首页 > 其他分享 >智商测试的发展历程及其影响:从学术研究到社会实践

智商测试的发展历程及其影响:从学术研究到社会实践

时间:2024-08-24 13:29:02浏览次数:7  
标签:学术研究 量表 研究 智商 能力 测试 智力 历程

发展

20世纪初,法国心理学家比奈(Alfred Binet,1857年-1911年)和他的学生编制了世界上第一套智力量表,根据这套智力量表将一般人的平均智商定为100,而正常人的智商,根据这套测验,大多在85到115之间。智商主要靠遗传,但是人的智力肯定不是一成不变的,它随着年龄的成熟而发展,因教育和训练而改变。

1905年,法国心理学家A・比奈和医生T・西蒙为了普及义务教育,筛选智力落后儿童,编制了世界上第一套智力测验量表,即比奈西蒙量表,共有30个测验项目,从易到难,依次排列。

1908年,根据使用1905年量表的结果,比奈和西蒙又作了修改,提出一个新量表,增加了测验项目,由原来的30个增加到54个,删除了那些需要经过专门训练才能完成的项目,自3岁到成年人,每个年龄组都有一定数量的测验项目。

后来,特曼教授把这套量表介绍到美国修订为斯丹福-比奈智力量表,并用心理年龄与生理年龄之比作为评定儿童智力水平的指数,这个比被称为智商,用公式表示即是:IQ=MA(心理年龄)/CA(生理年龄)×100。人们称这种智商为比率智商 。

美国心理学家韦克斯勒(D. Wechsler,1896-1981)制定的量表简称韦氏量表,是另一种使用广泛的智力测验量表,包括儿童智力量表,成人智力量表、学前及学龄初期智力量表。韦氏量表放弃了心理年龄的概念,保留着智商的概念,但不能使用传统的智商公式,而是应用统计学原理,根据人们的智力,按照正常分布的事实,计算出离差智商,用以表示智力的高低。韦克斯勒假定,人们的智商是以平均数字100和标准差15为正态分布的。因此,只要我们能够以标准差为单位计算一个人与他所在团体的平均数的差异,就可以求得他的智商。

争议

研究发现,智商测试“存在根本性缺陷”,仅凭智商测试衡量智力是“错误的”有史以来关于人类智力的最大规模研究发现,认为仅凭智商测试就可以衡量智力的观点是错误的。研究发现,智力至少由三种截然不同的特征组成。
智商测试在过去几十年里一直被用来衡量智力水平,不过这项研究发现,智商测试存在根本性缺陷,因为智商测试没有考虑到人类智力的复杂性质和不同组成部分。

此前有一些研究利用基于智商测试得出的结果,将智力水平与人种、性别和社会阶级联系起来,并且得出了极其具有争议的观点,即一些人群的智力天生就不如另一些人群。这一研究结果对上述研究的正确性提出了质疑。

智力由三种能力组成:短期记忆力、推理能力和语言能力。科学家发现,尽管这三种能力之间存在相互作用,但它们是由大脑中的三个不同的神经“回路”所控制的。

伦敦科学博物馆的外事总监罗杰·海菲尔德说:“这项研究结果彻底驳斥了这样的观点:智力的单一衡量指标,比如智商,足以体现人与人之间的所有认知能力差别。”
作为这份研究报告的作者之一,海菲尔德博士说:“与之相反的是,几个不同的回路共同影响智力,每一个回路都具有独特的能力。一个人或许会在其中一个领域表现很好,不过他或许很有可能在其他两个领域表现很糟。”这份研究报告刊登在美国《神经元》月刊上。
这项研究对世界各地的10万多人进行了网上问卷调查,受访者需要完成12项智力测试,用于衡量他们认知能力的不同方面,比如记忆力、推理能力、注意力和规划能力。
研究人员将其中的4.6万人作为代表样本,对这些人的测试结果进行分析。他们发现,认知能力由三个不同的部分组成:短期记忆力、推理能力和语言能力。

科学家发现,单一的智力组成部分,比如智商,无法解释这些测试结果所显示的所有变量。研究人员然后通过核磁共振的方式,对16名受试者的大脑回路进行了分析。结果发现,三个不同的智力组成部分对应着大脑中三个不同的
神经活动模式。

海菲尔德博士说:“100多年来,许多人以为我们可以基于总体智力的概念将人加以区分,人们往往只在意一个数字,即智商。我们已经证明,这么做是错误的。”

组合0.41134943367195365

评估智力水平:智商测试可以量化评估个体的智力水平,帮助了解自己在智力方面的优势和劣势。
职业选择与发展:对于成年人,智商测试可以作为职业选择和发展方向的参考。了解自己在智力方面的特长,有助于选择适合自己的职业,并在职业发展中找到最佳路径。

诊断与学习建议:在教育领域,智商测试常用于诊断学生的学习困难,并为教师提供针对性的教学建议。通过测试,教师可以识别出学生的特定学习需求,从而调整教学方法和策略。
个性化教育:智商测试可以帮助教育者了解每个学生的学习风格、兴趣和能力,从而为他们制定个性化的教育计划。这有助于提高学生的学习效率和兴趣,促进全面发展。

研究与应用:在心理学、教育学、神经科学等领域,智商测试是研究智力发展和个体差异的重要工具。通过大量样本的测试数据,科学家可以研究智力的遗传、环境和教育等因素,为提升人类智力水平提供科学依据。
监测进步:对于接受特殊教育或治疗的学生,智商测试可以定期监测他们的智力发展进步情况。这有助于评估教育或治疗的效果,以便及时调整方案。
辅助诊断疾病:一些神经系统疾病(如智力障碍、自闭症等)可能会影响个体的智力发展。通过智商测试,医生可以对这些疾病进行辅助诊断,为患者制定合适的治疗方案。

免费的瑞文智商测试API接口

标签:学术研究,量表,研究,智商,能力,测试,智力,历程
From: https://blog.csdn.net/2401_86548252/article/details/141498381

相关文章

  • 云监控的发展历程与未来展望
    本文分享自天翼云开发者社区《云监控的发展历程与未来展望》,作者:薛****志云监控的介绍随着云计算的普及,许多企业已经将关键业务系统和应用迁移到了云端。与传统的本地部署环境相比,云端环境更加动态和复杂,这使得监控云上资源和应用的运行状态变得尤为重要。云监控能够实时监......
  • 智商测试原理探微:心理学、统计学与测试科学的交融
    简介智力测试就是对智力的科学测试,它主要测验一个人的思维能力、学习能力和适应环境的能力。现代心理学界对智力有不同的看法。所谓智力就是指人类学习和适应环境的能力。智力包括观察能力、记忆能力、想象能力、思维能力等等。智商测试的原理心理学理论:智商测试的设计和......
  • 关键点检测(2)——关键点检测发展历程
    关键点检测,作为计算机视觉领域的重要分支,旨在识别图像或视频中具有特定意义或信息的关键点。如人脸上的鼻子,眼睛,或是关节等。在神经网络中,用于关键点检测的卷积神经网络(ConvolutionalNeuralNetworks,CNNs)有许多出名的模型。从DeepPose开始,直到现在的先进方法,形成了丰富......
  • python系列&deep_study系列:一文讲清chatGPT的发展历程、能力来源和复现它的关键之处
    这里写目录标题一文讲清chatGPT的发展历程、能力来源和复现它的关键之处1.ChatGPT是什么2.ChatGPT以及GPT系列模型2.1GPT-1/2/32.2GPT-3.5(InstructGPT)3.复现chatGPT的难点3.1海量的数据3.2超大规模的模型架构3.3深度人员参与(SFT,FeedME,PPO)3.4长期技术积累3......
  • 关键点检测(2)——关键点检测发展历程
    关键点检测是计算机视觉领域中一项重要任务,旨在识别图像或视频中具有特定意义或信息的关键点。如人脸上的鼻子,眼睛,或是关节等。在神经网络中,用于关键点检测的卷积神经网络(ConvolutionalNeuralNetworks,CNNs)有许多出名的模型。从DeepPose开始,直到现在的先进方法,形成了丰富......
  • 一文读完CST软件的发展历程
    CST软件经过近三十年的发展形成了自己独特技术路线,相较于市面上其他的产品最大的特征就是完备的技术(Completetechnology)。本期我们借由对CST历史的介绍,逐渐展开对CST软件的各个算法的特点介绍。CST工作室套装本身就超过20个求解器,能解决从直流、低频到高频,光学,多物理场,PCB,线缆......
  • 7.30 看到别人的历程有感
    看到“会说话的汤姆猫”的制作者创业故事,我深受启发。他们目标明确,清楚自己在技术方面与主流游戏厂商有不小的差距,因此选择了避开竞争激烈的红海市场,另辟蹊径,瞄准了尚未被充分开发的蓝海市场。面对广阔的蓝海市场,他们采取了最快速的研发策略,力求尽快占领市场先机。同时,他们在试......
  • 学生Java学习历程-4
    ok,到了一周一次的总结时刻,我大致会有下面几个方面的论述:1.这周学习了Java的那些东西2.这周遇到了什么苦难3.未来是否需要改进方法等几个方面阐述我的学习路程。这周最先开始学的仍旧是一些字词的使用instanceof,左边对象,右边为类,若对象是此类或其子类的对象,则输出true,否则输出fla......
  • 关于学习.NET的历程回顾与今后的探索实践方向
    关于学习.NET的历程回顾自从2023年9月11日注册公众号以来,这次还是第一次介绍自己。我今年24岁,双非本,211硕,非计算机相关专业。大学期间接触过计算机相关的课程可能就《大学生计算机基础》、《C语言程序设计》,并且也没掌握多好。22年4月研究生复试结束,联系好导师后,由于导师研究方......
  • 多模态大模型主流架构模式的演化历程
    多模态大模型主流架构模式的演化历程一、引言近年来,随着深度学习技术的飞速发展,多模态学习逐渐成为人工智能领域的研究热点。与单一模态不同,多模态学习旨在利用不同模态数据(如文本、图像、音频等)之间的互补信息,构建更加全面、准确的智能模型。多模态融合是实现多模......