Een gestandaardiseerd persoonlijkheidslexicon ter verbetering van gepersonaliseerde mens‑machineinteractie

Waarom de woorden die we over onszelf gebruiken ertoe doen

Als je met een virtuele assistent praat, door sociale media scrolt of een online formulier invult, onthult de taal die je gebruikt stilletjes patronen in je persoonlijkheid. Dit artikel beschrijft hoe onderzoekers een grote, zorgvuldig geteste woordenlijst met persoonlijkheidsgerelateerde woorden in het Chinees hebben opgebouwd (met een bijbehorende Engelse versie). Deze bron helpt computers om stabiele eigenschappen van mensen beter te begrijpen — zoals hoe extravert, angstig of open-minded iemand is — zodat digitale hulpmiddelen persoonlijker, nuttiger en zelfs geestelijk ondersteunender kunnen reageren.

Van alledaagse eigenschappen naar vijf grote thema’s

Psychologen beschrijven persoonlijkheid vaak met de “Big Five”: hoe geneigd je bent om je zorgen te maken (neuroticisme), hoe extravert je bent (extraversie), hoe nieuwsgierig en fantasierijk je bent (openheid), hoe warm en coöperatief je bent (vriendelijkheid/inschikkelijkheid) en hoe betrouwbaar en georganiseerd je bent (zorgvuldigheid/conscientieusheid). Deze brede eigenschappen zijn elk verder opgedeeld in zes specifiekere facetten, zoals opgewektheid binnen extraversie of vertrouwen binnen vriendelijkheid. Omdat persoonlijkheid zo duidelijk naar voren komt in de woorden die mensen kiezen, kan een nauwkeurige kaart die woorden aan deze eigenschappen koppelt computers een venster bieden op menselijke individualiteit — vooral in talen zoals het Chinees, waar bestaande hulpmiddelen beperkt of slecht getest zijn.

Het bouwen van een enorme kaart van persoonlijkheidswoorden

De onderzoekers begonnen met het verzamelen van “zaadwoorden” uit veel betrouwbare bronnen. Ze doorzochten bekende persoonlijkheidsvragenlijsten zoals de IPIP‑NEO, NEO‑PI‑R en BFI, kortere beoordelingslijsten, Chinese adjectiefschalen voor persoonlijkheid en andere klassieke meetinstrumenten. Ze voegden woorden toe uit psychologische woordenboeken zoals LIWC en een grote verzameling persoonlijkheidsadjectieven, en haalden vervolgens meer termen uit recente, veel geciteerde studies die specifieke woorden aan persoonlijkheidseigenschappen koppelden. Na het verwijderen van duplicaten bleven 6.084 unieke adjectieven over die met persoonlijkheid te maken hebben. Elk woord werd in zijn oorspronkelijke Chinese vorm bewaard of zorgvuldig vanuit het Engels vertaald, waardoor een gedeelde tweetalige basis ontstond.

Gevoelens en facetten labelen

Vervolgens wezen getrainde psychologieonderzoekers elk woord toe aan één van de vijf Big Five‑dimensies en aan één van de 30 fijnere facetten, gebruikmakend van standaarddefinities uit de IPIP‑NEO‑120. Ze beoordeelden ook of elk woord een positieve, negatieve of neutrale emotionele lading had — of het iets wenselijks suggereerde zoals “betrouwbaar”, iets onwenselijks zoals “impulsief”, of een meer neutrale eigenschap. Dit leverde een rijk, gelaagd labelingssysteem op: elk woord kreeg een plaats in een specifiek deel van de persoonlijkheidsruimte en een emotionele toon die aangeeft hoe het voor de beschreven persoon zou kunnen aanvoelen.

De woordenlijst testen met echte mensen

Om verder te gaan dan deskundige inschattingen voerde het team twee ronden online studies uit. Vrijwilligers van 18 tot 65 jaar vulden een standaard Big Five‑persoonlijkheidsvragenlijst in en beoordeelden daarna hoe goed verschillende adjectieven bij hen pasten, met een eenvoudige schaal van 0–4. Een pilot met 50 deelnemers verfijnde het proces; een grotere hoofdstudie met 329 deelnemersleverde zwaarwegend bewijs. Voor elk woord vergeleken de onderzoekers hoe sterk het resoneerde bij mensen die hoog of laag scoorden op de overeenkomende eigenschap. Als bijvoorbeeld mensen met een hoge vriendelijkheid consequent positieve, op vriendelijkheid gerichte woorden onderschreven, en mensen met een lage vriendelijkheid dat niet deden, werd het woord als een goede “hit” beschouwd. Over alle Big Five‑dimensies lagen de hitrates boven 0,70 en over alle 30 facetten boven 0,60, wat aantoont dat de woordenlijst echte persoonlijkheidsverschillen vastlegde in plaats van giswerk.

Wat dit betekent voor chatbots en geestelijke gezondheid

Omdat dit persoonlijkheidslexicon publiek, fijnmazig en gevalideerd met echte gegevens is, kan het direct praktische toepassingen aandrijven. Chatbots kunnen hun stijl aanpassen op basis van de waarschijnlijke eigenschappen van de gebruiker — bijvoorbeeld geruststellender zijn bij angstige gebruikers of beknopter bij zeer georganiseerde mensen. Analisten kunnen sociale‑mediaberichten scannen op patronen die samenhangen met hoog neuroticisme of lage conscientieusheid, wat verband houdt met risico’s op psychische problemen, en zo een niet‑intrusieve manier bieden om mensen te signaleren die baat kunnen hebben bij ondersteuning. En grote taalmodellen kunnen met prompts worden bijgesteld die rekening houden met verschillende persoonlijkheidsprofielen, waardoor digitale systemen minder generiek en meer afgestemd op het individu aanvoelen.

Een menselijke toets geven aan machines

In alledaagse termen zet dit werk duizenden persoonlijkheidsbeschrijvende woorden om in een betrouwbare kaart die computers kunnen lezen. Door elk woord te koppelen aan goed bestudeerde eigenschappen en die verbanden te controleren met hoe echte mensen over zichzelf praten, bouwden de onderzoekers een stevige brug tussen psychologie en taaltechnologie. Daardoor kunnen toekomstige apps, chatbots en online hulpmiddelen op manieren reageren die beter aansluiten bij wie we zijn, en interacties bieden die niet alleen slimmer zijn, maar ook meer mensgericht.

Bronvermelding: Jin, T., Cai, H., Shi, X. et al. A standardized personality lexicon for enhancing personalized human-machine interaction. Sci Data 13, 579 (2026). https://doi.org/10.1038/s41597-026-06783-6

Trefwoorden: persoonlijkheidslexicon, Big Five‑eigenschappen, verwerking van natuurlijke taal, gepersonaliseerde chatbots, Chinese taalgegevens