用 9 個分項測量 5 個領域
BrainTypeIQ 以 CHC 理論中的 5 個領域(Gc、Gf、Gv、Gwm、Gs)進行測量,並透過 9 個分項呈現。
| 領域 | 分項 | 測量內容 |
|---|---|---|
| Gc(結晶性知能) | 詞彙(反義詞) / 語文類推 | 詞義理解的深度 / 使用語言進行關係推理 |
| Gf(流體推理) | 矩陣推理 / 天平推理 | 發現圖形模式的規則 / 邏輯與數量關係推論 |
| Gv(視空間處理) | 紙張摺疊 / 組合拼圖 | 摺疊與展開的空間轉換 / 部分與整體的視覺整合 |
| Gwm(工作記憶) | 心算記憶 / 逆序記憶 | 保留加計算的同步處理 / 視覺資訊的逆序操作 |
| Gs(處理速度) | 符號搜尋 | 視覺比對的速度與正確性 |
為什麼一個領域要有 2 個分項? 如果只用 1 個分項,結果很容易受到是否適合該題型影響。例如,只用矩陣推理看 Gf,可以看見歸納式的模式發現,但比較不容易看見一邊保留條件、一邊推導答案的推理。從不同角度看同一領域,結果會比較容易解讀。
各領域為什麼使用這些分項
Gc:詞彙(反義詞) / 語文類推
同時看「知道」與「能使用」。- 詞彙(反義詞) — 觀察詞義的精確度與語意辨別。詞彙測驗即使改成同義詞、反義詞、定義等不同形式,仍常被用來觀察語言知識的深度。
- 語文類推 — 看出詞與詞之間的關係結構,並套用到另一組語詞上的能力。它不只需要詞彙知識(Gc),也包含接近推理(Gf)的處理。
語文分項需要以繁體中文使用者能自然理解的詞彙、語感與難度設計。
Gf:矩陣推理 / 天平推理
「看出規則」和「從條件導出答案」是不同處理。矩陣推理是歸納推理的典型形式,會觀察是否能從多個方向發現圖形模式並整合。天平推理則是保留條件關係,並一步步導出答案的演繹與數量推理任務。
同樣是流體推理,眼前規則的發現,和保留已給條件再推進答案,負荷出現方式不同。
Gv:紙張摺疊 / 組合拼圖
「追蹤轉換」和「組合整體」的負荷不同。紙張摺疊會追蹤摺疊與展開的空間轉換。組合拼圖則看從零件組出整體的處理。
兩者都和視空間處理有關,但紙張摺疊的負荷在於保留轉換流程,組合拼圖的負荷在於找出部分與整體的對應關係。
Gwm:心算記憶 / 逆序記憶
從數值路徑與視覺路徑兩邊測量。心算記憶是一邊計算、一邊記住結果的「處理加保留」雙重任務。工作記憶研究中,這類複合廣度任務常被用來觀察工作記憶容量。
逆序記憶則是視覺形式的逆序任務。它不是以聽覺語言為中心的數字廣度,而是從另一條路徑觀察保留看到的位置與順序,並以相反順序操作的能力。
Gs:符號搜尋
處理速度先集中在 1 個核心分項上。符號搜尋會反覆進行不依賴語意的視覺比對,是觀察處理速度的代表性任務形式之一。BrainTypeIQ 目前把 Gs 集中在 1 個分項,是因為處理速度特別容易受到時間限制與施測條件影響。
裝置效能、螢幕大小、輸入方式、網路環境、周遭環境等,都可能影響結果。因此 BrainTypeIQ 先以接近核心的形式,優先建立穩定測量。
為什麼不做成和 WAIS 完全相同的題型
正式面對面測驗不只需要理論上好的題目,也需要 能在面對面情境中穩定執行的題目。施測時間、施測者程序負荷、材料管理、受測者疲勞、標準化一致性,這些限制都會影響題型選擇。
線上測驗面對的是另一組限制。裝置差異、作答環境差異、本人確認、中途中斷等問題會變得更重要。例如,WAIS 的積木類任務需要實體操作,無法直接搬到線上。WAIS 的詞彙類任務多為自由回答,但線上環境中,多選題更能維持一致採分。
即使觀察的是相近能力,面對面和線上適合的題型也不同。重要的不是題目外觀是否完全一樣,而是能不能在該環境中穩定捕捉想測量的能力。