Sync — kartlegg personlighet og relasjoner

# Sync — Metodikk / Methodology

Sync er et longitudinelt instrument for selvforståelse og relasjonell literasi, ikke et matchingsverktøy. Vi måler kontinuerlige dimensjoner fra etablerte personlighets- og tilknytningsmodeller (Big Five, ECR-R, HEXACO Honesty-Humility, Schwartz' verdier, Bradbury & Fincham-attribusjonsstil) via et bitemporalt, tilføy-bare hendelseslogg. Dataene eies av Stiftelsen Folkepsyk, en alminnelig norsk stiftelse hvis vedtekter forbyr salg eller overføring av brukerdata til kommersielle aktører. Alt dette dokumentet beskriver — itembanken, oversettelsene, datamodellen, krypteringsslettingsmekanismen, og kalibreringsstatus — er offentlig etterprøvbart via vårt git-repositorium og denne metodikksiden, som oppdateres i samme commit som enhver endring i scoring eller måleinstrument.

Sync is a longitudinal instrument for self-understanding and relational literacy, not a matching tool. We measure continuous dimensions from established personality and attachment models (Big Five, ECR-R, HEXACO Honesty-Humility, Schwartz values, Bradbury & Fincham attribution style) through a bitemporal, append-only event log. The data is held by Stiftelsen Folkepsyk, an ordinary Norwegian foundation whose statutes prohibit sale or transfer of user data to commercial entities. Everything documented here — the item bank, the translations, the data model, the crypto-shredding erasure mechanism, and calibration status — is publicly auditable via our git repository and this methodology page, which is updated in the same commit as any change to scoring or measurement.

---

## Hva vi måler / What we measure

### Norsk

Sync måler fem hovedkonstrukter, alle behandlet som kontinuerlige dimensjoner snarere enn kategoriske typer.

**Personlighetstrekk — Big Five (femfaktormodellen).** Strukturen er etablert i Costa & McCrae (1992) for NEO-PI-R og parallelt i Goldberg (1999) for den offentlig tilgjengelige IPIP-versjonen. Vi bruker IPIP-NEO-120 (Johnson 2014), som er validert mot NEO-PI-R med konvergent korrelasjon r ≈ .85–.94 per domene og som er fri til bruk uten lisensavgift. De fem domenene — ekstraversjon (E), nevrotisisme (N), åpenhet (O), medmenneskelighet (A) og planmessighet (C) — er hver representert ved seks fasetter. Hver respondent får en posisjon i en kontinuerlig 30-dimensjonal fasettromskoordinat, ikke en bokstav eller etikett. Vi viser aldri "type"-merkelapper (ingen MBTI-stil tildeling, ingen "INFJ"-konstruksjoner).

**Tilknytningsdimensjoner — ECR-R-rammeverket.** Vi måler to ortogonale dimensjoner: tilknytningsangst (frykt for forlatthet, hyperaktivering) og tilknytningsunngåelse (ubehag med intimitet, deaktivering). Strukturen er etablert i Brennan, Clark & Shaver (1998) som Experiences in Close Relationships, og raffinert i Fraley, Waller & Brennan (2000) som ECR-R. Den taksometriske analysen av Fraley, Hudson, Heffernan & Segal (2015), basert på N > 33 000 respondenter, fant ingen evidens for naturlige kategorier — tilknytning er dimensjonalt. Vi viser derfor aldri en firekategoriebetegnelse (Sikker / Engstelig / Avvisende / Fryktsom) til brukeren; vi viser posisjonen i det todimensjonale rommet. To kontinuerlige tall, aldri en etikett.

**HEXACO Honesty-Humility (H).** Lee & Ashton (2004) og påfølgende arbeid identifiserte en sjette dimensjon utover Big Five som fanger oppriktighet, rettferdighet, grådighetsunngåelse og beskjedenhet. H er empirisk relatert til den mørke triaden (machiavellisme, narsissisme, psykopati) med høy konvergent validitet (Howard & Van Zandt 2020, meta-analyse, n ≈ 400 studier). I Sync brukes H ikke som likhetsmål, men som dimensjonal informasjon om en konstruksjon som har empirisk støtte i å forutsi utnyttende relasjonsatferd (de Miguel & Buss 2011).

**Schwartz' verdiorientering.** Schwartz (2003) sitt rammeverk for European Social Survey identifiserer ti basale verdiorienteringer organisert i en sirkulær struktur (selvtranscendens vs. selvforsterkning; åpenhet for endring vs. konservering). Verdier er prediktive for relasjonelle kompromisser og langsiktig kompatibilitet på områder hvor personlighetslikhet ikke gjør det (Luo & Klohnen 2005). I Sync er verdier informasjon brukeren får om seg selv, ikke et matchingsignal.

**Attribusjonsstil — Bradbury & Fincham.** Bradbury & Fincham (1990) viste at hvordan en partner forklarer den andres atferd — om negative handlinger tilskrives interne, stabile og globale årsaker eller eksterne, ustabile og spesifikke — er en sterk prospektiv prediktor for ekteskapelig tilfredshet. Karney, Bradbury, Fincham & Sullivan (1994) sin firårige nyfornyetstudie fant at attribusjonsstil i år 1 predikerte tilfredshet i år 4, mediert av varm/fiendtlig atferd i år 2. Vi måler attribusjonsstil via scenariobaserte items i v0; LLM-koding av fritekst-narrativer (validert mot et menneskemerket gullsett med κ ≥ 0,60) er planlagt for v2+.

Alle disse målene rapporteres som kontinuerlige skårer på dimensjoner, aldri som kategorier. Aldri en "type". Aldri en etikett. Posisjoner i rommet, ikke navn på øyer.

### English

Sync measures five primary constructs, all treated as continuous dimensions rather than categorical types.

**Personality traits — the Big Five.** The structure was established in Costa & McCrae (1992) for the NEO-PI-R and in parallel by Goldberg (1999) for the public-domain IPIP version. We use the IPIP-NEO-120 (Johnson 2014), which has been validated against the NEO-PI-R with convergent correlations of r ≈ .85–.94 per domain and which is free to use without licensing fees. The five domains — Extraversion (E), Neuroticism (N), Openness (O), Agreeableness (A), and Conscientiousness (C) — are each represented by six facets. Every respondent receives a position in a continuous 30-dimensional facet-space coordinate, not a letter or label. We never display "type" tags (no MBTI-style assignment, no "INFJ" constructions).

**Attachment dimensions — the ECR-R framework.** We measure two orthogonal dimensions: attachment anxiety (fear of abandonment, hyperactivation) and attachment avoidance (discomfort with intimacy, deactivation). The structure was established in Brennan, Clark & Shaver (1998) as the Experiences in Close Relationships scale and refined in Fraley, Waller & Brennan (2000) as the ECR-R. The taxometric analysis by Fraley, Hudson, Heffernan & Segal (2015), based on N > 33,000 respondents, found no evidence of natural categories — attachment is dimensional. We therefore never display a four-category label (Secure / Anxious / Dismissive / Fearful) to the user; we show position in the two-dimensional space. Two continuous numbers, never a label.

**HEXACO Honesty-Humility (H).** Lee & Ashton (2004) and subsequent work identified a sixth dimension beyond the Big Five capturing sincerity, fairness, greed-avoidance, and modesty. H is empirically related to the Dark Triad (Machiavellianism, narcissism, psychopathy) with high convergent validity (Howard & Van Zandt 2020, meta-analysis, n ≈ 400 studies). In Sync, H is not used as a similarity measure but as dimensional information about a construct with empirical support in predicting exploitative relational behavior (de Miguel & Buss 2011).

**Schwartz value orientations.** Schwartz (2003) developed for the European Social Survey identifies ten basic value orientations organized in a circular structure (self-transcendence vs. self-enhancement; openness to change vs. conservation). Values are predictive for relational compromise and long-term compatibility in domains where personality similarity is not (Luo & Klohnen 2005). In Sync, values are information the user receives about themselves, not a matching signal.

**Attribution style — Bradbury & Fincham.** Bradbury & Fincham (1990) demonstrated that how a partner explains the other's behavior — whether negative actions are attributed to internal, stable, and global causes or to external, unstable, and specific causes — is a strong prospective predictor of marital satisfaction. The Karney, Bradbury, Fincham & Sullivan (1994) four-year newlywed study found that Year-1 attribution style predicted Year-4 satisfaction, mediated by Year-2 warm/hostile behavior. We measure attribution style via scenario-based items in v0; LLM-coding of free-text narratives (validated against a human gold set with κ ≥ 0.60) is planned for v2+.

All these measures are reported as continuous scores on dimensions, never as categories. Never a "type". Never a label. Positions in a space, not names of islands.

---

## Hva vi ikke gjør / What we don't do

### Norsk

Sync er ikke en matchingstjeneste. Vi predikerer ikke kompatibilitet. Dette er ikke en designpreferanse — det er en empirisk begrensning.

**Joel et al. (2020)** publiserte i *PNAS* den hittil definitive testen av om individuelle forskjeller forutser relasjonskvalitet. Studien brukte 43 longitudinelle parstudier (11 196 par, 2 413 mål, gjennomsnittlig fire måletidspunkter over 14 måneder) og maskinlæring (Random Forests). Hovedfunnene var konsistente og ubarmhjertige:

- Relasjonsspesifikke oppfatninger — hvordan du opplever akkurat dette forholdet akkurat nå — forklarer opptil 45 % av variansen i relasjonskvalitet ved baseline og omtrent 18 % ved oppfølging.
- Individuelle forskjeller (personlighet, tilknytning, livstilfredshet osv.) forklarer omtrent 21 % ved baseline og ~12 % ved oppfølging.
- Partnerens individuelle trekk legger nesten ingenting til, gitt at man kjenner aktørens egne variabler.
- Personlighetslikhet i Big Five bidrar med under 0,5 % inkrementell varians.
- Demografi (kjønn, etnisitet, utdanning, inntekt, religion) bidrar nesten ingenting.

Dette betyr at den øvre grensen for hva pre-møte individuelle data kan si om hvordan en relasjon vil utvikle seg er omtrent 5 % av variansen i partnerens tilfredshet. Det er ikke et bedre algoritme-problem. Det er signalet som ikke er der.

**Finkel, Eastwick, Karney, Reis & Sprecher (2012)**, i sin 64-siders *Psychological Science in the Public Interest*-gjennomgang, konkluderte: *"To date, there is no compelling evidence that any online dating matching algorithm actually works."* Sync aksepterer denne konklusjonen som utgangspunkt. Vi måler ikke for å matche. Vi måler for at brukeren skal forstå seg selv bedre, og for at det longitudinelle datasettet skal kunne svare på spørsmål om norsk personlighet og relasjonsdynamikk over tid — spørsmål forskere kan stille, ikke svar vi gir brukeren forhåndspakket.

Det betyr i praksis:

- Ingen "match-score". Ingen prosenter. Ingen kompatibilitetstall.
- Ingen sammenligning av to brukeres profiler for å produsere et anbefalingssignal.
- Ingen påstander om at en kombinasjon av trekk forutsier varighet eller lykke.
- Ingen kategoriske dommer ("du er en X-type, du burde unngå Y-typer").

Det vi gjør er målbart og falsifiserbart: vi gir brukeren en kontinuerlig posisjon på dimensjoner forskningen har vist er stabile nok til å måle og relevante nok til å reflektere over.

### English

Sync is not a matching service. We do not predict compatibility. This is not a design preference — it is an empirical constraint.

**Joel et al. (2020)** published in *PNAS* the definitive test to date of whether individual differences predict relationship quality. The study used 43 longitudinal couples datasets (11,196 couples, 2,413 measures, an average of four time points over 14 months) and machine learning (Random Forests). The findings were consistent and unforgiving:

- Relationship-specific perceptions — how you experience this particular relationship right now — explain up to 45% of the variance in relationship quality at baseline and about 18% at follow-up.
- Individual differences (personality, attachment, life satisfaction, etc.) explain about 21% at baseline and ~12% at follow-up.
- A partner's individual traits add almost nothing beyond knowing the actor's own variables.
- Big Five personality similarity contributes under 0.5% incremental variance.
- Demographics (sex, race, education, income, religion) contribute almost nothing.

This means the upper bound on what pre-meeting individual data can tell us about how a relationship will go is roughly 5% of the variance in a partner's satisfaction. This is not a better-algorithm problem. It is the signal that is not there.

**Finkel, Eastwick, Karney, Reis & Sprecher (2012)**, in their 64-page *Psychological Science in the Public Interest* review, concluded: *"To date, there is no compelling evidence that any online dating matching algorithm actually works."* Sync accepts this conclusion as a starting point. We do not measure to match. We measure so that users can understand themselves better, and so that the longitudinal dataset can answer questions about Norwegian personality and relationship dynamics over time — questions researchers can ask, not answers we give users prepackaged.

In practice that means:

- No "match score". No percentages. No compatibility numbers.
- No comparison of two users' profiles to produce a recommendation signal.
- No claims that a combination of traits predicts longevity or happiness.
- No categorical verdicts ("you are an X-type, you should avoid Y-types").

What we do is measurable and falsifiable: we give the user a continuous position on dimensions research has shown to be stable enough to measure and relevant enough to reflect upon.

---

## Hvorfor scenarier / Why scenario-format items

### Norsk

Omtrent 70 % av Syncs items er Likert-skala (5-punkts enighet), og 30 % er scenariobaserte med tvungent valg (`forced_choice_2`) eller flervalgs-scenarier (`scenario_4`). Fordelingen er ikke estetisk; den er empirisk begrunnet.

**Cao & Drasgow (2019) meta-analyse** (*Journal of Applied Psychology* 104: 1347–1368) sammenlignet score-inflasjon under høyinnsats faking-instruksjoner mellom Likert- og tvungent-valg-formater. Funnet: med flerdimensjonale blokker og balansert sosial ønskverdighet er fakeeffekten på tvungent-valg-items omtrent *d* = 0,06. For Likert er den *d* = 0,50–0,70 (Viswesvaran & Ones 1999). Med andre ord: tvungent-valg-items motstår bevisst manipulasjon av selvpresentasjon dramatisk bedre, fordi respondenten ikke kan velge "enig" til alle ønskverdige beskrivelser samtidig.

Operasjonell evidens støtter dette. TAPAS (Tailored Adaptive Personality Assessment System), som har vært i drift ved amerikanske Military Entrance Processing Stations siden september 2009, har administrert mer enn 500 000 prøver i et høyinnsats-utvelgelsesmiljø. Brown & Maydeu-Olivares (2011, 2013) viste at Thurstoniansk IRT kan gjenopprette normative — ikke ipsative — skårer fra tvungent-valg-svar, slik at den klassiske begrensningen ved ipsative formater er overkommet.

Hvorfor da ikke 100 % scenarier? Tre grunner:

1. **Abstrakte trekk fanges raskere av Likert.** Items som "Får lett venner" eller "Liker orden" gir høy fasett-diskriminasjon med ett spørsmål; et scenario for samme fasett ville kreve 30–60 sekunder mer respons-tid uten tilsvarende informasjon-økning.
2. **Tvungent-valg-fakeeffektresistens krever balansering.** Cao & Drasgow understreker: motstanden mot faking holder bare når påstandene i en blokk er ekvivalente på sosial ønskverdighet og spenner over multiple dimensjoner. Det krever pretest av minst 20 ratere per item-blokk. En bredt-skala 100 %-scenario-form er ressurstung.
3. **Likert-data er sammenlignbart med store eksisterende validerte normer.** Vi kan benchmark Syncs IPIP-NEO-120-skårer mot Johnson (2014) sin ~600 000-deltaker norm.

For tilknytning er det imidlertid en ekstra grunn til at scenarier dominerer: **opphavsrett**. ECR-R-item-tekstene er copyright Wiley (Brennan/Clark/Shaver 1998-linje, refinert i Fraley et al. 2000). Direkte oversettelser av ECR-R-tekster ville være avledede verk underlagt Wileys lisens. Syncs tilknytningsitems er derfor originale scenarioformuleringer som måler de samme konstruktene (angst, unngåelse) som ECR-R, men i et opphavsrettssikkert format. Denne tilnærmingen er eksplisitt opplyst i det enkelte item, og koregistreringsvalidering mot ECR-R-kortformen (r ≥ 0,7-mål) er planlagt N ≥ 200 før vi kaller items "konvergent validert".

### English

Approximately 70% of Sync's items are Likert-scale (5-point agreement) and 30% are scenario-based with forced-choice (`forced_choice_2`) or multi-option (`scenario_4`) responses. This distribution is not aesthetic; it is empirically grounded.

**The Cao & Drasgow (2019) meta-analysis** (*Journal of Applied Psychology* 104: 1347–1368) compared score inflation under high-stakes faking instructions between Likert and forced-choice formats. The finding: with multidimensional blocks and balanced social desirability, the faking effect on forced-choice items is approximately *d* = 0.06. For Likert it is *d* = 0.50–0.70 (Viswesvaran & Ones 1999). Put differently: forced-choice items resist deliberate self-presentation manipulation dramatically better, because respondents cannot select "agree" to all desirable descriptions simultaneously.

Operational evidence supports this. TAPAS (Tailored Adaptive Personality Assessment System), in production at US Military Entrance Processing Stations since September 2009, has administered more than 500,000 tests in a high-stakes selection environment. Brown & Maydeu-Olivares (2011, 2013) demonstrated that Thurstonian IRT can recover normative — not ipsative — scores from forced-choice responses, overcoming the classical limitation of ipsative formats.

Why not 100% scenarios, then? Three reasons:

1. **Abstract traits are captured more efficiently by Likert.** Items like "Make friends easily" or "Like order" yield high facet discrimination with one question; a scenario for the same facet would require 30–60 more seconds of response time without commensurate information gain.
2. **Forced-choice faking resistance requires balancing.** Cao & Drasgow emphasize: the resistance to faking only holds when statements within a block are equated for social desirability and span multiple dimensions. That requires pretesting with at least 20 raters per item block. A broad-scale 100% scenario design is resource-intensive.
3. **Likert data is comparable with large existing validated norms.** We can benchmark Sync's IPIP-NEO-120 scores against the Johnson (2014) ~600,000-participant norm.

For attachment, however, there is an additional reason scenarios dominate: **copyright**. The ECR-R item texts are © Wiley (Brennan/Clark/Shaver 1998 line, refined in Fraley et al. 2000). Direct translations of ECR-R texts would be derivative works under Wiley's license. Sync's attachment items are therefore original scenario formulations measuring the same constructs (anxiety, avoidance) as ECR-R, but in a copyright-clean format. This is explicitly disclosed on each item, and concurrent-validity validation against the ECR-R short form (target r ≥ 0.7) is planned with N ≥ 200 before we describe these items as "convergently validated".

---

## Hvorfor bitemporalt og tilføy-bare / Why bitemporal and append-only

### Norsk

Syncs datamodell er en bitemporal, tilføy-bare hendelseslogg. Det betyr at hvert svar en bruker gir, hver tilstandsendring i et forhold, hver samtykkeoppdatering, lagres som en hendelse som aldri overskrives. Vi UPDATE-er aldri en svar-hendelse. Hvis en bruker reviderer et svar, settes en ny hendelse inn med peker tilbake til den den erstatter (`answer_events_supersessions`-tabellen), og begge bevares.

Hver hendelse bærer to tidsdimensjoner:

- **`system_time_range`**: når systemet lærte om faktumet. Settes alltid til `[now(), 'infinity')` ved innsetting.
- **`valid_time_range`**: når faktumet var sant i verden. Brukerstyrt og kan ligge i fortiden (en bruker rapporterer i mai at de gikk fra hverandre i mars).

Hvorfor dette? Tre grunner:

1. **Det longitudinelle datasettet er Syncs forskningsverdi.** Hver personlighetsmåling er en observasjon på et tidspunkt. Hvis vi overskriver, mister vi banen — vi mister muligheten til å si "her var brukeren ved baseline, her ved 30 dager, her ved 90 dager." Trekk-test-retest-stabilitet (Fraley 2002, *r* ≈ 0,39 gjennomsnitt for tilknytning over 5–21 år) er empirisk informasjon vi ikke kan rekonstruere fra et øyeblikksbilde.
2. **Bitemporalitet gjør retroaktive korreksjoner ærlige.** Når en bruker i mai forteller oss om et brudd som skjedde i mars, kan systemet svare på "hva visste vi om denne brukeren før vi lærte om bruddet" (system_time-spørring) og separat på "hva var sant for denne brukeren i mars" (valid_time-spørring). De er ulike spørsmål med ulike svar.
3. **Tilføy-bare disiplin er forsvarsbarhet mot tukling.** Hvis ingen kan UPDATE eller DELETE en svar-hendelse, kan ingen — hverken Sync-utviklerne, en kompromittert konto, eller en fremtidig kjøper — endre historien i ettertid. Dette håndheves i tre lag (se SCHEMA.md): rettigheter (app-rollen har bare INSERT + SELECT på hendelse-tabeller), triggere (BEFORE UPDATE/DELETE-triggere som kaster unntak), og kode-gjennomgang.

Avveiingen er at GDPR Artikkel 17 (rett til sletting) ser ut til å være i konflikt med tilføy-bare. Vår løsning: krypto-shredding. Hver bruker har en personlig data-krypteringsnøkkel (DEK), pakket av en miljø-spesifikk KMS-nøkkel (KEK). All PII er kryptert med brukerens DEK. Ved sletting destrueres DEK i KMS, hendelsene består, og hendelsene blir uavkodelige som personopplysninger — men forblir som pseudonyme, aggregerbare forskningspoeng (forutsatt at brukeren samtykket til `research_use`). Slettingen er reell etter GDPRs effektivitetstest; det longitudinelle datasettet beholder analysebredden.

Detaljer i [SCHEMA.md](./SCHEMA.md) §1.4 og §2.6.

### English

Sync's data model is a bitemporal, append-only event log. This means every answer a user gives, every relationship-state change, every consent update is stored as an event that is never overwritten. We never UPDATE an answer event. If a user revises an answer, a new event is inserted with a pointer back to what it supersedes (the `answer_events_supersessions` table), and both are preserved.

Each event carries two time dimensions:

- **`system_time_range`**: when the system learned the fact. Always set to `[now(), 'infinity')` at insert.
- **`valid_time_range`**: when the fact was true in the world. User-driven and can be in the past (a user reports in May that they broke up in March).

Why? Three reasons:

1. **The longitudinal dataset is Sync's research value.** Every personality measurement is a point-in-time observation. If we overwrite, we lose the trajectory — we lose the ability to say "here is the user at baseline, at 30 days, at 90 days." Trait test-retest stability (Fraley 2002, *r* ≈ 0.39 average for attachment over 5–21 years) is empirical information we cannot reconstruct from a snapshot.
2. **Bitemporality makes retroactive corrections honest.** When a user tells us in May about a breakup that happened in March, the system can answer "what did we know about this user before learning of the breakup" (system_time query) and separately "what was true for this user in March" (valid_time query). These are different questions with different answers.
3. **Append-only discipline is defensibility against tampering.** If no one can UPDATE or DELETE an answer event, no one — not Sync's developers, not a compromised account, not a future buyer — can change history retroactively. This is enforced in three layers (see SCHEMA.md): permissions (the app role has only INSERT + SELECT on event tables), triggers (BEFORE UPDATE/DELETE triggers that raise exceptions), and code review.

The trade-off is that GDPR Article 17 (the right to erasure) appears to conflict with append-only. Our resolution is crypto-shredding. Each user has a personal data encryption key (DEK), wrapped by an environment-scoped KMS key (KEK). All PII is encrypted with the user's DEK. On erasure, the DEK is destroyed in KMS, the events persist, and those events become undecodable as personal data — but remain as pseudonymous, aggregable research observations (provided the user consented to `research_use`). The erasure is real under GDPR's effectiveness test; the longitudinal dataset retains analytical coverage.

Details in [SCHEMA.md](./SCHEMA.md) §1.4 and §2.6.

---

## Det bevegelige minimumet / The moving minimum

### Norsk

Et personlighetsestimat er bare så pålitelig som antallet items det er basert på. Sync starter med en terskel på 300 items for å rapportere en fullstendig individuell profil. Det tallet er ikke vilkårlig: det er den etablerte psykometriske terskelen for fasett-nivå reliabilitet (Cronbach α ≥ 0,70 per fasett) på tvers av kombinerte IPIP-NEO + ECR + HEXACO-rammeverk, validert i Johnson (2014) sin IPIP-NEO-120-utvikling (~ 4 items per fasett × 30 fasetter for Big Five, pluss 18 items for tilknytningsdimensjoner, pluss 40 items for HEXACO H, pluss 50 items for verdier, pluss 60 items for attribusjonsstil og kontekst).

Når Syncs dataset vokser, vil vi kalibrere itemene med Item Response Theory (Graded Response Model for Likert, Thurstoniansk IRT for tvungent-valg). Med kalibrering kan vi beregne hver items individuelle diskriminasjonsverdi (a-parameter) og vanskelighetsgrad (b-parametere). Adaptiv testing — å velge de items som maksimerer informasjon for en spesifikk brukers nåværende skåreposisjon — kan da redusere antall items som trengs for samme reliabilitet, slik PROMIS-systemet har demonstrert i helsemålinger.

Vi forplikter oss til å publisere hver reduksjon av minimumsterskelen med evidensen som rettferdiggjør den. Tabellen nedenfor er det offentlige loggen.

### English

A personality estimate is only as reliable as the number of items it is based on. Sync starts with a threshold of 300 items to report a complete individual profile. That number is not arbitrary: it is the established psychometric threshold for facet-level reliability (Cronbach α ≥ 0.70 per facet) across the combined IPIP-NEO + ECR + HEXACO frameworks, validated in Johnson (2014)'s IPIP-NEO-120 development (~ 4 items per facet × 30 facets for the Big Five, plus 18 items for attachment dimensions, plus 40 items for HEXACO H, plus 50 items for values, plus 60 items for attribution style and context).

As Sync's dataset grows, we will calibrate items with Item Response Theory (Graded Response Model for Likert, Thurstonian IRT for forced-choice). Calibration yields each item's individual discrimination (a parameter) and difficulty (b parameters). Adaptive testing — selecting items that maximize information at a user's current score position — can then reduce the items needed for the same reliability, as the PROMIS framework has demonstrated in health measurement.

We commit to publishing each reduction of the minimum threshold with the evidence that justifies it. The table below is the public log.

### Endringslogg for minimum / Minimum threshold changelog

| Dato / Date | Minimum items | Begrunnelse / Justification | N ved kalibrering / N at calibration |
|---|---|---|---|
| 2026-Q3 | 300 | Baseline. Etablert psykometrisk terskel for fasett-nivå Cronbach α ≥ 0,70 på tvers av IPIP-NEO + ECR + HEXACO-rammeverk (Johnson 2014). / Baseline. Established psychometric threshold for facet-level Cronbach α ≥ 0.70 across IPIP-NEO + ECR + HEXACO frameworks (Johnson 2014). | N = 0 (pre-launch / pre-lansering) |
| (future / fremtid) | tba | tba | tba |

---

## Item-inventar / Item inventory

### Norsk

Hvert publiserte item er listet i Syncs offentlige item-katalog med fullstendig metadata: kilde-sitat, semver-versjon, begge oversettelser (norsk Bokmål og engelsk), oversetter, oversettelsesgjennomgangsstatus med dato og navngitt gjennomgår, scoringsretning (+1 eller −1), domene og fasett, og IRT-kalibreringsstatus (initialt alle merket `uncalibrated`). Hvert item er permanent lenket til sin git-blob i `/items/<item_id>@<version>.md`-katalogen, slik at en forsker kan sitere den eksakte teksten på et eksakt tidspunkt.

Items er Markdown-filer med YAML-frontmatter (full skjemaspesifikasjon i [ITEMS.md](./ITEMS.md) §1.1). Validering er CI-håndhevet: en pull request som endrer en items engelske tekst uten å nullstille `reviewed_by` for ikke-engelske oversettelser feiler. Et item kan ikke endre status til `published` uten N ≥ 50 pilotresponser, sosial-ønskverdighet pretest med N ≥ 20 ratere, klinisk gjennomgang av norsk tekst, og medianresponstid mellom 3 og 15 sekunder.

Den fullstendige item-inventaret er auto-generert fra `/items/*.md` og rendert på `/metode/items`.

> **Status per dato i toppen av dette dokumentet**: 24 starter-items publisert (4 per Big Five-domene + 4 ECR-R-scenarier), 0 HEXACO H, 0 Schwartz, 0 attribusjonsstil. Kalibreringsstatus for alle: `uncalibrated` — vi bruker offentlige priorer fra IPIP-NEO-120 (Johnson 2014) for individuelle reliabilitetsestimater inntil Syncs egen kalibreringsterskel er nådd.

Starter-items i de fem Big Five-domenene er listet med item_id, kilde, og begge tekster i [ITEMS.md](./ITEMS.md) §3.1–§3.6.

### English

Every published item is listed in Sync's public item catalog with full metadata: source citation, semver version, both translations (Norwegian Bokmål and English), translator, translation-review status with date and named reviewer, scoring direction (+1 or −1), domain and facet, and IRT calibration status (initially all marked `uncalibrated`). Each item is permanently linked to its git blob in the `/items/<item_id>@<version>.md` directory, so a researcher can cite the exact text at an exact moment.

Items are Markdown files with YAML frontmatter (full schema specification in [ITEMS.md](./ITEMS.md) §1.1). Validation is CI-enforced: a pull request that changes an item's English text without clearing `reviewed_by` for non-English translations fails. An item cannot change status to `published` without N ≥ 50 pilot responses, social-desirability pretest with N ≥ 20 raters, clinical review of the Norwegian text, and median response time between 3 and 15 seconds.

The full item inventory is auto-generated from `/items/*.md` and rendered at `/metode/items`.

> **Status as of the date at the top of this document**: 24 starter items published (4 per Big Five domain + 4 ECR-R scenarios), 0 HEXACO H, 0 Schwartz, 0 attribution style. Calibration status for all: `uncalibrated` — we use published priors from IPIP-NEO-120 (Johnson 2014) for individual reliability estimates until Sync's own calibration threshold is reached.

Starter items for the five Big Five domains are listed with item_id, source, and both texts in [ITEMS.md](./ITEMS.md) §3.1–§3.6.

---

## Skjevheter og begrensninger / Bias and limitations

### Norsk

En metodikkside som ikke er ærlig om begrensningene sine er reklame. Disse er kjente og adresserte i ulike grader.

**(a) Selvseleksjon.** Brukere som finner Sync via virale kanaler, sosiale medier, eller akademisk anbefaling er ikke representative for den norske befolkningen. De er sannsynligvis yngre, mer urbane, mer høyt utdannede, og mer åpne mot psykologisk selvutforskning enn populasjonsgjennomsnittet. Det betyr at aggregat-statistikk fra Syncs data ikke kan generaliseres til "norske personlighetsnormer" uten vekting eller post-stratifisering. For forskningsbruk skal Syncs aggregat-data behandles som en motivert frivilligs-stikkprøve, sammenlignbar med åpne nettbaserte personlighetsdatasett (My Personality, Open Source Psychometrics Project) i denne dimensjonen, ikke som en sannsynlighetsstikkprøve fra norsk populasjon i tradisjon med HUNT eller MoBa.

**(b) Norske oversettelser er fremoveroversatt, ikke klinisk verifisert i v0.** Vi følger en forover-tilbake-protokoll (ITEMS.md §4.1): en norsk taler oversetter fra engelsk; en annen oversetter tilbake til engelsk uten å se originalen; semantisk drift flagges og reviderer. Klinisk gjennomgang av en kvalifisert norsk psykometriker eller klinisk psykolog er den siste milepælen før et item er fullt godkjent. For v0 er denne kliniske gjennomgangen utestående for flesteparten av items, og vi merker hvert item med gjennomgangsstatus. Items hvor klinisk gjennomgang mangler kan vises i piloter, men er merket `draft` og rapporterte skårer fra dem er ikke en del av "kalibrert" individuelt resultat.

**(c) IRT-parametere er ikke kalibrert på Syncs spesifikke stikkprøve.** Vi bruker offentlige priorer fra IPIP-NEO-120 (Johnson 2014) for å estimere individuelle reliabilitetsskårer i mellomtiden. Dette er en konservativ tilnærming — Johnsons normer er basert på ~600 000 respondenter, men de fleste er engelsktalende, og kulturell varians i item-funksjonering (DIF) er en kjent risiko i tverrspråklige overføringer (Reise, Widaman & Pugh 1993). Når Sync har ~3000 fullført IPIP-NEO-120-aksessjoner, vil vi kjøre en CFA for å verifisere faktorinvarians mellom norsk og engelsk versjon, og publisere resultatene som et metodikknotat selv hvis de er ugunstige.

**(d) Tilknytnings-scenario-items er originale tilpasninger, ikke validerte ECR-R-oversettelser.** Som beskrevet i seksjonen "Hvorfor scenarier" er Syncs tilknytnings-items skrevet i scenarioform for å unngå Wiley-opphavsrett på direkte ECR-R-tekster. Vi har derfor ikke direkte konvergent validitet mot ECR-R-skårer — vi har konstrukvaliditet (vi måler de samme dimensjonene som beskrevet i Brennan/Clark/Shaver 1998). Den planlagte konvergens-studien (N ≥ 200, samtidig administrasjon av Sync-scenarier og ECR-R-kortform, mål r ≥ 0,7) er et nøkkelpunkt i Syncs validerings-roadmap.

**(e) Attribusjonsstil-items er scenariobaserte, validering pågår.** Vi bruker Bradbury & Fincham (1990) sin teoretiske ramme, men vår operasjonalisering er items vi har skrevet selv. v0 samler scenario-baserte responser; v2+ vil legge til LLM-koding av fritekst-narrativer, validert mot et menneskemerket gullsett med Cohen's κ ≥ 0,60 før den brukes i en bruker-overflate.

**(f) Det vi kan og ikke kan si.** Joel et al. (2020) sitt 21 %-tak (eller 12 % ved oppfølging) på individuelle forskjellers prediktive kraft over relasjonskvalitet er den ærlige rammen. Sync måler trekk og dimensjoner som er reelle og stabile nok til å gi nyttig selvinnsikt. Sync måler IKKE noe som med pålitelighet kan si "denne partnerkombinasjonen vil føre til lykke." Det er en grense empirien har satt, ikke en grense vi har valgt.

### English

A methodology page that is not honest about its limitations is marketing. These are known and addressed to varying degrees.

**(a) Self-selection.** Users who find Sync through viral channels, social media, or academic recommendation are not representative of the Norwegian population. They are likely younger, more urban, more highly educated, and more open to psychological self-exploration than the population average. This means aggregate statistics from Sync's data cannot be generalized to "Norwegian personality norms" without weighting or post-stratification. For research use, Sync's aggregate data should be treated as a motivated-volunteer sample, comparable to open online personality datasets (My Personality, Open Source Psychometrics Project) along this dimension, not as a probability sample from the Norwegian population in the tradition of HUNT or MoBa.

**(b) Norwegian translations are forward-translated, not clinically verified in v0.** We follow a forward-back protocol (ITEMS.md §4.1): a Norwegian speaker translates from English; a second translator translates back to English without seeing the original; semantic drift is flagged and revised. Clinical review by a qualified Norwegian psychometrician or clinical psychologist is the final milestone before an item is fully approved. For v0, this clinical review is outstanding for most items, and we mark each item with its review status. Items where clinical review is missing may appear in pilots but are tagged `draft`, and scores reported from them are not part of a "calibrated" individual result.

**(c) IRT parameters are not calibrated on Sync's specific sample.** We use published priors from IPIP-NEO-120 (Johnson 2014) to estimate individual reliability scores in the interim. This is a conservative approach — Johnson's norms are based on ~600,000 respondents, but most are English-speaking, and cultural variance in item functioning (DIF) is a known risk in cross-lingual transfers (Reise, Widaman & Pugh 1993). When Sync has ~3,000 completed IPIP-NEO-120 administrations, we will run a CFA to verify factor invariance between Norwegian and English versions, and publish the results as a methodology note even if unfavorable.

**(d) Attachment scenario items are original adaptations, not validated ECR-R translations.** As described in the "Why scenarios" section, Sync's attachment items are written in scenario form to avoid Wiley copyright on direct ECR-R texts. We therefore do not have direct convergent validity against ECR-R scores — we have construct validity (we measure the same dimensions described in Brennan/Clark/Shaver 1998). The planned convergence study (N ≥ 200, concurrent administration of Sync scenarios and ECR-R short form, target r ≥ 0.7) is a key item in Sync's validation roadmap.

**(e) Attribution style items are scenario-derived, validation pending.** We use the Bradbury & Fincham (1990) theoretical framework, but our operationalization is items we have written ourselves. v0 collects scenario-based responses; v2+ will add LLM coding of free-text narratives, validated against a human-coded gold set with Cohen's κ ≥ 0.60 before being used in a user-facing surface.

**(f) What we can and cannot say.** The Joel et al. (2020) 21% ceiling (or 12% at follow-up) on individual differences' predictive power over relationship quality is the honest frame. Sync measures traits and dimensions that are real and stable enough to provide useful self-insight. Sync does NOT measure anything that can reliably say "this partner combination will lead to happiness." That is a limit empiricism has set, not one we have chosen.

---

## Slik kan du etterprøve oss / How to audit us

### Norsk

Åpen metodikk er meningsløst hvis den ikke kan etterprøves. Følgende er offentlig tilgjengelige eller blir det innen v1:

- **Item-banken**: `/items/`-katalogen i Syncs git-repositorium. Lisensiert under Creative Commons BY 4.0. Hvert item er en Markdown-fil med YAML-frontmatter (se ITEMS.md §1.1) og kan siteres ved permanent git-blob-URL.
- **Datamodellen**: `schema.sql` — fullstendig Postgres DDL inkludert tabellstrukturer, triggere som håndhever den tilføy-bare regelen, indekser, og partisjoneringsregler. Distribuerbar som-er for replikasjon i et forskningsmiljø.
- **GitHub-repositoriet**: Privat under v0 for å gi rom for ufullstendige eksperimenter uten offentlig forvirring; offentlig ved lansering (v1). På lanseringsdato vil hver commit fra v0-perioden være offentlig synlig.
- **Krypto-shredding-implementasjonen**: Spesifisert i SCHEMA.md §1.4 og referert i privacy policy. Kildekoden for DEK-håndtering vil være i den offentlige klienten (TRUST.md forpliktelse 11: open-source-klient).
- **Årlig transparensrapport**: Publisert hver lanseringsårsdag (TRUST.md forpliktelse 4). Inkluderer offentlige dataanmodninger, ansattes datatilgang, sikkerhetshendelser, DPA-korrespondanse, og metodikkendringer. Første rapport: lanseringsdato + 12 måneder.
- **Tredjeparts akademisk revisjon**: Årlig revisjons-kadens av en norsk akademisk institusjon (Simula, NR, eller NTNU) etter TRUST.md forpliktelse 12. Resultatene publiseres uavhengig av om de er gunstige.
- **Validerings-studier**: Når de akkumuleres, publisert på metodikksiden med fulle datatabeller. Den planlagte CFA av IPIP-NEO-120 norsk vs. engelsk og ECR-R-konvergensstudien er begge i validerings-pipeline.

For å rapportere en metodikkfeil, åpne et issue i Syncs GitHub-repositorium (når offentlig) eller send til research@sync.no.

### English

Open methodology is meaningless if it cannot be audited. The following is publicly accessible or will be by v1:

- **The item bank**: the `/items/` directory in Sync's git repository. Licensed under Creative Commons BY 4.0. Each item is a Markdown file with YAML frontmatter (see ITEMS.md §1.1) and can be cited at its permanent git-blob URL.
- **The data model**: `schema.sql` — full Postgres DDL including table structures, triggers enforcing the append-only rule, indexes, and partitioning rules. Deployable as-is for replication in a research environment.
- **The GitHub repository**: Private during v0 to allow space for incomplete experiments without public confusion; public at launch (v1). On the launch date, every commit from the v0 period will be publicly visible.
- **The crypto-shredding implementation**: Specified in SCHEMA.md §1.4 and referenced in the privacy policy. Source code for DEK handling will be in the public client (TRUST.md commitment 11: open-source client).
- **Annual transparency report**: Published on each launch anniversary (TRUST.md commitment 4). Includes government data requests, employee data access, security incidents, DPA correspondence, and methodology changes. First report: launch date + 12 months.
- **Third-party academic audit**: Annual audit cadence by a Norwegian academic institution (Simula, NR, or NTNU) per TRUST.md commitment 12. Results are published whether favorable or not.
- **Validation studies**: As they accumulate, published on this methodology page with full data tables. The planned CFA of IPIP-NEO-120 Norwegian vs. English and the ECR-R convergence study are both in the validation pipeline.

To report a methodology error, open an issue in Sync's GitHub repository (when public) or write to research@sync.no.

---

## Etikk og samtykke / Ethics and consent

### Norsk

Sync samler inn data som under GDPR Artikkel 9 er særlige kategorier av personopplysninger — spesifikt items som kan indikere psykisk helse (nevrotisisme-fasettene angst, depresjon, sårbarhet), seksuelle preferanser inkludert legning, og religion-relaterte verdiitems. Datatilsynet leser Artikkel 9 bredt i lys av CJEU-avgjørelsen C-21/23 (Lindenapotheke, 2024), som utvidet "helseopplysninger"-tolkningen til å inkludere data som *indirekte kan utlede* helseinformasjon — selv om brukeren ikke er klassifisert som "syk".

Vår tilnærming:

**Granulært per-kategori samtykke.** SCHEMA.md §3 spesifiserer seks samtykkekategorier som hver vises som en separat veksleknapp ved første registrering:

1. `personality` — kreves for å bruke produktet. Big Five-items (IPIP).
2. `attachment` — kreves. ECR-R-tilknytningsitems.
3. `mental_health_adjacent` — valgfritt, standard AV. Nevrotisisme-fasetter som kan utlede psykisk helse.
4. `relationship_events` — valgfritt, standard AV. Relasjonshendelsestabellen.
5. `longitudinal_reengagement` — valgfritt, standard PÅ. E-poster ved 30/60/90 dager.
6. `research_use` — valgfritt, standard AV. Fullt anonymisert inkludering i publisert aggregatforskning.

Standard AV for alle valgfrie kategorier er en designdisiplin: vi ber om eksplisitt opt-in for alt over minimum. Brukere kan endre samtykke når som helst via `/konto/samtykke`, og hver endring skriver en ny rad i `consent_log` (samtykkeloggen er selv tilføy-bare).

**Krypto-shredding for GDPR Artikkel 17.** Som beskrevet i seksjonen "Hvorfor bitemporalt og tilføy-bare", destrueres brukerens DEK ved slettingsforespørsel. Krypterte PII-felter blir uleselige; pseudonymiserte hendelser består som forskningsdata, men bare hvis `research_use` ble samtykket til. Hvis ikke, slettes også de pseudonymiserte hendelsene fra forskningstabellene. Slettingens reelle effekt verifiseres ved at en eksport-av-mine-data-forespørsel post-sletting returnerer tomt (bare metadata-spor: "data was erased at timestamp T").

**Ingen tredjepartssporing.** Vi bruker ingen Mixpanel, Amplitude, Google Analytics, Segment, PostHog Cloud, Meta Pixel. Analytikk er Vercel Analytics (EU-residens) + Plausible (EU-residens), uten cookies eller fingeravtrykk. Ingen Facebook/Meta-SDK-er. IP-adresser hashes for begrensingsformål (rate limiting) og lagres aldri råe.

**Ingen LLM-genererte "innsikter" servert til brukeren i v0.** Dette er en eksplisitt anti-policy fra SCIENCE.md §15: "Aldri kjør en LLM i skala mot fritekst uten menneskelig validert κ ≥ 0,60 mot et gullsett." Fritekst kan samles inn (for fremtidig forskning, gitt samtykke), men ingen tolkning serveres tilbake til brukeren i sanntid før en validert kodingsmodell eksisterer. Dette er forskjellen mellom å samle data og å påstå forståelse av dataene.

**Norsk databehandlingsjurisdiksjon.** All Sync-data er fysisk i EU (Frankfurt eller annen EU-sone), per SCHEMA.md §9. Datatilsynet er tilsynsmyndighet. Vi vil publisere en liste over hvilke regjeringer vi vil avvise data-anmodninger fra og prosedyren for ikke-norsk/EU-anmodninger i transparensrapporten (TRUST.md forpliktelse 10).

**Helseforskningsloven §2 (REK-omfang)**: gjelder "medisinsk og helsefaglig forskning" som produserer "ny kunnskap om helse og sykdom." Sync er forbruker-selvkunnskap, ikke medisinsk forskning. REK gjelder ikke. **Sikt** (tidligere NSD) dekker forskere ved kontraherte institusjoner; Sync er ikke en. Sikt gjelder ikke i v0.

### English

Sync collects data that under GDPR Article 9 constitutes special categories of personal data — specifically items that may indicate mental health (the neuroticism facets anxiety, depression, vulnerability), sexual preference including orientation, and religion-related value items. The Norwegian Data Protection Authority (Datatilsynet) reads Article 9 broadly in light of the CJEU decision C-21/23 (Lindenapotheke, 2024), which expanded the "health data" interpretation to include data that *can indirectly infer* health information — even when the user is not classified as "ill".

Our approach:

**Granular per-category consent.** SCHEMA.md §3 specifies six consent categories, each presented as a separate toggle at first signup:

1. `personality` — required to use the product. Big Five items (IPIP).
2. `attachment` — required. ECR-R attachment items.
3. `mental_health_adjacent` — optional, default OFF. Neuroticism facets that could infer mental health.
4. `relationship_events` — optional, default OFF. The relationship-events table.
5. `longitudinal_reengagement` — optional, default ON. Emails at 30/60/90 days.
6. `research_use` — optional, default OFF. Fully anonymized inclusion in published aggregate research.

Default OFF for all optional categories is a design discipline: we ask for explicit opt-in for everything above the minimum. Users can change consent at any time via `/konto/samtykke`, and every change writes a new row in `consent_log` (the consent log is itself append-only).

**Crypto-shredding for GDPR Article 17.** As described in the "Why bitemporal and append-only" section, the user's DEK is destroyed on erasure request. Encrypted PII fields become unreadable; pseudonymized events persist as research data, but only if `research_use` was consented to. Otherwise, the pseudonymized events are also deleted from the research tables. The erasure's real effect is verified by ensuring that a post-erasure export-my-data request returns empty (only metadata trace: "data was erased at timestamp T").

**No third-party tracking.** We use no Mixpanel, Amplitude, Google Analytics, Segment, PostHog Cloud, Meta Pixel. Analytics is Vercel Analytics (EU residency) + Plausible (EU residency), without cookies or fingerprinting. No Facebook/Meta SDKs. IP addresses are hashed for rate-limiting purposes and never stored raw.

**No LLM-generated "insights" served to the user in v0.** This is an explicit anti-policy from SCIENCE.md §15: "Never run an LLM at scale against free text without human-validated κ ≥ 0.60 against a gold set." Free text may be collected (for future research, given consent), but no interpretation is served back to the user in real time until a validated coding model exists. This is the difference between collecting data and asserting understanding of the data.

**Norwegian processing jurisdiction.** All Sync data is physically in the EU (Frankfurt or other EU zone) per SCHEMA.md §9. Datatilsynet is the supervisory authority. We will publish a list of which governments we will refuse data requests from and the procedure for non-Norwegian/EU requests in the transparency report (TRUST.md commitment 10).

**Norwegian Health Research Act §2 (REK scope)** applies to "medical and health research" producing "new knowledge about health and disease." Sync is consumer self-knowledge, not medical research. REK does not apply. **Sikt** (formerly NSD) covers researchers at contracted institutions; Sync is not one. Sikt does not apply in v0.

---

## Forskningssamarbeid / Research collaboration

### Norsk

Sync er posisjonert som et longitudinelt forbruker-instrument som komplement til Norges eksisterende forskningsinfrastruktur — ikke som en erstatning eller konkurrent. HUNT (Trøndelag helseundersøkelse, NTNU) og MoBa (Mor, far og barn-undersøkelsen, FHI) er sannsynlighetsbaserte stikkprøver fra spesifikke norske subpopulasjoner med standardiserte måleprotokoller og institusjonell datadekning som Sync ikke replikerer og ikke skal forsøke å replikere.

Hva Sync kan bidra med er supplementært:

- **Høyfrekvent longitudinell måling**: 30/60/90-dagers re-test-kadens på personlighet- og tilknytningsdimensjoner gir tids-tett trekkstabilitet og endringsdata som er sjelden i klassiske kohortstudier.
- **Hendelses-trigget måling**: Brudd-narrativer, relasjonsovergangshendelser, og pre-/post-konflikt-målinger gir en datatype hvor før- og etter-tilstander er knyttet til den utløsende hendelsen i tid.
- **Item-banken som åpen ressurs**: CC-BY-4.0-lisens på alle items, inkludert norske oversettelser, gjør den fritt brukbar i akademisk forskning uten lisensavgifter eller juridisk venting.
- **Datatilgang for kvalifisert akademisk forskning**: Forutsatt brukernes `research_use`-samtykke og en forsker-DPA, kan aggregat- eller pseudonymiserte datasett gjøres tilgjengelige for forskere ved norske institusjoner. Prosessen er definert sammen med Stiftelsen Folkepsyks juridiske rådgivere og publiseres når den er ferdigstilt.

Vi inviterer kontakt fra NTNU, UiO, UiB, FHI, Folkehelseinstituttet, og andre institusjoner som arbeider med personlighet, tilknytning, relasjoner, og befolkningshelse. Spesielt: forskere ved HUNT-kontoret ved NTNU som vurderer hvordan en åpen, samtykke-basert forbruker-longitudinell strøm kan komplementere kohortdata, oppfordres til å ta kontakt.

Kontakt: research@sync.no (plassholder; vil bli oppdatert ved Stiftelsen Folkepsyks formelle registrering).

### English

Sync is positioned as a longitudinal consumer-grade instrument complementing Norway's existing research infrastructure — not as a replacement or competitor. HUNT (the Trøndelag Health Study, NTNU) and MoBa (the Norwegian Mother, Father and Child Cohort Study, FHI) are probability-based samples of specific Norwegian subpopulations with standardized measurement protocols and institutional data coverage that Sync does not replicate and should not attempt to replicate.

What Sync can contribute is supplementary:

- **High-frequency longitudinal measurement**: 30/60/90-day re-test cadence on personality and attachment dimensions yields time-dense trait stability and change data that is rare in classical cohort studies.
- **Event-triggered measurement**: Breakup narratives, relationship-transition events, and pre/post-conflict measurements yield a data type where before- and after-states are linked to the triggering event in time.
- **The item bank as an open resource**: CC-BY-4.0 licensing on all items, including Norwegian translations, makes it freely usable in academic research without licensing fees or legal delays.
- **Data access for qualified academic research**: Subject to users' `research_use` consent and a researcher DPA, aggregate or pseudonymized datasets can be made available to researchers at Norwegian institutions. The process is being defined in collaboration with Stiftelsen Folkepsyk's legal advisors and will be published when finalized.

We invite contact from NTNU, UiO, UiB, FHI (the Norwegian Institute of Public Health), and other institutions working on personality, attachment, relationships, and population health. In particular: researchers at the HUNT research office at NTNU considering how an open, consent-based consumer longitudinal stream may complement cohort data are encouraged to be in touch.

Contact: research@sync.no (placeholder; will be updated upon Stiftelsen Folkepsyk's formal registration).

---

## Referanser / References

Ashton, M. C., & Lee, K. (2004). Psychometric properties of the HEXACO Personality Inventory. *Multivariate Behavioral Research*, 39(2), 329–358.

Bradbury, T. N., & Fincham, F. D. (1990). Attributions in marriage: Review and critique. *Psychological Bulletin*, 107(1), 3–33.

Brennan, K. A., Clark, C. L., & Shaver, P. R. (1998). Self-report measurement of adult attachment: An integrative overview. In J. A. Simpson & W. S. Rholes (Eds.), *Attachment Theory and Close Relationships* (pp. 46–76). Guilford Press.

Brown, A., & Maydeu-Olivares, A. (2011). Item response modeling of forced-choice questionnaires. *Educational and Psychological Measurement*, 71(3), 460–502.

Brown, A., & Maydeu-Olivares, A. (2013). How IRT can solve problems of ipsative data in forced-choice questionnaires. *Psychological Methods*, 18(1), 36–52.

Cao, M., & Drasgow, F. (2019). Does forcing reduce faking? A meta-analytic review of forced-choice personality measures in high-stakes situations. *Journal of Applied Psychology*, 104(11), 1347–1368.

Costa, P. T., & McCrae, R. R. (1992). *Revised NEO Personality Inventory (NEO-PI-R) and NEO Five-Factor Inventory (NEO-FFI) Professional Manual*. Psychological Assessment Resources.

de Miguel, A., & Buss, D. M. (2011). Mate retention tactics in Spain: Personality, sex differences, and relationship status. *Journal of Personality*, 79(3), 563–586.

Dyrenforth, P. S., Kashy, D. A., Donnellan, M. B., & Lucas, R. E. (2010). Predicting relationship and life satisfaction from personality in nationally representative samples from three countries: The relative importance of actor, partner, and similarity effects. *Journal of Personality and Social Psychology*, 99(4), 690–702.

Finkel, E. J., Eastwick, P. W., Karney, B. R., Reis, H. T., & Sprecher, S. (2012). Online dating: A critical analysis from the perspective of psychological science. *Psychological Science in the Public Interest*, 13(1), 3–66.

Fraley, R. C. (2002). Attachment stability from infancy to adulthood: Meta-analysis and dynamic modeling of developmental mechanisms. *Personality and Social Psychology Review*, 6(2), 123–151.

Fraley, R. C., Hudson, N. W., Heffernan, M. E., & Segal, N. (2015). Are adult attachment styles categorical or dimensional? A taxometric analysis of general and relationship-specific attachment orientations. *Journal of Personality and Social Psychology*, 109(2), 354–368.

Fraley, R. C., Waller, N. G., & Brennan, K. A. (2000). An item response theory analysis of self-report measures of adult attachment. *Journal of Personality and Social Psychology*, 78(2), 350–365.

Funk, J. L., & Rogge, R. D. (2007). Testing the ruler with item response theory: Increasing precision of measurement for relationship satisfaction with the Couples Satisfaction Index. *Journal of Family Psychology*, 21(4), 572–583.

Goldberg, L. R. (1999). A broad-bandwidth, public domain, personality inventory measuring the lower-level facets of several five-factor models. In I. Mervielde, I. Deary, F. De Fruyt, & F. Ostendorf (Eds.), *Personality Psychology in Europe*, Vol. 7 (pp. 7–28). Tilburg University Press.

Gottman, J. M. (1994). *What Predicts Divorce? The Relationship Between Marital Processes and Marital Outcomes*. Lawrence Erlbaum.

Gottman, J. M., & Levenson, R. W. (1992). Marital processes predictive of later dissolution: Behavior, physiology, and health. *Journal of Personality and Social Psychology*, 63(2), 221–233.

Heller, D., Watson, D., & Ilies, R. (2004). The role of person versus situation in life satisfaction: A critical examination. *Psychological Bulletin*, 130(4), 574–600.

Hilbig, B. E., & Zettler, I. (2013). Honesty-Humility and a person-situation interaction at work. *European Journal of Personality*, 28(1), 73–82.

Howard, M. C., & Van Zandt, E. C. (2020). The discriminant validity of Honesty-Humility: A meta-analysis of the HEXACO, Big Five, and Dark Triad. *Journal of Research in Personality*, 87, 103982.

Iyengar, S. S., & Lepper, M. R. (2000). When choice is demotivating: Can one desire too much of a good thing? *Journal of Personality and Social Psychology*, 79(6), 995–1006.

Joel, S., Eastwick, P. W., Allison, C. J., et al. (2020). Machine learning uncovers the most robust self-report predictors of relationship quality across 43 longitudinal couples studies. *Proceedings of the National Academy of Sciences*, 117(32), 19061–19071.

Johnson, J. A. (2014). Measuring thirty facets of the Five Factor Model with a 120-item public domain inventory: Development of the IPIP-NEO-120. *Journal of Research in Personality*, 51, 78–89.

Karney, B. R., & Bradbury, T. N. (2000). Attributions in marriage: State or trait? A growth curve analysis. *Journal of Personality and Social Psychology*, 78(2), 295–309.

Karney, B. R., Bradbury, T. N., Fincham, F. D., & Sullivan, K. T. (1994). The role of negative affectivity in the association between attributions and marital satisfaction. *Journal of Personality and Social Psychology*, 66(2), 413–424.

Kollnig, K., Shuba, A., Van Kleek, M., Binns, R., & Shadbolt, N. (2022). Goodbye tracking? Impact of iOS App Tracking Transparency and privacy labels. *Proceedings of the 2022 ACM Conference on Fairness, Accountability, and Transparency*, 508–520.

Lee, K., & Ashton, M. C. (2004). Psychometric properties of the HEXACO Personality Inventory. *Multivariate Behavioral Research*, 39(2), 329–358.

Lenton, A. P., & Francesconi, M. (2010). How humans cognitively manage an abundance of mate options. *Psychological Science*, 21(4), 528–533.

Luo, S., & Klohnen, E. C. (2005). Assortative mating and marital quality in newlyweds: A couple-centered approach. *Journal of Personality and Social Psychology*, 88(2), 304–326.

Malouff, J. M., Thorsteinsson, E. B., Schutte, N. S., Bhullar, N., & Rooke, S. E. (2010). The Five-Factor Model of personality and relationship satisfaction of intimate partners: A meta-analysis. *Journal of Research in Personality*, 44(1), 124–127.

Reise, S. P., Widaman, K. F., & Pugh, R. H. (1993). Confirmatory factor analysis and item response theory: Two approaches for exploring measurement invariance. *Psychological Bulletin*, 114(3), 552–566.

Schwartz, S. H. (2003). A proposal for measuring value orientations across nations. *ESS Documentation Report*, Chapter 7. European Social Survey Core Scientific Team.

Viswesvaran, C., & Ones, D. S. (1999). Meta-analyses of fakability estimates: Implications for personality measurement. *Educational and Psychological Measurement*, 59(2), 197–210.

Wei, M., Russell, D. W., Mallinckrodt, B., & Vogel, D. L. (2007). The Experiences in Close Relationship Scale (ECR)-Short Form: Reliability, validity, and factor structure. *Journal of Personality Assessment*, 88(2), 187–204.

---

*Sist oppdatert: dato i toppen av dette dokumentet. Denne metodikksiden oppdateres i samme commit som enhver endring i scoring, items, eller måleinstrument — CI håndhever dette. / Last updated: date at the top of this document. This methodology page is updated in the same commit as any change to scoring, items, or measurement instruments — CI enforces this.*