వేర్వేరు మేధస్సు టాస్కుల్లో ఉమ్మడిగా కనిపించే అంశమే g కారకం
పదజాలం, లెక్కలు, ఆకారాలపై తర్కం, జ్ఞాపకశక్తి వేర్వేరు రకాల సామర్థ్యాలు అవసరమయ్యే టాస్కులు. అయినప్పటికీ, చాలామంది ఫలితాలను పోల్చినప్పుడు ఒక టాస్కులో ఎక్కువ స్కోరు వచ్చినవారు మరో టాస్కులో కూడా ఎక్కువ స్కోరు సాధించే ధోరణి కనిపిస్తుంది. వేర్వేరు జ్ఞాన సంబంధిత టాస్కుల్లో ఉమ్మడిగా కనిపించే ఈ అంశమే సాధారణ మేధస్సు కారకమైన g కారకం.
టాస్కులన్నీ సాధారణంగా పాజిటివ్ సహసంబంధం చూపే ఈ పరిస్థితిని “positive manifold” అంటారు. Spearman 1904 అధ్యయనంలో సాధారణ కారకాన్ని ప్రతిపాదించినప్పటి నుంచి, మేధస్సు పరీక్షల మొత్తం పనితీరును వివరించే ప్రధాన భావనగా g కారకం నిలిచింది.
పాజిటివ్ సహసంబంధాల నుంచి g కారకాన్ని అంచనా వేస్తారు
g కారకం ఒక ప్రశ్నకు జవాబు ఇవ్వడం ద్వారా నేరుగా కొలిచే స్కోరు కాదు. పదజాలం, తర్కం, జ్ఞాపకశక్తి, వేగం వంటి అనేక టాస్కుల స్కోర్లను సేకరించి, వాటి మధ్య ఉన్న సహసంబంధాల నుంచి అంచనా వేసే అంతర్లీన చరరాశి (latent variable).
ఫ్యాక్టర్ అనాలిసిస్‌లో అనేక టాస్కుల స్కోర్లు కలిసి పెరగడం లేదా తగ్గడంలో ఉన్న ఉమ్మడి భాగాన్ని, ఒక్కో టాస్కుకు మాత్రమే ప్రత్యేకంగా మిగిలే భాగాన్ని వేరు చేస్తారు. పదజాల టాస్కులో పదాల జ్ఞానం, సింబల్ సెర్చ్‌లో దృశ్యంగా వెతికే వేగం వంటి టాస్కు-ప్రత్యేక తేడాలు ఉంటాయి. వాటితో పాటు మొత్తం టాస్కుల సమూహంలో ఉమ్మడిగా కనిపించే స్కోరు మార్పును g కారకంగా చూపుతారు.
సంస్కృతి, పరీక్ష మారినా positive manifold విస్తృతంగా కనిపించింది. అయితే ఈ ఉమ్మడి ధోరణికి ఒకే సాధారణ సామర్థ్యం కారణమా, అనేక సామర్థ్యాల పరస్పర చర్య కారణమా, లేక టాస్కుల మధ్య పంచుకునే జ్ఞాన ప్రక్రియలు కారణమా అనే చర్చ కొనసాగుతోంది.
g కారకం, IQ, FSIQ మధ్య తేడా
| పదం | అది చూపేది |
|---|---|
| g కారకం | అనేక జ్ఞాన సంబంధిత టాస్కుల సహసంబంధాల నుంచి అంచనా వేసే అంతర్లీన సాధారణ కారకం |
| IQ | మేధస్సు పరీక్షలోని పనితీరును అదే వయసు సమూహంలో స్థానంగా చూపే ప్రామాణిక స్కోరు |
| FSIQ | అనేక ప్రధాన ఉపపరీక్షలను కలిపి రూపొందించే Full Scale IQ |
FSIQలో విషయం వేర్వేరుగా ఉన్న అనేక ఉపపరీక్షలు కలుస్తాయి కాబట్టి, అది g కారకాన్ని బలంగా ప్రతిబింబిస్తుంది. అయితే FSIQ అనేది ప్రతి పరీక్ష నిర్ణయించిన నిర్మాణం, మార్పిడి విధానంతో లెక్కించే ప్రత్యక్ష స్కోరు. g కారకం మాత్రం ఆ స్కోర్ల మధ్య సంబంధాన్ని వివరించే అంతర్లీన చరరాశి. FSIQను లెక్కించే, అర్థం చేసుకునే విధానాన్ని FSIQ అంటే ఏమిటి అనే వ్యాసంలో మరింత వివరంగా చెప్పాం.
g లోడింగ్ ఒక టాస్కుకు g కారకంతో ఉన్న సంబంధాన్ని చూపుతుంది
ఒక ఉపపరీక్ష ఫలితానికి g కారకంతో ఎంత బలమైన సంబంధం ఉందో g లోడింగ్ చూపుతుంది. ఒకే కారకం ఉన్న సరళమైన మోడల్‌లో g లోడింగ్ .70 అయితే, దాన్ని వర్గం చేస్తే .49 వస్తుంది; అంటే స్కోర్లలో కనిపించే తేడాల్లో 49% gతో పంచుకునే భాగంగా ఉంటుంది.
WAIS-IV విశ్లేషణలో Arithmetic, Vocabulary వంటి ఉపపరీక్షలకు తులనాత్మకంగా ఎక్కువ g లోడింగ్, ప్రాసెసింగ్ వేగం టాస్కులకు తక్కువ g లోడింగ్ కనిపించింది. g లోడింగ్ ప్రశ్న కఠినతను చూపదు; టాస్కుల సమూహానికి ఉమ్మడిగా ఉన్న సామర్థ్యాన్ని ఒక టాస్కు ఎంతవరకు ప్రతిబింబిస్తుందో చూపుతుంది. ఒకే ఉపపరీక్ష అయినా, పరిశీలించిన సమూహం, దానితో కలిపిన ఇతర పరీక్షలు, గణాంక మోడల్‌ను బట్టి విలువ మారుతుంది.
IQ పరీక్షలు విషయం వేర్వేరుగా ఉన్న టాస్కులను కలపడానికి కారణం, ఒక నిర్దిష్ట జ్ఞానం లేదా ప్రశ్నల రూపానికే పరిమితం కాకుండా, మొత్తం టాస్కుల సమూహానికి ఉమ్మడిగా ఉన్న స్థాయిని కొలవడం.
g కారకానికి విద్యా ఫలితాలు, శిక్షణతో బలమైన సంబంధం ఉంది
g కారకానికి ముఖ్యంగా కొత్త విషయాలు నేర్చుకోవడం, వాటిలో నైపుణ్యం పొందడంతో బలమైన సంబంధం ఉంది. విద్యా ఫలితాల మెటా-విశ్లేషణ, వృత్తి శిక్షణ, ఉద్యోగ పనితీరు మెటా-విశ్లేషణ ప్రకారం ఫలితాన్ని బట్టి ఈ సంబంధం బలం మారుతుంది.
| ఫలితం | సవరించిన సహసంబంధం |
|---|---|
| విద్యా ఫలితాలు | .54 |
| వృత్తి శిక్షణ | .35–.49 |
| ఆధునిక ఉద్యోగ పనితీరు | .18–.22 |
g విద్య, శిక్షణలో నేర్చుకునే ఫలితాలను బాగా అంచనా వేస్తుంది. అయితే ఆధునిక ఉద్యోగ పనితీరుతో దాని సంబంధం గతంలో భావించినంత బలంగా లేదు. తాజా ఉద్యోగ డేటాలో “పని క్లిష్టంగా ఉన్న కొద్దీ ఫలితాలను అంచనా వేయడంలో g మరింత ఉపయోగపడుతుంది” అనే పాత వివరణకు కూడా మద్దతు లభించలేదు. IQ చూపే మొత్తం స్థాయిని వాస్తవ జీవిత ఫలితాలతో ఎలా అనుసంధానించాలో IQను కొలవడం వల్ల ఏమి తెలుస్తుంది?లో వివరించాం.
g కారకం, CHC సిద్ధాంతంలోని విస్తృత సామర్థ్యాలు వేర్వేరు స్థాయులను చూపుతాయి
CHC సిద్ధాంతం మేధస్సును సాధారణ సామర్థ్యం, విస్తృత సామర్థ్యాలు, నిర్దిష్ట సామర్థ్యాలు అనే స్థాయుల్లో క్రమబద్ధం చేస్తుంది. ప్రస్తుతం విస్తృతంగా ఉపయోగించే Carroll నమూనాలో అత్యున్నత స్థాయిలో g కారకం, దాని కింద Gc, Gf, Gv, Gwm, Gs వంటి విస్తృత సామర్థ్యాలు ఉంటాయి. CHC సిద్ధాంతానికి మూలమైన Horn సిద్ధాంతంలో అత్యున్నత స్థాయిలో ఒకే g కారకం లేదు.
g కారకం మొత్తం జ్ఞాన సంబంధిత టాస్కుల్లో ఉమ్మడిగా ఉన్న స్థాయిని చూపుతుంది. విస్తృత సామర్థ్యాలు ఏ రకమైన టాస్కుల్లో సామర్థ్యాలను మెరుగ్గా ఉపయోగించుకోగలరో చూపుతాయి. అందువల్ల సమగ్ర IQ దగ్గరదగ్గరగా ఉన్న వ్యక్తుల మధ్య కూడా భాషా అవగాహన, తర్కం, దృశ్య-స్థలిక ప్రాసెసింగ్, వర్కింగ్ మెమరీ, ప్రాసెసింగ్ వేగం కలయిక మారుతుంది. సామర్థ్యాల కలయికను నిర్దిష్ట జీవిత పరిస్థితులతో అనుసంధానించే విధానాన్ని కాగ్నిటివ్ ప్రొఫైల్ గురించి వివరించే వ్యాసంలో చూడవచ్చు.
BrainTypeIQ 9 టాస్కుల నుంచి సమగ్ర IQతో పాటు 5 సామర్థ్యాల ప్రొఫైల్‌ను చూపిస్తుంది.