آبتاب– فاطمه مهسا کارآموزیان (مترجم)- در هلند از نمرات بهره هوشی برای تعیین اینکه آیا فرد واجد شرایط آموزش ویژه است یا به مراقبت‌های بهداشتی دسترسی دارد، استفاده می‌شود. اصطلاح این نوع استفاده از بهره هوشی «slagboomdiagnostiek» (تشخیص از طریق درگاه) نامیده می‌شود. انتقاداتی از سوی متخصصان در مورد این سیاست ابراز شده است. در این مقاله، با بررسی اعتبار و پایایی آزمون‌های بهره هوشی، در مورد توجیه سیاست فعلی هلند بحث خواهیم کرد. به طور خاص، به این موضوع خواهیم پرداخت که آیا می‌توان از آزمون بهره هوشی در تصمیم‌گیری بالینی در مورد فرد استفاده کرد یا خیر. ما استدلال می‌کنیم که اگرچه اعتبار و پایایی در سطح گروهی نشان داده شده است، اما برای فرد صادق نیست و منجر به این نتیجه می‌شود که سیاست فعلی هلند توجیه‌پذیر نیست.
مقدمه
در سال ۱۹۰۴، از آلفرد بینه خواسته شد ابزاری بسازد که بتواند بین کودکانی که می‌توانند از مدارس عادی بهره‌مند شوند و کودکانی که به نوعی آموزش ویژه نیاز دارند، تمایز قائل شود (گولد، ۱۹۹۶). در سال ۱۹۰۵، اولین آزمون هوش متولد شد. بینه قصد داشت که آزمون‌های هوش، نقاط قوت و ضعف شناختی کودک را نشان دهند؛ بر اساس این توانایی‌ها می‌توان نوع آموزش و کمک مورد نیاز را فرموله کرد. بینه به شدت با استفاده از نمرات هوش برای پیش‌بینی توانایی‌های آینده مخالفت کرد. هوش پایین به عنوان یک امر قطعی تلقی نمی‌شد و بنابراین بینه روش‌های مختلفی را برای افزایش هوش، با تمرکز بر یادگیری نحوه یادگیری، توسعه داد (گولد، ۱۹۹۶). نتیجه آزمون او بعداً IQ نامیده شد که توسط ویلیام استرن در سال ۱۹۱۲ ابداع شد. اگرچه از یک عدد برای نشان دادن یک امتیاز استفاده می‌شد، بینه اظهار داشت که خود عدد هیچ معنایی ندارد.
این عدد فقط میانگین بسیاری از عملکردها است، نه یک موجودیت مستقل. بینه به ما یادآوری می‌کند که هوش، یک چیز واحد و قابل مقیاس مانند قد نیست. بینه (۱۹۱۱) هشدار می‌دهد: «ما احساس می‌کنیم که لازم است بر این واقعیت تأکید کنیم، زیرا بعداً، برای سادگی بیان، از کودکی ۸ ساله صحبت خواهیم کرد که هوشی معادل یک کودک ۷ یا ۹ ساله دارد؛ این عبارات، اگر به طور دلخواه پذیرفته شوند، ممکن است جای خود را به توهمات بدهند.» بینه نظریه‌پرداز بسیار خوبی بود که در دام خطای منطقی جان استوارت میل گرفتار نشد – «باور اینکه هر چیزی که نامی به خود می‌گیرد باید یک موجودیت یا موجود باشد که وجود مستقلی برای خود دارد.» (بینه در گولد، ۱۹۹۶، صفحه ۱۸۱).
هشدار بینه مبنی بر اینکه نمره آزمون خود را مادی جلوه ندهید، دقیقاً همان چیزی است که اتفاق افتاد. به گفته توسعه‌دهندگان آزمون و متخصصان تشخیص، نمرات بهره هوشی نشان‌دهنده توانایی‌های شناختی هستند و نمرات آزمون‌های استاندارد هوش نقش برجسته‌ای در تصمیم‌گیری بالینی دارند. اصطلاحی که برای این پدیده استفاده می‌شود «slagboomdiagnostiek» (تشخیص درگاه) است. این درگاه توسط وینبرگ (۱۹۸۹) به خوبی توصیف شده است. او از نمرات بهره هوشی به عنوان “اعداد جادویی”یاد می‌کند. این اعداد برای انتخاب و قرار دادن در برنامه‌های (آموزشی) خاص استفاده می‌شوند. این نمرات تعیین می‌کنند که چه کسی به سرعت به فرزندی پذیرفته می‌شود یا در پیش‌دبستانی‌های سطح بالا پذیرفته می‌شود، چه کسی برچسب عقب‌مانده یا تیزهوش می‌خورد یا برای دریافت آموزش ویژه و برنامه‌ریزی پیگیری می‌شود، چه کسی در گروه یادگیری بلوبرد یا کاردینال‌ها قرار می‌گیرد، چه کسی به دانشگاه‌های نخبگان می‌رود یا فرصت‌های آموزشی دیگری به او پیشنهاد می‌شود، و چه کسی به عنوان افسر در ارتش خدمت می‌کند یا در یک برنامه آموزشی مدیریتی شرکت می‌کند. آزمون‌های بهره هوشی نقش محوری در تخصیص منابع و فرصت‌های جامعه ایفا کرده‌اند. (واینبرگ، ۱۹۸۹، ص ۱۰۰).
اظهارات واینبرگ تقریباً به ۳۵ سال پیش برمی‌گردد. از آن زمان تاکنون، در هلند، چیز زیادی تغییر نکرده است. در سال ۲۰۰۴، پروفسور هلندی پیتر تلگن به روانشناسان هشدار داد که تصمیمات خود را بیش از حد بر اساس نمرات بهره هوشی بگیرند. دلیل آن ایمیلی از والدینی بود که پسرشان در مدرسه خاصی پذیرفته نشده بود، زیرا نمره آزمون او ۱ نمره بهره هوشی کمتر از حداقل نمره بود. ممکن است فکر شود که این باید یک مورد استثنایی باشد و معمولاً حداقل یک فاصله اطمینان رعایت می‌شود. با این حال، به نظر می‌رسد که بهره هوشی همچنان نقش برجسته و حتی غالبی در تصمیم‌گیری و سیاست بالینی در هلند دارد، همانطور که مثال‌های اخیر زیر نشان می‌دهند.
اهمیت بهره هوشی در هلند
برای اینکه فرد به دلیل معلولیت‌های ذهنی، تحت قانون هلند یا قانون مراقبت طولانی مدت (Wlz؛ قانون مراقبت طولانی مدت) واجد شرایط مراقبت دائمی باشد، نمرات بهره هوشی لازم و در بیشتر موارد تعیین‌کننده است. این قانون، مراقبت‌های بهداشتی را به افرادی اختصاص می‌دهد که به مراقبت و نزدیکی ۲۴ ساعته نیاز دارند. افراد مبتلا به اختلالات روانپزشکی و بدون معلولیت ذهنی، مانند اوتیسم، واجد شرایط دریافت این بودجه نیستند. در عوض، آنها از یک قانون هلندی دیگر کمک دریافت می‌کنند؛ Zorgverzekeringswet (Zvw؛ قانون بیمه‌های مراقبت‌های بهداشتی). Zvw برای همه ساکنان اجباری است و در صورت نیاز به کمک کوتاه‌مدت استفاده می‌شود. مشخص شده است که این دو قانون هلندی به دلیل نقش برجسته ضریب هوشی می‌توانند باعث ایجاد موقعیت‌های متناقض شوند. برای مثال، یک وضعیت پیچیده: یک مرد جوان بالغ با نمره ضریب هوشی پایین (که اخیراً تعیین شده است)، اختلالات روانپزشکی و سابقه اعتیاد، واجد شرایط Wlz شناخته نشد، زیرا ضریب هوشی پایین او قبل از تولد ۱۸ سالگی‌اش نشان داده نشده بود. در این صورت، تعیین اینکه آیا واقعاً یک ناتوانی ذهنی وجود دارد یا خیر، غیرممکن است. به هر حال، ضریب هوشی پایین نیز ممکن است نتیجه اعتیاد او باشد. بنابراین، Zvw باید مراقبت‌های مورد نیاز او را تأمین مالی کند. با این حال، Zvw به دلیل ضریب هوشی پایینش این کار را انجام نمی‌دهد. برای کسب بینش بیشتر در مورد نقش نمرات بهره هوشی، وقتی صحبت از Wlz می‌شود، از اعضای انجمن روانشناسان کودک هلند (NVO؛ انجمن روانشناسان کودک هلند) خواستیم تا تجربیات خود را به اشتراک بگذارند (Radstaake و همکاران، ۲۰۲۳). پاسخ‌دهندگان (n = ۲۹) اظهار داشتند که بهره هوشی نقش مهم (۵۸٪) یا بسیار مهم (۴۱٪) در تخصیص Wlz ایفا می‌کند، در حالی که همه پاسخ‌دهندگان (۱۰۰٪) با این رویکرد مخالف هستند. هفتاد و دو درصد اظهار داشتند که در مواردی که به دلیل شرایط فردی مراجعشان غیرممکن یا نامطلوب بوده، مجبور به ارائه نمرات بهره هوشی شده‌اند. چند نقل قول برای منعکس کردن تجربیات پاسخ‌دهندگان:
بهره هوشی برای به دست آوردن یک شاخص بسیار مهم است. گاهی اوقات فقط یک امتیاز بهره هوشی اهمیت دارد. اتکا به نفس و رشد عاطفی نیز در نظر گرفته می‌شوند، اما نمره بهره هوشی معمولاً تعیین‌کننده است. [ترجمه توسط نویسندگان]
همانطور که قبلاً ذکر شد، تشخیص اینکه معلولیت قبل از سن ۱۸ سالگی رخ داده است، همیشه آسان نیست. علاوه بر این، بهره هوشی نسبتاً بالا (کم‌توانی ذهنی خفیف یا پایین‌تر از حد متوسط) همراه با عملکرد ضعیف تطبیقی و عاطفی نیز ممکن است نشان دهنده نیاز واقعی به مراقبت، راهنمایی و درمان در محل سکونت باشد. با این حال، ممکن است کسی به دلیل عدم دریافت آن شاخص، در جای مناسب قرار نگیرد. [ترجمه توسط نویسندگان]
بهره هوشی نه تنها نقش مهمی در حوزه مراقبت‌های بهداشتی ایفا می‌کند، بلکه در حوزه آموزش نیز برجسته است. این موضوع با پیشرفت اخیر در حوزه آموزش در هلند نشان داده شده است. در سال ۲۰۱۹، Sectorraad GO (آموزش تخصصی شورای بخش) یک مدل Landelijk Doelgroepen (LDGM؛ مدل گروه هدف ملی؛ www.gespecialiseerdonderwijs.nl) تدوین کرد. این مدل برای پیش‌بینی نتیجه برای یادگیرندگان در زمینه آموزش ویژه، مانند VSO (آموزش تخصصی گسترده)، dagbesteding (فعالیت روزانه) یا beschermd werk (کار محافظت‌شده) استفاده می‌شود و قرار است برای استفاده در آموزش عادی بیشتر توسعه یابد. این پیش‌بینی، از جمله موارد دیگر، بر اساس نمره کامل IQ (FSIQ) است. توسعه‌دهندگان LDGM اظهار می‌کنند که روشن کردن پتانسیل یادگیرنده از طریق آزمون‌های IQ مهم است و این پتانسیل به عنوان یک پیش‌بینی‌کننده قوی برای حداکثر موفقیت یادگیرنده عمل می‌کند. اعتقاد بر این است که این امر معلمان را قادر می‌سازد تا برنامه درسی خود را متناسب با پتانسیل یادگیرنده تنظیم کنند. توجه داشته باشید که بینه در مورد این استفاده از آزمون‌های هوش هشدار داد: “… او حتی بیشتر از آنچه از آن زمان “پیشگویی خودکامبخش” نامیده می‌شود، می‌ترسید. یک برچسب سفت و سخت ممکن است نگرش معلم را تغییر دهد و در نهایت رفتار کودک را به مسیر پیش‌بینی‌شده منحرف کند” (گولد، ۱۹۹۶، صفحه ۱۸۱). با ارائه مثالی دیگر، کلمه پتانسیل را کمی بیشتر برجسته خواهیم کرد. در هلند، یک آزمون هوش استاندارد توسط هاپ و ون باکستل (۲۰۱۳) تحت نظارت CITO (موسسه مرکزی توسعه آزمون) توسعه داده شد. در این مرحله، مهم است بدانید که در هلند، CITO یک موسسه معتبر با نفوذ گسترده در حوزه آموزش است. آنها در وب‌سایت خود بر اهمیت دانستن ضریب هوشی زبان‌آموز تأکید می‌کنند و بنابراین معلمان را به شدت تشویق می‌کنند که آن را اندازه‌گیری کنند:
برای کشف پتانسیل واقعی دانش‌آموز خود و ارائه پشتیبانی بهینه به او، اکنون آزمون هوش CognitiQ را داریم… به نظر من، آموزش و پرورش باید نشانه‌ای از توانایی‌های شناختی همه دانش‌آموزان داشته باشد. هر دانش‌آموز باید مورد آزمایش قرار گیرد تا آموزش و پرورش برای هدایت هر دانش‌آموز مجهزتر باشد. این امر مستلزم یک آزمون ضریب هوشی ارزان و قابل اجرا است که مدارس بتوانند خودشان آن را اجرا کنند. (هاپ و ون باکستل، ۲۰۱۳، www.cito.nl) .
در این راهنما، نویسندگان تمایز روشنی بین پتانسیل (آنچه در کودک وجود دارد) و عملکرد (چه توانایی‌هایی را کودک واقعاً نشان می‌دهد) قائل می‌شوند. آنها بیان می‌کنند که leervorderingtoetsen (آزمون‌های پیشرفت یادگیری) عملکرد را اندازه‌گیری می‌کنند، در حالی که پتانسیل توسط آزمون‌های هوش (IQ) اندازه‌گیری می‌شود. جالب اینجاست که نویسندگان همچنین از یک پیوستار بین عملکرد و پتانسیل صحبت می‌کنند و اظهار می‌کنند که ایجاد تمایز اساسی بین این دو غیرممکن است. به نظر آنها، نمرات آزمون‌های پیشرفت یادگیری بازتاب خالص پتانسیل یادگیرنده نیستند، زیرا سایر متغیرهای مرتبط در پیشرفت تحصیلی نقش دارند. این متغیرها، از جمله موارد دیگر، انگیزه، دانش و مهارت‌های کسب شده در مدرسه هستند که تحقیقات نشان داده است که نقش مهمی دارند (به عنوان مثال، ریچاردسون، ۲۰۰۲؛ استرنبرگ، ۲۰۱۸). به عبارت دیگر، این آزمون‌ها عملکرد را عمدتاً بر اساس مهارت‌های آموخته شده در مدرسه اندازه‌گیری می‌کنند. فرض این است که جدا از آنچه کودک در مدرسه آموخته است، نوعی پتانسیل نهفته در کودک وجود دارد و این همان چیزی است که گفته می‌شود آزمون‌های هوش آن را اندازه‌گیری می‌کنند. با این حال، این فرض که عملکرد و پتانسیل، دو انتهای یک پیوستار هستند، یک نقطه برش از پیش تعیین‌شده را تضمین نمی‌کند، زیرا این یک نقطه دلخواه خواهد بود. از این گذشته، دانش مبتنی بر مدرسه کجا پایان می‌یابد و هوش از کجا شروع می‌شود؟ اسمیت و تلن (۱۹۹۴) نیز بیان می‌کنند که جدا کردن دو مفهوم، پتانسیل و عملکرد، حداقل به صورت تجربی، غیرممکن است. این ایده که آزمون‌های هوش، توانایی را مستقل از آنچه در مدرسه یا زندگی آموخته می‌شود، اندازه‌گیری می‌کنند، ممکن است یک افسانه باشد. همانطور که استرنبرگ بیان کرده است: “آموزش بر همان حافظه و توانایی‌های تحلیلی تأکید دارد که آزمون‌ها می‌سنجند. آزمون‌ها و مدارس یکدیگر را در یک حلقه بی‌پایان تقویت می‌کنند” (۲۰۱۸، صفحه ۳). در واقع، یک متاآنالیز توسط ریچی و تاکر-دراب (۲۰۱۸) نشان می‌دهد که بین هوش و تحصیلات همبستگی مثبتی وجود دارد. متاآنالیز آنها شامل بیش از ۶۰۰۰۰۰ شرکت‌کننده بود و نشان داد که تحصیلات، به صورت علّی، ضریب هوشی را افزایش می‌دهد. حتی بینه و سیمون اشاره کردند که اکتساب‌های تحصیلی منبع واریانس در آزمون آنها است (ریچاردسون، ۲۰۰۲). نکته جالب و تا حدودی گیج‌کننده این است که CITO نه تنها یک آزمون هوش استاندارد، بلکه یک رویکرد ارزیابی پویا (DA) نیز توسعه داده است. در دفترچه راهنمای DA، نویسنده بیان می‌کند که DA در آموزش ویژه توصیه می‌شود زیرا «اینکه یادگیرنده می‌تواند در یک موقعیت آزمایشی مصنوعی به تنهایی چه کاری انجام دهد، جای سوال دارد» (کوهلمایر، ۲۰۱۸، صفحه ۴)، با اشاره به ارزیابی استاندارد (SA). «دانستن پتانسیل یادگیری یادگیرنده مهمتر است، یعنی اینکه بگوییم یک یادگیرنده می‌تواند با کمک یک بزرگسال در یک موقعیت طبیعی چه کاری انجام دهد و میزان کمک مورد نیاز چقدر است» (صفحه ۴)، و «DA به معلمان نشانه‌ای از پتانسیل یادگیری یا توانایی‌های یادگیری، تغییرپذیری یا اصلاح‌پذیری می‌دهد». به عبارت دیگر، تحلیل عاملی اکتشافی (DA) در مقایسه با آزمون‌های استاندارد هوش، می‌تواند ابزار بهتری برای آشکار کردن پتانسیل یادگیرنده باشد. این موضوع، حوزه کاری را با این سوال مواجه می‌کند که ضریب هوشی (IQ) که توسط آزمون‌های استاندارد هوش اندازه‌گیری می‌شود، واقعاً چقدر مرتبط و معنادار است. مجدداً، از اعضای NVO که در حوزه آموزشی کار می‌کنند، خواستیم تا نظرات خود را بیان کنند و تجربیات خود را به اشتراک بگذارند (رادستایک و همکاران، ۲۰۲۳). برخی از نقل قول‌ها:
نقش ضریب هوشی (گاهی اوقات به شدت) بیش از حد تخمین زده می‌شود، به خصوص وقتی صحبت از دانش‌آموزان آسیب‌پذیر می‌شود که در مدرسه با مشکل مواجه هستند، که می‌تواند فرصت‌های برابر را (به دلیل انتظارات پایین) تضعیف کند. موفقیت در مدرسه تحت تأثیر عوامل بسیار بیشتری از ضریب هوشی قرار دارد، مانند: انگیزه، رفاه، استعدادها، علایق، عملکردهای اجرایی کودک، کیفیت آموزش، اقدامات آموزشی و تربیتی معلمان، همکاری در تیم مدرسه، نگرش حرفه‌ای، دریافت بازخورد از یکدیگر، والدین و دانش‌آموزان و یادگیری از آن، میزان حمایت والدین از آموزش و همکاری بین مدرسه و والدین و مشارکت والدین.
اگر مردم واقعاً بتوانند ارزش محدود نمره ضریب هوشی را درک کنند، بسیار مفید خواهد بود. حتی مهمتر از آن، در طول تحقیقات هنجاری، نمونه‌ای از توزیع نرمال در جمعیت گرفته می‌شود. در نتیجه، تعداد بسیار کمی از کودکان با ضریب هوشی زیر ۷۰ در آن نمونه گنجانده شده‌اند، با وجود اینکه این گروه، گروهی هستند که پیامدهای نمره ضریب هوشی (به ناحق) بیشترین تأثیر را بر آنها دارد. اگر کسی بخواهد به چنین نمره‌ای اهمیت بدهد، بسیار مهم است که اطمینان حاصل کند که نمره تا حد امکان قابل اعتماد است، زیرا من واقعاً در مورد آن تردیدهای زیادی دارم.
در نتیجه، در هلند، شاهد اهمیت نمرات بهره هوشی، در کنار انتقادات مطرح شده توسط متخصصان در زمینه‌های مراقبت‌های بهداشتی و آموزش هستیم. ما در این فکر هستیم که آیا استفاده از نمرات بهره هوشی به عنوان دریچه‌ای در سیاست فعلی هلند قابل توجیه است یا خیر. برای پاسخ به این سوال، به دو موضوع مهم در مورد اندازه‌گیری هوش می‌پردازیم: اعتبار و پایایی. ما این زاویه را انتخاب کرده‌ایم، زیرا اصطلاحات اعتبار و پایایی اغلب در کتابچه‌های راهنمای آزمون ناشران و انتشارات کمیته آزمون هلند (COMmissie Testaangelegenheden Nederland) (COTAN؛ مسائل مربوط به کمیته آزمون، هلند) برای نشان دادن ویژگی‌های روان‌سنجی آزمون‌های استاندارد استفاده می‌شوند. به طور خاص‌تر، مفاهیم اعتبار و پایایی برای توجیه استفاده از آزمون‌های هوش استاندارد استفاده می‌شوند. در ادامه استدلال خواهیم کرد که آزمون‌های هوش استاندارد ممکن است در سطح گروهی معتبر و قابل اعتماد به نظر برسند، اما این داده‌ها را نمی‌توان به فرد منتقل کرد.
مسئله اعتبار
مهمترین مفهومی که در تحقیقات هوشبهر نیاز به توجه دارد، اعتبار است. از این گذشته، محققان و متخصصان تشخیص باید مطمئن باشند که هوش به عنوان یک ویژگی وجود دارد که می‌توان آن را مانند دما اندازه‌گیری کرد. بنابراین، اعتبار به سادگی عبارت است از «… آیا یک آزمون واقعاً آنچه را که ادعا می‌کند اندازه‌گیری می‌کند، اندازه‌گیری می‌کند یا خیر…» (کلی، ۱۹۲۷، صفحه ۱۴). طبق گفته بورسبوم و همکاران (۲۰۰۴)، این تعریف از اعتبار مستلزم آن است که «الف) ویژگی اندازه‌گیری شده وجود داشته باشد و ب) تغییرات در ویژگی به طور علّی باعث ایجاد تغییر در نتایج روش اندازه‌گیری شود» (صفحه ۱۰۶۱). علاوه بر این، مسئله اعتبار مربوط به تکنیک‌های روان‌سنجی مناسب نیست، «… نمی‌توان آن را به روش‌شناسی واگذار کرد» (صفحه ۱۰۶۲)، بلکه باید توسط نظریه اساسی مورد بررسی قرار گیرد. ما این مفاهیم را در پاراگراف‌های بعدی بررسی خواهیم کرد.
ویژگی اندازه‌گیری شده وجود دارد
جمله اول به این معنی است که وقتی هوش به عنوان یک موجودیت وجود ندارد، نمی‌توان آن را اندازه‌گیری کرد. برای این موضوع، مهم است که ابتدا مفهوم هوش را بررسی کنیم. با وجود این واقعیت که اولین آزمون‌های رسمی هوش تقریباً ۱۰۰ سال پیش توسعه یافته‌اند، محققان هنوز بر سر فرضیات اساسی، مانند نحوه مفهوم‌سازی هوش، توافق ندارند. یکی دیگر از اختلافات مهم مربوط به این سوال است که آیا یک عامل هوش عمومی، به اصطلاح عامل g، وجود دارد یا خیر. تا به امروز، هیچ پاسخ قطعی به سوالاتی مانند ماهیت عامل g و میزان قابل اندازه‌گیری بودن این عامل وجود ندارد. ما بیشتر به موضوع g خواهیم پرداخت.
یک عامل هوش عمومی مبتنی بر همبستگی
چارلز اسپیرمن (۱۸۶۳-۱۹۴۵) اصطلاح g را ابداع کرد. او دریافت که عملکرد در آزمون‌های هوش مرسوم با نمرات سایر آزمون‌های توانایی ذهنی همبستگی دارد. او استدلال کرد که یک توانایی اساسی باید علت آن باشد، به اصطلاح توانایی عمومی یا g. او علاوه بر g، s را فرموله کرد که به توانایی‌های خاص لازم برای وظایف خاص اشاره دارد (واینبرگ، ۱۹۸۹). تحقیقات داده‌های گروهی، بر اساس روش‌های آماری، یک ساختار سلسله مراتبی از هوش را نشان می‌دهد که g در صدر آن قرار دارد. به گفته اسپیرمن، کشف عامل g، روانشناسی را به یک علم واقعی تبدیل می‌کند (گولد، ۱۹۹۶). اسپیرمن تحلیل عاملی را اختراع کرد و عامل g را تقریباً در همان دوره‌ای که آزمون هوش و ضریب هوشی در جامعه بسیار مورد توجه بود، کشف کرد. در ابتدا، اسپیرمن نسبت به آزمایش‌کنندگان ذهنی با فروتنی رفتار می‌کرد و از بسیاری از زیرآزمون‌های غیرمرتبط برای اندازه‌گیری هوش استفاده می‌کرد و نمرات را در یک ضریب هوشی واحد ادغام می‌کرد (گولد، ۱۹۹۶). با این حال، بعدها او عامل g را به عنوان توجیهی برای استفاده از ضریب هوشی (IQ) در نظر گرفت:
اسپیرمن با شور و اشتیاق استدلال کرد که توجیه آزمایش بینه در نظریه خودش در مورد یک g واحد نهفته است که زیربنای تمام فعالیت‌های شناختی است. آزمون‌های هوش به این دلیل کار می‌کردند که، بدون اطلاع سازندگانشان، g را با دقت نسبتاً خوبی اندازه‌گیری می‌کردند. هر آزمون جداگانه دارای بار g و اطلاعات خاص خود (یا s) بود، اما بار g از تقریباً صفر تا تقریباً ۱۰۰ درصد متغیر است. از قضا، دقیق‌ترین معیار g، میانگین نمره برای مجموعه‌ای بزرگ از آزمون‌های جداگانه از متنوع‌ترین نوع خواهد بود. هر آزمون تا حدی g را اندازه‌گیری می‌کند. این تنوع تضمین می‌کند که عوامل s آزمون‌های جداگانه در تمام جهات ممکن متفاوت باشند و یکدیگر را خنثی کنند. فقط g به عنوان عامل مشترک در همه آزمون‌ها باقی خواهد ماند. ضریب هوشی به این دلیل کار می‌کند که g را اندازه‌گیری می‌کند. (گولد، ۱۹۹۶، صفحات ۲۹۳-۲۹۴)
ایده یک عامل هوش عمومی در علم و در جامعه امروز همچنان مهم است. کارول (۱۹۹۷) بیان می‌کند که «وقتی داده‌های همبستگی بتوانند با استفاده از مدل‌های تحلیل عاملی به خوبی برازش شوند، از نظر علمی مناسب است که وجود و عملکرد عامل مفروض را بپذیریم» (صفحه ۲۸)، و استرنبرگ (۲۰۱۸) استدلال می‌کند که در حال حاضر، پس از دوره‌های کوتاهی از تأکید بر نظریه‌های گسترده‌تر هوش، رایج‌ترین نظر در حوزه تحقیقات هوش، دیدگاه «سنتی» در مورد وجود عامل g است. اگرچه ماهیت دقیق g ناشناخته است، بسیاری از محققان بر اساس مطالعات فرزندخواندگی و دوقلوها معتقدند که باید به یک عامل ژنتیکی یا بیولوژیکی مربوط باشد (ریچاردسون و نورگیت، ۲۰۰۶). تحقیقات بارها نشان داده‌اند که g با عملکرد شغلی، به ویژه در مورد مشاغل پیچیده شناختی (گاتفردسون، ۱۹۹۷؛ استرنبرگ، ۲۰۱۲) و عملکرد تحصیلی (آیزنک، ۲۰۱۷؛ نتلبک و ویلسون، ۲۰۰۵) همبستگی دارد. گاتفردسون (۱۹۹۷) معتقد است که روانشناسان عموماً موافقند که g عملکرد شغلی را پیش‌بینی می‌کند، اما اعتبار پیش‌بینی g به نوع شغل بستگی دارد؛ هرچه شغل پیچیده‌تر باشد، اعتبار پیش‌بینی بالاتر است و همبستگی‌ها از ۰.۲ تا ۰.۸ متغیر است. همبستگی بین عامل g و پیشرفت تحصیلی و وضعیت شغلی هر دو حدود ۰.۵ است (ریچاردسون، ۲۰۰۲). با این حال، ریچاردسون اظهار می‌کند که اندازه‌گیری همبستگی بین ضریب هوشی (به عنوان بازتابی از عامل g) و عملکرد شغلی دشوار است، زیرا عملکرد شغلی عمدتاً توسط رتبه‌بندی‌های ذهنی سرپرستان اندازه‌گیری می‌شود. او به این واقعیت اشاره می‌کند که نتایج تحقیقات مبهم است. رابطه فرضی بین ضریب هوشی و عملکرد شغلی با افزایش اعتماد به نفس کارکنان، از بین می‌رود. با وجود نتایج متفاوت، از این همبستگی‌ها برای استنباط اینکه g ارزش پیش‌بینی‌کننده دارد استفاده می‌شود و به همین دلیل اعتقاد بر این است که اندازه‌گیری g، با استفاده از آزمون‌های IQ، مفید است. نتلبک و ویلسون (۲۰۰۵) استفاده از آزمون‌های هوش را در محیط‌های آموزشی توصیه می‌کنند، زیرا این آزمون‌ها تنها در عرض «یک یا دو ساعت» به معلم بینشی در مورد هوش کودک می‌دهند که می‌تواند برای پیش‌بینی عملکرد تحصیلی مورد استفاده قرار گیرد. همانطور که نتلبک و ویلسون بیان می‌کنند: «… علیرغم کاستی‌ها و نکات مهم در مورد کاربرد آن، نمره هوش به عنوان تخمینی برای هوش عمومی، اعتبار سازه خوبی دارد. فراتر از پیش‌بینی دستاوردها در رویدادهای زندگی و ثبات طولی، تفاوت‌های فردی در هوش به طور قطع منعکس کننده تنوع ژنتیکی است» (صفحه ۶۱۲).
چگونه عامل g را تفسیر کنیم
بنابراین، عامل g معمولاً هنگام انجام ساختار هوش در تحقیقات گروهی ظاهر می‌شود. این سوال باقی می‌ماند که آیا g به یک موجودیت واقعی با معنای روانشناختی اشاره دارد یا اینکه فقط معنای روان‌سنجی دارد. لوهمن (۱۹۹۷) آن را به شرح زیر توصیف می‌کند:
از اسپیرمن تا به امروز، کسانی که تحلیل‌های عاملی همبستگی بین آزمون‌ها را گزارش می‌کنند، به طور معمول از اظهارات دقیق در مورد عواملی که نشان‌دهنده “الگوهای کوواریانس” یا “وحدت‌های عملکردی” مناسب هستند، به موجودیت‌هایی که به نوعی در مغز کسانی که به آزمون‌ها پاسخ داده‌اند وجود دارند، منحرف شده‌اند. (صفحه ۳۷۰)
نویسندگانی وجود دارند که نشان داده‌اند با استفاده از روش‌های مختلف تحقیق، می‌توان در مورد عامل g نتیجه‌گیری‌های متفاوتی گرفت. عامل g هنگام استفاده از مدل‌های عاملی قابل مشاهده می‌شود، اما این تکنیک‌های آماری، همانطور که توسط مولنار و کمپبل (۲۰۰۹) نشان داده شده است، حاوی مسائل جدی هستند. آنها یک تحلیل عاملی بر روی نمرات آزمون پنج عامل بزرگ شخصیت با استفاده از یک گروه ۲۲ نفره (جمعیت) انجام دادند و در واقع ساختار پنج عاملی شخصیت را به دست آوردند. همه شرکت‌کنندگان همچنین در طول ۹۰ روز متوالی، پرسشنامه پنج عامل بزرگ را تکمیل کردند و تحلیل عاملی روی هر شرکت‌کننده به طور جداگانه انجام شد. نتایج، مدل‌های عاملی بسیار متفاوتی را برای هر شرکت‌کننده نشان داد. مدل‌های عاملی کامل از سه شرکت‌کننده مختلف ارائه شد. مدل عاملی شرکت‌کننده ۱۳، سه عامل، شرکت‌کننده ۱، چهار عامل و مدل عاملی شرکت‌کننده ۸، دو عامل را نشان داد.
در سطح فردی، ساختار ویژگی‌های شخصیتی می‌تواند بسیار متفاوت از مدل نظری مبتنی بر داده‌های گروهی باشد. وقتی صحبت از عامل g می‌شود، می‌توان دقیقاً همان نتایج را گرفت. تحقیقات اخیر اشمیدک و همکاران (۲۰۲۰) نشان داد که وجود g، زمانی که داده‌های فردی به جای داده‌های گروهی تجزیه و تحلیل می‌شوند، جای سوال دارد. شرکت‌کنندگان (n =۱۰۱) به مدت ۶ ماه تحت نظر قرار گرفتند و چندین وظیفه شناختی را در طول ۱۰۰ جلسه انجام دادند. نویسندگان اظهار داشتند که طبق مطالعات تفاوت‌های بین فردی، به نظر می‌رسد نتیجه این است که عامل فرضی (آماری) g وجود دارد، اما مطالعه آنها در مورد تفاوت‌های درون فردی، ساختار کاملاً متفاوتی از هوش را نشان می‌دهد. از دیدگاه ما، یافته‌ای که نشان می‌دهد عامل آماری g هنگام آزمایش فرد کمتر برجسته است، به ویژه جالب توجه است، که نشان می‌دهد ممکن است هوش عمومی وجود نداشته باشد. وقتی این موضوع درست باشد، برای درک افزایش عامل g هنگام استفاده از تحلیل عاملی، که توسط مدل همیاری ۲ ون در ماس و همکاران (۲۰۰۶) ارائه شده است، توضیح متفاوتی لازم است. این یک مدل پویا است که منیفولد مثبت بین وظایف شناختی را توضیح می‌دهد، اما عامل g را شامل نمی‌شود. هیچ عامل پنهانی وجود ندارد که باعث همبستگی بین وظایف شناختی شود. این مطابق با اشلینگر (۲۰۱۲) است که استدلال می‌کند g فقط یک سازه آماری بدون هیچ پایه نظری است. او خطای منطقی اسپیرمن را با در نظر گرفتن همبستگی‌های مثبت به عنوان عامل g توصیف کرد:
… آن [g] چیزی نیست که اندازه‌گیری شود. آنچه اندازه‌گیری می‌شود رفتار تعداد زیادی از افراد در آزمون‌های مختلف است. همبستگی‌های متقابل مثبتی که از تحلیل عاملی نمرات آزمون آنها حاصل می‌شود، خود از رفتار هر فردی در موقعیت آزمون یا به همین ترتیب در هر زمینه دیگری بسیار متفاوت است. (صفحه ۱۷).
تغییرات در ویژگی به صورت علّی باعث ایجاد تغییر در نتایج اندازه‌گیری می‌شود و باید توضیحی نظری برای این علیت وجود داشته باشد.
نتیجه‌گیری موجه است که محققان در مورد وجود یک عامل هوش عمومی توافق ندارند. علاوه بر این، تا به امروز علم نتوانسته است عامل g را در بدن انسان با موفقیت پیدا کند، اگرچه تحقیقات نشان داده است که g با کیفیت کلی مغز، برخلاف مناطق خاصی از مغز، همبستگی دارد. مطالعات نشان می‌دهد که g با شبکه ادغام پاریتو-فرونتال مرتبط است که با حافظه کاری نیز همبستگی دارد (الینگ، ۲۰۱۴). کلمات “همبستگی” و “مرتبط” مورد تأکید قرار گرفته‌اند، زیرا مشکلی را که بورسبوم و همکاران (۲۰۰۴) در مقاله اصلی خود توضیح دادند، آشکار می‌کنند: اعتبار مربوط به همبستگی نیست، بلکه مربوط به علیت است. به عبارت دیگر، بیان اینکه عامل g وجود دارد زیرا با چیزی در مغز همبستگی دارد، کافی نیست. در مورد یک آزمون هوش معتبر، تغییرات در هوش باید باعث تغییرات در نتایج اندازه‌گیری شود و باید توضیحی نظری برای این علیت وجود داشته باشد. با این حال، وقتی صحبت از هوش می‌شود، نظریه‌ای در مورد علیت مطلوب بین سازه و اندازه‌گیری وجود ندارد (ریچاردسون، ۲۰۰۲). به عبارت دیگر، دلیل اینکه چرا سطوح مختلف هوش منجر به پاسخ‌های مختلف به سوالات می‌شود، هنوز مشخص نیست. وقتی محققان نمی‌دانند چگونه این مشکل را حل کنند، با این جمله‌ی اغلب نقل شده از بورینگ (۱۹۲۳) مواجه می‌شوند که هوش چیزی است که آزمون هوش اندازه‌گیری می‌کند. در واقع چیزی بیش از این نیست؛ در سطح فردی، وقتی فردی در یک آزمون هوش خوب عمل می‌کند، در یک آزمون هوش هم خوب عمل می‌کند (ون در ماس و همکاران، ۲۰۱۴). به طور مشخص‌تر، وقتی یک فرد می‌تواند اعداد ۴، ۹، ۱۰، ۱۱، ۱۳ را به ترتیب معکوس از بر بگوید، می‌تواند ۱۳، ۱۱، ۱۰، ۹، ۴ را بگوید. بدون یک نظریه خوب، این تنها نتیجه‌ای است که می‌توان گرفت.
مدل CHC؛ یک نظریه‌ی محکم در مورد هوش؟ اظهارات فوق ما را ملزم می‌کند که به طور خلاصه در مورد نظریه توانایی‌های شناختی کتل-هورن-کارول (نظریه CHC؛ به مک‌گرو، ۲۰۰۹ مراجعه کنید) اظهار نظر کنیم، زیرا نظریه CHC امروزه به عنوان گسترده‌ترین و اثبات‌شده‌ترین نظریه هوش در نظر گرفته می‌شود (آلفونسو و همکاران، ۲۰۰۵). نظریه CHC تأثیر زیادی بر توسعه آزمون‌ها داشته است (کانیوز و یانگ‌استروم، ۲۰۱۹). آلفونسو و همکاران (۲۰۰۵) اظهار می‌کنند که قبل از اواسط دهه ۱۹۸۰، پایه‌های نظری آزمون‌های هوش تقریباً وجود نداشت، با این حال، بازنگری‌های این آزمون‌ها تقریباً همیشه بر اساس مدل CHC بود. متأسفانه، اختلاف نظر در مورد ماهیت هوش، همانطور که در بالا توضیح داده شد، مانع توسعه نظریه‌های هوش شد، که در مدل CHC به وضوح قابل مشاهده بود. نظریه CHC شامل دو مدل است: مدل GF-Gc توسعه‌یافته کتل-هورن و مدل سه لایه‌ای کارول که توسط مک‌گرو در اواخر دهه ۱۹۹۰ پیشنهاد شد (آلفونسو و همکاران، ۲۰۰۵). این نظریه، ساختار سلسله مراتبی هوش را بر اساس داده‌های گروهی توصیف می‌کند. در مدل سه لایه‌ای کارول، توانایی‌های شناختی به سه سطح تقسیم می‌شوند. لایه سوم عامل هوش عمومی است، لایه دوم شامل توانایی‌های گسترده‌ای (مانند استدلال سیال و سرعت پردازش شناختی) و لایه اول شامل انواع توانایی‌های محدود است (مک‌گرو، ۲۰۰۹). مدل توسعه‌یافته GF-GC از کتل و هورن شامل هشت توانایی شناختی گسترده است که با لایه دوم در مدل کارول مطابقت دارد. این مدل به دلیل تمایز بین هوش سیال و هوش متبلور شناخته شده است. تفاوت عمده بین این دو مدل، موضع نظری در مورد g است (کان و همکاران، ۲۰۱۱). در جایی که کتل و هورن وجود یک توانایی ذهنی عمومی را انکار می‌کنند و g را از مدل خود حذف می‌کنند، کارول نقش مهمی را به g (لایه سوم) نسبت می‌دهد. در نظریه CHC (مدل ادغام‌شده)، g گنجانده شده است، اما نه آنطور که کارول در وهله اول در نظر داشت و فقط با یادداشت‌های حاشیه‌ای. طبق گفته کارول، عامل g و توانایی‌های کلی هر دو تأثیر مستقیمی بر عملکرد دارند (کانیوز و یانگ‌استروم، ۲۰۱۹)، اما در مدل CHC، عامل g در صدر سلسله مراتب قرار دارد و بر توانایی‌های کلی تأثیر می‌گذارد (یعنی به صورت علّی).
آزمون WISC-V برای اندازه‌گیری پنج توانایی کلی CHC توسعه داده شده است (کانیوز و یانگ‌استروم، ۲۰۱۹)، و نقش عامل g یا نمره کامل IQ کم یا بدون نقش است. این با نظر مک‌گرو مطابقت دارد که با بیان اینکه g “ارتباط عملی کمی دارد” بر تأثیر آن تأکید نکرد (مک‌گرو و فلانگان، صفحه ۱۴، به نقل از کانیوز و یانگ‌استروم، ۲۰۱۹). به گفته مک‌گرو، تمرکز ارزیابی نباید بر یک نمره واحد IQ باشد، بلکه باید بر پروفایل‌های هوشی، یعنی نقاط قوت و ضعف فرد باشد. با توجه به این نکته، توجه به این نکته ضروری است که بیشتر واریانس نمرات توانایی‌های کلی در WISC-V ناشی از g است، نه سهم منحصر به فرد یکی از توانایی‌های کلی. به یاد داشته باشید که هدف WISC-V این نبوده است، زیرا این آزمون برای اندازه‌گیری توانایی‌های کلی جدا از g طراحی شده است تا بینشی در مورد نقاط قوت و ضعف شناختی فرد ارائه دهد. با این حال، آنچه آزمون اندازه‌گیری می‌کند عمدتاً
نتایج آزمون‌های WJ III، WJ IV و WISC-V همگی به یک نتیجه مشترک رسیدند: علیرغم ادعاهای ناشران و نویسندگان مبنی بر اینکه نمرات نشان‌دهنده توانایی‌های کلی CHC هستند، تکرار مستقل ساختارهای آزمون شناختی مشکل‌ساز بوده است. خرده آزمون‌ها همیشه بر روی عوامل مورد نظر خود بارگذاری نمی‌شوند و گاهی اوقات بر روی هیچ عاملی بارگذاری نمی‌شوند. (صفحه ۲۳۷)
حتی مهمتر از آن، هشدار آنها در مورد تفسیر نمرات توانایی کلی در سطح فردی، به عنوان نقطه قوت یا ضعف شناختی فرد است. نمرات توانایی کلی، همانطور که توسط WISC V اندازه‌گیری می‌شود، حاوی مقدار زیادی بارگذاری g هستند. برای مثال، وقتی صحبت از درک کلامی (VCI) می‌شود، «بخش عمده‌ای از واریانس نمره واقعی موجود در VCI منحصر به توانایی درک کلامی نیست، بلکه به g مربوط می‌شود!… این امر آنچه را که می‌توان برای مراجعین انفرادی «استنباط» کرد، به طور قابل توجهی پیچیده می‌کند، به ویژه به این دلیل که ما دقیقاً نمی‌دانیم برای افراد خاص، چه مقدار از عملکرد آنها در وظایف VCI، به عنوان مثال، به دلیل g و چه مقدار به دلیل درک کلامی است» (کانیوز و یانگستروم، ۲۰۱۹، صفحه ۲۴۰). اگرچه این گفته که WISC V مبتنی بر نظریه CHC است، ممکن است مبنایی به ظاهر علمی ارائه دهد، اما ماهیت دقیق بین آزمون و نظریه زیربنایی آن در ادبیات علمی و در کتابچه‌های راهنمای آزمون نامشخص است. همانطور که کانیوز و یانگستروم (۲۰۱۹، صفحه ۲۳۳) بیان می‌کنند: «ادعای اینکه یک آزمون از یک مدل پیروی می‌کند یک چیز است، اما بررسی اینکه آیا داده‌ها با پیش‌بینی‌های قوی از مدل مطابقت دارند یا خیر، چیزی کاملاً متفاوت است.» در حوزه کار، WISC V به عنوان یک آزمون نظری اثبات‌شده در نظر گرفته می‌شود، اما تنها نشانه‌هایی وجود دارد که نشان می‌دهد آزمون «از یک مدل پیروی می‌کند» و در سطح فردی، شباهت چندانی به آن مدل ندارد. مطابق با نظر بورسبوم و همکاران (۲۰۰۴)، باید نتیجه بگیریم که آزمون‌های هوش، بنیادی‌ترین قوانین اعتبارسنجی را برآورده نمی‌کنند. در ادامه، اشکال خاص‌تری از اعتبارسنجی را مورد بحث قرار خواهیم داد.
اعتبار سازه: مشکل آزمون‌های استاندارد برای گروه‌های هدف چندگانه
آزمون‌های هنجار-مرجع برای گروه‌های هدف متنوعی، مانند افراد دارای معلولیت یا بدون معلولیت، استفاده می‌شوند و ترتیب ثابتی از رشد را فرض می‌کنند (ویسر و همکاران، ۲۰۱۷). با این حال، تحقیقات نشان می‌دهد که رشد کودکان دارای معلولیت‌های رشدی ممکن است از نظر کیفی متفاوت باشد تا از نظر کمی (یعنی با تأخیر). فوکس و همکاران (۱۹۸۷) نشان دادند که اکثر ناشران آزمون در اعتبارسنجی آزمون‌های خود برای جمعیت معلول شکست خورده‌اند، اگرچه موظف به انجام این کار هستند. تعدادی از محققان به طور مستقل نشان داده‌اند که آزمون‌های هوش – و همچنین سایر آزمون‌های روانشناختی استاندارد – را نمی‌توان به طور معتبر و قابل اعتمادی برای گروه‌های خاصی از بیماران یا مراجعین، مانند کودکان خردسال (نیسورث و باگناتو، ۱۹۹۲)، بیماران مبتلا به آسیب لوب پیشانی (اسبوردون، ۲۰۱۴)، کودکان اوتیسم (کوگل و همکاران، ۱۹۹۷) و کودکان دارای معلولیت‌های ذهنی و ناتوانی‌های رشدی (پونسیوئن، ۲۰۰۵؛ ویسر و همکاران، ۲۰۱۷) استفاده کرد. این امر گروه کوچکی از انسان‌های با رشد طبیعی را باقی می‌گذارد که آزمون‌های هوش ممکن است برای آنها مناسب باشد. توجه داشته باشید که مشکل اساسی اعتبار، همانطور که توسط بورسبوم و همکاران (۲۰۰۴) ارائه شده است، همچنان پابرجاست. علاوه بر این، افراد با رشد طبیعی گروهی هستند که به احتمال زیاد به عنوان بیمار یا مراجع شناخته نمی‌شوند و ممکن است به آزمون‌های هوش، به عنوان دریچه‌ای به آموزش ویژه یا مراقبت‌های بهداشتی، “نیازمند” نباشند.
با این اوصاف، جالب است بدانید که حتی در افراد عادی و افراد با تحصیلات عالی، تفاوت‌های زیادی بین فردی و درون فردی در عملکرد شناختی مشاهده شده است. زاکزانیس و جفای (۲۰۱۱) تعداد زیادی آزمون عصبی-شناختی را در گروهی متشکل از ۲۰ شرکت‌کننده با تحصیلات عالی، با میانگین ضریب هوشی ۱۲۴ (که توسط دو زیرآزمون واژگان و استدلال ماتریسی اندازه‌گیری شده بود) اجرا کردند. نمونه‌هایی از این آزمون‌های عصبی-شناختی عبارتند از آزمون شکل پیچیده ری، آزمون یادگیری کلامی کالیفرنیا-II، فراخنای ارقام و غیره. نتایج نشان داد که هنگام مقایسه نمرات ضریب هوشی با این نمرات آزمون عصبی-شناختی، اکثر نمرات آزمون با نمرات ضریب هوشی مطابقت نداشتند (در بسیاری از موارد، نمرات آزمون‌ها بیش از ۱.۵ انحراف معیار پایین‌تر از ضریب هوشی بودند). تحقیقات هیانکا و همکاران (۲۰۱۳) نتایج مشابهی را نشان داد. بنابراین، حتی در گروهی از افراد با رشد طبیعی، ضریب هوشی ممکن است معیار معناداری برای ارزیابی توانایی‌های شناختی نباشد.
اعتبار سازه: مشکل تأثیرات فرهنگی
همانطور که قبلاً گفته شد، اعتبار به اندازه‌گیری آنچه فرد قصد اندازه‌گیری آن را دارد اشاره دارد. آزمون‌های هوش تمایل به اندازه‌گیری هوش دارند. از آنجایی که مشخص نیست هوش چیست، مشخص نیست که آزمون‌های هوش چه چیزی را اندازه‌گیری می‌کنند. به گفته ریچاردسون (۲۰۰۲): «تمام واریانس نمرات هوش در جمعیت را می‌توان بر اساس مجموعه‌ای از عوامل اجتماعی-شناختی-عاطفی توصیف کرد که افراد را به طور متفاوتی برای خواسته‌های شناختی، عاطفی و عملکردی آزمون آماده می‌کند» (صفحه ۲۸۳). این «آمادگی» را می‌توان در تعاملات ظریف والدین-فرزند یا معلم-فرزند که در آن سیستم‌ها و عادات اعتقادی منتقل می‌شوند، یا در اسباب‌بازی‌هایی که با آنها بازی می‌کنند، یافت (به دیرکس، ۱۹۸۲ مراجعه کنید). به گفته ویگوتسکی (۱۹۸۸، همانطور که در ریچاردسون، ۲۰۰۲ نقل شده است)، هوش نشان دهنده میزان درونی‌سازی ابزارهای فرهنگی توسط فرد است. برای درک تأثیر عمیق فرهنگ بر عملکردها (از جمله عملکرد در آزمون‌های هوش)، باید فرهنگ را چیزی بیش از یک گروه قومی دانست. طبقات اجتماعی و حتی خانواده‌ها را می‌توان به عنوان گروه‌های فرهنگی کوچکی با عادات و تأثیرات خاص خود بر توانایی‌های شناختی در نظر گرفت. برای مثال، ریچاردسون (۲۰۰۲) تعدادی از مطالعات را بررسی می‌کند که نشان می‌دهد اکتساب ابزارهای فرهنگی در هر طبقه اجتماعی متفاوت است. تعاملات والدین و فرزند طبقه متوسط با سوالات واقعی‌تری مشخص می‌شود، مانند «کلمبوس که بود؟» (همچنین به Flavell و همکاران، ۲۰۰۲ مراجعه کنید). به گفته ریچاردسون (۲۰۰۲)، این والدین همچنین به کودکان می‌آموزند که چگونه از مطالب نوشتاری استفاده کنند و چگونه با مشکلات روبرو شوند. دلیل جذابیت سوالات آزمون هوش برای این مهارت‌ها این است که این آزمون‌ها توسط محققانی از همان پیشینه طبقه متوسط اختراع شده‌اند. بنابراین، منطقی است که کودکانی از این پیشینه‌ها نمرات بالاتری کسب می‌کنند، زیرا با آمادگی بهتری به آزمون آمده‌اند.
جدا از آمادگی شناختی، کودکان می‌توانند کم و بیش در سطح عاطفی نیز برای شرکت در آزمون آماده باشند. به عنوان مثال، اضطراب امتحان یا اعتماد به نفس تأثیر زیادی بر نتیجه آزمون دارد (Torres Van Grinsven، ۲۰۲۲) و ممکن است از والدین به کودکان منتقل شود (Richardson، ۲۰۰۲). وایس و ساکلوفسکه (۲۰۲۰) همچنین به تأثیر قابل توجه SES، درآمد والدین، انتظارات والدین و نظارت تحصیلی بر نمرات IQ کودکان اشاره می‌کنند. آنها نشان می‌دهند که این عوامل زیربنای «شکاف میانگین نمره IQ» بین کودکان و بزرگسالان از گروه‌های قومی مختلف هستند و بر تأثیر عوامل محیطی تأکید می‌کنند. عوامل مؤثر در تحقق پتانسیل شناختی کودکان. آنها همچنین استدلال می‌کنند که اگرچه تلاش‌هایی برای کاهش بار فرهنگی موارد آزمون انجام شده است، اما تبعیض‌های قبلی و/یا فعلی در دسترسی به آموزش، فرصت‌های شغلی و اشتغال همچنان بر تحقق پتانسیل شناختی در کودکان گروه‌های اقلیت تأثیر می‌گذارد. ریچاردسون (۲۰۰۲) همچنین به ظرافت سوگیری فرهنگی در آزمون‌های هوش اشاره می‌کند. او استدلال می‌کند که آزمون‌های غیرکلامی مانند ماتریس‌های پیشرونده ریون (RPM)، که همیشه به عنوان آزمون‌های غیرفرهنگی تلقی می‌شوند، در واقع از آزمون‌های کلامی بار فرهنگی بیشتری دارند. قوانین ضمنی زیربنای این آزمون به دانش خاص معمول در فرهنگ‌های طبقه متوسط اشاره دارد. “تقریباً همه اینها نیاز به خواندن نمادها از بالا سمت چپ تا پایین سمت راست، جمع، تفریق و جایگزینی اعداد یا سایر نمادها در ستون‌ها و ردیف‌های پایین و کسر اطلاعات جدید از آنها دارند” (ریچاردسون، ۲۰۰۲، صفحه ۲۹۱). دانش و تجربه با چنین ساختارهایی، RPM را به یک وظیفه شناختی نسبتاً ساده برای حل تبدیل می‌کند. بنابراین، RPM به هیچ وجه عاری از تجربه و فرهنگ نیست و مطمئناً یک اندازه‌گیری خالص نیست. هوش عمومی (ریچاردسون، ۲۰۰۲).
اعتبار معیار: مشکل آزمون‌های هوش چندگانه
یکی از ویژگی‌های سوال‌برانگیز آزمون‌های هوش این است که همه آنها نمره هوش را به آزمودنی ارائه می‌دهند، اما ارتفاع نمره به ابزار مورد استفاده بستگی دارد. ممکن است تفاوت‌های قابل توجهی بین نمرات در ابزارهای مختلف وجود داشته باشد، که وقتی آزمون‌های هوش معتبر هستند (یعنی باید سازه یکسانی را اندازه‌گیری کنند) نباید وجود داشته باشد. چیزی که آن را مشکل‌سازتر می‌کند این است که خود نمره به یک شکل تفسیر می‌شود، به طوری که ۱۰۰ به عنوان میانگین و انحراف معیار ۱۵ است (Tellegen, ۲۰۰۴). به عبارت دیگر، بهره هوشی یک مفهوم واحد است، اما نتیجه آزمون بسته به اینکه از کدام ابزار استفاده می‌شود متفاوت است.
هابتس و همکاران (۲۰۱۵) اندازه‌گیری‌های مکرر نمرات بهره هوشی و تفاوت بین نمرات بهره هوشی به دلیل استفاده از ابزارهای مختلف را بررسی کردند. آنها داده‌ها را از ۱۷۶ شرکت‌کننده با دو یا چند نمره بهره هوشی جمع‌آوری کردند. ابزارهایی که در آنها WAIS، WAIS-III، RAVEN و sGIT استفاده شده بود. سه دسته برای طبقه‌بندی نمرات بهره هوشی استفاده شد: بهره هوشی عادی (>۸۵)، بهره هوشی مرزی (۷۱-۸۴) و ناتوانی ذهنی (⩽۷۰). در سطح گروهی، نتایج همبستگی بالایی را بین ابزارهای مختلف بهره هوشی و ثبات نمرات بهره هوشی نشان داد. اما با نگاهی به افراد دارای ناتوانی ذهنی یا سابقه نیازهای ویژه، دیگر هیچ ثباتی وجود نداشت. مقایسه بین نمرات WAIS-III و WAIS، برای ۳۰ نفر از ۶۲ مورد (۴۸٪) یک دسته بهره هوشی متفاوت را نشان داد. مقایسه بین WAIS-III و RAVEN، برای ۴۷ نفر از ۷۷ مورد (۶۱٪) یک دسته بهره هوشی متفاوت را نشان داد. به طور خاص‌تر، ۱۱ شرکت‌کننده از ناتوانی ذهنی به بهره هوشی عادی تغییر کردند و نمرات آزمون WAIS-III را با نمرات آزمون RAVEN مقایسه کردند. بنابراین، این تحقیق نشان می‌دهد که ۳۳-۶۶٪ موارد تفاوت ۱۰ امتیاز یا بیشتر بین ابزارها نشان دادند. توجه داشته باشید که ۱۰ امتیاز خارج از فاصله اطمینان ۹۵٪ اکثر آزمون‌های بهره هوشی قرار می‌گیرد (Habets et al., ۲۰۱۵). اگر نتایج اندازه‌گیری ثابت باشند (مثلاً نمرات WISC-III به طور مداوم ۱۰ امتیاز بالاتر از WJ III باشد) مشکلی وجود نخواهد داشت زیرا می‌توان خطای سیستماتیک را اصلاح کرد. متأسفانه، اینطور نیست. تحقیقات کافمن (۲۰۰۹) تفاوت‌هایی بین WISC-III، KABC-II و WJ-III را در نمونه‌ای از ۲۹ نوجوان ۱۲ تا ۱۶ ساله نشان می‌دهد. کافمن چند مورد را شرح می‌دهد که تفاوت‌های زیادی بین نمرات سه آزمون نشان می‌دهند:
بریانا (نام واقعی او نیست) بسته به آزمونی که از او گرفته شده است، به عنوان متوسط (WJ III)، متوسط بالا (WISC-III) یا برتر (KABC-II) طبقه‌بندی می‌شود. لئو ضریب هوشی از ۱۰۲ در WJ III تا ۱۲۴ در WISC-III کسب کرد. آشر الگوی معکوسی داشت و در آزمون WJ III) ۱۱۱) نمره بالاتری نسبت به WISC-III) ۹۵) یا KABC-II) ۹۰) کسب کرد. اگر بریانا برای ورود به یک برنامه تیزهوشان (با ضریب هوشی = ۱۲۵ به عنوان نقطه برش) مورد آزمایش قرار می‌گرفت، تنها نمره او در KABC-II باعث ورود او می‌شد. اما اگر دانیکا و لئو در آزمون WISC-III مورد آزمایش قرار می‌گرفتند، احتمال انتخاب شدنشان برای برنامه تیزهوشان بیشتر از KABC-II یا WJ III بود. (صفحه ۱۵۳)
نتایج فوق نشان می‌دهد که نه تنها نمرات آزمون در هر ابزار متفاوت است، بلکه نمرات آزمون در هر ابزار برای هر فرد نیز متفاوت است. هیچ ثباتی وجود ندارد، به این معنی که در برخی موارد افراد از ابزار انتخاب شده سود می‌برند و در موارد دیگر سودی نمی‌برند.
ون تورن و بون (۲۰۱۱) همچنین آزمون‌های مختلفی را با استفاده از WAIS-III، KAIT و GIT2 (نسخه کوتاه)۶ در بین ۵۰ بزرگسال در حوزه پزشکی قانونی مقایسه کردند. این ارزیابی در یک بازه زمانی چند هفته‌ای انجام شد. اختلاف بیش از ۱۰ امتیاز بین GIT2 و WAIS-III (۳۸٪ موارد)، بین GIT2 و KAIT (۴۶٪ موارد) و بین WAIS-III و KAIT (۵۶٪ موارد) مشاهده شد. باز هم، هیچ ثباتی بین این اختلافات وجود نداشت، به این معنی که در برخی موارد نمره آزمون KAIT بالاتر از GIT2 بود و در برخی موارد این الگو معکوس شد. برای اطلاعات بیشتر در مورد اهمیت تشخیص‌های صحیح و عواقب احتمالی تشخیص‌های اشتباه در حوزه پزشکی قانونی، به Habets و همکاران (۲۰۱۵) مراجعه کنید.
مشکل پایایی
پایایی به ثبات یک اندازه‌گیری اشاره دارد (Burton و همکاران، ۲۰۰۰). وقتی اندازه‌گیری‌های مکرر، نمره یکسانی را بارها و بارها ارائه می‌دهند (با توجه به اینکه فرد در این مدت تغییر نکرده است)، گفته می‌شود که اندازه‌گیری پایا است. همچنین مهم است که عوامل خارجی بر اندازه‌گیری تأثیر نگذارند. آزمون باید نمره‌ای مستقل از پزشک ارائه دهد (کیویت و همکاران، ۲۰۰۸). در واقعیت، اینطور نخواهد بود؛ اندازه‌گیری‌ها حاوی خطاهای غیرسیستماتیک هستند (برتون و همکاران، ۲۰۰۰). به عنوان مثال، وقتی پزشک در نوشتن پاسخ مراجع دقت کافی ندارد یا مراجع به دلیل سردرد در سطح پایین‌تری عمل می‌کند. بنابراین، تأثیرات محیطی در طول آزمون می‌تواند بر پایایی نتیجه آزمون تأثیر بگذارد. به گفته بروتون و همکاران، پایایی یک مفهوم نسبتاً پیچیده است. روش‌های مختلفی برای کمی‌سازی آن وجود دارد که همگی نتایج متفاوتی دارند. این به پزشک بالینی بستگی دارد که چگونه درجه پایایی را تفسیر کند و تعیین کند که کدام درجه برای استفاده بالینی قابل قبول خواهد بود. در زیر به عوامل داخلی و خارجی که ممکن است بر نمره واقعی آزمون، در صورت وجود، فرد تأثیر بگذارند، خواهیم پرداخت. پایایی: تأثیر عوامل بیرونی و درونی
بین فرد و محیط، نوعی درهم‌تنیدگی وجود دارد (Dickens and Flynn, ۲۰۰۱). هنگام تغییر محیط فرد یا شرایط درون فرد، نمره بهره هوشی نیز با آنها تغییر می‌کند، به عنوان مثال به دلیل فرزندخواندگی (te Nijenhuis et al., ۲۰۱۵)، برنامه‌های تحریک شناختی (DTT: Peters-Scheffer et al., ۲۰۱۳; Head Start: te Nijenhuis et al., ۲۰۱۴)، درمان روانشناختی (Malarbi et al., ۲۰۱۷)، درمان اعتیاد (Stavro et al., ۲۰۱۳) و استفاده از یک بازی ویدیویی (Dirks, ۱۹۸۲). همچنین، انگیزه و استفاده از پاداش‌های مادی بر نمرات بهره هوشی تأثیر گذاشته‌اند (Ackerman and Heggestad, ۱۹۹۷; Etherton and Axelrod, ۲۰۱۳; Phay, ۱۹۹۰). تحقیقی توسط Koegel et al. (۱۹۹۷) نشان داد که شرایط آزمایش بر عملکرد کودکان مبتلا به اوتیسم تأثیر می‌گذارد. این مطالعه شامل شرایطی با شرایط آزمایش مرسوم طبق دفترچه راهنما در مقابل شرایطی متناسب با نیازهای کودک بود. به عنوان مثال، وقتی مشخص می‌شود که کودک می‌تواند یا نمی‌خواهد پشت میز بنشیند، آزمایش روی زمین انجام شد. به این ترتیب، برای هر کودک تنظیماتی انجام شده است. نتایج آزمایش، نمرات هوش به طور قابل توجهی بالاتری را برای شرایط تنظیم شده نشان می‌دهد. علاوه بر این، کوگل و همکاران (۱۹۹۷) در مورد تصمیم‌گیری بر اساس نتایج آزمون استاندارد برای کودکان اوتیسمی هشدار می‌دهند. این نمرات آزمون، تصویر تحریف‌شده‌ای از توانایی‌های شناختی فرد ارائه می‌دهند که تفسیر نتایج مداخله را پیچیده می‌کند، زیرا خط پایه به درستی تنظیم نشده است.
یافته‌های قبلی فوکس و فوکس (۱۹۸۶) در مورد سوگیری ممتحن، با این نتایج همخوانی دارد. نویسندگان یک متاآنالیز در بین ۱۴۸۹ آزمودنی انجام دادند. تمرکز اصلی بر آشنایی با ممتحن بود، که مفهومی گسترده از آشنایی با طبقه افرادی که ممتحن به آن تعلق دارد تا آشنایی واقعی را شامل می‌شود. نتایج نشان داد آزمودنی‌هایی که با ممتحن آشنا هستند، نمرات آزمون بالاتری کسب می‌کنند. این امر به ویژه برای افرادی با پیشینه اجتماعی-اقتصادی پایین و زمانی که آزمودنی ممتحن را برای مدت طولانی می‌شناخت، مشهود بود. فوکس و فوکس (۱۹۸۶) اظهار می‌کنند که محیط‌های آزمون از بافت خود جدا نمی‌شوند. «[…] اثرات آشنایی با ممتحن، اهمیت عوامل زمینه‌ای را در آزمون نشان می‌دهد» (صفحه ۲۵۷). سوگیری ممتحن بیشتر توسط مک‌درموت و همکاران ارزیابی شد. (۲۰۱۴) در یک نمونه بالینی، آنها به این نتیجه رسیدند که: «تقریباً تمام نمرات WISC-IV مقادیر قابل توجه و غیر بدیهی از تغییرات را نشان دادند که هیچ ارتباطی با تفاوت‌های فردی واقعی کودکان نداشت و نمرات مقیاس کامل IQ و شاخص درک کلامی، سوگیری ارزیاب را کاملاً قابل توجه نشان می‌داد» (صفحه ۲۰۷). نتیجه‌گیری آنها واضح است: FSIQ و VCI نباید برای تشخیص افتراقی و طبقه‌بندی استفاده شوند، چه رسد به اینکه به عنوان نقاط برش برای تصمیم‌گیری استفاده شوند.
در پاراگراف مربوط به اعتبار، ما به طور خلاصه در مورد کار اشمیدک و همکاران (۲۰۲۰) بحث کردیم. یافته‌های آنها در مورد تفاوت بین داده‌های گروهی (تفاوت‌های بین فردی) و داده‌های فردی (تفاوت‌های درون فردی) نه تنها در مورد اعتبار، بلکه در مورد پایایی نیز صدق می‌کند. می‌توان تصور کرد که سطح انگیزه، سردرد، مشکلات خانوادگی و موارد دیگر، همگی بر عملکرد شناختی فرد تأثیر می‌گذارند. نویسندگان توجه را به نوسانات روزانه در عملکرد شناختی، همانطور که در تحقیقات آنها نشان داده شده است، جلب می‌کنند. ارزیابی هوش در یک لحظه از زمان، همانطور که همه آزمون‌های استاندارد هوش انجام می‌دهند، آن نوسان شناختی را نشان نمی‌دهد. همانطور که نویسندگان بیان می‌کنند: «اگر هدف توصیف، توضیح و اصلاح ساختارهای شناختی در سطح فردی است، باید افراد را در طول زمان اندازه‌گیری و دنبال کنیم» (اشمیدک و همکاران، ۲۰۲۰، صفحه ۲۲). در نتیجه، اذعان می‌شود که محیط و ویژگی‌های گسترده‌تر خودِ موقعیت آزمایش و همچنین ویژگی‌های نوسانی فرد بر قابلیت اطمینان نتیجه آزمایش تأثیر می‌گذارند (همچنین به برونفنبرنر و موریس، ۲۰۰۶ مراجعه کنید)، بنابراین دستورالعمل‌های دقیقی برای موقعیت انجام آزمایش در کتابچه‌های راهنمای ناشران ارائه شده است. تنها دلیل برای کنترل موقعیت‌های آزمایش، این است که متخصص تشخیص بتواند نمرات آزمون را با گروه هنجار مقایسه کند و آزمودنی را رتبه‌بندی کند. با این حال، بر اساس موارد فوق، می‌توانیم با اطمینان نتیجه بگیریم که این افسانه است که موقعیت‌های آزمایش را می‌توان تحت کنترل نگه داشت، زیرا برخی از آنها در زیر سطح عمل می‌کنند و از قبل مشخص نیست که کدام عوامل تأثیر مثبت یا منفی بر فرد دارند. دوم، حتی اگر شرایط محیطی قابل کنترل باشد، شرایط درون کودک یا شرایط محیطی که قبل از انجام آزمون بر کودک تأثیر می‌گذارند، می‌توانند اعتبار نمرات IQ را بیشتر تهدید کنند.
پایایی: مسئله ارگودیسیته
همانطور که قبلاً گفته شد، متخصص تشخیص قصد دارد موقعیت‌های آزمایش را تحت کنترل نگه دارد تا نمره آزمون یک فرد را با یک گروه هنجار مقایسه کند. این پاراگراف در مورد پایایی استفاده از گروه هنجار (داده‌های گروهی) برای نتیجه‌گیری در مورد فرد بحث می‌کند. ما قبلاً به کار اشمیدک و همکاران (۲۰۲۰) اشاره کردیم، اما تاکنون توضیح نداده‌ایم که چرا تفاوت‌های بین فردی با تفاوت‌های درون فردی متفاوت است. وقتی می‌خواهید نمره واقعی چیزی را بدانید، باید آن را چندین بار اندازه‌گیری کنید و میانگین را محاسبه کنید (لرد و نوویک، ۱۹۶۸). این میانگین تنها زمانی قابل اعتماد خواهد بود که شرایطی که در آن ارزیابی شده‌اند و ویژگی‌های شیء یا صفت اندازه‌گیری شده در طول اندازه‌گیری‌های مکرر تغییر نکنند. باید واضح باشد که این امر هنگام اندازه‌گیری صفات یا شرایط انسانی، به ویژه هوش، چالش‌های قابل توجهی را ایجاد می‌کند. زیرا نمی‌توان چندین بار بدون به خاطر سپردن ارزیابی‌های قبلی، همان آزمون هوش را انجام داد و هرگز نمی‌تواند تحت شرایط دقیقاً یکسان (به دلیل خستگی، انگیزه و غیره) انجام شود. بنابراین تعیین فواصل اطمینان فردی و نمرات واقعی غیرممکن است. برای غلبه بر این مشکل، از تخمین‌های پایایی یک جمعیت برای تعیین فاصله اطمینان پیرامون «نمره واقعی» برای فرد استفاده می‌شود (مولنار، ۲۰۱۳). این روش مبتنی بر نظریه آزمون کلاسیک است و تقریباً همه آزمون‌های استاندارد در حوزه روانشناسی از این روش استفاده می‌کنند. لورتان و همکاران (۲۰۱۹؛ همچنین به ماتارازو، ۱۹۹۰ مراجعه کنید) تحلیل عمیقی از پایایی این روش انجام دادند. مهم است که به خاطر داشته باشید که برای نتیجه‌گیری‌های قابل اعتماد در مورد فرد، بر اساس این داده‌های گروهی، اعضای گروه باید دو معیار (که به صورت ساده توضیح داده شده‌اند) را داشته باشند: ۱) همه اعضای گروه یکسان باشند؛ ۲) اعضای گروه به دلیل شرایط تغییر نکنند (رز، ۲۰۱۶). این «ارگودیکیتی» نامیده می‌شود. لورتان و همکاران (۲۰۱۹) نشان می‌دهند که هر کسی فاصله اطمینان خاص خود را دارد، که به اصطلاح توزیع تمایل نامیده می‌شود. این فاصله با اندازه‌گیری فرضی مکرر فرد ایجاد می‌شود. این توزیع تمایل لزوماً با فاصله اطمینان آزمون که بر اساس گروه هنجار است (یعنی هر عضو گروه فقط یک بار اندازه‌گیری می‌شود) مطابقت ندارد. توزیع‌های تمایل فردی ممکن است به طور قابل توجهی کوچکتر یا بزرگتر از فاصله اطمینان گروه باشند. بنابراین، مقایسه نمره آزمون فرد با فاصله اطمینان مبتنی بر گروه، ممکن است منجر به تخمین بیش از حد یا کمتر از حد نمره آزمون فرد شود. از آنجا که انسان‌ها سیستم‌های ارگودیک نیستند، استفاده از فواصل اطمینان گروه هنجار، طبق تعریف، در سطح فرد قابل اعتماد نیست.
بحث
در این مقاله، ما استدلال خود را مبنی بر اینکه آزمون‌های استاندارد هوش قابل اعتماد و معتبر نیستند و برای نتیجه‌گیری در مورد فرد آموزنده نیستند، مطرح می‌کنیم. این فرض جدید نیست. در گذشته، بسیاری از محققان به بحث در مورد مفهوم هوش و اندازه‌گیری آن اشاره می‌کردند (ریچاردسون، ۲۰۰۲؛ شلینگر، ۲۰۱۲؛ تلگن، ۲۰۰۴؛ واینبرگ، ۱۹۸۹). محققان نسبت به نتیجه‌گیری در مورد فرد، با استفاده از میانگین به عنوان یک هنجار، هشدار دادند و به پیامدهای ارگودیک بودن برای علوم اجتماعی اشاره کردند (لورتان و همکاران، ۲۰۱۹؛ مولنار، ۲۰۱۳؛ رز، ۲۰۱۶). محققان توصیه کردند که افراد را در طول زمان زیر نظر داشته باشند (اشمیدک و همکاران، ۲۰۲۰)، تخصص خود را (یعنی بر اساس مشاهدات، تجربه و دانش) به عنوان نتایج قطعی به جای نتایج آزمون استاندارد در نظر بگیرند (تلگن، ۲۰۰۴) و منابع اطلاعاتی متعدد را در تصمیم‌گیری بالینی ترکیب کنند (ماتارازو، ۱۹۹۰؛ نیسورث و باگناتو، ۲۰۰۴). با این وجود، دانشمندان اظهار می‌کنند که اندازه‌گیری هوش بزرگترین دستاورد علوم اجتماعی است (دترمن، ۲۰۱۴) و آزمون‌های استاندارد هوش بخشی از مجموعه‌ای استاندارد از آزمون‌ها در تصمیم‌گیری بالینی هستند و هنوز هم توسط متخصصان بسیار ارزشمند هستند (ریندرمن و همکاران، ۲۰۲۰؛ بلومینک، ۲۰۲۳). همچنین در سیاست هلند، بهره هوشی بسیار ارزشمند است و به عنوان دریچه‌ای به آموزش (ویژه) و مراقبت‌های بهداشتی عمل می‌کند. در جستجوی توضیحی برای این نظرات متناقض، مهم است که تشخیص دهیم که بیشتر دانسته‌ها و نادانسته‌های مربوط به هوش بر اساس داده‌های گروهی است. با استفاده از روش‌های تحقیق غیرخطی و دنبال کردن افراد در طول زمان، تصویر متفاوتی در مورد عامل g و همچنین اعتبار و پایایی آزمون‌های هوش ایجاد می‌شود. این امر تا حد زیادی نتایج ترکیبی تحقیقات را توضیح می‌دهد. با این حال، روش‌های تحقیق مختلف تنها بخشی از پاسخ هستند. ما معتقدیم که این روش‌های تحقیق ریشه در پارادایم‌های مختلف دارند؛ به ترتیب جبرگرایی بیولوژیکی و نظریه سیستم‌های پیچیده. اگر تحقیقات از پارادایم‌های مختلف انجام شود، مشکلات مربوط به اعتبار و پایایی آزمون‌های هوش استاندارد همچنان غیرقابل حل خواهد بود. توضیح بیشتر در مورد این دو پارادایم فراتر از محدوده این مقاله است، اما ما این کار را در مقاله‌ای که در آینده منتشر خواهد شد، انجام خواهیم داد.
از آنجا که تحلیل ما دیدگاه متعادل‌تری نسبت به هوش نسبت به آنچه در سیاست هلند دیده می‌شود، اتخاذ می‌کند، می‌خواهیم در این بخش پایانی به شکاف بین نظریه و عمل بپردازیم. دلایل متعددی برای این شکاف وجود دارد. اولین مورد مربوط به ارزش بی‌اساس نظریه CHC است. در سال ۲۰۰۹، مک‌گرو متوجه شد که نظریه CHC در حوزه کار (ناشران آزمایش‌های خود را بر اساس نظریه CHC انجام می‌دهند) بسیار سریع‌تر از ادبیات علمی پذیرفته می‌شود. اگرچه تحقیقات علمی می‌توانند مبتنی بر عمل باشند، اما نگران‌کننده است که حوزه کاری از علم پیشی بگیرد، زیرا این خطر وجود دارد که حوزه کاری همچنان با فقدان پشتیبانی علمی به فعالیت خود ادامه دهد. دلیل دوم مربوط به روش‌هایی است که در مطالعات اعتبارسنجی استفاده می‌شوند. به گفته گولد (۱۹۹۶) این موضوع را می‌توان به آزمون هوش استنفورد-بینه نسبت داد.
استدلال نامعتبر این است: ما می‌دانیم که استنفورد-بینه هوش را اندازه‌گیری می‌کند؛ بنابراین، هر آزمون کتبی که همبستگی قوی با استنفورد-بینه داشته باشد، هوش را نیز اندازه‌گیری می‌کند. بسیاری از کارهای آماری پیچیده‌ای که توسط آزمایش‌کنندگان در طول پنجاه سال گذشته انجام شده است، هیچ تأیید مستقلی برای این گزاره که آزمون‌ها هوش را اندازه‌گیری می‌کنند، ارائه نمی‌دهد، بلکه صرفاً همبستگی را با یک استاندارد از پیش تعیین‌شده و بدون تردید برقرار می‌کند. (صفحه ۲۰۷)
دلیل سوم بالقوه برای شکاف بین نظریه و عمل می‌تواند فراموشی، اختصار یا تغییر نظریه‌های غنی و عمیق قبلی هوش در نسل‌های بعدی باشد، که با این واقعیت که هشدارهای بینه نادیده گرفته شده‌اند (یا فراموش شده‌اند؟؛ به لوهمن، ۱۹۹۷ مراجعه کنید) مشهود است. دلیل آخر می‌تواند این باشد که نتایج تحقیقات ممکن است در ترجمه گم شوند. واینبرگ (۱۹۸۹) ۳۰ سال پیش استدلال کرد که روان‌سنجان تنها کسانی نیستند که مسئول نحوه استفاده از آزمون‌های بهره هوشی و نحوه ارزیابی آنها توسط جامعه هستند. او به ویژه از محققان می‌خواهد که آنچه را که با نتایج تحقیقاتشان اتفاق می‌افتد، نحوه تفسیر آنها توسط جامعه و تبدیل آن به سیاست‌های عمومی، و هدایت و نظارت بر این فرآیند را هدایت کنند. در سال ۲۰۲۰، وای همین درخواست را در مورد مفهوم هوش مطرح کرد. دترمن (۲۰۱۴) به یک واقعیت ناخوشایند در مورد تحقیقات هوش و دانشگاه‌ها اشاره می‌کند. امروزه در اکثر دانشگاه‌ها، دانشجویان یاد می‌گیرند که چگونه توانایی‌های ذهنی را با استفاده از آزمون‌های هوش ارزیابی کنند. با این حال، آنها در مورد هوش و وضعیت موجود در تحقیقات هوش چیزی نمی‌آموزند.۷ علاوه بر این، اکثر دانشگاه‌های ایالات متحده و همچنین هلند، جایگاه هیئت علمی برای تحقیقات هوش ندارند (وای، ۲۰۲۰). به نظر می‌رسد دانشجویان تصورات غلط زیادی در مورد هوش دارند، درست مانند عموم مردم (دترمن، ۲۰۱۴؛ وای، ۲۰۲۰). همانطور که وای (۲۰۲۰، صفحه ۸) می‌گوید: “دانشجویان، به هر حال، صرفاً اعضای جامعه هستند که اتفاقاً در دانشگاه هستند” و همانطور که دترمن (۲۰۱۴) استدلال می‌کند: “برای دانشجویان تحصیلات تکمیلی روانشناسی و آموزش، برای من غیرقابل درک است که آنها را برای کار در روانشناسی بالینی یا آموزش می‌فرستند، در حالی که اطلاعات کمی در مورد هوش دارند. اغلب آنها فقط یک دوره واحد داشته‌اند که به آنها نحوه انجام آزمون‌ها را آموزش می‌دهد، با آموزش بسیار کمی در مورد اینکه هوش چیست یا نمرات در یک آزمون در واقع به چه معناست. برای من، این معادل آموزش جراحان به عنوان تکنسین‌هایی است که هیچ دانشی از آناتومی یا فیزیولوژی ندارند.
جمله بعدی نتلبک و ویلسون (۲۰۰۵) در مورد پیام اصلی که نویسندگان معمولاً ارائه می‌دهند، نمونه‌ای بارز است:
بنابراین، تفسیر نمره بهره هوشی یک فرد به دلیل محدودیت‌های اعتبار، همچنان نیازمند هنر و علم است. در نتیجه، نباید فرض شود که یک نمره بهره هوشی یا نمایه‌ای از نمرات، چیزی بیش از یک راهنما برای طیف نسبتاً محدودی از توانایی‌های آن فرد در آن مقطع زمانی ارائه می‌دهد… ما همچنان از استفاده از آزمون‌های هوش و استعداد/پیشرفت مشابه حمایت می‌کنیم، زیرا با توجه به محدودیت‌های دانش فعلی، آنها بهترین ابزارهای موجود برای پیش‌بینی پیامدهای مهم آموزشی و سایر پیامدهای مهم زندگی در آینده هستند.
این جمله، روشی رایج در ادبیات هوش است تا با وجود همه هشدارها، بر استفاده از آزمون‌های هوش تأکید کند. این ایده که آنها بهترین ابزارهای موجود برای پیش‌بینی پیامدهای مهم آموزشی و سایر پیامدهای مهم زندگی در آینده هستند، ممکن است در سطح گروهی صادق باشد، اما در سطح فردی، همانطور که این مقاله سعی در روشن کردن آن داشته است، صادق نیست. این نتیجه‌گیری ممکن است خواننده را در مورد جایگزین آن دچار تردید کند. ما معتقدیم که اعتبار و پایایی همیشه هنگام تلاش برای ارزیابی قوای ذهنی یک فرد (مثلاً شناختی، کلامی، عاطفی، اجتماعی و غیره) مشکل‌ساز خواهد بود. این موضوع به ماهیت انسان‌ها مربوط می‌شود که ایان هکینگ به طرز شگفت‌انگیزی آنها را به عنوان اهداف متحرک توصیف کرده است:
ما این نوع افراد را به عنوان افراد از پیش تعیین‌شده، به عنوان طبقات مشخصی که با ویژگی‌های مشخص تعریف شده‌اند، در نظر می‌گیریم. هرچه بیشتر در مورد این ویژگی‌ها بدانیم، می‌توانیم آنها را کنترل کنیم، به آنها کمک کنیم، تغییر دهیم یا بهتر از آنها تقلید کنیم. اما کاملاً اینطور نیست. آنها اهداف متحرک هستند زیرا تحقیقات ما با خود اهداف تعامل دارند و آنها را تغییر می‌دهند. و از آنجایی که آنها تغییر کرده‌اند، کاملاً همان نوع افراد قبلی نیستند. هدف تغییر کرده است. (هکینگ، ۲۰۰۷، صفحه ۲۹۳)
این موضوع در ارزیابی هوش و تعیین پتانسیل شناختی فرد کاملاً صادق است. فراموش نکنیم که ارزیاب (یا ناشر آزمون) ویژگی‌ها و مرزهای بین رشد فکری طبیعی و واگرا را تعریف می‌کند (بوسمن، ۲۰۱۷) و اینکه «… هوش یک سازه «نسبی» یا هنجاری است» (اکرمن، ۲۰۱۸، صفحه ۲). ما فکر می‌کنیم که این آگاهی امروزه چندان رایج نیست. یک گام به جلو، استفاده از هرگونه ارزیابی هوش به عنوان نقطه شروع به جای نقطه پایان است. به عنوان یک کمک به جای یک محدودیت (به نقل قول گولد در ابتدای این مقاله مراجعه کنید). با توجه به این موضوع، فکر می‌کنیم فرضیات زیر، بر اساس مقالات ذکر شده، ارزش بررسی دارند:
- ارزیابی باید بینشی در مورد فرآیندهای فکری آزمون‌دهنده، نحوه غلبه بر مشکلات یادگیری و نحوه انتقال استراتژی‌های یادگیری به حوزه‌های دیگر ارائه دهد (به جلتووا و همکاران، ۲۰۰۷ مراجعه کنید).
- ارزیابی باید شامل و توصیف کننده تأثیر ارزیاب بر موقعیت آزمون و نتیجه آزمون باشد. – موقعیت آزمون باید برای عملکرد آزمون‌دهنده مفید باشد، نه اینکه مانع آن شود. بنابراین، موقعیت آزمون باید آنچه را که از محیط برای آشکار کردن پتانسیل فکری آزمون‌دهنده لازم است، روشن کند.
– نمرات آزمون باید نسبی در نظر گرفته شوند و مسیر رشد فرد را توصیف کنند، نه اینکه مقایسه‌ای بین فرد و گروه هنجار باشند. – مغالطه ارگودیک با کنار گذاشتن نمرات بهره هوشی و استفاده صرف از ابزار به عنوان یک ابزار مشاهده‌ای قابل غلبه است.
ارزیابی پویا (DA) اکثر این فرضیات را برآورده می‌کند و ما خوانندگان علاقه‌مند را به کار پروفسور روون فوئرشتاین، پروفسور دیوید تزوریئل و در هلند، پروفسور ویلما رزینگ ارجاع می‌دهیم. نشانه‌هایی وجود دارد که نشان می‌دهد DA در محیط‌های آموزشی ارزش پیش‌بینی‌کننده بیشتری نسبت به بهره هوشی دارد (جلتوا و همکاران، ۲۰۰۷). با این حال، ارزیابی پویا، مسائل دیگری را نیز برای بحث مطرح می‌کند، مانند چگونگی مفهوم‌سازی مفهوم و چگونگی عینی‌سازی، نشان دادن و تعمیم نتایج آزمون (Beckmann, ۲۰۱۴; Jeltova et al., ۲۰۰۷). اعتبار نیز همچنان یک مسئله پیچیده در آزمون پویا است (برای بحث عمیق‌تر به Beckmann, ۲۰۱۴ مراجعه کنید). بنابراین، ما معتقدیم که مهم است ابتدا بحثی را آغاز کنیم که بر پرداختن به سؤالات اساسی، مانند چگونگی مطالعه انسان‌ها و چگونگی ادغام مجدد ارزیاب در معادله، تمرکز داشته باشد و نه چندان بر ارزیابی‌های جایگزین (ایستا).
گفتگوها با وزارت بهداشت، رفاه و ورزش نشان داد که سیاست‌گذاران از رویه‌های رایج در حوزه کار پیروی می‌کنند (I. R. Claassen، ارتباط شخصی، ۵ ژوئن ۲۰۲۳)، به این معنی که سیاست هلند ممکن است زمانی که حوزه کار بخواهد جهت متفاوتی را دنبال کند، تغییر کند. با این حال، اکثریت باید از این جهت حمایت کنند؛ این امر نیاز به یک فرآیند از پایین به بالا دارد. بنابراین، ما از خوانندگان علاقه‌مند دعوت می‌کنیم تا در این مورد پاسخ دهند و نظرات خود را در یک بحث علمی به اشتراک بگذارند. در عین حال، ما در حال انجام تحقیقاتی در مورد سوالات اساسی مانند چگونگی درک هوش توسط متخصصان تشخیص و دیدگاه‌های مختلف واگرا در مورد بشریت و پیامدهای آن برای تصمیم‌گیری بالینی هستیم.
ما می‌خواهیم با موارد زیر خلاصه و نتیجه‌گیری کنیم: با توجه به اینکه ۱) ممکن است توانایی کلی هوش به عنوان یک سازه روانشناختی وجود نداشته باشد، و ۲) اندازه‌گیری معتبر و قابل اعتمادی از هوش امکان‌پذیر نباشد، باید نتیجه بگیریم که هیچ توجیهی برای استفاده از آزمون‌های استاندارد هوش، چه رسد به نمرات IQ، در تصمیم‌گیری بالینی هنگام ارزیابی فرد نمی‌بینیم. همانطور که در مقالات ذکر شده مشهود است، استفاده از این ارزیابی‌ها افراد را در معرض خطر سوءتعبیر از توانایی‌های شناختی خود قرار می‌دهد.
Notes
- Note that IQ scores are no longer a strict criterion in DSM-V (American Psychiatric Association, 2013) to determine intellectual disabilities.
- The mutualism model of intelligence states that growth in one cognitive domain enables growth in another, which leads to a positive manifold between cognitive tasks (van der Maas et al., 2006).
- Recall, this does not prove the existence of a general intelligence factor. Factor gremains a psychometric construct.
- These tests are based on CHC theory and are supposed to measure the same constructs. These tests where used to validate the KABC-II, a new intelligence test at the time (Kaufman, 2009).
- Note that in some cases the desired score is high (entry into a gifted program) and sometimes the desired score is low (entry into a school for special education).
- These tests are considered to be valid and reliable tests for measuring intelligence.
- In the U.S., only five courses of intelligence are taught, according to Detterman, 2014.
References
Ackerman P (2018) Intelligence as potentiality and actuality. In: Sternberg R (ed.), The Nature of Human Intelligence. Cambridge: Cambridge University Press, pp. 1–14. Crossref.
Ackerman PL, Heggestad ED (1997) Intelligence, personality, and interests: Evidence for overlapping traits. Psychological Bulletin 121: 219–245. Crossref. PubMed. Web of Science.
Alfonso VC, Flanagan DP, Radwan S (2005) The impact of the Cattell-Horn-Carroll theory on test development and interpretation of cognitive and academic abilities. In Flanagan DP, Harrison PL (eds) Contemporary Intellectual Assessment, Theories, Tests, and Issues. New York: Guilford Publications, pp. 185–202.
American Psychiatric Association (2013) Diagnostic and Statistical Manual of Mental Disorders, 5th edn. Washington DC: American Psychiatric Association. Crossref.
Beckmann JF (2014) The umbrella that is too wide and yet too small: Why dynamic testing has still not delivered on the promise that was never made. Journal of Cognitive Education and Psychology, 13(3), 308–323. Crossref.
Bloemink S (2023) Botte hakbijl of emancipatiemotor? De geschiedenis van de IQ-test [Blunt axe or emancipation engine. The history of the IQ test]. De Groene Amsterdammer, 13 July. Available at: https://www.groene.nl/artikel/botte-hakbijl-of-emancipatiemotor (accessed 24 July 2023).
Boring EG (1923) Intelligence as the tests test it. New Republic 36: 35–37.
Borsboom D, Mellenbergh GJ, Van Heerden J (2004) The concept of validity. Psychological Review 111(4): 1061–1071. Crossref. PubMed. Web of Science.
Bosman AMT (2017) Disorders are reduced normativity emerging from the relationship between organisms and their environment. In: Hens K, Cutas D, Horstkötter D (eds) Parental Responsibility in the Context of Neuroscience and Genetics. Switzerland: Springer International Publishing, pp. 35–54. Crossref.
Bronfenbrenner U, Morris PA (2006) The bioecological model of human development. In Lerner RM, Damon W (eds) Handbook of Child Psychology: Theoretical Models of Human Development, 5th edn. Hoboken: Wiley, pp. 793–828.
Burton A, Conway JH, Holgate ST (2000) Reliability: What is it, and how is it measured? Physiotherapy 86(2): 94–99. Crossref.
Canivez GL, Youngstrom EA (2019) Challenges to the cattell-horn-caroll theory: Empirical, clinical, and policy implications. Applied Measurement in Education 32(3): 232–248. Crossref.
Carroll JB (1997) Psychometric, intelligence, and public perception. Intelligence 24(1): 25–52. Crossref.
Detterman D (2014) You should be teaching intelligence! Intelligence 42: 148–151. Crossref.
Dickens M, Flynn J (2001) Heritability estimates versus large environmental effects: The IQ paradox resolved. Psychological Review 108(2): 346–369. Crossref. PubMed.
Dirks J (1982) The effect of a commercial game on children’s block design scores on the WISC-R IQ test. Intelligence 6(2): 109–123. Crossref.
Eling P (2014) Op zoek naar intelligentie in het brein [Searching for intelligence in the brain]. Tijdschrift voor Neuropsychiatrie en Gedragsneurologie 4: 110–116. Crossref.
Etherton JL, Axelrod BN (2013) Do administration instructions alter optimal neuropsychological test performance? Data from healthy volunteers. Applied Neuropsychology: Adult 20: 15–19. Crossref. PubMed.
Eysenck HJ (2017) Intelligence: A New Look. London and New York: Routledge.
Flavell JH, Miller PH, Miller SA (2002) Cognitive Development. 4th edn. New Jersey: Prentice Hall.
Fuchs D, Fuchs LS (1986) Test procedure bias: A meta-analysis of examiner familiarity effects. Review of Educational Research 56(2): 243–262. Crossref. Web of Science.
Fuchs D, Fuchs LS, Benowitz S, et al. (1987) Norm-referenced tests: Are they valid for use with handicapped students? Exceptional Children 54(3): 263–271. Crossref. PubMed. Web of Science.
Gottfredson L (1997) Why g matters: The complexity of everyday life. Intelligence 24(1): 79–132. Crossref. Web of Science.
Gould SJ (1995) Stephen Jay Gould on Intelligence Tests (IQ), the Nature-Nurture Controversy. [Video]. YouTube. Available at: https://www.youtube.com/watch?v=8wcSSLo9TIs (accessed 20 April 2023)
Gould SJ (1996) The Mismeasure of Man. New York: W. W. Norton & Company.
Habets P, Jeandarme I, Uzieblo K, et al. (2015) Intelligence is in the eye of the beholder: Investigating repeated IQ measurements in forensic psychiatry. Journal of Applied Research in Intellectual Disabilities 28(3): 182–192. Crossref. PubMed.
Hacking I (2007) Kinds of people: Moving targets. Proceedings of the British Academy 151: 285–318.
Heyanka DJ, Holster JL, Golden CJ (2013) Intraindividual neuropsychological test variability in healthy individuals with high average intelligence and educational attainment. International Journal of Neuroscience 123(8): 526–531. Crossref. PubMed.
Hop M, van Boxtel H (2013) Wetenschappelijke Verantwoording Cito Intelligentietest VO. Arnhem: Cito.
Jeltova I, Birney D, Fredine N, et al. (2007) Dynamic assessment as a process-oriented assessment in educational settings. Advances in Speech Language Pathology 9(4): 273–285. Crossref.
Kan K, Kievit RA, Dolan C, et al. (2011) On the interpretation of the CHC factor Gc. Intelligence 39: 292–302. Crossref. Web of Science.
Kaufman AS (2009) IQ Testing 101. New York: Springer Publishing Company.
Kelley TL (1927) Interpretation of Educational Measurements. New York: World Book Company.
Kievit Th, Tak JA, Bosch JD (2008) Handboek psychodiagnostiek voor de hulpverlening aan kinderen [Handbook of Psychodiagnosis for Child Therapy]. 7th edn. Utrecht: De Tijdstroom.
Koegel LK, Koegel RL, Smith A (1997) Variables related to differences in standardized test outcomes for children with autism. Journal of Autism and Developmental Disorders 27(3): 233–244. Crossref. PubMed.
Kuhlemeier H (2018) Toetswijzer. Dynamic Assessment. Achtergrond en praktische toepassing voor leerlingen met een verstandelijke beperking [Test Manual. Dynamic Assessment. Background and Practical Applications for Students With Intellectual Disabilities]. Arnhem: Cito B.V.
Lohman DF (1997) Lessons from the history of intelligence testing. International Journal of Educational Research 27(5): 359–378.
Lord FM, Novick MR (1968) Statistical Theories of Mental Test Scores. Menlo Park: Addison-Wesley.
Loretan N, Radstaak RJ, Bosman AMT (2019) De test getest. Over de onbruikbaarheid van psychologische testen voor uitspraken over het individu [The test tested: About the unusability of psychological tests for statements about the individual]. Orthopedagogiek: Onderzoek en Praktijk 58: 115–136.
Malarbi S, Abu-Rayya HM, Muscara F, et al. (2017) Neuropsychological functioning of childhood trauma and post-traumatic stress disorder: A meta-analysis. Neuroscience and Biobehavioral Reviews 72: 68–86. Crossref. PubMed.
Matarazzo JD (1990) Psychological assessment versus psychological testing: Validation from Binet to the school, clinic, and courtroom. American Psychologist 45(9): 999–1017. Crossref. PubMed.
McDermott PA, Watkins MW, Rhoad AM (2014) Whose IQ is it? — assessor bias variance in high-stakes psychological assessment. Psychological Assessment 26(1): 207–214. Crossref. PubMed.
McGrew KS (2009) CHC theory and the human cognitive abilities project: Standing on the shoulders of the giants of psychometric intelligence research. Intelligence 37(1): 1–10. Crossref. Web of Science.
Molenaar PCM (2013) On the necessity to use person-specific data analysis approaches in psychology. European Journal of Developmental Psychology 10(1): 29–39. Crossref.
Molenaar PCM, Campbell CG (2009) The new person-specific paradigm in psychology. Current Directions in Psychological Science 18(2): 112–117. Crossref. Web of Science.
Neisworth JT, Bagnato SJ (1992) The case against intelligence testing in early intervention. Topics in Early Childhood Special Education 12(1): 1–20. Crossref. Web of Science.
Neisworth JT, Bagnato SJ (2004) The mismeasure of young children. The authentic assessment alternative. Infants and Young Children 17(3): 198–212. Crossref.
Nettelbeck T, Wilson C (2005) Intelligence and IQ: What teachers should know. Educational Psychology 25(6): 609–630. Crossref.
Peters-Scheffer NC, Didden HCM, Mulders M, et al. (2013) Effectiviteit van laag intensieve gedragstherapie aanvullend aan reguliere begeleiding bij jonge kinderen met een verstandelijke beperking en autisme [Effectiveness of low-intensity behavior therapy in addition to regular support for young children with intellectual disabilities and autism]. Nederlands Tijdschrift voor de Zorg aan Mensen met Verstandelijke Beperkingen 39: 5–30.
Phay AJ (1990) Shipley institute of living scale: Part 1 – moderator variables. Medical Psychotherapy 3: 1–15.
Ponsioen A (2005) De waarde van een IQ score bij kinderen met een lichte verstandelijke beperking [The value of an IQ score in children with mild intellectual disabilities]. Kind en Adolescent Praktijk 4: 51–55. Crossref.
Radstaake M, Deckers SRJM, Van Hoogdalem A, et al. (2023) [Unpublished Raw Data on the Use of IQ in The Netherlands]. Radboud University and NVO.
Richardson K (2002) What IQ tests test. Theory & Psychology 12(3): 283–314. Crossref. Web of Science.
Richardson K, Norgate SH (2006) A critical analysis of IQ studies of adopted children. Human Development 49: 319–335. Crossref.
Rindermann H, Becker D, Coyle TR (2020) Survey of expert opinion on intelligence: Intelligence research, experts’ background, controversial issues, and the media. Intelligence 78: 101406. Crossref. Web of Science.
Ritchie SJ, Tucker-Drob EM (2018) How much does education improve intelligence? A meta-analysis. Psychological Science 29(8): 1358–1369. Crossref. PubMed. Web of Science.
Rose T (2015) The end of average. How we succeed in a world that values sameness. New York: Harpercollins Publishers.
Sbordone RJ (2014) The hazards of strict reliance on neuropsychological tests. Applied Neuropsychology: Adult 21(2): 98–107. Crossref. PubMed.
Schlinger H (2012) The myth of intelligence. The Psychological Record 53: 15–32.
Schmiedek F, Lövdén M, von Oertzen T, et al. (2020) Within-person structures of daily cognitive performance differ from between-person structures of cognitive abilities. PeerJ 8: e9290. Crossref. PubMed.
Smith LB, Thelen E (1994) A Dynamic Systems Approach to the Development of Cognition and Action. Cambridge: The MIT Press. Crossref.
Stavro K, Pelletier J, Potvin S (2013) Widespread and sustained cognitive deficits in alcoholism: A meta-analysis. Addiction Biology 18: 203–213. Crossref. PubMed. Web of Science.
Sternberg RJ (2012) Intelligence. Dialogues in Clinical Neuroscience 14(1): 19–27. Crossref. PubMed.
Sternberg RJ (2018) Why real-world problems go unresolved and what we can do about it: Inferences from a limited-resource model of successful intelligence. Journal of Intelligence 44(6): 1–9.
Tellegen P (2004) De waan van “het” IQ [The illusion of ‘the’ IQ]. Rijksuniversiteit Groningen. Available at: https://www.hogrefe.com/nl/nieuw/de-waan-van-het-iq (accessed 17 Januay 2020).
te Nijenhuis J, Jongeneel-Grimen B, Armstrong EL (2015) Are adoption gains on the g factor? A meta-analysis. Personality and Individual Differences 73: 56–60. Crossref. Web of Science.
te Nijenhuis J, Jongeneel-Grimen B, Kirkegaard EOW (2014) Are headstart gains on the g factor? A meta-analysis. Intelligence 46: 209–215. Crossref.
Torres Van Grinsven V (2022) Sources of measurement error in pediatric intelligence testing. Methodological Innovations 15(1): 96–104. Crossref.
van der Maas HLJ, Dolan KV, Grasman RPPP, et al. (2006) A dynamical model of general intelligence: The positive manifold of intelligence by mutualism. Psychological Review 113(4): 842–861. Crossref. PubMed. Web of Science.
van der Maas HLJ, Kan K, Borsboom D (2014) Intelligence is what the intelligence test measures. Seriously. Journal of Intelligence 2: 12–15. Crossref.
van Toorn M, Bon C (2011) De onbetrouwbaarheid van de IQ-meting. Consequenties voor de praktijk. [The unreliability of the IQ measurement. Consequences for practice]. De Psycholoog 46(4): 44–49.
Visser L, Vlaskamp C, Emde C, et al. (2017) Difference or delay? A comparison of bayley-III cognition item scores of young children with and without developmental disabilities. Research in Developmental Disabilities 71: 109–119. Crossref. PubMed.
Vygotsky LS (1988) The genesis of higher mental functions. In: Richardson R, Sheldon S (eds), Cognitive Development to Adolescence. Hove: Erlbaum.
Wai J (2020) Communicating intelligence research. Journal of Intelligence 40(8): 1–11.
Weinberg RA (1989) Intelligence and IQ. Landmark issues and great debates. American Psychologist 44(2): 98–104. Crossref.
Weiss LG, Saklofske DH (2020) Mediators of IQ test score differences across racial and ethnic groups: The case for environmental and social justice. Personality and Individual Differences 161: 1–9. Crossref.
Zakzanis KK, Jeffay E (2011) Neurocognitive variability in high-functioning individuals: Implications for the practice of clinical neuropsychology. Psychological Reports 108(1): 290–300. Crossref. PubMed. Web of Science.
Author biographies
Anouk van Hoogdalem is a teacher at Radboud University. She teaches a course on cognitive development to first-year students. Additionaly, she teaches a course on mediated learning, based on the ideas of Reuven Feuerstein and Lev Vygotsky. Her research is about different perspectives on the role of IQ in clinical decision-making.
Dr. Anna MT Bosman is a professor at Radboud University. She is a specialist in learning and learning problems and has also published on problems that arise when assigning psychiatric diagnoses (including dyslexia) and also on the validity of psychological tests.
van Hoogdalem, A., & Bosman, A. M. (2023). Intelligence tests and the individual: Unsolvable problems with validity and reliability. Methodological Innovations, 17(1), 6-18. https://doi.org/10.1177/20597991231213871 (Original work published 2024).
زندگینامه نویسندگان
آنوک ون هوگدالم استاد دانشگاه رادبود است. او درسی در مورد رشد شناختی به دانشجویان سال اول تدریس می‌کند. علاوه بر این، او درسی در مورد یادگیری واسطه‌ای، بر اساس ایده‌های روون فوئرشتاین و لو ویگوتسکی، تدریس می‌کند. تحقیقات او در مورد دیدگاه‌های مختلف در مورد نقش بهره هوشی در تصمیم‌گیری بالینی است.
دکتر آنا ام. تی. بوسمن استاد دانشگاه رادبود است. او متخصص یادگیری و مشکلات یادگیری است و همچنین، در مورد مشکلاتی که هنگام تشخیص‌های روانپزشکی (از جمله نارساخوانی) ایجاد می‌شود و همچنین در مورد اعتبار آزمون‌های روانشناختی مطالبی منتشر کرده است..
ون هوگدالم، آ.، و بوسمن، آ. م. (۲۰۲۳). آزمون‌های هوش و فرد: مسائل حل‌نشدنی با روایی و پایایی. نوآوری‌های روش‌شناختی، ۱۷(۱)، ۶-۱۸.
https://doi.org/۱۰.۱۱۷۷/۲۰۵۹۷۹۹۱۲۳۱۲۱۳۸۷۱ (اثر اصلی منتشر شده در سال ۲۰۲۴)