Can Large Language Models Understand You Better? An MBTI Personality Detection Dataset Aligned with Population Traits

Motivation

• Known:
  • MBTI는 가장 널리 인식된 비임상 성격 모델로, 소셜 미디어 텍스트로부터 자동으로 성격 유형을 탐지하는 연구가 활발함
  • 기존 Twitter, Kaggle, PANDORA 데이터셋이 존재함
• Gap:
  • (1) 기존 데이터셋은 사용자의 자기보고식 MBTI 라벨을 사용하는데, 자기인식의 부정확성으로 인해 자기보고 라벨과 실제 텍스트의 성격 특성이 불일치 (예: 외향형이라고 자기보고했으나 텍스트에는 내향형 특성 드러남)
  • (2) 기존 데이터셋은 이진 하드 라벨(hard labels)만 사용하지만, 심리학적으로 대부분의 사람은 극단적 성격이 아닌 중간 정도의 성격을 보임
• Why:
  • 성격 탐지의 현실적 정확성 향상 필요
  • 인구 통계적 성격 특성과 실제 데이터 분포의 정렬 필요
• Approach:
  • 데이터 필터링 가이드라인 수립 (라벨 누수, 쓸모없는 잡음 제거)
  • 심리학자 지도 하 수동 재주석
  • 극성 경향(polarity tendency) 도출을 통한 소프트 라벨 추정

Achievement

MBTI의 4가지 차원 정의: 외향성/내향성(E/I), 감각/직관(S/N), 사고/감정(T/F), 판단/인식(J/P)

1. 데이터 품질 개선: 라벨 누수(직접 성격 누수, 성격 특성 누수, 교차 이론 특성 누수)와 쓸모없는 잡음(정보 부족, 깨진 텍스트, 링크/미디어) 제거로 기존 데이터셋의 29.58% 오류 해결
2. 소프트 라벨 도입: [0, 1] 범위의 연속 표현으로 극성 경향 표현 (예: 외향성 40% = 내향성 60%), 비극단적 성격 특성을 가진 사람이 더 많음을 확인
3. LLM 편향 분석: 6개 대규모 언어모델(LLM)과 4가지 프롬프팅 방법 평가로 극단화된 예측(polarized predictions)과 편향을 주요 연구 방향으로 제시

How

MBTIBENCH 구축 워크플로우: 데이터 필터링 → 주석 학습 → 형식적 주석 → 소프트 라벨 추정

• 데이터 필터링 가이드라인:
  • 라벨 누수 3가지 유형 정의 및 제거
  • 쓸모없는 잡음 3가지 유형 정의 및 제거
  • 100단어 이상 기준, 깨진 텍스트·링크 제거
• 주석 프로세스:
  • 심리학 박사과정 학생이 참여한 가이드라인 수립
  • 시험 주석을 통한 전문가 가이드라인 생성
  • 경험 많은 주석자를 통한 형식적 주석 수행
  • 전문가 재검증 및 품질 보증
• 소프트 라벨 추정:
  • 각 샘플의 극성 경향(polarity tendency) 도출
  • 4개 차원 각각에 대한 극성 정도를 [0, 1] 범위로 표현
  • 기존 3개 데이터셋(Twitter, Kaggle, PANDORA)의 테스트셋 재구축

Originality

• 첫 번째 MBTI 성격 탐지용 데이터 필터링 가이드라인 제시 (라벨 누수 3유형, 쓸모없는 잡음 3유형)
• 첫 번째 소프트 라벨 MBTI 데이터셋 구축으로 심리학적 현실성 향상
• 성격 탐지의 과도한 낙관성에 대한 비판적 관점 제시 (자기보고식 라벨 부정확성, 극단화된 표현의 한계)
• 심리학 전문가 지도 하의 수동 재주석으로 높은 데이터 품질 보증
• LLM의 극단화된 예측과 편향을 구체적으로 분석하는 새로운 평가 관점

Limitation & Further Study

• 데이터셋 규모: 3개 기존 데이터셋의 테스트셋만 재구축했으므로 전체 데이터셋 규모가 상대적으로 제한적일 수 있음
• 소프트 라벨 추정 방법론: 극성 경향 도출 방식이 명시적으로 상세히 설명되지 않아, 소프트 라벨의 신뢰도 검증 필요
• LLM 편향의 원인 분석: 극단화된 예측이 발생하는 근본 원인에 대한 심화 분석 부족
• 후속 연구 방향:
  • 소프트 라벨이 다른 심리학적 과제(Big Five 등)에 미치는 영향 조사
  • LLM의 극단화 예측 완화 방법 개발
  • 다국어 MBTI 데이터셋 확장
  • 실시간 소셜 미디어 데이터로 데이터셋 지속 업데이트

Evaluation

총평: 본 논문은 MBTI 성격 탐지 연구의 데이터 품질 문제와 심리학적 현실성 간극을 체계적으로 해결한 의미 있는 기여다. 특히 심리학 전문가와의 협업을 통한 고품질 재주석과 소프트 라벨 도입은 향후 성격 탐지 및 LLM의 심리 이해도 평가에 중요한 벤치마크를 제공할 것으로 기대된다.