ビッグファイブ

定義

ビッグファイブとは、人のパーソナリティを開放性・誠実性・外向性・協調性・情緒安定性（またはその反対の神経症傾向）という5つの因子で記述するモデルです。5因子モデル（Five-Factor Model）とも呼ばれます。性格を「型」に分類するのではなく、それぞれの次元上の程度として表す点が特徴で、心理学における性格記述の共通言語として定着しています。

どこから来た概念か

出発点は、性格を表す語が日常言語のなかにすべて含まれているはずだ、という発想でした。辞書から性格を表す語を網羅的に収集し、因子分析にかけていくと、繰り返し5つのまとまりが現れます。異なる研究者が異なる言語・文化のデータで分析しても、おおむね同じ5因子に収束したことから、記述の枠組みとして広い合意が形成されました。日本語話者を対象とした研究でも、同様の構造が概ね確認されています。ただし合意があるのは記述の枠組みについてであり、因子の解釈や下位次元の切り方には研究者間で違いが残ります。

研究では何がわかっているか

記述枠組みとしての地位と、採用場面での予測力は分けて考える必要があります。後者について、この20年で最も大きな変化があったのが妥当性推定の見直しです。

長年、選抜手法の妥当性は Schmidt & Hunter (1998) の推定が標準的に引用されてきました。しかし2022年、その推定には範囲制限への系統的な過剰補正が含まれていたことが指摘され、包括的な再分析が行われます。結果、妥当性は軒並み下方修正され、順位も入れ替わりました。構造化面接 r ≈ .42（最強）／職務知識テスト .40／経験的キー方式バイオデータ .38／ワークサンプル .33／一般的認知能力 .31（首位から陥落）です（Sackett et al., 2022）。パーソナリティ検査を含め、選抜手法全体の妥当性は、かつて語られてきた水準より低いと考えるのが現在の標準的な理解です。実務含意を論じた続報では、この新しい推定にもとづいた選抜システムの再設計が提案されています（Sackett et al., Industrial and Organizational Psychology）。

さらに、採用場面には固有の問題があります。応募者は「望ましい人物像」に寄せて回答できるため、研究場面と同じ測定精度が得られるとは限りません。AIを組み込んだ選抜ツールについては、妥当性エビデンスの不足と不透明性、訓練データの歴史的バイアスの再生産、ブラックボックス性、法的防御可能性、候補者のプライバシーと受容性という5つの懸念が整理されています（Tippins et al., 2021）。

実務でどう使うか

第一に、合否判定の主軸にしないことです。主軸は構造化面接に置き、性格検査は面接での確認事項を洗い出す補助として使うのが妥当です。第二に、職務関連性を説明できる形にすることです。どの因子がなぜこの職務に関係するのかを説明できない使い方は、法的にも倫理的にも脆弱です。第三に、本人へのフィードバックに使うことです。選抜より能力開発の文脈のほうが、この種の測定は活かしやすくなります。第四に、閾値による足切りを避けることです。

よくある誤解

「性格タイプが分かる検査」ではありません。 ビッグファイブは分類ではなく、5つの次元上の程度を表します。

「性格で成果が予測できる」とは言い切れません。 選抜手法の妥当性は全体として下方修正されています。

古い妥当性の数値を根拠にしないでください。 Schmidt & Hunter (1998) の単独引用は、実際より高い精度を約束することになります。