霍兰德代码：六种类型、三个字母，以及字母没说的那部分
John Holland 的想法简单到用了七十年还没过时：人分成六种兴趣类型，工作环境也按同样六种分，两者越贴合，你待得越久、做得越好。他 1959 年发表理论的第一版，1997 年出到《Making Vocational Choices》第三版，才算讲全。
六种类型排成一个六边形。相邻的类型相似度高，正对面的相似度低，所以「现实型 + 研究型」的组合在工程岗位上常见，「现实型 + 社会型」就很少见。
六种类型
| 类型 | 被什么吸引 |
|---|---|
| 现实型 (R) | 工具、机械、动物、户外，做看得见结果的事。 |
| 研究型 (I) | 观察、分析、搞清原理，科学与数学。 |
| 艺术型 (A) | 写作、音乐、设计、表演，结构松散、要原创产出。 |
| 社会型 (S) | 教学、助人、培训、治疗，跟人打交道而非跟东西。 |
| 企业型 (E) | 领导、说服、销售，看目标、影响力与决策。 |
| 常规型 (C) | 记录、数据、流程，规则清楚、系统整齐。 |
代码是怎么出来的
本站版本 42 题，六种类型各 7 题，每题 0 到 4 计分，所以单个类型最高 28 分。六个总分排序，排在前面的字母就组成你的代码。所有 RIASEC 工具的逻辑都一样：各类型求和、排序、取前两到三位。
公开工具之间差别在题目数量，不在方法。美国劳工部的 O*NET Interest Profiler 用 180 题，每类型 30 题，作答是「喜欢／不喜欢／不确定」，题目打散排列而不是按类型分组，这样可以压低作答风格带来的偏差。Liao、Armstrong 与 Rounds（2008）编制的 IIP RIASEC 标记量表是 48 题、5 点计分，属公共领域。
信效度数据
1999 年的 O*NET 技术报告在 1,061 名参与者上做了检验。六种类型的内部一致性在 .93 到 .96 之间。重测样本里，第一次的 alpha 是 .93 到 .97，第二次是 .91 到 .97。重测相关系数落在 .81 到 .92，高于对照工具 Interest-Finder 的 .79 到 .88。
收敛效度表现不错：O*NET 与 Interest-Finder 的对应量表相关最高，交叉相关里最低的一项落在企业型，r = .73。
结构层面的结果就没那么漂亮了。对六边形环形模型的拟合，ONET 的对应指数只有 0.40，Interest-Finder 是 0.60。主成分分析发现一个一般因子解释 43.6% 的方差，Interest-Finder 是 49.47%。Prediger 在 1982 年给出的基准是一般因子平均解释约 41%，ONET 略高于基准，但仍低于竞争者。三处已知的毛病：企业型与艺术型的相关过高（按模型这两者应该隔开一步），企业型与社会型的相关又不够高（按模型这两者相邻），现实型与常规型的相关低于模型预期。
匹配到底能不能预测什么
能，但幅度有限。Nye 等人在 2017 年做了一项元分析，覆盖 92 项研究、数万名参与者：兴趣与工作环境一致的人，工作绩效更好、待得更久。想深入看，Bullock-Yowell 与 Reardon 在 2024 年出的开放教材讲六边形讲得比较完整，免费可读。「幅度有限」是关键：兴趣匹配只是若干输入之一，它承担不了那些热情洋溢的职业规划文章赋予它的分量。
代码测不出什么
兴趣不等于能力。研究型得分高的人未必擅长做研究，量表也没办法知道这件事。整份工具没有任何划界分，所以常规型得分低不构成缺陷。分数还会漂移：你接触过什么，会影响你报告自己喜欢什么，18 岁测出来的代码和 40 岁测出来的可能差得挺远。
把三个字母当成探索的起点，而不是结论。六边形的拟合本来就不完美，整个模型也是对一件相当复杂的事情的简化。本测试描述的是兴趣，不是诊断。