Paano Kino-compute ang SBTI? Kumpletong Algorithm Breakdown

Mukha lang simpleng interface ang SBTI — 30 tanong, 3 options bawat isa, click-click tapos na. Pero habang kini-click mo ang "next," tahimik na nagta-trabaho ang backend sa pagbuo ng psychological model mo.

Una, kailangan mong intindihin ang core structure: ang 30 tanong na ito ay hindi random ang pagkakaayos. Precisely allocated sila sa 15 psychological dimensions, bawat dimension ay exactly 2 tanong. Ang numbering ay nagsisimula sa S1, nag-e-end sa So3, sunod-sunod ayon sa Self (S1-S3), Emotion (E1-E3), Attitude (A1-A3), Action (Ac1-Ac3), Social (So1-So3). Questions 1-2 ay para sa S1 (self-esteem stability), questions 3-4 para sa S2 (self-clarity), questions 5-6 para sa S3 (value anchoring), at iba pa.

Ang tatlong options ng bawat tanong ay katumbas ng 1 punto, 2 puntos, 3 puntos. Pero may isang detail na madaling ma-miss: hindi lahat ng tanong ay naka-ascending order ang options. Halimbawa, ang pangalawang tanong ng A1 (worldview) at ang unang tanong ng So2 (interpersonal boundaries) ay reversed ang scoring — ang unang option ay 3 puntos, ang huli ay 1 punto. Ang reverse design na ito ay para maiwasan ang mechanical na "laging pipiliin ang una" o "laging pipiliin ang huli" para i-manipulate ang resulta.

Pagkatapos ng 30 tanong, may 30 scores na ang system. Ang susunod na hakbang ay i-sum sila per dimension — ang 2 tanong ng bawat dimension ay pinagsa-sama, na nagbibigay ng raw score para sa dimension na iyon. Dahil bawat tanong ay 1-3 puntos, ang range ng 2 tanong na pinagsama ay 2 hanggang 6. Itong 15 raw scores ang foundation ng buong test result mo.

Pagkatapos makuha ang raw scores, ang susunod na hakbang ay ang classification. Ang logic ay surprisingly simple:

• 2-3 puntos → L (Low)
• 4 puntos → M (Medium)
• 5-6 puntos → H (High)

Pansinin ang distribution: L ang covers ng 2 at 3, H ang covers ng 5 at 6, pero ang M ay 4 lang ang katumbas. Ibig sabihin, pinakamababang probability ang makakuha ng M — kailangan na ang dalawang tanong mo ay exactly 1+3 o 2+2 na combination. Statistically, kung random ang sagot mo, mga 33% ang chance na makakuha ng L at H, at 33% din para sa M, pero sa totoong buhay dahil sa tendency ng mga tao sa pag-sagot, mas mababa ang frequency ng M.

Interesting ang design choice na ito. Ibig sabihin, sadyang iniiwasan ng SBTI ang "middle trap" — hindi pinapayagan ang karamihan na mag-land sa gitna, kundi tinulak ka sa dalawang dulo. Malamang sa isang dimension, L o H ka, hindi L-o-H-lang. Dahil dito, mas vivid at mas may "personality" ang final profile — at mas maganda i-screenshot para i-post sa feed.

Halimbawa, sa S1 (self-esteem stability) dimension, kung pinili mo ang 2 puntos at 3 puntos, total ay 5, classified bilang H. Sa E2 (emotional investment) dimension, kung pinili mo ang 1 punto at 2 puntos, total ay 3, classified bilang L. Pagkatapos i-classify ang lahat ng 15 dimensions, makakakuha ka ng 15-character string. Grouped sa 5 models gamit ang dashes, ganito ang itsura: HMH-LML-HHM-LMH-HML. Ang string na ito ang "Personality DNA" mo — ang input ng lahat ng susunod na calculations ng SBTI.

Pagkatapos makuha ang personality DNA mo, ito ang gagawin ng system: ikukumpara ito sa 25 standard personality type DNAs isa-isa, para hanapin ang pinaka-kamukha mo.

Bawat regular type ay may pre-defined 15-character pattern string. Halimbawa, ang standard pattern ng CTRL (Si May-Hawak) ay HHH-HMH-MHH-HHH-MHM, ang DEAD (Si Patay-Na-Mode) naman ay LLL-LLM-LML-LLL-LHM. Obvious ang pagkakaiba: halos lahat ng CTRL ay H (high), habang halos lahat ng DEAD ay L (low) — isa ay maxed-out sa lahat ng dimension, isa ay total na naka-bahala-na mode sa lahat.

Ang comparison method ay gumagamit ng Manhattan Distance. Una, i-map ang L/M/H sa numbers: L=1, M=2, H=3. Tapos i-subtract ang bawat digit ng 15-dimension number string mo sa bawat digit ng standard type, kumuha ng absolute value, tapos i-sum lahat.

Konkretong halimbawa. Kung ang pattern mo ay HHL-MHH-MLH-HHM-HLH, translated sa numbers yan ay 3,3,1-2,3,3-2,1,3-3,3,2-3,1,3. I-compare sa standard pattern ng CTRL HHH-HMH-MHH-HHH-MHM (na 3,3,3-3,2,3-2,3,3-3,3,3-2,3,2):

Per-digit differences: |3-3|=0, |3-3|=0, |1-3|=2, |2-3|=1, |3-2|=1, |3-3|=0, |2-2|=0, |1-3|=2, |3-3|=0, |3-3|=0, |3-3|=0, |2-3|=1, |3-2|=1, |1-3|=2, |3-2|=1

Total distance = 0+0+2+1+1+0+0+2+0+0+0+1+1+2+1 = 11

Tapos i-convert sa similarity: max(0, round((1 - 11/30) x 100))% = 63%. Mas maliit ang distance, mas mataas ang similarity. Ang theoretical maximum distance ay 30 (15 dimensions na may pagkakaiba ng 2 bawat isa), kaya hinati sa 30 para sa normalization.

Pagkatapos gawin ng system ang computation sa lahat ng 25 regular types, naka-sort sila mula pinakamaliit hanggang pinakamalaking distance — ang type na may pinakamaliit na distance ang best match mo. Kung dalawang types ang may parehong distance, kinu-compare pa ang "exact match dimensions" (ilang dimensions ang exactly pareho), mas marami ang naka-rank sa taas.

Pero bago i-announce ang resulta, may dalawang gate pa:

Ang unang gate ay ang similarity threshold. Kung ang best match mo ay may similarity na mas mababa sa 60% — ibig sabihin, ang pinaka-kamukha mo na type ay hindi pa umabot sa 60% similarity — iha-harden ng system na "walang template na kasya sa'yo" at automatic kang i-classify bilang HHHH (Si Tawa-Tawa). Ito ay isang engineering "fallback" design: siguradong kahit gaano ka-weird ang pattern ng sagot mo, may result ka pa rin, hindi error page.

Ang pangalawang gate ay mas maaga sa timeline: DRUNK check. Pagkatapos ng 30 official questions, may bonus question tungkol sa pag-inom. Kung na-trigger mo ang "lasenggo path" — specifically, dumaan sa 4-option gate question, tapos sa 2-option confirmation question — kompletong ini-skip ng system ang lahat ng pattern matching sa itaas, diretso ka sa DRUNK. Ang 30 tanong na seryoso mong sinagutan? Wala na, nabasura na. Ito ang easter egg mula sa orihinal na purpose ng SBTI bilang "pang-kumbinsi sa kaibigan na tumigil sa alak."

Kaya ang buong result determination flow: check muna ang DRUNK → kung hindi na-trigger, gawin ang pattern matching → best match na ≥ 60%, gamitin yan → mas mababa sa 60%, HHHH na. Ilang linya lang ng code ang buong flow na ito, pero nakalikha ng personality labels para sa milyon-milyong users.

Pagkatapos lumabas ang test result, may huling hakbang pa: i-encode ito sa shareable format.

Ang sharing link ng SBTI ay may nakatago na 16-digit numeric string. Ang unang 15 digits ay ang raw scores mo sa 15 dimensions (isang digit bawat dimension, range 2-6), ang huling digit ay ang DRUNK marker (0 o 1). Halimbawa ang string 5342364553423420 ibig sabihin: S1=5, S2=3, S3=4, E1=2, E2=3, E3=6, A1=4, A2=5, A3=5, Ac1=3, Ac2=4, Ac3=2, So1=3, So2=4, So3=2, DRUNK=0.

Ang encoding na ito ay naka-embed sa ?result= parameter ng sharing link. Kapag binuksan ng kaibigan mo ang link, ang system ay diretso nang magre-reconstruct ng buong dimension scores at matching result mula sa 16 digits na ito — hindi na kailangan pang sumagot ulit para makita ang result mo. Kaya ang sharing experience ng SBTI ay napaka-smooth: click-and-view, pagkatapos pwede na agad mag-CP match.

Ibig sabihin din nito: ang sharing link mo ay naglalaman ng lahat ng 15 dimension raw scores mo. Ang taong may technical knowledge ay pwedeng basahin ang buong psychological profile mo mula sa link, at manually mag-compute ng match percentage mo sa ibang types. Sa isang paraan, mas maraming information ang 16-digit number na ito kaysa sa type name mo — isang complete psychological snapshot na naka-compress sa isang simpleng number string.

May magtatanong: anong silbi ng pag-alam sa algorithm details? Gusto ko lang mag-test tapos mag-post sa feed eh.

Ang value ng pag-intindi sa algorithm ay hindi para "mas magaling kang mag-play," kundi para tama ang pagkaka-intindi mo sa meaning at limitations ng result.

Kapag alam mo na 2 tanong lang ang bawat dimension, maiintindihan mo kung bakit nagbabago ang retest results — isang tanong na pinalitan ng sagot, pwedeng mabago ang dimension score mula H patungong M o L, at kasama niyan ang buong matching result. Kapag alam mo ang Manhattan distance computation, maiintindihan mo kung gaano kalaki ang pagkakaiba ng "73% match" at "95% match" — ang una ay ibig sabihin maraming dimensions na hindi tugma sa standard pattern, ang pangalawa ay halos perfect match.

Kapag alam mo ang 60% threshold ng HHHH, maiintindihan mo rin kung bakit napaka-rare ng type na ito — 25 standard patterns ang nag-cover na ng napakalawak na dimension combination space, kailangan mong talagang sobrang "non-standard" para ma-fall sa blind spot ng lahat ng templates.

Ang SBTI algorithm ay hindi komplikado, pero sapat na elegant. Gamit ang pinakakaunting data (30 choices) ay nagbu-build ng psychological profile na may 15 dimensions, tapos gamit ang pinaka-simpleng distance calculation ay nima-match ito sa isang label na may meme power, may imagery, at napapa-screenshot ka. Ang buong system mula input hanggang output ay designed para sa isang goal: bigyan kang may mai-share.