PBD 진단 시스템 (PBD Assessment System)

이 문서는 Spective PBD 진단 시스템의 기술적 구현 가이드입니다.

1. 개요
- 1.1 진단 구성
- 1.2 측정 축 (Axis)
2. 문항 구조
3. 응답 처리
- 3.1 응답 데이터 구조
- 3.2 응답 저장 규칙
4. 점수 산출
5. 결과 보고서 생성
- 5.1 보고서 유형
- 5.2 보고서 데이터 구조
6. 데이터베이스 스키마
- 6.1 진단 관련 테이블
7. API 엔드포인트
- 7.1 진단 API
- 7.2 보고서 API
8. 타당성 검증
- 8.1 KAIST 검증 결과

1. 개요

PBD(Perspective Based Disposition)는 관점기반 성향 진단 시스템으로, 개인의 인지패턴(C-PBD)과 상황패턴(S-PBD)을 측정하여 업무 성향을 분석합니다.

1.1 진단 구성

구분	설명	문항 수
개인PBD (Personal PBD)	개인의 업무 성향 진단	100문항
준거PBD (Reference PBD)	조직/역할 기준 성향 진단	20문항 (핵심 문항)

1.2 측정 축 (Axis)

PBD는 4개의 양극성 축으로 구성됩니다:

인지패턴 (C-PBD)
├── 사고방식 (Thinking Pattern): 직관적(1) ↔ 숙고적(2)
└── 추론방식 (Reasoning Approach): 귀납적(3) ↔ 연역적(4)

상황패턴 (S-PBD)
├── 통제방식 (Control Orientation): 내적통제(5) ↔ 외적통제(6)
└── 역할방식 (Role Orientation): 개인적(7) ↔ 집단적(8)

2. 문항 구조

2.1 문항 유형

Dual-Axis 7점 척도 (dual-axis-scale)

좌우 양극에 대비되는 진술이 배치되고, 7점 척도로 응답합니다.

typescript

interface DualAxisQuestion {
  id: string
  type: 'dual-axis-scale'
  axisCode: 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 // SYSTEM 코드
  facetCode: string // Facet 코드
  leftLabel: string // 좌측 극단 진술
  rightLabel: string // 우측 극단 진술
  leftAxisCode: number // 좌측이 해당하는 SYSTEM
  rightAxisCode: number // 우측이 해당하는 SYSTEM
}

예시:

[좌측] 나는 의사결정 시 직감에 의존한다
○ ○ ○ ○ ○ ○ ○
[우측] 나는 의사결정 시 데이터를 분석한다

Likert 7점 척도 (likert-7)

단일 진술에 대한 동의 정도를 측정합니다.

typescript

interface LikertQuestion {
  id: string
  type: 'likert-7'
  axisCode: 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8
  facetCode: string
  text: string // 진술문
  direction: 'positive' | 'negative' // 점수 방향
}

응답 척도:

1: 전혀 그렇지 않다
2: 그렇지 않다
3: 약간 그렇지 않다
4: 보통이다
5: 약간 그렇다
6: 그렇다
7: 매우 그렇다

각 축당 5개의 Facet으로 구성되며, 총 20개의 Facet이 있습니다.

typescript

interface Facet {
  code: string // Facet 코드
  axisCode: number // 소속 축 (1-8)
  name: string // Facet 명칭
  description: string // 설명
  questionCount: number // 해당 Facet 문항 수 (보통 5개)
}

Facet 목록:

축	Facet 1	Facet 2	Facet 3	Facet 4	Facet 5
사고방식 (1-2)	의사결정 정보	정보처리 방식	의사결정 속도	실행 방식	오류에 대한 태도
추론방식 (3-4)	문제의 명확성	목표 지향성	접근 방식	변화 대응 방식	리스크 수용성
통제방식 (5-6)	목표 결정	실행 준거	규칙 적용	의사 결정	동기 부여
역할방식 (7-8)	역할 인식	목표 지향성	관계성	성과 인식	책임 인식

2.3 문항 배치 규칙

typescript

interface QuestionDistribution {
  totalQuestions: 100 // 개인PBD 총 문항 수
  questionsPerAxis: 25 // 각 축쌍당 문항 수
  questionsPerFacet: 5 // 각 Facet당 문항 수
  referenceQuestions: 20 // 준거PBD 핵심 문항 수
}

2.4 전체 문항 번호 계산

데이터베이스에서 DiagnosisQuestion.order는 **Facet 내 순서(1-5)**를 저장합니다. 전체 문항 번호(1-100)를 계산하려면 축, Facet, 문항 순서를 조합해야 합니다.

문항 번호 계산 공식:

typescript

/**
 * 전체 문항 번호 계산
 *
 * @param axisOrder 축 순서 (1-4: PBD, 5: SDI)
 * @param facetOrder Facet 내 순서 (1-5)
 * @param questionOrder 문항 순서 (1-5, SDI는 1-10)
 * @returns 전체 문항 번호 (1-110)
 */
function calculateGlobalQuestionNumber(
  axisOrder: number,
  facetOrder: number,
  questionOrder: number,
): number {
  // SDI (축 5)는 100번 이후
  if (axisOrder === 5) {
    return 100 + questionOrder // 101-110
  }

  // PBD 문항 (축 1-4)
  // 공식: (axisOrder - 1) × 25 + (facetOrder - 1) × 5 + questionOrder
  return (axisOrder - 1) * 25 + (facetOrder - 1) * 5 + questionOrder
}

문항 번호 범위:

축 (Axis)	축 순서	Facet 범위	문항 번호 범위
사고방식	1	1-5	1-25
추론방식	2	1-5	26-50
통제방식	3	1-5	51-75
역할방식	4	1-5	76-100
SDI (타당성)	5	1	101-110

예시:

Facet 1 (의사결정 정보), 문항 순서 1 → (1-1)×25 + (1-1)×5 + 1 = 1
Facet 6 (문제의 명확성), 문항 순서 1 → (2-1)×25 + (1-1)×5 + 1 = 26
Facet 11 (목표결정), 문항 순서 3 → (3-1)×25 + (1-1)×5 + 3 = 53
SDI 문항 5 → 100 + 5 = 105

중요: 점수 계산 시 반드시 이 공식을 사용하여 전체 문항 번호를 계산해야 합니다. DiagnosisQuestion.order를 그대로 사용하면 모든 문항이 1-5 범위로 매핑되어 첫 번째 축(사고방식)만 계산됩니다.

3. 응답 처리

3.1 응답 데이터 구조

typescript

interface AssessmentResponse {
  questionId: string
  selectedValue: 1 | 2 | 3 | 4 | 5 | 6 | 7 // 7점 척도 응답값
  respondedAt: Date // 응답 시각
}

interface AssessmentSession {
  sessionId: string
  userId: string
  assessmentType: 'personal' | 'reference'
  responses: AssessmentResponse[]
  status: 'not_started' | 'in_progress' | 'completed'
  startedAt: Date
  completedAt?: Date
  questionOrder: string[] // 랜덤화된 문항 순서
}

3.2 응답 저장 규칙

즉시 저장: 각 문항 응답 시 즉시 서버에 저장
세션 복구: 세션 만료 후 재로그인 시 진행 상태 복구
문항 순서 보존: 최초 진단 시작 시 랜덤화된 순서 유지

typescript

// 응답 저장 API
interface SaveResponseInput {
  sessionId: string
  questionId: string
  selectedValue: number
}

// 세션 복구 API
interface ResumeSessionOutput {
  session: AssessmentSession
  nextQuestionIndex: number
  progress: {
    answered: number
    total: number
    percentage: number
  }
}

4. 점수 산출

4.1 축별 점수 계산

각 축의 점수는 해당 축에 속한 25개 문항 평균값으로 계산됩니다.

참고: 점수 산출 로직은 docs/logic/20251218_진단결과값 산출 Logic.xlsx 및 docs/logic/example.pdf를 기반으로 합니다.

문항 범위:

축	문항 번호	8시스템 (음수/양수)
사고방식	1~25	직관적 / 숙고적
추론방식	26~50	귀납적 / 연역적
통제방식	51~75	내적 / 외적
역할방식	76~100	개인적 / 집단적

점수 변환:

7점 척도 응답 (1-7)을 -30 ~ +30 범위로 변환
transformedScore = (response - 4) × 10 (중앙값 4를 기준으로)
- 1 → -30, 2 → -20, 3 → -10, 4 → 0, 5 → +10, 6 → +20, 7 → +30
축별 원점수(m) = 25개 문항 변환점수의 평균값
축별 원점수(m) 범위: -30 ~ +30

퍼센트 점수 계산:

percentScore = |m| ÷ 30 × 100

경향성 정도 판정:

원점수 범위	경향성 정도
\|m\| > 20	High
10 < \|m\| ≤ 20	Mid
0 < \|m\| ≤ 10	Low
m = 0	Neutral

중립 축 시스템 결정 (rawScore = 0):

축 평균이 정확히 0일 때, 5개 Facet의 방향성을 기반으로 시스템을 결정합니다.

참고: docs/logic/neutral-axis-case1.pdf, docs/logic/neutral-axis-case2.pdf 참조

케이스	조건	결정 방식
CASE1	Facet 비균등 분할	다수결로 시스템 결정 (예: 3개 음수, 2개 양수 → 음수 시스템)
CASE2	Facet 균등 분할	기본값(positive) 시스템 사용

예시 (CASE1):

축 평균: 0
Facet 1-3: 음수(-10, -10, -10)
Facet 4-5: 양수(+10, +20)
결과: 3 음수 vs 2 양수 → 음수 시스템 (예: 직관적)

예시 (CASE2):

축 평균: 0
Facet 1-2: 음수(-10, -10)
Facet 3: 중립(0)
Facet 4-5: 양수(+10, +10)
결과: 2 음수 vs 2 양수 → 기본값(양수) 시스템 (예: 숙고적)

typescript

interface AxisScore {
  axisCode: number // 1-8
  rawScore: number // -30 ~ +30 원점수 (25문항 평균)
  percentScore: number // 0 ~ 100 퍼센트 점수
  intensity: 'High' | 'Mid' | 'Low' | 'Neutral'
  system: string // 시스템 이름 (직관적, 숙고적 등)
  systemCode: 'negative' | 'positive' // 중립 축도 시스템 코드 결정됨
}

interface FacetScore {
  facetCode: string
  rawScore: number // -30 ~ +30 원점수 (5문항 평균)
  percentScore: number // 0 ~ 100 퍼센트 점수
  intensity: 'High' | 'Mid' | 'Low' | 'Neutral'
}

4.2 PBD Matrix 위치 결정

typescript

interface PBDMatrixPosition {
  cpbd: {
    thinkingPattern: number // -3 ~ +3 (음수: 직관적, 양수: 숙고적)
    reasoningApproach: number // -3 ~ +3 (음수: 귀납적, 양수: 연역적)
    quadrant: 'ideation' | 'execution' | 'invention' | 'design'
  }
  spbd: {
    controlOrientation: number // -3 ~ +3 (음수: 내적통제, 양수: 외적통제)
    roleOrientation: number // -3 ~ +3 (음수: 개인적, 양수: 집단적)
    quadrant:
      | 'autonomous_individual'
      | 'autonomous_collective'
      | 'normative_individual'
      | 'normative_collective'
  }
}

Matrix Quadrant 결정:

typescript

// C-PBD Matrix
function determineCPBDQuadrant(thinking: number, reasoning: number): string {
  if (thinking < 0 && reasoning < 0)
    return 'ideation' // 발상
  if (thinking < 0 && reasoning >= 0)
    return 'execution' // 실행
  if (thinking >= 0 && reasoning < 0)
    return 'invention' // 발명
  return 'design' // 설계
}

// S-PBD Matrix
function determineSPBDQuadrant(control: number, role: number): string {
  if (control < 0 && role < 0)
    return 'autonomous_individual' // 자율형 개인
  if (control < 0 && role >= 0)
    return 'autonomous_collective' // 자율형 집단
  if (control >= 0 && role < 0)
    return 'normative_individual' // 규범형 개인
  return 'normative_collective' // 규범형 집단
}

4.3 A-INDEX 계산

A-INDEX는 개인 프로파일(IP)과 준거 프로파일(RP) 간의 일치도를 측정합니다.

typescript

interface AIndexCalculation {
  individualProfile: PBDMatrixPosition
  referenceProfile: PBDMatrixPosition
  axisAlignments: {
    axisCode: number
    individualScore: number
    referenceScore: number
    difference: number
    alignment: number // 0-100
  }[]
  overallAlignment: number // 0-100
  grade: 'A1' | 'A2' | 'A3' | 'A4' | 'A5' | 'A6' | 'A7' | 'A8' | 'A9' | 'A10'
}

A-INDEX 등급:

등급	범위	설명
A1	0-10	완전히 다름 (Completely different)
A2	10-20	거의 반대 (Nearly opposite)
A3	20-30	매우 다른 (Very different)
A4	30-40	상당한 차이 (Significant difference)
A5	40-50	차이가 뚜렷 (Clearly different)
A6	50-60	어느 정도 차이 (Somewhat different)
A7	60-70	부분적인 차이 존재 (Moderate difference)
A8	70-80	유사하지만 차이 존재 (Similar but noticeable)
A9	80-90	매우 유사 (Very similar)
A10	90-100	거의 동일 (Minimal difference)

4.4 타당성 지표 (Validity Indices)

진단 결과의 신뢰성을 평가하기 위한 두 가지 타당성 지표를 산출합니다.

SDI는 응답자가 실제보다 더 바람직해 보이는 답변을 했을 가능성을 측정합니다.

문항 구성:

문항번호	문항내용	점수방향	점수범위
SDI-01	나는 언제나 타인에게 친절하다	긍정형	0-6
SDI-02	나는 항상 실수를 하면 즉시 인정하고 변명하지 않는다	긍정형	0-6
SDI-03	나는 누구에게도 화를 내지 않는다	긍정형	0-6
SDI-04	나는 다른 사람을 실망시킨 적이 한 번도 없다	긍정형	0-6
SDI-05	나는 규칙을 한 번도 어긴 적이 없다	긍정형	0-6
SDI-06	나는 누구에게도 나쁜 감정을 품지 않으려고 애쓴다	긍정형	0-6
SDI-07	나는 거짓말을 한 적이 거의 없다	긍정형	0-6
SDI-08	나는 가끔 나의 이익을 위해 다른 사람을 이용한 적이 있다	부정형	0-6 (역산)
SDI-09	나는 남들 앞에서 잘 보이기 위해 내 감정을 숨길 때가 있다	부정형	0-6 (역산)
SDI-10	나는 가끔 타인에 대해 험담을 하곤 한다	부정형	0-6 (역산)

점수 계산:

typescript

interface SDICalculation {
  // 문항 ID 범위: SDI-01 ~ SDI-10
  positiveQuestions: [
    'SDI-01',
    'SDI-02',
    'SDI-03',
    'SDI-04',
    'SDI-05',
    'SDI-06',
    'SDI-07',
  ]
  negativeQuestions: ['SDI-08', 'SDI-09', 'SDI-10']
}

// 응답값 변환 (7점 리커트 → 0-6점)
function transformToSdiScore(
  response: 1 | 2 | 3 | 4 | 5 | 6 | 7,
  direction: 'positive' | 'negative',
): number {
  // 7점 척도 → 0-6 범위 변환
  const baseScore = response - 1 // 0, 1, 2, 3, 4, 5, 6

  if (direction === 'positive') {
    return baseScore // 긍정형: 높은 응답 = 높은 SDI
  }
  else {
    return 6 - baseScore // 부정형: 높은 응답 = 낮은 SDI (역산)
  }
}

// 총점 계산
function calculateSDI(responses: Map<string, number>): number {
  let total = 0

  // 긍정형 문항 (SDI-01 ~ SDI-07): 0-6점
  for (let i = 1; i <= 7; i++) {
    const questionId = `SDI-${String(i).padStart(2, '0')}`
    const response = responses.get(questionId)!
    total += transformToSdiScore(response, 'positive')
  }

  // 부정형 문항 (SDI-08 ~ SDI-10): 역산 0-6점
  for (let i = 8; i <= 10; i++) {
    const questionId = `SDI-${String(i).padStart(2, '0')}`
    const response = responses.get(questionId)!
    total += transformToSdiScore(response, 'negative')
  }

  return total // 0-60 범위
}

해석 기준:

점수 범위	해석	권장 조치
0-29	정상	진단 결과 활용 가능
30-49	양호	진단 결과 활용 가능
50-60	높음	사회적 바람직성 편향 가능성. 결과 해석 시 유의

주의: SDI ≥ 50인 경우, 응답자가 실제보다 더 바람직해 보이는 답변을 했을 가능성이 있습니다.

4.4.2 ICI (내적 일관성 지수, Internal Consistency Index)

ICI는 각 Facet 내 문항 응답의 일관성을 평균절대편차(MAD) 기반으로 측정합니다.

계산 방식:

7점 척도 응답을 -100 ~ +100 범위로 변환
각 Facet별 5개 문항의 평균(mean) 계산
각 문항과 평균의 절대편차 합계 및 평균절대편차 계산
Facet ICI = 100 - 평균절대편차
전체 ICI = 20개 Facet ICI의 평균

예시 (Facet 1):

1번 문항	2번 문항	3번 문항	4번 문항	5번 문항	평균	절대편차합	평균절대편차	ICI
10	60	40	-100	90	20	260	52	48

typescript

interface ICICalculation {
  // 각 Facet별 ICI 계산 결과
  facetICIs: {
    facetNumber: number
    questionValues: number[] // 변환된 문항값 (-100 ~ +100)
    mean: number // 평균
    absoluteDeviationSum: number // 절대편차합
    meanAbsoluteDeviation: number // 평균절대편차
    ici: number // 100 - 평균절대편차
  }[]
  overallICI: number // 전체 ICI (20개 Facet ICI 평균)
}

/**
 * 7점 척도 응답을 -100 ~ +100 범위로 변환
 * 1 → -100, 4 → 0, 7 → +100
 */
function responseToScaledValue(response: number): number {
  return (response - 4) * (100 / 3)
}

/**
 * ICI 계산 (MAD 기반)
 */
function calculateICI(responses: Map<number, number>): number {
  const facetICIs: number[] = []

  // 20개 Facet 순회
  for (let facetIndex = 0; facetIndex < 20; facetIndex++) {
    const startQuestion = facetIndex * 5 + 1
    const questionValues: number[] = []

    // 각 Facet의 5개 문항값 수집
    for (let i = 0; i < 5; i++) {
      const questionNumber = startQuestion + i
      const response = responses.get(questionNumber)
      if (response !== undefined) {
        questionValues.push(responseToScaledValue(response))
      }
    }

    if (questionValues.length === 0)
      continue

    // 평균 계산
    const mean = questionValues.reduce((sum, v) => sum + v, 0) / questionValues.length

    // 절대편차합 계산
    const absoluteDeviationSum = questionValues.reduce(
      (sum, v) => sum + Math.abs(v - mean),
      0
    )

    // 평균절대편차
    const meanAbsoluteDeviation = absoluteDeviationSum / questionValues.length

    // Facet ICI = 100 - 평균절대편차
    const facetICI = 100 - meanAbsoluteDeviation
    facetICIs.push(facetICI)
  }

  if (facetICIs.length === 0)
    return 100

  // 전체 ICI = 20개 Facet ICI 평균
  const overallICI = facetICIs.reduce((sum, v) => sum + v, 0) / facetICIs.length
  return Math.round(overallICI * 10) / 10 // 소수점 첫째자리까지
}

해석 기준:

점수 범위	해석	권장 조치
0-54	낮음	응답 일관성 부족. 재진단 또는 결과 활용 시 유의
55-69	양호	진단 결과 활용 가능
70-100	높음	진단 결과 신뢰도 높음

주의: ICI < 55인 경우, 응답의 일관성이 낮아 진단 타당성이 저하될 수 있습니다.

타당성 지표 데이터 구조:

typescript

interface ValidityScores {
  ici: number // 내적 일관성 지수 (0-100)
  sdi: number // 사회적 바람직성 지수 (0-60)
  isValid: boolean // ici >= 55 && sdi < 50
  warnings: string[] // 경고 메시지 배열
}

function evaluateValidity(ici: number, sdi: number): ValidityScores {
  const warnings: string[] = []

  if (ici < 55) {
    warnings.push(
      '내적 일관성이 낮습니다. 재진단 또는 결과 활용에 유의하세요.',
    )
  }

  if (sdi >= 50) {
    warnings.push(
      '사회적 바람직성 점수가 높습니다. 실제와 달리 더 바람직해 보이는 답변을 했을 가능성이 있습니다.',
    )
  }

  return {
    ici,
    sdi,
    isValid: ici >= 55 && sdi < 50,
    warnings,
  }
}

5. 결과 보고서 생성

5.1 보고서 유형

유형	입력	출력	비용
결과보고서A	개인PBD 1건	IP (Individual Profile)	39,000원
결과보고서B	준거PBD 1건	RP (Reference Profile)	20,000원
비교리포트C	IP 1건 + RP 1건	1:1 비교 + A-INDEX	20,000원
비교리포트D	IP N건 + RP 1건	N:1 비교 + A-INDEX 분포	500,000원 + 20,000원×(N-10)

5.2 보고서 데이터 구조

typescript

interface ReportA {
  reportId: string
  userId: string
  createdAt: Date
  individualProfile: {
    cpbd: CPBDResult
    spbd: SPBDResult
    behavioralPatterns: BehavioralPattern[]
    structuralStrengths: string[]
    structuralWeaknesses: string[]
    hppa: string[] // High-Probability Performance Areas
    lppa: string[] // Low-Probability Performance Areas
  }
}

interface ReportB {
  reportId: string
  organizationName: string
  createdAt: Date
  referenceProfile: {
    cpbd: CPBDResult
    spbd: SPBDResult
    behavioralPatterns: BehavioralPattern[]
    desiredStrengths: string[]
    riskAreas: string[]
  }
}

interface ReportC {
  reportId: string
  createdAt: Date
  individualProfile: ReportA['individualProfile']
  referenceProfile: ReportB['referenceProfile']
  aIndex: AIndexCalculation
  gapAnalysis: GapAnalysis
}

interface ReportD {
  reportId: string
  createdAt: Date
  referenceProfile: ReportB['referenceProfile']
  participants: {
    userId: string
    name: string
    individualProfile: ReportA['individualProfile']
    aIndex: AIndexCalculation
  }[]
  teamProfile: TeamProfile
  distributionAnalysis: DistributionAnalysis
}

6. 데이터베이스 스키마

6.1 진단 관련 테이블

sql

-- 문항 테이블
CREATE TABLE questions
(
    id              UUID PRIMARY KEY,
    type            VARCHAR(20) NOT NULL,    -- 'dual-axis-scale' | 'likert-7'
    axis_code       INTEGER     NOT NULL,    -- 1-8
    facet_code      VARCHAR(50) NOT NULL,
    text            TEXT,                    -- Likert용 진술문
    left_label      TEXT,                    -- Dual-axis용 좌측 레이블
    right_label     TEXT,                    -- Dual-axis용 우측 레이블
    left_axis_code  INTEGER,
    right_axis_code INTEGER,
    direction       VARCHAR(10),             -- 'positive' | 'negative'
    is_reference    BOOLEAN   DEFAULT false, -- 준거PBD 핵심 문항 여부
    created_at      TIMESTAMP DEFAULT NOW(),
    updated_at      TIMESTAMP DEFAULT NOW()
);

-- 진단 세션 테이블
CREATE TABLE assessment_sessions
(
    id              UUID PRIMARY KEY,
    user_id         UUID        NOT NULL REFERENCES users (id),
    assessment_type VARCHAR(20) NOT NULL, -- 'personal' | 'reference'
    status          VARCHAR(20) NOT NULL, -- 'not_started' | 'in_progress' | 'completed'
    question_order  JSONB       NOT NULL, -- 랜덤화된 문항 ID 배열
    started_at      TIMESTAMP,
    completed_at    TIMESTAMP,
    created_at      TIMESTAMP DEFAULT NOW(),
    updated_at      TIMESTAMP DEFAULT NOW()
);

-- 응답 테이블
CREATE TABLE assessment_responses
(
    id             UUID PRIMARY KEY,
    session_id     UUID    NOT NULL REFERENCES assessment_sessions (id),
    question_id    UUID    NOT NULL REFERENCES questions (id),
    selected_value INTEGER NOT NULL CHECK (selected_value BETWEEN 1 AND 7),
    responded_at   TIMESTAMP DEFAULT NOW(),
    UNIQUE (session_id, question_id)
);

-- 결과 보고서 테이블
CREATE TABLE assessment_reports
(
    id          UUID PRIMARY KEY,
    session_id  UUID        NOT NULL REFERENCES assessment_sessions (id),
    report_type VARCHAR(10) NOT NULL, -- 'A' | 'B' | 'C' | 'D'
    result_data JSONB       NOT NULL,
    created_at  TIMESTAMP DEFAULT NOW()
);

7. API 엔드포인트

7.1 진단 API

text

// 진단 시작
POST /api/assessment/start
Input: { assessmentType: 'personal' | 'reference' }
Output: { sessionId: string, questions: Question[], totalCount: number }

// 응답 저장
POST /api/assessment/respond
Input: { sessionId: string, questionId: string, selectedValue: number }
Output: { success: boolean, progress: { answered: number, total: number } }

// 세션 복구
GET /api/assessment/resume/:sessionId
Output: { session: AssessmentSession, nextQuestionIndex: number, progress: Progress }

// 진단 완료
POST /api/assessment/complete
Input: { sessionId: string }
Output: { reportId: string, reportType: string }

7.2 보고서 API

text

// 보고서 조회
GET /api/reports/:reportId
Output: { report: Report }

// 비교리포트 생성
POST /api/reports/comparison
Input: {
  type: 'C' | 'D',
  individualReportIds: string[],
  referenceReportId: string
}
Output: { reportId: string }

// PDF 다운로드
GET /api/reports/:reportId/pdf
Output: PDF Binary

8. 타당성 검증

8.1 KAIST 검증 결과

PBD 진단은 KAIST 조직행동연구팀의 과학적 타당성 검증을 완료했습니다.

검증 항목:

내적 일관성 (Cronbach's Alpha)
구성타당도 (Construct Validity)
예측타당도 (Predictive Validity)
수렴타당도 (Convergent Validity)
판별타당도 (Discriminant Validity)

핵심 결과:

A-INDEX는 성과를 예측하는 가장 강력하고 일관된 요인으로 검증됨
각 Facet의 Cronbach's Alpha > 0.7

버전: 1.1.0 최종 수정: 2025-12-24 작성자: Minsu Lee (amondnet)

PBD 진단 시스템 (PBD Assessment System)

목차

1. 개요

1.1 진단 구성

1.2 측정 축 (Axis)

2. 문항 구조

2.1 문항 유형

Dual-Axis 7점 척도 (dual-axis-scale)

Likert 7점 척도 (likert-7)

2.2 Facet 구조

2.3 문항 배치 규칙

2.4 전체 문항 번호 계산

3. 응답 처리

3.1 응답 데이터 구조

3.2 응답 저장 규칙

4. 점수 산출

4.1 축별 점수 계산

4.2 PBD Matrix 위치 결정

4.3 A-INDEX 계산

4.4 타당성 지표 (Validity Indices)

4.4.2 ICI (내적 일관성 지수, Internal Consistency Index)

5. 결과 보고서 생성

5.1 보고서 유형

5.2 보고서 데이터 구조

6. 데이터베이스 스키마

6.1 진단 관련 테이블

7. API 엔드포인트

7.1 진단 API

7.2 보고서 API

8. 타당성 검증

8.1 KAIST 검증 결과

PBD 진단 시스템 (PBD Assessment System) ​

목차 ​

1. 개요 ​

1.1 진단 구성 ​

1.2 측정 축 (Axis) ​

2. 문항 구조 ​

2.1 문항 유형 ​

Dual-Axis 7점 척도 (dual-axis-scale) ​

Likert 7점 척도 (likert-7) ​

2.2 Facet 구조 ​

2.3 문항 배치 규칙 ​

2.4 전체 문항 번호 계산 ​

3. 응답 처리 ​

3.1 응답 데이터 구조 ​

3.2 응답 저장 규칙 ​

4. 점수 산출 ​

4.1 축별 점수 계산 ​

4.2 PBD Matrix 위치 결정 ​

4.3 A-INDEX 계산 ​

4.4 타당성 지표 (Validity Indices) ​

4.4.1 SDI (사회적 바람직성 지수, Social Desirability Index) ​

4.4.2 ICI (내적 일관성 지수, Internal Consistency Index) ​

5. 결과 보고서 생성 ​

5.1 보고서 유형 ​

5.2 보고서 데이터 구조 ​

6. 데이터베이스 스키마 ​

6.1 진단 관련 테이블 ​

7. API 엔드포인트 ​

7.1 진단 API ​

7.2 보고서 API ​

8. 타당성 검증 ​

8.1 KAIST 검증 결과 ​

PBD 진단 시스템 (PBD Assessment System)

목차

1. 개요

1.1 진단 구성

1.2 측정 축 (Axis)

2. 문항 구조

2.1 문항 유형

Dual-Axis 7점 척도 (dual-axis-scale)

Likert 7점 척도 (likert-7)

2.2 Facet 구조

2.3 문항 배치 규칙

2.4 전체 문항 번호 계산

3. 응답 처리

3.1 응답 데이터 구조

3.2 응답 저장 규칙

4. 점수 산출

4.1 축별 점수 계산

4.2 PBD Matrix 위치 결정

4.3 A-INDEX 계산

4.4 타당성 지표 (Validity Indices)

4.4.1 SDI (사회적 바람직성 지수, Social Desirability Index)

4.4.2 ICI (내적 일관성 지수, Internal Consistency Index)

5. 결과 보고서 생성

5.1 보고서 유형

5.2 보고서 데이터 구조

6. 데이터베이스 스키마

6.1 진단 관련 테이블

7. API 엔드포인트

7.1 진단 API

7.2 보고서 API

8. 타당성 검증

8.1 KAIST 검증 결과