Dos hermanos crecen en la misma casa, comen la misma comida y van a la misma escuela. Uno es tranquilo, ordenado y callado; el otro es ruidoso, impuntual y no le teme a nada. Una maestra suele adivinar quién se ofrecerá para la obra de teatro. Y si le preguntas a una madre cuánto de esa diferencia se debe a la casa y cuánto a otra cosa, la respuesta casi nunca es ninguna de las dos que ella esperaba.
Buena parte de la psicología busca lo que las personas tenemos en común: cómo funciona la memoria, cómo funciona la vista. La psicología diferencial, el estudio de las diferencias individuales, pregunta en cambio qué varía de una persona a otra y cuánto. Tiene las mediciones más útiles de toda la psicología, y algunas de las más maltratadas. Esta pieza cubre cómo se miden los rasgos, cuán estables son a lo largo de la vida, qué es una puntuación de CI, qué dice y qué no dice la palabra «heredable», y dónde se desmoronan las afirmaciones populares del campo.
Si la personalidad es real, debería estar en el diccionario. Es la hipótesis léxica: las diferencias que importan a la gente acaban teniendo palabra. En 1936 Gordon Allport y Henry Odbert revisaron un diccionario de inglés y reunieron unos 18,000 términos que describen personas. Décadas de trabajo con análisis factorial, que busca las pocas dimensiones que hay detrás de muchas valoraciones correlacionadas, convergieron en cinco amplias: apertura a la experiencia, responsabilidad (o escrupulosidad), extraversión, amabilidad y neuroticismo (inestabilidad emocional): los «Cinco Grandes», en inglés OCEAN. Un «rasgo» es aquí una tendencia medida en un continuo, con casi todos en el medio; no es un tipo.
Un test es un puñado de preguntas. Una sola pregunta mide mal: «soy el alma de la fiesta» depende de la fiesta. Si sumas preguntas sobre el mismo rasgo, el ruido aleatorio se promedia. La fórmula es la profecía de Spearman-Brown: si un ítem tiene confiabilidad r, una prueba de k ítems tiene confiabilidad k·r ÷ (1 + (k − 1)·r).
La fórmula es exacta; los valores de un solo ítem son ilustrativos (los ítems reales varían). Una regla práctica pide cerca de 0.7 o más para investigar, y más para decidir sobre personas concretas.
Sin JavaScript: con una confiabilidad de 0.3 por ítem, diez ítems dan cerca de 0.81 y dos ítems dan cerca de 0.46.
Ahora prueba con diez ítems. Vienen del International Personality Item Pool (IPIP), un banco de ítems de dominio público que Lewis Goldberg inició para que los investigadores no tuvieran que pagar por los tests. Aquí van en traducción propia al español. Indica cuánto te describe cada uno. Es solo para ilustrar, no una medición: dos ítems por rasgo son muy pocos y ningún resultado de aquí dice nada sobre ti.
No se guarda ni se envía nada. Respuestas: 1 = muy inexacto, 5 = muy exacto; los ítems invertidos se dan vuelta antes de promediar.
Fíjate en cómo se ve el resultado: cinco dimensiones, cada una con una posición en una escala. Una buena medida para adultos tiene entre 10 y 20 ítems por rasgo, y los puntajes se relacionan con resultados reales como cabría esperar, pero solo de forma modesta. La responsabilidad predice el desempeño laboral y la salud en grado pequeño a moderado; la extraversión predice quién es sociable en las fiestas.
Compara con el Indicador de Tipos de Myers-Briggs (MBTI), el «test» laboral más conocido. Clasifica a la gente en 16 tipos cortando cuatro escalas continuas por la mitad, de modo que dos personas muy cerca del corte reciben tipos distintos; los estudios que repiten la prueba encuentran que muchas personas obtienen un tipo diferente en un segundo intento semanas después. Sus dimensiones se solapan con cuatro de los Cinco Grandes, pero las etiquetas de tipo tiran información a la basura y no se usa de forma general en la investigación. HEXACO, un modelo rival, añade un sexto factor: honestidad-humildad.
«¿Cambia la personalidad?» tiene dos sentidos. La estabilidad del orden relativo pregunta si alguien más extravertido que casi todos a los 20 sigue siéndolo a los 40. El cambio del nivel medio pregunta si, en promedio, la gente se vuelve más extravertida. Pueden ser totalmente distintos: todos pueden volverse más serenos y conservar su lugar en la fila.
El metaanálisis clásico (Brent Roberts y Wendy DelVecchio, 2000) reunió 152 estudios longitudinales y halló correlaciones test-retest de cerca de 0.31 en la niñez, 0.54 en la universidad, 0.64 a los 30 y hasta cerca de 0.74 entre los 50 y los 70 años. Trabajos posteriores (Bleidorn y colaboradores, 2022) ponen en duda la meseta tardía y encuentran poco aumento después de los 25; los datos de la vejez eran escasos. La dirección del hallazgo es sólida: la personalidad está lejos de ser fija en la infancia, y se asienta más con los años sin congelarse nunca.
Personas simuladas: 400 casos con la correlación indicada (Roberts y DelVecchio 2000). La nube de puntos se calcula aquí, no son datos reales. Los intervalos son de varios años, y la correlación es un resumen, no una regla para una persona concreta.
Sin JavaScript: con una correlación de 0.31, cerca del 42% de las personas se queda en el mismo tercio del grupo con el tiempo; con 0.74, cerca del 61%.
En promedio, las personas se vuelven más responsables, amables y estables emocionalmente desde los veintitantos hasta la mediana edad: es el principio de madurez (Roberts, Walton y Viechtbauer, 2006). Es un promedio, claro, y algunas personas van en sentido contrario. Los grandes cambios de vida, como un primer empleo o una relación larga, parecen pesar más que el mero paso del tiempo, aunque la historia causal no está cerrada.
En 1904 Charles Spearman notó que los niños que iban bien en una materia (o asignatura) escolar solían ir bien en las demás, y llamó g al factor común. Hoy los modelos más sólidos de capacidad cognitiva (el modelo Cattell-Horn-Carroll) ordenan las capacidades en capas, con g arriba y habilidades más estrechas debajo, como el razonamiento verbal, la capacidad espacial y la velocidad de procesamiento. Alfred Binet construyó la primera prueba práctica en 1905 para identificar a los escolares franceses que necesitaban ayuda adicional; no pretendía clasificar a las personas como algo fijo.
Las puntuaciones de CI (coeficiente intelectual) actuales no son «puntos de listura». Son un lugar en una campana de Gauss, escalado para que el promedio de la población sea 100 y la desviación estándar 15 (algunas pruebas antiguas usaban 16). Una puntuación de 130 está dos desviaciones estándar arriba, cerca del percentil 98. Y toda puntuación tiene error: incluso las buenas pruebas tienen un error estándar de medida de unos pocos puntos.
Los percentiles usan la curva normal; el rango del 95% es la puntuación ± 1.96 × el error estándar. El error real varía según la prueba y la puntuación.
Sin JavaScript: una puntuación de 100 es el percentil 50; con un error estándar de 3, el rango del 95% va de cerca de 94 a 106; una puntuación de 130 es cerca del percentil 98 en una escala con DE de 15.
El CI predice las notas escolares y, con menos fuerza, el desempeño laboral y algunos resultados de salud. Por eso es de los números más útiles de la psicología y también por eso su mal uso es peligroso. A comienzos del siglo XX las pruebas de CI estuvieron ligadas a la eugenesia y sirvieron en Estados Unidos para justificar restricciones a la inmigración y esterilizaciones forzadas, y las diferencias entre grupos se han leído mal como prueba de diferencias innatas. Las «inteligencias múltiples» de Howard Gardner son populares en las aulas, pero en su mayoría no las respaldan las pruebas, que encuentran que sus habilidades se correlacionan positivamente; y la idea de los «estilos de aprendizaje» no ha resistido los experimentos.
Además, las puntuaciones han ido subiendo. El efecto Flynn es el aumento del promedio de las pruebas de unos tres puntos de CI por década a lo largo del siglo XX en muchos países. En Noruega, Dinamarca y otros lugares se ha estancado o revertido desde los años noventa, y un estudio de 2018 de Bratsberg y Rogeberg halló que la reversión aparece dentro de las mismas familias, lo que apunta al ambiente (escuela, medios, hábitos ante los exámenes) y no a un cambio en los genes.
«La inteligencia es heredable en un 50%». ¿Qué significa eso? La heredabilidad es la parte de la variación en una población, en un entorno determinado, que se asocia con diferencias genéticas. No es la parte de un rasgo individual que viene de los genes, no dice nada sobre cuán modificable es el rasgo, y depende de cuánto varía el ambiente. La imagen clásica (las semillas de Richard Lewontin): siembra semillas genéticamente variadas en tierra uniforme y buena, y casi toda la diferencia de altura será genética; siembra las mismas semillas en tierra despareja y buena parte de la diferencia será ambiental. Los genes no cambiaron, así que cambió la heredabilidad.
Los estudios con gemelos la estiman comparando a los gemelos idénticos (o monocigóticos, que comparten todos sus genes) con los fraternos (o dicigóticos, que comparten cerca de la mitad). Fórmula de Falconer: heredabilidad h² = 2(rMZ − rDZ), donde las r son las correlaciones entre gemelos. El ambiente familiar compartido es c² = 2rDZ − rMZ, y el resto es ambiente no compartido (más error de medida), e² = 1 − rMZ.
Los valores predefinidos son ilustrativos, no medidos. La estimación de Falconer es una herramienta burda: supone que no hay interacción gen-ambiente y que los dos tipos de gemelos viven ambientes iguales. En la parte de la tierra, la varianza genética se fija en 100 y h² = 100 ÷ (100 + varianza ambiental).
Sin JavaScript: si los gemelos idénticos correlacionan 0.8 y los fraternos 0.5, h² = 0.6, c² = 0.2, e² = 0.2. Con varianza genética 100 y varianza ambiental 100, h² = 0.5; con 400, h² = 0.2.
¿Qué encuentran los estudios reales? En los estudios con gemelos sobre el CI, la heredabilidad suele ser baja en la infancia y subir hacia la adultez, desde cerca del 40% en la niñez hasta bastante más de la mitad en adultos, un patrón que sorprende a quien espera que los genes se desvanezcan con la edad. Las «tres leyes» de la genética conductual de Eric Turkheimer (2000) resumen una literatura inmensa: todos los rasgos humanos son en parte heredables; el ambiente familiar compartido por hermanos importa menos de lo esperado; y una parte grande de la variación no se explica ni por los genes ni por la familia compartida. El propio hallazgo de Turkheimer de 2003, según el cual la heredabilidad del CI era menor en familias pobres de Estados Unidos, muestra cuán discutidos son los detalles: un metaanálisis de 2016 (Tucker-Drob y Bates) lo encontró en los estudios estadounidenses, pero no en los datos de Europa occidental ni de Australia.
La genética molecular añade un enigma. Cuando los investigadores miran directamente el ADN, los rasgos que los estudios con gemelos llaman muy heredables se vinculan con miles de diferencias genéticas diminutas, y el total que capturan es menor que la estimación con gemelos (la «heredabilidad perdida»). Los puntajes poligénicos construidos con esas diferencias predicen menos dentro de una familia, entre hermanos, que entre personas sin parentesco, en parte porque también recogen ambiente y origen familiar.
La mayoría de los experimentos de psicología se hacen con estudiantes universitarios, en unos pocos países ricos. Una estimación de 2008 de Jeffrey Arnett halló que cerca del 96% de los participantes en las revistas líderes de psicología provenía de países con cerca del 12% de la población mundial, y en 2010 Joseph Henrich, Steven Heine y Ara Norenzayan le pusieron nombre al problema: las muestras WEIRD (siglas en inglés de occidentales, educadas, industrializadas, ricas y democráticas; weird significa «raro»), que, según varias medidas, son gente poco corriente.
Los Cinco Grandes sí aparecen en muchos idiomas y países, lo cual es una fortaleza. En el caso del español, Verónica Benet-Martínez y Oliver John (1998) probaron el inventario BFI en versiones en español e inglés para ver si la estructura de cinco factores se sostenía en grupos culturales latinos. Pero en los bordes el cuadro es menos prolijo: un estudio con los tsimane, cazadores-recolectores y horticultores de Bolivia (Gurven y colaboradores, 2013), no recuperó los cinco factores limpios; algunos estudios léxicos hallan estructuras ligeramente distintas; y las diferencias entre hombres y mujeres en las puntuaciones de personalidad son, curiosamente, mayores en algunos países más ricos y con más igualdad de género (Schmitt y colaboradores, 2008), un resultado que los investigadores explican de maneras opuestas.
La cultura moldea incluso la percepción. La ilusión de Müller-Lyer, dos líneas iguales que parecen desiguales cuando una termina en aletas que apuntan hacia fuera y la otra en aletas que apuntan hacia dentro, fue puesta a prueba en muchas sociedades por Marshall Segall y colaboradores en los años sesenta. Henrich y colaboradores la usaron como ejemplo de un efecto básico que varía: las personas criadas en entornos «carpinteros», de ángulos rectos, tienden a dejarse engañar más que algunas personas de sociedades de pequeña escala. Pruébala. Una demostración con una sola persona no dice nada sobre una cultura, pero muestra que la ilusión es real.
La línea superior mide siempre 200 unidades. La mayoría de quienes ajustan la línea inferior hasta que se vea igual eligen un largo menor que 100%, porque las aletas hacia fuera la hacen parecer más larga. Una persona en una pantalla es una demostración, no un estudio.
Sin JavaScript: las dos líneas son exactamente iguales, pero la que tiene aletas hacia fuera parece más larga a la mayoría.
Varias ideas populares sobre las diferencias individuales son más débiles que su fama. Los «tipos» de cerebro izquierdo y cerebro derecho no tienen respaldo; un estudio de más de 1,000 resonancias cerebrales (Nielsen y colaboradores, 2013) no halló evidencia de que las personas usen más un hemisferio. «Solo usamos el 10% del cerebro» es falso. El «efecto Mozart», un breve aumento del razonamiento espacial tras escuchar a Mozart, reportado con 36 estudiantes en 1993, no se sostuvo más allá de un pequeño efecto de activación en metaanálisis posteriores. Los estilos de aprendizaje, la idea de que se aprende mejor en el estilo que uno prefiere, han fracasado en los experimentos (una revisión de Pashler y colaboradores de 2008 no encontró evidencia adecuada).
El efecto Dunning-Kruger es un buen caso. La versión popular dice «cuanto menos sabes, más confiado estás». El artículo de 1999 de David Dunning y Justin Kruger halló que quienes estaban en el cuartil más bajo de las pruebas sobrestimaban su posición, mientras que quienes estaban en el cuartil más alto la subestimaban un poco, pero nadie del grupo más bajo se puso por encima del más alto. Los críticos (por ejemplo Gignac y Zajenkowski, 2020) sostienen que gran parte del patrón es un artefacto estadístico: si las autoestimaciones tienen algo de ruido, se acercan al centro, y entonces los que puntúan bajo parecen sobrestimarse y los que puntúan alto, subestimarse. Dunning y otros responden que queda una descalibración real. La herramienta de abajo muestra cuánto del patrón surge solo del ruido.
1,000 personas simuladas con un nivel de percepción inventado; no se incluye ningún «punto ciego». Las barras muestran el percentil real promedio (la de arriba de cada par) y el percentil autoestimado promedio (la de abajo) de cada cuartil.
Sin JavaScript: con una correlación de percepción de 0.5, el cuartil más bajo promedia cerca de 13 en la realidad y cerca de 31 en su autoestimación; el cuartil más alto, cerca de 88 y cerca de 69.
Las personas difieren de maneras estables y medibles, sobre todo en cinco dimensiones amplias, y medir funciona cuando se promedian muchos ítems. Los rasgos se asientan con la edad y nunca se congelan; el CI es un rango sobre una curva; la heredabilidad es un hecho sobre una población en un ambiente, no un veredicto sobre una persona. Desconfía más de las afirmaciones ordenadas y sorprendentes.
Prueba esto: la próxima vez que leas «X% heredable» o «científicos encontraron el gen de Y», hazte tres preguntas: en qué población, en qué ambiente, y si dice algo sobre la posibilidad de cambiarlo.
Fuentes. Allport y Odbert, Trait-Names: A Psycho-Lexical Study (1936); el IPIP de Goldberg (ipip.ori.org; los ítems vienen de los marcadores de los Cinco Grandes de 50 ítems del IPIP, aquí en traducción propia); fórmula de Spearman-Brown (Spearman 1910, Brown 1910); Roberts y DelVecchio, Psychological Bulletin 2000 (152 estudios longitudinales; .31, .54, .64, cerca de .74); Bleidorn y colaboradores, 2022, sobre la meseta tardía; Roberts, Walton y Viechtbauer, Psychological Bulletin 2006; Spearman 1904; Binet y Simon 1905; Carroll 1993; efecto Flynn de cerca de 3 puntos por década (Trahan et al. 2014 dan 2.93) y la reversión noruega (Bratsberg y Rogeberg, PNAS 2018); fórmula de Falconer; Lewontin en los años setenta sobre la heredabilidad; Turkheimer, Current Directions in Psychological Science 2000 y Psychological Science 2003; Tucker-Drob y Bates, Psychological Science 2016 (14 estudios, 24,926 pares de gemelos y hermanos; el efecto apareció en los estudios de EE. UU., no en Europa occidental ni en Australia); Arnett, American Psychologist 2008; Henrich, Heine y Norenzayan 2010; Benet-Martínez y John, Journal of Personality and Social Psychology 1998, 75, 729-750; Segall, Campbell y Herskovits (1966); Gurven et al. 2013; Schmitt et al. 2008; Nielsen et al. 2013; Pashler et al. 2008; Rauscher et al. 1993; Dunning y Kruger 1999; Gignac y Zajenkowski 2020. Cálculos con el código de esta página: la confiabilidad con r = 0.3 es 0.811 para k = 10 y 0.462 para k = 2; una puntuación de 130 es el percentil 97.7 con DE 15. Esta pieza describe investigación y no es una evaluación personal. Adaptada de la pieza en inglés Personality & Individual Differences.