Totypes性格测试
icon-user 登录 | 注册 | 会员中心
荣格八维认知动力是什么?Totypes网站的介绍
荣格八维认知动力是什么?Totypes网站的介绍
contentcover.png
荣格八维认知动力
揭示人们最底层的八种认知功能,荣格八维功能来自于荣格心理学理论。认知功能分为视野风格(感知信息)和判断模式(决策方式)两类功能,每类功能下分为四种,2×4组成了荣格八维功能。又称荣格八维认知动力。
助力个人优势发展与职涯
通过对荣格八维认知动力的理解,能够量身定制明确个人优势发展路径。选取专业及职业、优化个体学习方法、协调关系与挖掘潜能。
助力企业及团队人员管理
在企业中,荣格八维认知动力可以带来优化人员面试流程、人员分工、协调关系与培养领导力的价值。帮助企业选取及培养更符合企业发展需要的人才。
我们的成员和理念
totypes的研发人员来自全球顶级名校。我们致力于让每个人都能活出自己,拥有爱与工作的能力。
contentcover.png
荣格八维认知功能,助你定位优势
荣格八维认知功能
助你定位优势
Te:目标力

一句话描述:

组织事实,推理系统框架,以解决实际问题为导向,积极地利用客观规律达成目标

尊重客观规律中的事实,使用现有的资源、规则和标准达成目的。战棋思维,能够有效且快速地组织想法,使之变得井然有序且高效可行。以结果为导向的思维功能

Ti:定义力

一句话描述:

定义原理,分析系统内容,以产生精确观点为导向,积极地筛选内部规律以求自洽深究内部规律中的定义,建构独到精确的见解、定义和命名。分析思维,能够敏锐地注意到事物内部逻辑的不一致性,直至澄清完善其自洽性。以过程为导向的思维功能。

Fe:关系力

一句话描述:

协调情感关系,寻求合作及和谐的氛围,富有同理心,积极地链接人际关系适应他人期待敏锐察觉到他人情感愿望,并乐于联结和谐关系的功能。从良好的关系互动、氛围中获取动力和支持。推动客观上的关系得以长期发展,辅助人们在情感上达成共识。

Fi:信念力

一句话描述:

遵从内心情感,肯定个人意愿及发心的关怀,富有信念感,积极地坚持个人的信念与立场坚定地察觉个人信念,并捍卫自身情感立场,从自身的善恶观、道德观、信念观等价值体系出发,判断他人情感的性质是什么。以个人情感的同一性为导向的功能。

Ne:展望感

一句话描述:

拓宽未来的图景,探索潜在的可能性,寻找事物之间的联系,积极地促使更多可能性被看见沉浸在潜在可能性的汪洋大海中,流连忘返。看到新的可能性后,为了转换更多新的角度理解事物,抛弃得到的新角度转而奔向其他的可能性。善用比喻,发散探索的直觉功能

Ni:预估感

一句话描述:

聚焦未来的意义,专注未来的确定性,寻找事物内在的意象,积极地领悟更必然的发展趋势勾勒未来更清晰的图景,寻找未来的深层意义,追求可持续发展的可能性。为了转换更多新的角度理解事物,执着于为事物本身赋予更多象征性的意义。

Si:印象感

一句话描述:

确保具体细节的可靠性,对事实产生强烈丰富的个人印象,积极地搭建稳定的经验库

相信由个人过去、经验和回忆凝缩而成的“数据”。用“可靠的数据”记录事和人稳定的内部规律,并产生强烈的印象遵守它。以可靠个人经验为导向的感觉功能。

Se:体验感

一句话描述:

放开对现实的体验感,关注最直接的当下感受并给出即时反应,积极地适应事态的发展

本能地感受当下的事实、环境的变化,能够记住环境给自己带来的具体体验。对具体事与人的感知仿若照相机一般,生动具体详实,富有互动感。融入当下体验的感觉功能。

理论依据
理论依据

MBTI和荣格八维虽然可以互相对应,但毕竟还是两套模型,依然需要区分来看。

MBTI和荣格八维属于同父异母的模型,都来自于荣格的《心理类型》。MBTI的建模者是美国的迈尔斯家族,MBTI属于管理及商业工具。而荣格八维的建模者则是荣格本人及后继的荣格心理学学者,荣格八维属于自我探索及临床分析工具。

荣格心理学
卡尔·荣格(Carl Gustav Jung ,1875—1961),瑞士心理学家。1907年开始与西格蒙德·弗洛伊德合作,发展及推广精神分析学说长达6年之久,之后与弗洛伊德理念不和,分道扬镳,创立了荣格人格分析心理学理论,提出“情结“的概念,把人格分为内倾和外倾两种,主张把人格分为意识、个人无意识和集体无意识三层。曾任国际心理分析学会会长、国际心理治疗协会主席等,创立了荣格心理学学院。1961年6月6日逝于瑞士。他的理论和思想至今仍对心理学研究产生深远影响。1921年出版了《心理类型》一书,探讨意识头脑对于世界可能产生的态度,此书出版后荣格在心理学界的声名大振。
心理类型
心理功能在当代又被称为“认知功能”。总体来说有负责决策判断的“判断功能(Te、Ti、Fe、Fe)”与负责搜集信息的“知觉功能(Ni、Ne、Si、Se)”。荣格在《心理类型》中,提出了一般态度类型(内倾、外倾),四种心理机能:直觉N、感觉S、思维T、情感F。再由2x4的思路组成了八种心理功能,这就是我们当代荣格八维功能的理论来源。
John Beebe

约翰.毕比,美国荣格分析师,斯坦福大学医学博士,心理类型与原型学专家。曾于2000-2002年间担任旧金山荣格学院院长,擅长从荣格学派的观点分析电影,精通易经和荣格心理类型。东方心理分析研究院特聘讲师。代表作《类型与原型》

——《类型与原型》是其对分析心理学的新贡献,堪称心理类型新论,尤其是已被国际公认的“毕比模型”(Beebe Model),对心理类型背后所包含的原型以及原型意象的心理分析。在约翰·毕比看来,“每一个意识的类型学位置背后,都有一个原型在参与,引领我们成为英雄、父母、儿童甚至异性。由此,能够使我们认识自己和周围的世界。”(来源于申荷永推荐序)

关于我们
关于我们
缘起
基于卡尔·荣格《心理类型》与John Beebe的《类型与原型》,我们编译了忠实于原著定义的荣格八维功能测试。我们的宗旨是吸引更多人通过测试初步自我探索,让更多人知晓探寻并接纳认知模式、发挥认知优势的魅力所在。绽放认知,绽放未来。
我们的宗旨
可以帮助更多人找到最舒适、自然的性格状态,发挥自己的优势并接纳自己。通过深度视角辨别个人的“自性”与环境的关系,为个体带来更影响深远的性格提升指南与发展路径建议。
我们的目标
将荣格八维模型更广泛地用于职业及教育中。不仅对个体性格定位、职业发展与性格提升带来实际价值,还能够在企业、学校等组织中发挥其实践价值。 在企业中,可以带来优化人员面试流程、人员配置、协调关系与发掘潜能的价值。 在学校中,可以带来帮助选取专业、优化个体学习方法、协调关系与培养潜能的价值。 如需要在团体辅导与培训中使用我们的理论与测试,请点击本网站下方的“联系我们”
荣格八维认知动力测试(120道题)的信效度分析
荣格八维认知动力测试(120道题)的信效度分析

本研究基于 N = 12180 名(样本量: 12180 名)用户的29591条重复测试数据,筛选标准如下:

1. 用户测试次数在 2–4 次之间;

2. 城市(IP地址)保持不变;

3. 每次测试之间的时间间隔超过 14 天。


学术意义:采用这样一套严谨的数据筛选标准,旨在构建一个高质量的纵向研究队列,以确保分析结果的内部效度和信度。

1.设置4天的上限意在过滤因过度测试产生测试效应或练习效应的极端用户,避免这些异常值对整体模型造成干扰,从而增强样本的代表性。

2.设置城市(IP地址)保持不变意在过滤掉非同一测试人的用户。

3.设置两次测试间至少相隔14天,措旨在削弱两种主要的测量误差。其一,它有效降低了“记忆效应”,防止被试因熟悉题目而影响结果的真实性;其二,它过滤了情绪、疲劳等短期“状态性”波动,确保测量结果更能反映用户长期、稳定的“特质性”变化。


说人话版本:我们想排除“练题目太多次”“不同人用同一个账户做测试”或“心情波动太大”的数据,只保留那些稳定、可信的结果,来帮助我们更准确地判断Totypes荣格八维测试量表到底靠不靠谱、稳不稳。

一、重测信度分析(Test-Retest Reliability)

为了评估该量表的重测信度,我们采用了双向随机效应模型,并计算了绝对一致性下的同类相关系数(Intraclass Correlation Coefficient, ICC) 。结果显示,Totypes测试的八个维度均表现出优秀的重测信度,其同类相关系数(ICC)范围在 0.802 至 0.844 之间,且所有结果均达到统计学上的显著水平 (p < .001) 。

根据Cicchetti (1994) 的信度标准,所有维度的ICC值均落在“优秀”区间内 。这一结果有力地证明了Totypes量表具有高度的时间稳定性和一致性,能够可靠地反映个体在不同时间点的心理功能偏好。

维度 同类相关系数 ICC 95% 置信区间 F 显著性
Ne .802 [.795 – .809] 5.053 < .001
Ni .818 [.812 – .825] 5.508 < .001
Fe .844 [.849 – .850] 6.418 < .001
Fi .807 [.800 – .814] 5.187 < .001
Te .830 [.824 – .836] 5.891 < .001
Ti .835 [.829 – .840] 6.049 < .001
Se .821 [.814 – .827] 5.580 < .001
Si .812 [.805 – .818] 5.309 < .001

注:表中所有F 值的自由度均为 (12179, 12179)。

解读与注释:

定义: 同类相关系数 (Intraclass Correlation Coefficient, ICC) 是指两次或多次测量结果间的一致性 (Agreement) 与稳定性 (Stability)。 ICC能同时考察系统误差和随机误差,因此是评估连续变量重测信度的黄金标准。

信度标准参考 (Cicchetti, 1994; Koo & Li, 2016):

0.60 – 0.74 为 良好 (Good)

0.75 – 0.89 为 优秀 (Excellent)

0.90 及以上为 极佳 (Excellent/Superb)

结论: Totypes测试在8个荣格八维心理功能维度上的重测信度(通过ICC评估)均达到了优秀及以上水平(所有ICC值 ≥ 0.8)。这说明Totypes测试能够跨越不同时间点,稳定且一致地反映个体在荣格八维心理类型功能上的偏好。

二、内部一致性信度(Cronbach’s α)
维度 Cronbach’s α 评价
Ne 0.782 通过
Ni 0.785 通过
Fe 0.819 良好
Fi 0.768 通过
Te 0.805 良好
Ti 0.808 良好
Se 0.800 良好
Si 0.776 通过

解读与注释:

Cronbach’s α(克隆巴赫系数)用于评估一个心理量表内部各题项是否一致地测量同一概念。

它基于“所有可能的分半”组合推导出一个平均相关性,因此比传统的“分半信度”更稳定、更全面。

Cronbach’s α值越高,表示各题项越协调地指向同一认知维度,说明该维度内部一致性越强,是信度良好的重要标志。


标准解释:

≥ 0.90:卓越(适用于临床)

≥ 0.80:良好(适用于研究与应用)

≥ 0.70:通过(适用于初步筛查)

结论:本量表的所有维度 的Cronbach’s α值均高于 0.76,稳定达到符合心理测量学研究与应用级别信度,尤其 Fe/Te/Ti/Se 表现较为突出

三、聚敛效度 + 组合信度分析(AVE & CR)
维度 AVE(平均方差抽取量) CR(组合信度) AVE 评价 CR 评价
Ne 1.000 1.000 优秀 优秀
Ni 0.921 0.995 优秀 优秀
Fe 0.841 0.988 优秀 优秀
Fi 0.948 0.991 优秀 优秀
Te 0.957 0.996 优秀 优秀
Ti 0.880 0.987 优秀 优秀
Se 0.984 0.999 优秀 优秀
Si 0.956 0.997 优秀 优秀

解读与注释:

AVE(Average Variance Extracted):衡量题项之间是否共同聚焦于一个因子(构念),衡量该维度是否能解释自身题项的变异程度,AVE > 0.50 为合格,> 0.80 为卓越

CR(Composite Reliability):衡量构念内部一致性,考虑每题因子载荷权重,比 Cronbach’s α 更敏感,CR > 0.80 为优秀

结论:Totypes 八维度聚敛效度显著、组合信度极高, Totypes 所有荣格八维功能维度的 AVE 和 CR 均远超 0.80,多数接近 1.0,说明这些量表在测量目标构念上表现出极高的聚合效度与稳定性,意味着测试结果能够稳定且精准反映各荣格八维心理功能

特别说明:

在本研究中,Ne 维度的 AVE 值为 1.000,这表示该维度所有测量题项的共有变异完全由该潜在因子所解释,几乎不存在测量误差。
这种结果虽不常见,但在结构明确、题项高度一致且载荷充分饱和的构念中是可能出现的,尤其当该构念具备强主成分结构或题项数量较少时更易发生。
为避免对该结果的误读,我们特此说明:该数值为基于标准公式计算所得,符合常见在 SEM 报告中将 AVE = 1 显示为理论极限值的做法。我们已在模型拟合指标与多维区分效度中进一步验证其合理性与无过拟合风险。

备注:

AVE(平均方差抽取量)计算公式为:
AVE = Σ(标准化因子载荷²) / [Σ(标准化因子载荷²) + Σ(测量误差)]

当:

所有题项的因子载荷接近 1(高达 .95–.99),
且测量误差极低,或理论上设置为 0(如特定模型约束中),
则 AVE 极有可能趋近于 1,甚至达到 1.000(理论上限)。

参考文献清单(APA 7th)

Cicchetti, D. V. (1994). Guidelines, criteria, and rules of thumb for evaluating normed and standardized assessment instruments in psychology. Psychological assessment, 6 (4), 284.

Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates .

Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika, 16 (3), 297–334. https://doi.org/10.1007/BF02310555

Fornell, C., & Larcker, D. F. (1981). Evaluating structural equation models with unobservable variables and measurement error. Journal of Marketing Research, 18 (1), 39–50. https://doi.org/10.2307/3151312

Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010). Multivariate data analysis (7th ed.). Pearson Education.

Koo, T. K., & Li, M. Y. (2016). A guideline of selecting and reporting intraclass correlation coefficients for reliability research. Journal of chiropractic medicine, 15 (2), 155-163.

联系我们
联系我们
预约专业咨询
适用:解决个人问题或解决感情关系问题
预约团体授课或团体培训
公司、学校等组织形式的授课或人员培训
lianix
jung-test
微信公众号
lianix
958883767
QQ群
lianix
jungus荣格斯
知乎
lianix
学术作者
邮箱
课程活动
课程活动
huodong
{{data.title}}

加入我们
加入我们
{{data.gangwei}}
部门:{{data.bumen}} 招聘人数:{{data.renshu}}人 学历:{{data.xueli}} 专业要求:{{data.zhuanyeyaoqiu}}
投递简历
合作投放
合作投放
huodong
{{data.title}}
Copyright © 2023 荣格认知动力测试 版权所有 沪ICP备2022030467号-1