g အချက်ဆိုတာ ဘာလဲ

g အချက်သည် မတူညီသော ဉာဏ်ရည်ဆိုင်ရာ အလုပ်များတွင် ဘုံအနေဖြင့် ပါဝင်သည့် အစိတ်အပိုင်းဖြစ်သည်

ဝေါဟာရ၊ တွက်ချက်မှု၊ ပုံသဏ္ဌာန်ဆင်ခြင်မှုနှင့် မှတ်ဉာဏ်တို့က လိုအပ်သော အကြောင်းအရာ မတူညီသည့် အလုပ်များဖြစ်သည်။ သို့သော် လူများစွာ၏ ရလဒ်ကို နှိုင်းယှဉ်ကြည့်လျှင် အလုပ်တစ်ခု၌ ရမှတ်မြင့်သောသူက အခြားအလုပ်၌လည်း ရမှတ်မြင့်နိုင်ခြေ ပိုများသည်။ ဤမတူညီသော သိမြင်မှုဆိုင်ရာ အလုပ်များတွင် ဘုံအနေဖြင့် ပါဝင်သည့် အစိတ်အပိုင်းကို ယေဘုယျဉာဏ်ရည်အချက်ဖြစ်သော g အချက်ဟု ခေါ်သည်။

အလုပ်များအကြား ခြုံကြည့်လျှင် အပေါင်းဆက်နွှယ်မှုရှိနေသည့် ဖြစ်စဉ်ကို “positive manifold” ဟု ခေါ်သည်။ Spearman က 1904 ခုနှစ် သုတေသနတွင် ယေဘုယျအချက်ကို အဆိုပြုခဲ့ပြီးနောက် g အချက်သည် ဉာဏ်ရည်စမ်းသပ်မှု၏ အလုံးစုံရလဒ်ကို ရှင်းပြရာတွင် အဓိကအယူအဆ ဖြစ်လာခဲ့သည်။

အပေါင်းဆက်နွှယ်မှုမှ g အချက်ကို ခန့်မှန်းပုံ

g အချက်သည် မေးခွန်းတစ်ခုကို ဖြေရုံဖြင့် တိုက်ရိုက်တိုင်းတာရရှိသော ရမှတ်မဟုတ်ပါ။ ဝေါဟာရ၊ ကျိုးကြောင်းဆင်ခြင်မှု၊ မှတ်ဉာဏ်နှင့် အမြန်နှုန်း စသည့် အလုပ်များစွာ၏ ရမှတ်ကို စုဆောင်းပြီး ထိုရမှတ်များ၏ ဆက်နွှယ်မှုမှ ခန့်မှန်းရသော၊ တိုက်ရိုက်မမြင်ရသည့် ကိန်းရှင်ဖြစ်သည်။

အချက်ခွဲခြမ်းစိတ်ဖြာမှု (factor analysis) တွင် အလုပ်များစွာ၏ ရမှတ် တစ်ပြိုင်တည်းတက်ကျသည့် အစိတ်အပိုင်းနှင့် အလုပ်တစ်ခုချင်းစီအတွက်သာ ကျန်ရှိသည့် အစိတ်အပိုင်းကို ခွဲထုတ်သည်။ ဝေါဟာရအလုပ်၌ စကားလုံးအသိပညာ၊ သင်္ကေတရှာဖွေမှု၌ အမြင်ဖြင့် ရှာဖွေသည့် အမြန်နှုန်း စသည့် အလုပ်အလိုက် ကွာခြားမှုများ ပါဝင်နေသော်လည်း အလုပ်များအားလုံးတွင် ဘုံအနေဖြင့် ပါဝင်နေသော ရမှတ်အပြောင်းအလဲကို g အချက်ဖြင့် ဖော်ပြသည်။

Positive manifold ကို မတူညီသော ယဉ်ကျေးမှုများနှင့် စမ်းသပ်မှုများတွင်လည်း ကျယ်ကျယ်ပြန့်ပြန့် တွေ့ရှိထားသည်။ သို့သော် ဤတူညီမှုကို ယေဘုယျစွမ်းရည်တစ်ခုတည်းက ဖြစ်စေသလား၊ စွမ်းရည်များစွာ၏ အပြန်အလှန်သက်ရောက်မှုကြောင့်လား၊ သို့မဟုတ် အလုပ်များအကြား ထပ်တူပါဝင်သော သိမြင်မှုလုပ်ငန်းစဉ်များကြောင့်လား ဆိုသည်ကို ဆက်လက်ဆွေးနွေးနေကြဆဲဖြစ်သည်။

g အချက်၊ IQ နှင့် FSIQ တို့၏ ကွာခြားချက်

FSIQ သည် အကြောင်းအရာမတူညီသော စမ်းသပ်ချက်ခွဲများစွာကို ပေါင်းစပ်ထားသဖြင့် g အချက်ကို အားကောင်းစွာ ထင်ဟပ်သည်။ သို့သော် FSIQ က စမ်းသပ်မှုတစ်ခုချင်းစီ၏ သတ်မှတ်ထားသော ဖွဲ့စည်းပုံနှင့် ရမှတ်ပြောင်းလဲတွက်ချက်ပုံမှ ရရှိသည့် တိုင်းတာရမှတ်ဖြစ်ပြီး g အချက်က ထိုရမှတ်များအကြား ဆက်နွှယ်မှုကို ရှင်းပြသော၊ တိုက်ရိုက်မမြင်ရသည့် ကိန်းရှင်ဖြစ်သည်။ FSIQ တွက်ချက်ပုံနှင့် ရလဒ်နားလည်ပုံကို FSIQ ဆိုတာ ဘာလဲတွင် အသေးစိတ် ဆွေးနွေးထားသည်။

g ပါဝင်မှုက စမ်းသပ်ချက်နှင့် g အချက်တို့၏ ဆက်နွှယ်မှုအားကို ဖော်ပြသည်

g ပါဝင်မှု (g loading) သည် စမ်းသပ်ချက်ခွဲတစ်ခု၏ ရလဒ်နှင့် g အချက် မည်မျှအားကောင်းစွာ ဆက်နွှယ်သည်ကို ဖော်ပြသော တန်ဖိုးဖြစ်သည်။ ရိုးရှင်းသော အချက်တစ်ခုတည်းပါ ပုံစံတွင် g ပါဝင်မှု .70 ဖြစ်လျှင် ၎င်းကို နှစ်ထပ်ကိန်းတင်ထားသော .49၊ ဆိုလိုသည်မှာ ရမှတ်ပြန့်နှံ့မှု၏ 49% ကို g နှင့် မျှဝေသည်ဟု တွက်ချက်နိုင်သည်။

WAIS-IV ကို ခွဲခြမ်းစိတ်ဖြာထားသော သုတေသနတွင် Arithmetic နှင့် Vocabulary စသည့် စမ်းသပ်ချက်များ၏ g ပါဝင်မှုက အတော်အတန်မြင့်ပြီး လုပ်ဆောင်မှုအမြန်နှုန်းဆိုင်ရာ စမ်းသပ်ချက်များက နိမ့်သည်။ g ပါဝင်မှုက မေးခွန်း၏ ခက်ခဲမှုကို ဖော်ပြခြင်းမဟုတ်ဘဲ အလုပ်များအားလုံးတွင် ဘုံအနေဖြင့် ပါဝင်သည့် စွမ်းရည်ကို မည်မျှထင်ဟပ်သည်ကို ဖော်ပြခြင်းဖြစ်သည်။ စမ်းသပ်ချက်ခွဲတစ်ခုတည်းအတွက်ပင် စမ်းသပ်ခံအုပ်စု၊ အတူပေါင်းစပ်ထားသော စမ်းသပ်ချက်များနှင့် စာရင်းအင်းပုံစံတို့အလိုက် တန်ဖိုး ကွာခြားနိုင်သည်။

IQ စမ်းသပ်မှုများက အကြောင်းအရာမတူညီသော အလုပ်များကို ပေါင်းစပ်ထားရခြင်းမှာ သီးခြားအသိပညာ သို့မဟုတ် မေးခွန်းပုံစံတစ်ခုတည်းဘက်သို့ မယိမ်းဘဲ အလုပ်များအားလုံး၌ ပါဝင်သည့် ယေဘုယျအဆင့်ကို ဖော်ထုတ်ရန်ဖြစ်သည်။

g အချက်က ပညာရေးရလဒ်နှင့် လေ့ကျင့်သင်တန်းသင်ယူမှုတို့နှင့် အားကောင်းစွာ ဆက်နွှယ်သည်

g အချက်သည် အထူးသဖြင့် အသစ်သော အကြောင်းအရာကို သင်ယူတတ်မြောက်ခြင်းနှင့် အားကောင်းစွာ ဆက်နွှယ်သည်။ ပညာရေးရလဒ်ဆိုင်ရာ သုတေသနများကို ပေါင်းစပ်ခွဲခြမ်းစိတ်ဖြာထားသည့် လေ့လာမှုနှင့် လုပ်ငန်းခွင်လေ့ကျင့်သင်တန်း၊ အလုပ်စွမ်းဆောင်ရည်ဆိုင်ရာ သုတေသနများကို ပေါင်းစပ်ခွဲခြမ်းစိတ်ဖြာထားသည့် လေ့လာမှုတို့တွင် ရလဒ်အမျိုးအစားအလိုက် ဆက်နွှယ်မှုအား ကွာခြားသည်။

g သည် ပညာရေးနှင့် လေ့ကျင့်သင်တန်းတွင် သင်ယူတတ်မြောက်မှုကို ကောင်းစွာခန့်မှန်းပေးနိုင်သော်လည်း ယနေ့ခေတ် အလုပ်စွမ်းဆောင်ရည်နှင့် ဆက်နွှယ်မှုက ယခင်ယူဆခဲ့သလောက် မအားကောင်းပါ။ နောက်ဆုံးပေါ် အလုပ်စွမ်းဆောင်ရည်ဒေတာတွင် “အလုပ်ပိုရှုပ်ထွေးလေ g ၏ ခန့်မှန်းနိုင်စွမ်း ပိုမြင့်လေ” ဟူသော ယခင်ရှင်းလင်းချက်ကိုလည်း ထောက်ခံမှုမတွေ့ခဲ့ပါ။ IQ က ဖော်ပြသော အလုံးစုံအဆင့်ကို လက်တွေ့ရလဒ်များနှင့် မည်သို့ဆက်စပ်ကြည့်နိုင်သည်ကို IQ တိုင်းတာခြင်း၏ အကျိုးတန်ဖိုးတွင် အသေးစိတ် ရှင်းပြထားသည်။

g အချက်နှင့် CHC သီအိုရီ၏ ကျယ်ပြန့်သော စွမ်းရည်နယ်ပယ်များက မတူညီသော အဆင့်များကို ဖော်ပြသည်

CHC သီအိုရီတွင် ဉာဏ်ရည်ကို ယေဘုယျစွမ်းရည်၊ ကျယ်ပြန့်သော စွမ်းရည်နယ်ပယ်များနှင့် သီးခြားစွမ်းရည်များဟူသော အဆင့်များဖြင့် စုစည်းထားသည်။ ယခုအသုံးများသော Carroll ပုံစံတွင် အမြင့်ဆုံးအဆင့်၌ g အချက်ကို ထားပြီး ၎င်းအောက်၌ Gc၊ Gf၊ Gv၊ Gwm နှင့် Gs စသည့် ကျယ်ပြန့်သော စွမ်းရည်နယ်ပယ်များကို ထားသည်။ CHC ၏ မူလအခြေခံများထဲမှ တစ်ခုဖြစ်သော Horn ၏ သီအိုရီတွင်မူ အမြင့်ဆုံးအဆင့်၌ g တစ်ခုတည်းကို မထားခဲ့ပါ။

g အချက်က သိမြင်မှုဆိုင်ရာ အလုပ်အားလုံးတွင် ပါဝင်သည့် ယေဘုယျအဆင့်ကို ဖော်ပြပြီး ကျယ်ပြန့်သော စွမ်းရည်နယ်ပယ်များက မည်သည့်အလုပ်မျိုးတွင် စွမ်းရည်ကို ပိုမိုလွယ်ကူစွာ ထုတ်ဖော်နိုင်သည်ကို ဖော်ပြသည်။ ထို့ကြောင့် စုစုပေါင်း IQ နီးစပ်သော လူနှစ်ဦး၌ပင် ဘာသာစကားနားလည်မှု၊ ကျိုးကြောင်းဆင်ခြင်မှု၊ အမြင်နှင့် နေရာဆက်စပ်မှု၊ လုပ်ဆောင်မှုမှတ်ဉာဏ်၊ လုပ်ဆောင်မှုအမြန်နှုန်းတို့၏ ပေါင်းစပ်ပုံ ကွာခြားနိုင်သည်။ ထိုစွမ်းရည်ပေါင်းစပ်ပုံကို လက်တွေ့အခြေအနေများနှင့် ဆက်စပ်ကြည့်နိုင်ပုံကို သိမြင်စွမ်းရည်ပရိုဖိုင်ဆိုတာ ဘာလဲတွင် ရှင်းပြထားသည်။

BrainTypeIQ သည် စမ်းသပ်ချက် 9 ခုမှ စုစုပေါင်း IQ နှင့် စွမ်းရည် 5 ခု၏ ပရိုဖိုင်ကို ဖော်ပြပေးသည်။