본 연구는 성격이 정신병리를 예측하는 가를 지도식 기계학습 방법론을 통해 확인해보고자 하였다. 이를 위해, 한국판 싱어루미스 심리 유형 검사(K-SLTDI) 제 2판과, KSCL-95 검사를 사용하여 전국의 총 521명의 성인을 대상으로 비대면 설문조사를 실시하였다. 예측 분석을 위하여 군집분석, 분류분석, 회귀기반 디코딩을 수행하였다. 그 결과 정신병리의 심 각도를 반영하는 4개의 군집을 확인하였다. 또한, 한국판 싱어루미스 심리 유형 검사로 정신병리 수준에 대한 가설 기반 및 데이터 기반 심각도가 반영된 군집을 예측할 수 있었으며, 이는 전체 KSCL-95 및 3개의 상위 범주, 그리고 타당도에 대해 모두 정확하게 분류되었다. 회귀기반 디코딩 결과는 SLTDI 유형검사는 전체 검사 데이터를 활용하였을 때 임상수준 을 유의미하게 예측할 수 있었으며, KSCL-95의 22가지 하위 범주 중 긍정왜곡, 우울, 불안, 강박, PTSD, 정신증, 스트레 스 취약성, 대인민감, 낮은 조절을 유의수준에서 개별적으로 예측하였다. 이러한 연구 결과는 성격 검사가 정신병리의 심 각도에 대한 선별 도구로 활용될 수 있고 예방 및 조기 개입 전략을 구현하는 데 활용될 수 있음을 시사한다.

This study aimed to predict psychopathology based on personality measures via supervised machine learning methodology. We implemented the Singer-Loomis Type Deployment Inventory (SLTDI) for psychological typology and the Korean version of the Revised Symptom Checklist 90 (KSCL-95) for psychopathology. A total of 521 Korean adults from across the country participated in the online survey. Statistical analyses including correlation, k-means cluster analysis, classification, and regression-based decoding were performed. Results revealed four differentiated clusters on the spectrum of clinical severity. Moreover, SLTDI could distinguish between hypothesis-driven and data-driven clusters by chance. KSCL-95’s three subcategories, as well as its validity, were accurately classified. Regression-based decoding results showed that their typology data significantly predicted social desirability, depression, anxiety, obsessive-compulsive disorder, PTSD, schizophrenia, stress vulnerability, and interpersonal sensitivity significantly. Overall, these findings suggest that personality tests could be utilized to screen for the severity of psychopathology and to implement prevention and early intervention strategies.

Abstract
요 약
1. 서론
2. 방법
    2.1. 참가자
    2.2. 척도
    2.3. 데이터 분석
3. 결과
4. 논의
REFERENCES

• 이상인(전북대학교 심리학과 박사수료) | Sangin Lee
• 김종완(전북대학교 심리학과 부교수) | Jongwan Kim Corresponding author