Applicazione del Machine Learning nel Testing Psicologico: una Versione Adattiva del Minnesota Multiphasic Personality Inventory

I test psicologici di personalità sono molto utilizzati sia in ambito clinico che non clinico, ma molti di questi presentano il limite della lunghezza che rende elevati costi e tempi per la somministrazione. Per superare questa limitazione sono state sviluppate versioni ridotte o adattive dei test, al fine di ridurre il numero di item somministrati cercando di non compromettere la validità della valutazione. Nella presente tesi viene riportato lo studio condotto da Colledani e Anselmi (2024), che applica i Decision Tree, algoritmi di Machine Learning, per creare una versione adattiva del Minnesota Multiphasic Personality Inventory (MMPI), con l’obiettivo di ridurre il numero di item somministrati ai singoli soggetti. I risultati dello studio si sono rivelati promettenti poiché suggeriscono che l’uso di questi algoritmi possa rappresentare un reale metodo innovativo per ridurre i tempi ed i costi delle somministrazioni in molteplici contesti.