10 月 14 日有一篇新論文,在問一個流傳很久的說法:筆跡能不能看出個性。Thomas、Seera 與 Goel 在 Discover Artificial Intelligence 發表,把印度古吉拉特邦 320 到 330 人的「graphology 手寫特徵編碼」拿去預測大五人格問卷分數,結論是五個人格向度、兩種機器學習模型,交叉驗證的 R² 全部是負的,也就是比「每個人都猜平均分」還差。這份資料作者放在 Harvard Dataverse(CC0),我下載後重算:樣本數 325、330、320、324、322 與論文逐項一致,三個有報告的信度係數(0.466、0.675、0.805)完全吻合,標準化彈性網的 R² 與論文差在小數第三到第四位(Conscientiousness 我 −0.0138、論文 −0.0137)。我另外做了兩件論文沒做的事:一是 113 個特徵裡只有 6 個單獨相關達 p 小於 0.05,期望值是 5.65,正好是雜訊的量;二是用模擬估算這個設計能偵測多大的真效果,結論是「真效果約 10% 變異以上會被看到,2% 到 5% 這個範圍,這個研究看不出來」。所以今天的結論有兩層:這條筆跡到人格的路在這份資料上沒有準確度,但論文本身也強調,它沒有證明筆跡完全不含人格資訊。
昨天(手寫字 · 2026-10-20)我留下的待驗項「倉頡對拼音」今天查了一輪,沒有找到直接比較輸入法與提筆忘字的實證研究,只找到兩篇新的機制研究,放在第五節。
資料來源標示:論文的設計與結果表,我讀的是 Springer 論文頁面(用網頁擷取工具取得的整理內容,不是逐頁讀 PDF)加上 Crossref 登錄的完整摘要;「自算」指我從 Dataverse 的 5 個 xlsx 重算與模擬;bioengineer.org 的報導只當交叉核對,屬二手;兩篇機制研究只讀到摘要;沒有標示的是我的判斷。
📖 學
一、對帳:昨天與前幾天的待驗項
| 待驗項 | 今天的結果 | 狀態 |
|---|---|---|
| 昨天:倉頡對拼音(字形輸入法是否較不易提筆忘字) | 搜尋與 Crossref 查詢都沒找到直接比較拼音、注音、倉頡使用者忘字率的研究。找到的只有 Langsford 等人 2024 論文引言的「預期」(用字形輸入法的人應該較不易忘字)與 Language Log 一篇討論提筆忘字的文章裡提到的使用者回覆(只讀到搜尋整理,屬軼事,非研究) | 仍未解;今天確認「查不到」 |
| 昨天:30 題自測的一週後重測 | 重測日是 10 月 27 日,還沒到 | 待驗 |
10 月 14 日:Accuracy_Checking 欄的正式定義 | 今天沒有碰那份資料 | 待驗,不動 |
| 真人快慢錄音、Toffoli 接觸判定演算法、草寫排除一年級理由、7 字抄寫實驗、10 月 7 日墨膜實驗 | 今天沒有新資料 | 待驗,不動 |
二、這篇論文在做什麼
資料來自五本 Excel,每本對應一個人格向度(神經質、外向性、開放性、親和性、盡責性)。每位受試者抄寫一封標準的「London Letter」,由一位受過約 12 年訓練的筆跡分析者(也是第一作者)依 Hilliger 指引,把筆跡編成每個向度 16 到 26 個 0/1 特徵,例如字的傾斜是否忽大忽小、簽名是否簡樸、行距是否寬。人格分數則來自一份 60 題的研究自編問卷,每個向度 12 題、五點量表,取 12 題的平均,沒有切成高低分的二元標籤。編號 1 到 62 的人被當作資料蒐集的試行階段排除;再去掉不完整、不合法與完全沒有變異的問卷後,各向度剩 320 到 330 人。
評估方式有三個模型:用訓練折平均當預測的基準線;彈性網迴歸(α = 0.1、ρ = 0.5);直方圖梯度提升(最多 7 個葉節點、學習率 0.05)。超參數事先固定,避免在測試折上挑參數。驗證是 5 折交叉驗證重複 5 次(每個模型每個向度 25 個測試折),主指標是平均絕對誤差(MAE),另外看均方根誤差、R² 與樣本外相關,並用打亂結果值的排列檢定。兩位外部筆跡分析者獨立編碼 26 份共同樣本,特徵一致率 94.1% 到 97.8%,Cohen’s kappa 0.803 到 0.929。
論文表的核心數字(取自 Springer 頁面):彈性網 MAE 對基準線 MAE,神經質 0.3104 對 0.3102、外向性 0.3761 對 0.3754、開放性 0.3620 對 0.3620、親和性 0.3545 對 0.3556、盡責性 0.3864 對 0.3845;R² 依序 −0.0025、−0.0092、−0.0013、−0.0019、−0.0137;排列檢定 p 值 0.118、0.412、0.412、0.078、0.216。作者的結論有三句值得原樣記:兩個機器學習模型都沒有穩定勝過平均基準;兩位外部評分者大致同意特徵怎麼編,但第一作者編的特徵矩陣沒有預測問卷分數;這些結果不代表筆跡在任何條件下都不含人格資訊,只代表「這一種人工編碼加問卷」的路徑缺乏效標效度,不該在高風險場合使用。
論文自己列的限制也要照抄:問卷是研究自編而非標準化量表、方便樣本、特徵由第一作者一人編碼、沒有獨立的外部驗證樣本,Cronbach’s α 範圍 0.466 到 0.805,有些向度內部一致性偏弱。
三、我重算的結果
我從 Dataverse(2026 年 5 月 4 日釋出、授權 CC0)下載五個 xlsx。重現的篩選規則是:編號大於等於 63、問卷 12 題與特徵沒有缺值、問卷答案落在 1 到 5、12 題答案不全相同、特徵至少有一人和別人不同。評估照論文:5 折乘 5 次、彈性網 α = 0.1 與 ρ = 0.5、梯度提升 7 個葉節點與學習率 0.05(其餘用 scikit-learn 預設,折的切法與論文不同,所以小數第三位會晃)。
| 向度 | 樣本數 自算/論文 | 特徵數 | α 自算 | 基準線 MAE 自算/論文 | 標準化彈性網 R² 自算/論文 |
|---|---|---|---|---|---|
| 神經質 | 325 / 325 | 25 | 0.466 | 0.3113 / 0.3102 | −0.0008 / −0.0025 |
| 外向性 | 330 / 330 | 23 | 0.703 | 0.3747 / 0.3754 | −0.0066 / −0.0092 |
| 開放性 | 320 / 320 | 24 | 0.675 | 0.3626 / 0.3620 | −0.0015 / −0.0013 |
| 親和性 | 324 / 324 | 25 | 0.720 | 0.3548 / 0.3556 | +0.0035 / −0.0019 |
| 盡責性 | 322 / 322 | 16 | 0.805 | 0.3845 / 0.3845 | −0.0138 / −0.0137 |
樣本數五個全中,論文列出的三個 α(神經質 0.466、開放性 0.675、盡責性 0.805)全中,我沒有發現抄錯或我算錯的地方。外向性與親和性的 α 是我自算,我取到的論文內容沒有列出。開放性的原始欄位 26 欄裡有 2 欄全是同一個值,篩掉後剩 24,這與論文「16 到 26 個特徵」的描述相容。
兩個細節。第一,直接套用未標準化的彈性網,α = 0.1 加 ρ = 0.5 對 0/1 特徵的懲罰太重,係數全被壓成 0,預測就等於基準線,R² 恰為 0.0000,這與論文的 −0.0025 不符;把特徵標準化之後才接近論文(上表)。論文沒寫標準化,所以「他們有標準化」是我的推論,不是論文說的。第二,親和性的 R² 我是正的 +0.0035、論文是負的 −0.0019,兩個數字都在零附近,方向不同純粹來自折的切法,我不把它當成矛盾。
梯度提升在我這裡每個向度都比基準線差,MAE 多 0.015 到 0.029(神經質 +0.0261、外向性 +0.0286、開放性 +0.0150、親和性 +0.0204、盡責性 +0.0158),R² 是 −0.047 到 −0.160。論文(我只用二手報導交叉核對)說梯度提升在各向度都比基準線差,方向一致;論文的具體數值我沒取到,所以只能說方向吻合。
四、為什麼 R² 是負的不代表「剛好反向」
交叉驗證的 R² 是拿模型的預測誤差與「用訓練折平均當預測」的誤差比。真效果接近 0 時,任何要估計 k 個參數的模型,都會多付一份估計誤差,這份誤差在無懲罰的線性模型大約是殘差變異的 k 除以訓練樣本數。這裡 k 約 25、訓練折約 260 人,25 ÷ 260 約 0.096;我另外跑了一般最小平方法,R² 是 −0.065 到 −0.152,與這個量級相符。所以負 R² 的意思是「特徵裡的訊號沒有大到足以付清估計成本」,而不是「特徵與人格反相關」。
這個設計看到的真訊號門檻我用模擬估:以真實的特徵矩陣為底,隨機抽權重做出線性訊號,讓訊號占結果變異的比例(母體 R²)為指定值,加上雜訊,再跑標準化彈性網 5 折交叉驗證;每個向度每個設定 20 次模擬,取交叉驗證 R² 平均,並記有多少次大於 0。
| 真實的訊號占比 | 交叉驗證 R² 平均(五向度範圍) | R² 大於 0 的比例(五向度範圍) |
|---|---|---|
| 0% | −0.005 到 −0.002 | 15% 到 25% |
| 2% | −0.0005 到 +0.006 | 30% 到 45% |
| 5% | +0.0007 到 +0.014 | 45% 到 85% |
| 10% | +0.022 到 +0.034 | 80% 到 95% |
真實資料的 R² 是 −0.014 到 +0.0035,落在 0% 與 2% 兩列的區間。與 10% 那列(平均 +0.02 以上、八成以上為正)比,可以說這份資料不像存在占變異約 10% 以上、分散在這些特徵上的線性訊號;2% 到 5%,模擬的結果與純雜訊無法分辨。注意假設:訊號是隨機權重、分散在所有特徵上、線性、每格只跑 20 次(粗估)。集中在少數特徵上的訊號,模擬沒有涵蓋。
單一特徵也算一次:N = 325、雙尾 0.05、80% 檢定力,能偵測的最小相關 r = tanh((1.96 + 0.84) ÷ √322) 約 0.155;若要對 25 個特徵做 Bonferroni 校正(顯著水準 0.002),門檻升到約 0.216(自算,Fisher 轉換近似)。實際資料裡最強的單一特徵相關是 0.165(親和性,「簽名簡樸不花俏」,p = 0.003),打亂結果 2,000 次、取 25 個特徵的最大絕對相關,排名機率是 0.079。我自己的排列統計量與論文的不同(論文是彈性網 MAE),只是剛好都落在 0.08 附近,不是同一個檢定。
逐特徵的掃描是:113 個特徵,p 小於 0.05 的有 6 個(神經質 2、外向性 0、開放性 1、親和性 3、盡責性 0),純雜訊下的期望值是 113 × 0.05 = 5.65。神經質裡最強的是「太尖銳、不圓」,r = 0.13,可是這個特徵只有約 1% 的人有(325 人裡約 3 位),屬於罕見特徵撞到小機率的典型例子。113 個特徵裡 35 個的出現率在 10% 以下或 90% 以上,59 個在 20% 以下或 80% 以上;這類特徵在編碼上很容易一致(幾乎都沒有),也幾乎沒有預測的資訊。
五、一致不等於有效,以及中文提筆忘字的新機制證據
兩位外部評分者的一致率 94.1% 到 97.8%、kappa 0.803 到 0.929,聽起來很高。把 kappa 公式倒過來:kappa = (po − pe) ÷ (1 − pe),po = 0.941 與 kappa = 0.803 反解 pe = (0.941 − 0.803) ÷ (1 − 0.803) = 0.701;po = 0.978 與 kappa = 0.929 反解 pe = 0.69(自算)。也就是說,光是靠兩人都傾向說「有」或都傾向說「沒有」,就有約七成的一致是巧合。這個推算有個前提:我不知道那兩組一致率與 kappa 是同一組的上下界,只是把兩端各配一對;因此只能說量級,不能說確切。作者的話是這樣:高評分者一致「對建立效度沒有幫助」。
倉頡對拼音那個待驗項,今天只找到機制面的兩篇,而且都沒有量輸入法。其一,Xu、Yang、Yuan、Feng 與 Cai 發在 Journal of Cognitive Neuroscience 第 37 卷第 11 期(2025,2053 到 2071 頁),用功能性近紅外光譜術量 23 位說粵語的成人聽寫:提筆忘字發生時,雙側梭狀回、上頂葉與緣上回的活化都比寫對時低;字頻與筆畫數分別與梭狀回、上頂葉的活化正相關;梭狀回與緣上回之間連結下降。作者的解釋是字形詞彙(orthographic lexicon)的表徵衰退加上音到形的轉換失敗,導致字形資訊沒有被取到書寫緩衝區。這段我讀的是 Crossref 登錄的預印本摘要,正式版的摘要只看到開頭一句,差異我沒有逐字比對。其二,Xu、Zhang 與 Cai 的三個線上實驗(預印本,PubMed 有條目 40471811,我讀的是預印本摘要,PubMed 頁面回的是 cookie 提示):先讓人看到與目標字共用聲旁或義旁的字(或單獨的部件),再聽寫目標字,受試者自報的提筆忘字會減少。作者的結論是,忘字來自聲旁與義旁的字形啟動不完整。
這些與輸入法的關係,是我的推論:如果忘字的核心是「字形取不出來、音到形的轉換斷掉」,那麼打字時不需要自己取出字形的輸入法(拼音、注音)理論上較少練到這一段;需要拆字形的倉頡練的是另一段。這仍然是推論,今天沒有任何查證到的資料測它。搜尋摘要提到的另一篇,Huang 等人 2021 年 Language Sciences 的 mega-study(203 位普通話大學生、1,600 個字、忘字約 6%、42% 的字被忘過),我只讀到搜尋整理(頁面回 403),也沒有輸入法分組的數字。
六、一個人能量什麼、不能量什麼
這個題目對自己的實踐意義,是區分三個問題:筆跡特徵能不能被穩定地記錄(信度,可以自己量);記錄的特徵能不能預測某個外部結果(效度,需要外部標準與足夠多的人,一個人量不到);預測的準確度夠不夠用在決策(需要預先登記的外部驗證,不是這篇論文)。論文的結論句我認為可以整句帶走:能重現地辨識特徵,不等於能預測任何東西。
🧠 記
- **論文:**Thomas、Seera 與 Goel,Discover Artificial Intelligence,2026-10-14(DOI 10.1007/s44163-026-02132-z),320 到 330 人、五個人格向度、16 到 26 個人工編碼特徵;彈性網與梯度提升的交叉驗證 R² 在每個向度都是負的。
- **我重算(自算):**樣本數 325、330、320、324、322 全部吻合;α 0.466、0.675、0.805 吻合;標準化彈性網 R² 與論文差在小數第三、四位;梯度提升每向度比基準線差 0.015 到 0.029 MAE。
- **雜訊的量:**113 個特徵中 6 個 p 小於 0.05,期望 5.65;最強單一相關 0.165(排列最大值檢定 p = 0.079)。
- **檢定力(自算,粗估):**能看出真訊號約 10% 變異以上;2% 到 5% 與雜訊分不開;單一特徵的最小可偵測相關約 0.155(未校正)、0.216(Bonferroni 25)。
- **一致不等於有效:**kappa 0.803 配一致率 94.1% 反推的機率一致約 0.70(自算,推論)。
- **倉頡對拼音:**沒有直接資料;機制研究:梭狀回、上頂葉、緣上回活化降低(23 位粵語成人,fNIRS)、聲旁義旁啟動可減少忘字(預印本)。
**邊界:**論文我讀的是 Springer 頁面的整理內容與 Crossref 完整摘要,不是 PDF 逐頁,表中數字是這個整理的結果,不是我逐格核對原表;論文原始表中的梯度提升數值我沒取到;我的彈性網需要標準化才能接近論文,而論文是否標準化是我的推論;樣本是古吉拉特邦方便樣本、問卷是研究自編、特徵由第一作者一人編碼,結果不能外推到其他族群或其他編碼方式;我的模擬只涵蓋「訊號隨機分散在所有特徵、線性」的情形,每格 20 次,是粗估;kappa 反推假設兩組數字各自對應;兩篇機制研究與 mega-study 只讀到摘要或搜尋整理;倉頡對拼音沒有資料,所以文中「推論」不是證據。另外,搜尋時看到一則部落格稱挪威斯塔萬格大學 2026 年有研究,8 到 12 歲孩子手寫組六週後拼字進步 41%、打字組 18%,我找不到原始研究,沒有採用。
✍️ 實踐
這一輪做一個 20 分鐘的「信度」練習,加上昨天 30 題的重測預告。需要紙、筆、同一段約 3 行的文字。
**第一步,先寫規則再編碼。**挑 12 個你想看的特徵(例如行距寬或窄、字大或小、右傾或直立、「的」字最後一筆是否拉長、簽名有無底線),每個特徵寫一句你可以用尺或眼睛判定的二分標準(例:字高小於 4 毫米算小)。規則先寫好,編碼時不改。
**第二步,兩次書寫、兩次編碼。**今天抄一次那段文字,依規則編成 12 個 0/1;一週後(10 月 28 日)再抄同一段,同樣編碼,編碼前不看第一次的結果。
**第三步,算一致率與 kappa。**例:12 個特徵裡兩次一樣的有 10 個,po = 10 ÷ 12 = 0.833;第一次 6 個「有」,第二次 7 個「有」,pe = (6 ÷ 12)(7 ÷ 12) + (6 ÷ 12)(5 ÷ 12) = 0.2917 + 0.2083 = 0.5;kappa = (0.833 − 0.5) ÷ (1 − 0.5) = 0.667。標準誤約 √(po(1 − po) ÷ (n(1 − pe)²)) = √(0.833 × 0.167 ÷ (12 × 0.25)) = 0.215,所以 95% 區間約 0.25 到 1(上限會超過 1,要截到 1)。12 個特徵的 kappa 很不準,這是練習重點:小量編碼分不出「穩定」與「不穩定」。
**第四步,對照預測。**預測一:兩次編碼的一致率落在 70% 到 90%。預測二:出現率在 10% 以下或 90% 以上的特徵,一致率會高於出現率在 30% 到 70% 的特徵(因為幾乎都是同一個答案),但這種一致沒有資訊。預測三:你不會因為任何一個特徵,對自己的個性下結論;就算想下,也要先問這個特徵在別人身上是否同樣預測。
**第五步,昨天 30 題的重測。**10 月 27 日用同一份 30 題(最好打亂順序、錄音重錄)再聽寫一次,依昨天的步驟算忘字分數。要注意:你兩次都看過答案,第二次的進步包含複習效果;單次標準誤約 9 個百分點、要差約 7 題才超出雜訊,這是昨天算過的。
🔗 延伸學習
- Thomas、Seera 與 Goel,Predictive validity of manually coded handwriting features for questionnaire derived personality scores(Discover Artificial Intelligence 2026) — 今天主要的來源,設計、結果表與限制;開放取用,我讀的是頁面整理內容與 Crossref 摘要。
- 論文公開資料集(Harvard Dataverse,doi 10.7910/DVN/2IBLRK) — 五個向度的人工編碼特徵與問卷答案,CC0;我下載後重算。
- Xu 等人,Neural Substrates Associated with Character Amnesia in Chinese Handwriting: A Functional Near-infrared Spectroscopy Study(Journal of Cognitive Neuroscience 2025) — 23 位粵語成人的提筆忘字腦區活化;我只讀到 Crossref 的預印本摘要。
- Phonetic and Semantic Radical Priming in Chinese Character Amnesia 的 PubMed 條目 — 聲旁義旁啟動可減少提筆忘字;今天頁面只回 cookie 提示,我讀的是預印本摘要。
- 站內:昨天的提筆忘字與 30 題自測、10 月 19 日的手寫對打字證據與檢定力。
💬 問 AI
我今天整理了一篇 2026 年 10 月 14 日發表的論文:Thomas、Seera 與 Goel,Discover Artificial Intelligence,DOI 10.1007/s44163-026-02132-z。他們用 320 到 330 位古吉拉特邦受試者的筆跡人工編碼特徵(每個大五人格向度 16 到 26 個 0/1 特徵),預測自編問卷的大五分數;模型是彈性網與梯度提升,5 折交叉驗證重複 5 次,每個向度的交叉驗證 R² 都是負的。我從 Harvard Dataverse(doi 10.7910/DVN/2IBLRK,CC0)下載資料重算:樣本數 325、330、320、324、322 與論文一致,Cronbach's α 0.466、0.675、0.805 與論文一致;標準化後的彈性網 R² 為 −0.0008、−0.0066、−0.0015、+0.0035、−0.0138;113 個特徵裡 6 個單獨 p 小於 0.05(期望 5.65);最強單一相關 0.165;用模擬估,真訊號約占變異 10% 以上才會被這個設計看出來,2% 到 5% 與雜訊分不開(每格 20 次,粗估)。兩位外部評分者特徵一致率 94.1% 到 97.8%、kappa 0.803 到 0.929,我反推機率一致約 0.70。請逐項回答,並嚴格區分三類:(一)論文或資料明確寫了的、(二)你能查證或憑訓練資料確定的、(三)純屬推論的,每項標明把握程度(高/中/低);不確定就直說不確定,不要編造文獻、數字或連結。這是學習與研究方法討論,不要給任何人事、金融或醫療決策建議。
【A 組:我算到的】
1. 負的交叉驗證 R² 在真效果接近 0、特徵數 25、訓練樣本 260 左右時為什麼是預期的?我用 k 除以訓練樣本數估計(約 0.096),一般最小平方法實際是 −0.065 到 −0.152。這個估計的前提是什麼?
2. 我的檢定力模擬(隨機權重分散在所有特徵、線性、每格 20 次)有哪些漏洞?對訊號集中在少數罕見特徵的情況,應該怎麼改?
3. 113 個特徵裡 35 個出現率在 10% 以下或 90% 以上。這對評分者一致率、kappa 與預測各有什麼影響?
4. kappa 0.803 配一致率 94.1% 反推的機率一致約 0.70,這個反推的前提是什麼?
【B 組:外推與因果】
5. 這份資料的限制(自編問卷、方便樣本、一位編碼者)各自讓結果偏向「找得到」還是「找不到」關聯?
6. 一般來說,筆跡特徵預測人格或職業表現的文獻(包括較嚴謹的後設分析)結論是什麼?只列你確定存在的研究,並說明你讀過全文還是只知道摘要。
7. 提筆忘字的機制研究(fNIRS 的梭狀回、上頂葉、緣上回;聲旁義旁啟動)是否支持「拼音輸入使字形取出能力衰退」?你知道有沒有直接比較倉頡、注音、拼音使用者忘字率的研究?
【C 組:實驗設計】
8. 我設計了「同一段文字隔一週再抄、以 12 個預先寫好規則的特徵編碼、算 kappa」的信度練習。標準誤約 0.215,要怎麼改才能更有判斷力?
9. 把所有存疑項目分成三堆:(一)憑訓練資料就能判斷的、(二)必須查一手文獻的、(三)必須用我自己的實際資料才能回答的。