मूल्याङ्कन गर्न चाहिने आधार सार्वजनिक नगरेको परीक्षणको IQ लाई सटीक सङ्ख्याका रूपमा विश्वास नगर्नुहोस्। विज्ञापन, खोज नतिजाको स्थान, आकर्षक नतिजा स्क्रिन वा IQ प्रमाणपत्र मापन गुणस्तरका प्रमाण होइनन्। अनलाइन IQ परीक्षण छान्दा शुल्क र सम्झौताका सर्त पनि महत्त्वपूर्ण हुन्छन्।
IQ परीक्षणको मापन गुणस्तर तय गर्ने 4 पक्ष
| पक्ष | जाँच्ने कुरा | यो नहुँदा |
|---|---|---|
| मानकीकरण | परीक्षण सञ्चालन र स्कोर दिने सर्त समान छन् कि छैनन्? | उपकरण, समय वा स्कोर दिने तरिकाको फरक पनि स्कोरमा मिसिन्छ |
| नोर्म | कसको डेटासँग तुलना गरिएको छ? | IQ 100 वा माथिल्लो 2% को अर्थ तय हुँदैन |
| विश्वसनीयता | स्कोर कति एकरूप रहन्छ? | संयोगले सही वा गलत भएका उत्तरले सङ्ख्या धेरै बदल्छ |
| वैधता | स्कोरलाई उल्लेख गरिएको क्षमताको मापनका रूपमा बुझ्न मिल्छ? | आकृतिमा आधारित तर्कको नतिजालाई समग्र IQ भनेर अत्यधिक विस्तार गरिन्छ |
यी 4 मध्ये एउटाबाट मात्र IQ को मापन गुणस्तर तय गर्न सकिँदैन। उदाहरणका लागि, विश्वसनीयता उच्च भए पनि मापन गरेको क्षेत्र आकृतिमा आधारित तर्क मात्र हो भने त्यसलाई भाषा, स्मृति र प्रशोधन गतिसमेत समेट्ने समग्र IQ मान्नु वैध हुँदैन।
मानकीकरण र नोर्म
मानकीकरण भनेको निर्देशन, समयसीमा, प्रश्न प्रस्तुत गर्ने तरिका, स्कोर दिने विधि तथा समय सकिँदा वा परीक्षण बीचमा रोकिँदा गरिने व्यवहार समान बनाउनु हो। अनलाइन परीक्षणमा स्मार्टफोन र कम्प्युटरको प्रदर्शन भिन्नता, सञ्चारमा ढिलाइ, पुनःपरीक्षण तथा खोज वा नोट प्रयोग गर्ने नियम पनि स्कोरका सर्तमा पर्छन्। उस्तै क्षमता भएका व्यक्तिको IQ उपकरण वा परीक्षण दिएको पटकका कारण मात्र धेरै फरक हुन्छ भने त्यो तुलना गर्न मिल्ने मापन हुँदैन।
नोर्म IQ तुलना गर्ने आधार हो। सही उत्तरको सङ्ख्यालाई औसत 100 र मानक विचलन 15 मा बदल्न मात्र हो भने जुनसुकै समूहको डेटा प्रयोग गर्न सकिन्छ। वेबसाइटमा आउने व्यक्तिको औसतलाई 100 बनाउँदैमा त्यसले सामान्य वयस्क जनसङ्ख्याभित्रको स्थान जनाएको हुँदैन।
नोर्ममा व्यक्तिको सङ्ख्या मात्र होइन, उमेर, भाषा, क्षेत्र, सहभागी भर्ती गर्ने तरिका, पुनःपरीक्षण, अस्वाभाविक उत्तर र बीचमै छाडिएका परीक्षणको व्यवस्थापन, उमेर समायोजन, डेटा सङ्कलन गरेको वर्ष तथा अहिलेका प्रश्न र स्कोर दिने विधिसँगको सम्बन्ध पनि हेरिन्छ।
“100,000 परीक्षार्थी” भनिए पनि एउटै व्यक्तिको पुनःपरीक्षण समावेश छ कि छैन, कुन उमेरका कति व्यक्ति छन् वा डेटा कहिले सङ्कलन गरिएको हो भन्ने स्पष्ट छैन भने नोर्मको गुणस्तर तय गर्न सकिँदैन। नेपालीमा अनुवाद मात्र गरिएको परीक्षणमा अर्को भाषाको संस्करणको नोर्म जस्ताको तस्तै प्रयोग गर्न पनि मिल्दैन। जापान टेस्ट सोसाइटीका आधारभूत प्रावधान ले पनि आधारसमूह, नमुना, मानकीकरण प्रक्रिया र सांख्यिकीय जानकारी अभिलेख राखेर सार्वजनिक गर्नुपर्ने बताउँछन्।
विश्वसनीयता, मापन त्रुटि र विश्वास अन्तराल
विश्वसनीयताले स्कोरमा कति एकरूप जानकारी छ भन्ने कुरा 0–1 बीचको गुणाङ्कबाट जनाउँछ। प्रश्नसमूहको आन्तरिक एकरूपता हेर्ने विश्वसनीयता र अर्को दिन परीक्षण दिँदा कति स्थिर रहन्छ भन्ने हेर्ने पुनःपरीक्षण विश्वसनीयताले फरक प्रश्नको उत्तर दिन्छन्। “विश्वसनीयता .90” मात्र लेख्नु पर्याप्त हुँदैन; कुन प्रकारको विश्वसनीयता, कसको डेटा र कुन स्कोरका लागि निकालिएको हो भन्ने चाहिन्छ।
विश्वसनीयताबाट व्यक्तिगत स्कोरको मापनको मानक त्रुटि (SEM) निकाल्न सकिन्छ। मानक विचलन 15 भएको IQ मापनमा विश्वसनीयता .90 छ भने SEM करिब 4.7 अङ्क हुन्छ। 95% विश्वास अन्तराल ±1.96SEM बाट निकाल्ने विधिमा IQ 130 को दायरा करिब 121–139 हुन्छ। विश्वसनीयता .90 को अर्थ प्रत्येक 1 अङ्कको फरक सटीक छ भन्ने होइन।
यहाँ जनाइएको कुरा एकपटक प्राप्त व्यक्तिगत स्कोरमा समावेश मापन त्रुटि हो। नोर्मको नमुनामा भएको पक्षपात वा आकृतिमा आधारित तर्कलाई समग्र IQ भन्न मिल्छ कि मिल्दैन भन्ने वैधताको प्रश्न साँघुरो विश्वास अन्तरालबाट समाधान हुँदैन।
वैधता र मापन गरिने क्षमताको दायरा
वैधताले कुनै स्कोरलाई उल्लेख गरिएको क्षमताको मापनका रूपमा बुझ्न मिल्छ कि मिल्दैन भन्ने तय गर्छ। यसमा प्रश्नको विषयले क्षमताको दायरा समेटेको छ कि छैन, अनुमान गरिएको स्कोर संरचना डेटाबाट पुष्टि भएको छ कि छैन, र पहिलेका बुद्धि परीक्षण वा सम्बन्धित कार्यसँग अपेक्षाअनुसारको सम्बन्ध छ कि छैन भन्ने जाँचिन्छ।
आकृतिका प्रश्न वा म्याट्रिक्स तर्क आकृतिमा आधारित तर्क वा तरल तर्कक्षमता मापन गर्ने राम्रो परीक्षण हुन सक्छन्। तर 30 वटा आकृतिका प्रश्नमा उच्च विश्वसनीयता आए पनि शब्दज्ञान, सामान्य ज्ञान, कार्यशील स्मृति र प्रशोधन गति मापन गरिएको हुँदैन। समग्र IQ भनेर देखाउन धेरै क्षमता मापन गर्ने प्रश्न संरचना र तिनलाई समग्र स्कोरमा जोड्न मिल्ने आधार चाहिन्छ।
“पहिलेको IQ परीक्षणसँग सहसम्बन्ध .70” को अर्थ पनि 70% सटीक भन्ने होइन। सहसम्बन्धले दुई स्कोर कति सँगसँगै बढ्छन् वा घट्छन् भन्ने जनाउँछ। सबैको स्कोरमा समान रूपमा 10 अङ्क थपेर नयाँ स्कोर बनाइयो भने पुरानो स्कोरसँगको सहसम्बन्ध 1 हुन्छ, तर सबैको सङ्ख्या 10 अङ्कले फरक हुन्छ। तुलना गरिएको परीक्षणको नाम र संस्करण, नमुना, औसत अन्तर र स्कोरको स्तरअनुसारको अन्तर नहेरी एउटै IQ का रूपमा लिन मिल्छ कि मिल्दैन भन्ने तय गर्न सकिँदैन।
उच्च IQ मापन गर्न चाहिने प्रश्न र नोर्म
IQ 130 र 140 छुट्याउन दुई प्रकारका उच्चतम सीमा पार गर्नुपर्छ।
| उच्चतम सीमा | चाहिने कुरा | अपुग हुँदा हुने परिणाम |
|---|---|---|
| प्रश्नको उच्चतम सीमा | उच्च क्षमता भएका व्यक्तिबीच पनि फरक छुट्याउने प्रश्न | उच्च स्कोर ल्याउने व्यक्तिले लगभग सबै प्रश्न सही गर्छन् र क्षमता भिन्नता देखिँदैन |
| नोर्मको उच्चतम सीमा | उच्च स्कोरको स्तरलाई आधार दिने पर्याप्त डेटा र रूपान्तरण विधि | उही सही उत्तरको सङ्ख्याबाट सूक्ष्म IQ भिन्नता स्थिर रूपमा अनुमान गर्न सकिँदैन |
समग्र नमुना ठूलो भए पनि वितरणको छेउमा पर्ने व्यक्ति थोरै हुन्छन्। औसत 100 र मानक विचलन 15 भएको सामान्य वितरण मान्दा 2,000 व्यक्तिको नमुनामा IQ 140 वा माथि पर्ने करिब 8 व्यक्ति हुन्छन्। यति डेटाबाट मात्र IQ 140, 142 र 145 को सूक्ष्म भिन्नता छुट्याउनु उचित हुँदैन। IQ स्कोर र जनसङ्ख्याको अनुपात बाट स्कोर बढ्दै जाँदा आवश्यक डेटा जुटाउन किन कठिन हुन्छ भन्ने बुझ्न सकिन्छ।
WISC-V को सामान्य नोर्मको 2,200 व्यक्तिको नमुना मा कुनै पनि संयुक्त स्कोर 150 वा माथि भएका बालबालिका 16 जना थिए। त्यसैले उच्च स्कोरका लागि विस्तारित नोर्म बनाइयो र उच्च क्षमता भएका 108 बालबालिकाको छुट्टै नमुनाबाट पनि जाँचियो। प्रसिद्ध परीक्षणमा पनि उच्च स्कोरको स्तरका लागि विशेष प्रश्न डिजाइन र डेटा चाहिन्छ।
मापन गुणस्तर मूल्याङ्कन गर्न चाहिने सार्वजनिक जानकारी
सार्वजनिक जानकारीमा प्रचारको वाक्यभन्दा निम्न कुरा एकअर्कासँग मेल खान्छन् कि छैनन् भन्ने हेरिन्छ।
| मूल्याङ्कन गर्ने कुरा | चाहिने सार्वजनिक जानकारी |
|---|---|
| सङ्ख्या कसलाई आधार मानेर निकालिएको हो? | लक्षित समूह, नमुनाको संरचना, डेटा सङ्कलन गरेको वर्ष, रूपान्तरण विधि |
| सङ्ख्याले कुन क्षमता मापन गरेको हो? | प्रश्न संरचना, स्कोर संरचना, वैधता जाँच्ने विधि र नतिजा |
| सङ्ख्यामा कति त्रुटि समावेश छ? | परीक्षण सञ्चालनका सर्त, विश्वसनीयताको प्रकार, SEM, उच्च स्कोर जाँच्ने विधि |
सबै कच्चा डेटा, स्कोर दिने एल्गोरिदम वा वास्तविक प्रश्न सार्वजनिक गर्नुपर्दैन। लक्षित समूह, नमुना, सञ्चालनका सर्त, रूपान्तरण विधि, विश्वसनीयता र त्रुटि, वैधताका मुख्य नतिजा तथा प्राविधिक जानकारी अहिलेको संस्करणसँग कसरी सम्बन्धित छ भन्ने थाहा भए प्रयोगकर्ताले दाबी मूल्याङ्कन गर्न सक्छन्।
यसको उल्टो, यी कुरा मूल्याङ्कन गर्न मिल्ने जानकारी छैन भने IQ 137 जस्तो सूक्ष्म सङ्ख्या देखाए पनि त्यसको अर्थ र सटीकता पुष्टि गर्न सकिँदैन। आधार सार्वजनिक नगरेको परीक्षणको IQ लाई सटीक सङ्ख्याका रूपमा विश्वास नगर्नुहोस्। व्यवहारमा अपनाउने निष्कर्ष यही हो।
BrainTypeIQ ले सार्वजनिक गरेका मापनका आधार
BrainTypeIQ ले 9 उपपरीक्षण छान्नुको कारण र 5 क्षेत्रसँगको सम्बन्ध देखाउँछ र 9 उपपरीक्षणबाट समग्र IQ तथा 5 क्षेत्रका स्कोर निकाल्छ।
मानक स्कोरमा रूपान्तरण र संयोजनको विधि पनि सार्वजनिक छ। जापानी संस्करणका पहिलो पटक परीक्षण पूरा गर्ने 841 व्यक्तिबाट तयार गरिएको नोर्म र त्यस संस्करणको समग्र IQ को विश्वसनीयता .929 तथा SEM करिब 4.0 अङ्क पनि सार्वजनिक छन्।
नेपाली संस्करणमा हाल जापानी संस्करणका आधारमा समायोजन गरिएको अस्थायी स्कोरिङ प्रयोग गरिन्छ। अहिले डेटा सङ्कलन भइरहेको छ।
औपचारिक मूल्याङ्कन वा बाह्य निकायमा नतिजा बुझाउनु उद्देश्य हो भने अनलाइन परीक्षणको गुणस्तर तुलना गर्नुको सट्टा WAIS र अनलाइन IQ परीक्षणको भूमिकाबीचको भिन्नता का आधारमा छान्नुहोस्।