Much new is occurring regarding the domain of Gv . Below is a new 评论 of the Gv research 和 a 提议的 heuristic framework. This is then followed 通过
选择 摘录自我们（Schneider 和 McGrew，2018）即将在CIA书中的CHC更新一章，其中我们增加了一些有关新“proposed”Gv frameworks.
空间能力的启发式框架：对空间因素文献的回顾与综合，以支持将其翻译成STEM教育.
文章链接.
杰弗里·巴克利& Niall Seery & Donal Canty
抽象
存在大量的经验证据，特别是在科学，技术，工程和数学（STEM）中，确定了空间能力与教育表现之间的显着相关性。尽管有这些证据，但尚未确定因果关系的解释。有关研究表明，空间能力可以得到发展，并且这样做具有积极的教育效果。但是，在有关空间能力的明确定义的相关文献中存在争论。因此，需要定义相对于经验证据的空间能力，在这种情况下，经验能力与其空间结构有关。大量的经验证据支持了现代框架中未表现出的独特空间因素的存在。进一步了解这些因素可以支持教育干预措施的发展，以提高其在STEM教育中的功效和相关效果。这也可能导致确定为什么空间能力会对STEM教育成就产生如此重大的影响，因为在实践中研究更多因素可以帮助推断最重要的因素。有鉴于此，提出了在现有框架内提供的空间因素与当代研究中建议的那些因素的综合，以指导进一步的研究和空间能力研究的翻译，以进一步加强STEM教育中的学习。
关键词空间能力。空间因素。 干教育。人类智慧
点击图片可放大。
以下是我们即将推出的Gv一章的精选部分
中央情报局的书。
视觉处理（Gv）可定义为利用模拟心理图像解决问题的能力—感知，区分，操纵和回忆非语言图像“mind’s eye.”人类所做的不只是“act” 在 space; they “cognize”关于空间（Tommasi&Laeng，2012年）。眼睛传输视觉信息后，大脑的视觉系统会自动执行一些低级计算（例如，边缘检测，光线–暗觉，颜色区分，运动检测）。这些低级计算的结果被各种高阶处理器用来推断视觉图像的更复杂方面（例如，对象识别，构建空间配置模型，运动预测）。传统上，测量Gv的测试旨在测量这些高阶过程的个体差异，因为它们协同工作以感知相关信息（例如，卡车正在驶入！）并解决视觉问题。–空间性质（例如，在汽车后备箱中放置行李箱）。
在CHC域中，Gv是研究最多的域之一（Carroll，1993）。然而，长期以来，它一直被认为是智力心理学模型中的二等公民，这在很大程度上是由于与诸如Gf和Gc之类的强大能力相比，它对重要结果的预测相对较弱或不一致（Lohman，1996）。但“他们正在改变的时代。”Carroll（1993）引用Eliot和Smith（1983），总结了空间能力研究的三个阶段，其中大部分在1970年代末至1980年代初结束（Lohman，1979）。读卡洛尔’s的调查传达了一种印象，即他的综合反映的仅是1980年代已广为人知的东西。我们认为，Gv领域正在进入第四阶段，并正在经历新的复兴，这将导致其在CHC理论中的地位不断提高，并最终在认知评估中地位更高。甲骨文卡罗尔（Carroll）在他的1993年Gv章中提供了一些提示。
卡罗尔 (1993) was prophetic regarding two of the targets of the resurgent 在 terest 在 Gv 和 Gv -related constellations (often broadly referred to as 空间思维, 空间认知, spatial 情报, or spatial 专长; gar, 2010; National Research Council, 2006). In 卡罗尔’s discussion of “其他可能的视觉感知因素”（他在模型中没有正式身份），他提到“ecological”能力（例如，反映一个人的能力’具有将自己定位在现实世界中并保持方向感的能力和动态（相对于静态）空间推理因素（例如，预测移动物体在哪里移动以及何时到达预测位置）的能力。
卡罗尔’关于大型空间导航的研究不断增长，反映了其生态能力。大规模空间导航与寻找一个’的方式，即表示和维持方向感和位置感以及在环境中移动的能力（Allen，2003年； gar，2010年； Uttal，Newcombe，&索特（Sauter），2013年；沃尔伯斯&Hegarty，2010年； Yilmaz，2009年）。使用地图或智能手机GPS系统查找一个’前往餐厅，然后返回一个’旅馆的房间，在一个陌生的大城市中，需要大规模的空间导航。小型和大型空间能力之间的主要区别是使用不同的视角或参照系。以对可用的认知或神经心理学电池的传统心理测验为代表的小规模空间能力涉及同心轴或基于对象的转换。
大规模的空间能力通常涉及以自我为中心的空间变换，其中观察者’内部环境观点或参考框架在环境方面发生变化，而个人’与对象的关系不会改变（Hegarty&沃勒（Waller），2004年； Newcombe等，2013；王科恩&卡尔，2014年）。最近的荟萃分析表明，大规模空间能力明显不同于小规模空间能力，总体相关性约为0.27。实际上，这意味着轻松解决3D Rubik的能力’立方体可能无法预测在一个陌生的大城市中迷路的可能性。发展证据也支持这两种类型的空间能力之间的明显区别，这表明大规模的空间能力显示出与年龄有关的衰落速度更快，并且这两种类型最有可能与不同的大脑网络有关（Newcombe等人（2013年； Wang等人，2014年）。
Pellegrino及其同事（亨特，佩莱格里诺，弗里克，法尔，&奥尔德顿（Alderton），1988年；佩莱格里诺，亨特，阿巴特，&Farr，1987年），现在被认为是空间思维的两个主要组织方面之一（Uttal，Meadow等，2013）。静态空间能力可以通过Gv的标准测试（例如模块设计测试）很好地体现出来。动态和静态空间任务的主要区别在于运动的存在与否。“动态空间能力是指估计移动物体何时会到达目的地的能力，或者是做出接触时间（TTC）判断的技能” (Kyllonen &Chaiken，2003年，第2页。 233）。踢足球，玩视频游戏或充当空中交通管制员的能力需要动态的空间能力，例如“必须记录移动物体的位置，判断物体的速度，预测物体何时到达另一点（例如，人的手，汽车或轮船），并根据该判断采取一些动作。在感知文学中，围绕这一日常人类信息处理活动的研究被称为‘time to collision’” (Kyllonen &Chaiken，2003年，第2页。 233）。虽然动态–静态区别获得了很大的吸引力和支持（Allen，2003； Buckley，Seery，&Canty，2017年；孔特雷拉斯，科隆，埃尔南德斯， &Santacreu，2003年），一些研究质疑基本差异是否反映了实际的空间能力差异。 [AU：Buckley等人的状态有何更新？否] Kyllonen和Chaiken（2003）的研究表明，参与执行动态空间任务的潜在认知过程可能是一种非空间的，类似计数的时钟机制。—时间处理，而不是空间处理。
关于空间思维的兴趣增加和新概念发展背后的驱动力是三方面的。首先，在过去的十年中，技术的飞速发展现在使大部分人口可以使用相对便宜且可访问的基于视觉图形的技术。个人可以将自己沉浸在3D虚拟现实环境中进行娱乐或学习。通常在智能手机和平板电脑上可以使用的计算机可视化，可以用来指导医学生进行人体解剖和外科手术。复杂性和细微差别“bid data”现在可以使用复杂的可视网络模型发掘出比随意旋转更容易的模型。任何人都可以通过Google Earth遍历世界来探索地理位置和城市，从而学习地理。人们依靠基于车载或电话的GPS视觉导航系统从A点移动到B点。显然，通过技术，同时发展Gv能力（或空间思维）变得越来越容易，但随着人类必须学习如何使用，其要求也越来越高并了解可以显示多维信息复杂视觉显示的Gv图形界面工具。
第二，越来越多的人要求将空间思维嵌入整个教育课程中—“spatializing”课程（纽康，2013年）—来提高我们的孩子和青年的集体空间智能（Hegarty，2010； National Research Council，2006）。现有研究表明，科学，技术，工程和数学领域的空间能力与教育绩效之间存在重要联系（STEM; Buckley等人，2017; gar，2010; Lubinski，2010; Newcombe等人，2013） ）。 Gv 能力和具有空间定向认知能力的个人“tilts”（Lubinksi，2010）被技术先进的社会所重视。更重要的是，研究表明空间能力或策略具有延展性（国家研究委员会，2006； Tzuriel&自我，2010； Uttal，Meadow等，2013；乌塔尔，米勒，& Newcombe, 2013).
尽管许多心理学家是重新引起人们对Gv概念化和测量概念重新产生兴趣的重要驱动力（例如，Allen，2003; gar，2010; Kyllonen&Chaiken，2009年； Kyllonen& l uck, 2003; Lubinski, 2010; Uttal, Miller, et al., 2013; Wang et al., 2014), some of the more 法案ive research 和 conceptualizing are being driven 通过 researchers 在 教育 (e.g., National Research Council, 2006; Yilmaz, 2009), cognitive 神经科学 (e.g., Thompson, Slotnick, Burrage, &Kosslyn，2009年；沃尔伯斯&Hegarty，2010年）和STEM学科（Harle）&城镇，2010年； Seery，Buckley，&Delahunty，2015年）。显然，CHC模型’s “mind’s eye”（Gv）正在取得更大的成就，这需要通过对尚未确定的，得到充分支持的其他窄能力和创新的测量方法（尤其是在大规模和动态空间能力方面）进行重新研究的支持来进行。
是否存在其他Gv窄能力？ 当然。与所有CHC域一样，当前分类法中已验证的较窄能力在很大程度上是自下而上的研究计划的结果，这些研究计划的目的是为实际目的（例如预测，诊断）开发测试。 Gv 作为更广泛的空间思维构造的最新概念化；动态与空间，大规模与小规模的概念化；和其他Gv能力的功能族概念化正在打开潜在的Pandora’假设的新Gv狭义能力盒。例如，Buckley及其同事（2017）提出了一个全面的Gv分类法，其中包括当前的Gv能力，并基于理论或研究提出了16种潜在的新窄能力，其中一些曾由Carroll（1993）进行过审查。这些可能的新窄能力与经典空间任务（空间方向）有关；图像（质量和速度）；幻觉（形状和方向，大小对比，高估和低估，参照系）；判断（方向，速度，运动）；当前Gv功能的动态版本（视觉记忆，串行感知整合，空间扫描，感知替代）。
这些新的Gv概念化受到欢迎，但是必须认真研究它们。所有新的Gv能力候选人都需要通过概念化的结构有效性研究进行验证（请参见“更新CHC理论的标准，”以上）。同样，如果确定了新的Gv能力，则确定它们是否具有实际用途或有效性也很重要。一个有启发性的例子是最近的CFA CHC设计的研究，该研究为较窄的人脸识别能力（研究人员称为人脸识别识别）提供了初步支持，这不同于其他Gv和CHC能力（Gignac，Shankaralingam，Walker，&Kilpatrick，2016年）。面部识别能力可能具有实用性，因为它可以促进对更年期现象（其中具有认知能力的人完全无法识别熟悉的面孔）的测量和研究。尽管重要的是要防止CHC类别过早硬化（McGrew，2005; Schneider&McGrew，2012年），我们认为，为防止CHC模型中Gv域中的新条目过早扩散，必须进行更大的尽职调查。我们不’不想很快成为正式的地方 开始 为了制止对Gv能力的无根据的猜测和扩散，有必要进行谈判（战略能力降低谈判）。
-使用iPad上的BlogPress发布
从我的iPad mini 4与Blogsy一起发布
雷克斯·E·荣格
蕾妮·弗洛雷斯
丹·亨特
