💬 NLP

Can LLMs Assess Personality? Validating Conversational AI for Trait Profiling

Deze studie bevestigt dat conversatie-gebaseerde Large Language Models een veelbelovend alternatief vormen voor traditionele persoonlijkheidsvragenlijsten, aangezien de gegenereerde profielen door deelnemers als even accuraat werden ervaren en voor de meeste Big Five-traiten statistisch vergelijkbare resultaten opleverden.

Oorspronkelijke auteurs: Andrius Matšenas, Anet Lello, Tõnis Lees, Hans Peep, Kim Lilii Tamm

Gepubliceerd 2026-02-19

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Andrius Matšenas, Anet Lello, Tõnis Lees, Hans Peep, Kim Lilii Tamm

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

🧠 De Kernvraag: Kan een chatbot je persoonlijkheid "lezen"?

Stel je voor dat je je persoonlijkheid wilt laten testen. Meestal doe je dit door een vragenlijst in te vullen. Je leest zinnen als "Ik hou ervan om nieuwe mensen te ontmoeten" en kiest: "Helemaal mee eens" of "Helemaal niet". Dit is als het invullen van een stempelkaart: je geeft een antwoord, de stempel wordt gezet, en klaar.

De onderzoekers van de Universiteit van Tartu vroegen zich af: Kan een slimme computer (een 'Large Language Model' of LLM) je persoonlijkheid beter begrijpen als we gewoon een gesprek met je voeren?

In plaats van stempels te zetten, zou de computer kunnen vragen: "Hoe ging het met die moeilijke vergadering vorige week?" en op basis van je verhaal en hoe je dat vertelt, een oordeel vormen.

🎮 Het Experiment: De "Chat" vs. De "Lijst"

De onderzoekers deden een proef met 33 mensen. Het was als een tweestapsdans:

Stap 1: Het Gesprek. De deelnemers hadden een gesprek met een AI (een chatbot). De AI stelde 20 vragen, maar deed alsof het een vriend was. Ze vroegen niet direct: "Ben je extravert?", maar eerder: "Wat doe je liever na een vermoeiende dag: alleen zijn of bellen met een vriend?"
- Vergelijking: Dit is alsof je een detective bent die een verhaal hoort en daaruit afleidt wie de persoon is, in plaats van een lijstje af te vinken.
Stap 2: De Lijst. Daarna moesten dezelfde mensen de bekende, officiële persoonlijkheidstest (IPIP-50) invullen. Dit is de "gouden standaard", de lijst die psychologen al jaren gebruiken.

Daarna vergeleken de onderzoekers de twee resultaten.

📊 Wat Vonden Ze? De "Schatting"

Het resultaat was een mix van goed nieuws en een beetje "nog even kijken".

De Overeenkomst: De scores die de AI gaf, kwamen redelijk goed overeen met de officiële lijst. Het was alsof twee verschillende artsen een patiënt onderzochten en ongeveer dezelfde diagnose stelden. Voor drie van de vijf persoonlijkheidstrekken (zorgvuldigheid, openheid en emotionele stabiliteit) waren de resultaten bijna identiek.
De Verschillen: Bij twee trekken (vriendelijkheid en extravertie) gaf de AI soms een ander beeld dan de lijst.
- Vergelijking: Stel je voor dat je een schilderij bekijkt. De lijst zegt: "Het is een blauw schilderij." De AI zegt: "Het is een paars schilderij." Ze kijken naar hetzelfde, maar zien het net iets anders. De AI moet hier nog wat "kalibreren" (bijstellen).
De Menselijke Opvatting: Het leukste resultaat? De mensen vonden dat de AI-uitslag even accuraat was als de officiële lijst. Ze hadden het gevoel: "Ja, dit klinkt wel als mij!"

🌟 Waarom is dit belangrijk?

Stel je voor dat je op een dating-app zit of solliciteert voor een baan.

Huidige situatie: Je moet een saaie, lange vragenlijst invullen. Mensen doen vaak wat ze denken dat "goed" is (sociale wenselijkheid), of ze raken moe en klikken zomaar ergens op.
Toekomstige situatie: Je hebt een natuurlijk gesprek met een chatbot. De bot kan doorvragen als je antwoord vaag is. Het voelt minder als een test en meer als een gesprek.

De onderzoekers zeggen: "Dit werkt! Het is een veelbelovende nieuwe manier om mensen te begrijpen, zonder dat het voelt als schoolwerk."

⚠️ De "Maatstaf" (Beperkingen)

Het is belangrijk om te weten dat dit een eerste proef was.

Kleine groep: Er deden maar 33 mensen mee. Dat is als een proef met een klein team; het werkt goed, maar je wilt het met een heel stadion vol mensen testen om zeker te zijn.
De "Spiegel": De AI vergelijkt haar antwoorden met de vragenlijst. Maar de vragenlijst is ook maar een mening van de persoon zelf. Het is alsof je twee spiegels tegenover elkaar zet; ze tonen hetzelfde, maar is het de echte persoon?

🚀 Conclusie in één zin

Deze studie toont aan dat een slimme chatbot, door gewoon met je te praten, je persoonlijkheid bijna net zo goed kan inschatten als een saaie vragenlijst, en dat mensen dit zelfs leuker en eerlijker vinden. Het is de eerste stap naar persoonlijkheidsbepaling die voelt als een gesprek in plaats van een examen.

1. Probleemstelling

Traditionele persoonlijkheidsassessmentmethoden, zoals de Big Five-vragenlijsten (bijv. IPIP-50), zijn statisch en afhankelijk van expliciete zelfrapportage. Dit leidt tot bekende beperkingen:

Sociale wenselijkheid: Respondenten geven vaak antwoorden die ze "goed" vinden in plaats van eerlijk.
Gebrek aan context: Vragenlijsten vangen de nuance, fluiditeit en contextuele variatie van menselijk gedrag niet goed.
Statische data: Bestaand onderzoek naar LLM's (Large Language Models) voor persoonlijkheidsanalyse baseert zich vaak op passieve teksten (zoals sociale media-posts) of lange, vaste interviews, maar mist de validatie van real-time, geleide conversaties tegenover de gouden standaard.

Het onderzoek stelt de vraag of conversatieve AI dynamisch en nauwkeurig persoonlijkheidstrekken kan extraheren via een natuurlijk gesprek, en of gebruikers deze methoden als even accuraat ervaren als traditionele vragenlijsten.

2. Methodologie

Het onderzoek gebruikte een within-subjects experimenteel ontwerp met 33 deelnemers.

Design: Elke deelnemer onderging twee assessments:
1. Geleide Conversatie: Een interactie met een LLM (Gemini 2.5 Flash) bestaande uit 20 open-ended vragen (4 per Big Five-trek). De vragen waren ontworpen om gedragsbeschrijvingen op te roepen in plaats van hypothetische scenario's (bijv. "Vertel me over de laatste keer dat je een fout maakte" in plaats van "Ben je perfectionistisch?").
2. Gouden Standaard: De IPIP-50 vragenlijst (50 items, 5-punts Likert-schaal).
LLM Architectuur: Het systeem bestond uit twee gescheiden LLM-componenten om bias te voorkomen:
1. Conversatie-LLM: Stuurde dynamische prompts om dieper te graven bij vaagheid en stopte de conversatie zodra voldoende informatie was verzameld (max. 10 berichten per vraag).
2. Score-LLM: Analyseerde alle 20 transcripties gezamenlijk om de Big Five-scores te genereren op een schaal van 0-120 (genormaliseerd naar 0-100). De prompt instrueerde de LLM om gedragspatronen zwaarder te wegen dan zelfbeschrijvingen.
Data-analyse:
- Paired-samples t-tests om gemiddelde scores te vergelijken.
- Pearson-correlaties voor convergente validiteit.
- Principal Component Analysis (PCA) en hiërarchische clustering voor structurele analyse.
- Vergelijking van waargenomen nauwkeurigheid (gebruikersrangingen).

3. Belangrijkste Bijdragen

Validatie van Real-time Conversatie: Het is een van de eerste studies die LLM's valideert voor persoonlijkheidsprofilering via geleide, real-time conversaties in plaats van passieve tekstanalyse.
Gebruikersperceptie: Het introduceert een maatstaf voor de subjectieve nauwkeurigheid van AI-assessments, waarbij wordt aangetoond dat gebruikers conversatieve AI even betrouwbaar vinden als vragenlijsten.
Dynamische Prompt-engineering: Het biedt een gedetailleerd raamwerk voor het ontwerpen van vraagbatterijen en system prompts die focussen op gedragsinformatie en vermijden van sociale wenselijkheid.

4. Resultaten

Convergente Validiteit: Er werd een moderate correlatie gevonden tussen de LLM-scores en de IPIP-50 scores ( $r = 0.38 - 0.58$ $r = 0.38 - 0.58$ ).
- Statistische gelijkheid: Voor Conscientiousness (Zorgvuldigheid), Openness (Openheid) en Neuroticism (Neuroticisme) waren er geen statistisch significante verschillen tussen de methoden.
- Significante verschillen: Voor Agreeableness (Vriendelijkheid) en Extraversion (Extraversie) waren er significante verschillen ( $p < 0.05$ ), wat suggereert dat deze trekken specifieke kalibratie nodig hebben in conversatieve settings.
Waargenomen Nauwkeurigheid: Deelnemers beoordeelden de door de LLM gegenereerde profielen als even accuraat als de IPIP-resultaten (gemiddelde score 4/5). Er was geen statistisch significant verschil in de nauwkeurigheidsbeoordelingen tussen de methoden.
Verdeling: De IPIP-scores waren uniformer verdeeld, terwijl de LLM-scores (vooral voor Openheid en Extraversie) een bredere variantie vertoonden.

5. Betekenis en Conclusie

De studie concludeert dat conversatieve AI een veelbelovende, dynamische alternatief is voor traditionele psychometrie in consumentenapplicaties (zoals werving, dating of educatie).

Sterke punten: De methode is subjectief acceptabel voor gebruikers en levert voor de meeste trekken statistisch vergelijkbare resultaten op als de gouden standaard. De interactieve aard van de conversatie stelt de AI in staat om ambiguïteiten op te helderen, wat statische vragenlijsten niet kunnen.
Beperkingen: De steekproef was klein ( $N=33$ ) en voornamelijk jong en technisch onderlegd. Er is behoefte aan grootschalige replicatie en validatie over verschillende LLM-architecturen.
Toekomstperspectief: Hoewel verdere verfijning nodig is voor trekken zoals Vriendelijkheid en Extraversie, toont het onderzoek aan dat conversatieve AI potentie heeft om statische vragenlijsten te complementeren of zelfs te vervangen voor een meer natuurlijke en diepgaande persoonlijkheidsanalyse.