坦白說，在這裏，人格「類型」不是理想的術語；個性「集群」（personality clusters）可能更準確。論文的共同作者 William Revelle（美國西北大學）對將人分成截然不同的人格類型的概念感到不滿，比如廣受歡迎的邁爾斯-布裏格斯性格分類法（Myers-Briggs Type Indicator, MBTI）一樣。Revelle 是邁爾斯-布裏格斯測試的堅定反對者。不只他一個人，大多數研究性格的科學家更傾向於把性格看作多個連續的維度，並且在人們逐漸成熟的過程中，個人性格特點在這些性格維度譜中所處的位置會不斷發生變化。
此研究的新發現是在性格特徵的整體分布中識別四個主要的集群。Revelle 喜歡把他們想像成「麵糊裏的團塊」，或類比為美國城市人口是怎樣聚集的。
但並不是說，每個人都屬於這四個類別中的一個。
把美國分成四個區域——北部、南部、東部和西部——然後看看人口密度如何分布。你可能會發現紐約、芝加哥、洛杉磯或休斯頓等人口稠密的城市中，人口密度最高。「但是把每個人都描述成生活在這四個城市是一個錯誤。同理，我們描述的是處在這個分布的特定部分的概率；我們並不是說每個人都屬於這四個類別中的一個。」
來自西北大學的研究者們使用了來自世界各地 150 萬人在線測試的公開數據。然後根據所謂的五大基本人格（Big Five basic personality）特徵來繪制這些數據：神經質、外向性、開放性、親和性和盡責性。「五大人格」是目前研究人格的社會心理學家的專業標準。然後，他們將自己的算法應用到生成的數據集。
四種「類型」
Revelle 承認，當他的同事、本研究共同作者 Luis Amaral 用傳統的聚類算法來研究他的初步發現時，發現了 16 個不同的集群。Revelle 立即表示懷疑：「這太可笑了」他說。他不認為有任何人格類型隱藏在數據中，並對 Amaral 和另一位共同者 Martin Gerlach 提出了質疑，希望能更好地改進他們的分析。
「這些用於統計的機器學習算法不會自動產生最終的正確答案，」Revelle 說。「你需要將它與隨機解進行比較。」隨後他們通過施加額外的限制條件來篩選測試結果，從而產生了完全不同的分析結果。研究人員最終得出了四個截然不同的性格群體：
平均型：這些人在神經質和外向性方面得分很高，但在開放性方面得分較低。這是最典型的類別，女性比男性更有可能屬於此類。
保守型：這種類型的人情緒穩定，開放性或神經質得分較低。他們也在外向性方面得分較低，但往往比較隨和、認真。
榜樣型：除了神經質，這些人在所有特質上得分都很高，而且隨著年齡的增長，屬於這類人的可能性也會急劇增加。「這些人都很可靠，樂於接受新思想，」Amaral 說。「這些人擅長掌管一些事情。」女性比男性更有可能成為榜樣型。
自我中心型：這些人在外向性方面得分很高，但在開放性、宜人性和責任心方面得分較低。據 Revelle 稱，大多數十幾歲的男孩都屬於這一類，之後（但願）會逐漸成熟。隨著年齡的增長，歸於這一類別的人數急劇下降。
該團隊在首次分析中使用了一個數據集，然後在另外兩個獨立的數據集上得到了相同的結果，這意味著他們的方法是可重覆的——至少在類似的大型數據集上，由於互聯網和開放獲取的興起，這些數據集在今天變得更加容易獲得。「在網路出現之前，基於數據集的研究是不可能實現的，」Amaral 說。
