica expresa casi todos los niveles de casi todos los rasgos, mientras que la media de todos esos momentos se mantiene casi perfectamente estable. La media es lo que un buen instrumento intenta estimar. Una sola sesión es una extracción de una distribución ancha, y pedirle a alguien que resuma una distribución en veinte preguntas un martes es una operación con pérdidas por diseño.

La parte redondeada es donde vive casi todo el drama. Cualquier instrumento que informe una categoría tiene un punto de corte en algún sitio, y una puntuación cae a un lado o al otro. Una posición de 52 contra 48 produce una letra mayúscula con exactamente la misma seguridad que una de 89 contra 11. Cambian dos respuestas, se mueven cuatro puntos, la letra gira, y en un sistema de cuatro letras gira el perfil entero.

Por qué los sistemas de tipos lo empeoran

No tienen mala suerte. Están construidos de una forma que lo garantiza.

Si los dieciséis tipos fueran categorías genuinas, las puntuaciones de cada dimensión se amontonarían en dos extremos con un hueco en medio, que es la forma que toma una medida cuando distingue dos clases de cosa. McCrae y Costa lo comprobaron en 1989 y encontraron la forma corriente de un rasgo continuo: una sola colina con casi todo el mundo cerca del centro. Fraley y colegas llegaron después a lo mismo con análisis taxométricos sobre el apego adulto.

Esa distribución es la causa directa de la inestabilidad. Casi todo el mundo está cerca del medio de al menos una dimensión, así que casi todo el mundo está cerca de al menos un punto de corte, así que casi todo el mundo tiene al menos una letra generada por redondeo. La revisión de Pittenger sobre el instrumento de cuatro letras encontró una concordancia test-retest lo bastante baja como para socavar la pretensión de clasificar, dejando en pie las dimensiones de debajo, que es un veredicto más incómodo que el que suele citar cualquiera de los dos bandos. La entrada sobre marcos de tipos recorre dónde aguanta el modelo de cuatro letras y dónde no, y la de tipos de personalidad frente a estereotipos va sobre lo que pasa después, cuando la etiqueta empieza a usarse como explicación.

El baremo, o contra quién te están comparando

Un percentil no es una propiedad tuya. Es una posición contra un grupo de comparación, y cambiar el grupo cambia el número sin que cambie nada de la persona. La entrada sobre percentiles y baremos son los diez minutos que hacen legible cualquier resultado de cualquier web.

Aquí es donde el asunto se vuelve específico del español. Los tests gratuitos más usados calculan sus percentiles sobre quien ha pasado por su web, que son voluntarios de internet autoseleccionados y que en su mayoría respondieron en inglés. Eso no invalida el resultado. Lo que hace es que la frase «estás en el percentil 70 de extraversión» signifique, literalmente, «eres más extravertido que el 70% de la gente que hizo este test en esa web», y esa gente no es tu país.

Y ahora la parte que no favorece al argumento, que es justo por la que merece la pena escribirla.

Lo que se mueve no es la traducción. El BFI-2 tiene una adaptación española publicada, con estructura factorial comprobada a nivel de dominios y de facetas, invarianza de medida y estabilidad temporal medida en dos oleadas. Y el proyecto que adaptó el mismo instrumento de forma coordinada a cinco idiomas encontró propiedades psicométricas muy comparables entre las seis versiones y entre cada adaptación y el original inglés. Es decir: un instrumento de rasgos bien traducido sí viaja. Echarle la culpa al idioma sería cómodo y sería falso. El problema está en el punto de corte y en el baremo, no en las palabras.

Dicho eso, hay un punto donde el idioma sí muerde, y es el registro. Un mismo juego de ítems tiene que funcionar en veinte países con vocabularios cotidianos distintos, y una frase que suena natural en Valladolid puede sonar rara en Guadalajara. En un instrumento de 120 ítems eso se promedia. En uno de 20 no.

Qué merece la pena leer en un resultado que se movió

Un resultado que se mueve suele tomarse como un fallo del test o de la persona. Informa más leído como lo que es, una medición.

La dimensión que no para de girar te está diciendo dónde estás. Estar genuinamente equilibrado entre dos polos es una manera de ser, y es una manera para la que un sistema de dos casillas no tiene notación, así que alterna entre dos descripciones que están las dos un poco equivocadas. Eso es información sobre una persona, entregada mal.

La dirección de un cambio también lleva algo. Los resultados hechos después de una racha dura se mueven a menudo hacia un perfil menos halagador, y la lectura honesta no siempre es ruido. La gente responde a la primera sesión con algo de aspiración y a las siguientes con algo más de llaneza, y un desplazamiento en esa dirección puede ser una ganancia de exactitud y no una pérdida de estabilidad.

Y un resultado que se mueve después de un cambio estructural real está haciendo su trabajo. Una ciudad nueva, un trabajo nuevo, el final de algo largo. Esos acontecimientos mueven puntuaciones, y un instrumento que informara el mismo número a través de todos ellos estaría midiendo menos de lo que dice medir.

La parte que no se mueve

Sería fácil terminar con que nada es medible, y esa conclusión tampoco se sostiene.

Las cifras de orden de rango del gráfico son, para lo que se maneja en psicología, altas. Quien está en un extremo de una dimensión a los treinta es muy probable que siga cerca de ese extremo a los cuarenta. Los niveles medios derivan en una dirección coherente a lo largo de la vida adulta, con la mayoría de la gente volviéndose algo más responsable y algo más estable emocionalmente, y esa deriva tarda décadas y se ve en datos de población, no en las dos sesiones de una persona.

Así que el instrumento hace algo. Lo que no hace es emitir un veredicto, y el hueco entre esas dos afirmaciones es donde vive casi toda la decepción con los tests de personalidad. Si lo que buscabas era saber cuáles merecen la pena, encontrar un test de carácter psicométrico de verdad va por ahí, cuáles de los tests gratuitos que hay en internet aguantan esa mirada repasa los que de verdad se usan, y los dieciséis perfiles de tipo se pueden leer sin hacer ninguna prueba.

La pregunta que la gente hace es cuál de los resultados es el verdadero. La mejor pregunta es qué está midiendo la distancia entre ellos, porque esa distancia suele ser lo más concreto que produjo cualquiera de las dos sesiones.

Sources

• 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).
• 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).
• McCrae, R. R., Costa, P. T. (1989). Reinterpreting the Myers-Briggs Type Indicator from the perspective of the five-factor model of personality. Journal of Personality, 57(1).
• Pittenger, D. J. (2005). Cautionary comments regarding the Myers-Briggs Type Indicator. Consulting Psychology Journal: Practice and Research, 57(3).
• Fraley, R. C., Hudson, N. W., Heffernan, M. E., Segal, N. (2015). Are adult attachment styles categorical or dimensional? A taxometric analysis. Journal of Personality and Social Psychology, 109(2).
• Roberts, B. W., Walton, K. E., Viechtbauer, W. (2006). Patterns of mean-level change in personality traits across the life course. Psychological Bulletin, 132(1).
• Gallardo-Pujol, D., Rouco, V., Cortijos-Bernabeu, A., Oceja, L., Soto, C. J., John, O. P. (2022). Factor Structure, Gender Invariance, Measurement Properties, and Short Forms of the Spanish Adaptation of the Big Five Inventory-2. Psychological Test Adaptation and Development, 3(1).
• Rammstedt, B., Roemer, L., Lechner, C. M., Soto, C. J. (2026). Adapting the BFI-2 Around the World: Coordinated Translation and Validation in Five Languages and Cultural Contexts. European Journal of Psychological Assessment.
• 16Personalities. Personalidad INTJ (Arquitecto).
• Keirsey. Temperament overview: Rational, Mastermind (INTJ) and Architect (INTP).