显示带有标签的帖子 WJ III. 显示所有帖子
显示带有标签的帖子 WJ III. 显示所有帖子

2017年3月6日,星期一

CHC影响:认知能力的Cattell-Horn-Carroll(CHC)分类法已全球化



[注意。 2017年3月6日的原始帖子现已更新(2017年3月7日),以包括对西班牙研究的引用]

CHC分类法是正式的 拥有大量飞行常客里程的大型环球旅行者。  日益突出的指标 CHC分类法的传播反映在CHC的全球化中 美国以外国家的评估活动。 几个例子,不是很详尽, 总结如下。 

CHC理论的影响,主要是 通过大学评估培训,了解使用基于CHC的知识 BateríaIII 鹬-Munoz (英美烟草三世; Muñoz-Sandoval,伍德科克, 麦格鲁(McGrew,Mather,N.)(2005a,2005b)在讲西班牙语的国家中很出名 美国边境以南。  这个 includes 在古巴,墨西哥,智利,哥斯达黎加进行BAT III的培训,研究或临床使用 里卡,巴拿马和危地马拉。[1] 再往南,巴西的研究人员 CHC分类法的早期采用者,作为智力测验开发的指南 (Primi,2003; 韦克斯勒&de Cassia Nakano,2016年)。 例如Wechsler及其同事 (Wechsler &Schelini,2006年; 韦克斯勒 Nunes,Schelini,Pasian,Homsi, Moretti, &Anache,2010年;韦克斯勒,文德拉米尼,& Schelini, 2007) 完成了一些研究,以使基于CHC的WJ III适应 Brazil. 最近,韦克斯勒, Vendramini,Schelini,Lourenconi,de Souza和Bundim(2014)开发了 巴西成人情报局(BAIB), 尽管仅测量Gf和Gc,但这是基于CHC理论的。 其他巴西研究人员专注于 Gf的性质和测量(Primi,MariaFerrã,Almeida,2010; Primi, 2014年),而他们的研究显然是在CHC模型的背景下进行的。 我的范围更广,我(Kevin McGrew) together with Dr. Joel 施耐德 c来自巴西的研究人员 艾尔顿·塞纳研究所 (从 (2016年至2017年)使用CHC模型作为主要认知能力 制定批判性思维和创造力度量的框架 the 经济合作与发展组织 (经合组织(2016年),努力发展21世纪的技能 students.

CHC的影响也在北部出现 of 的 US border in 加拿大。  The 基于CHC的WJ III已被加拿大的从业人员基于 美国-加拿大匹配的抽样比较研究(福特,斯瓦特,内格雷罗斯,拉克鲁瓦 & McGrew, 2010).  The 四世 也是 sold 和 used in 加拿大.  Additionally, a 校本小组进行的CHC测试(洞察力; Beal,2011年),可在以下位置测量Gf,Gc,Gv,Ga,Gwm,Glr,Gs,CDS(Gt) Canada. CHC理论与测试具有 在几个主要的学校心理评估课程中的突出位置 加拿大的大学(例如,不列颠哥伦比亚大学, Alberta).[2]

首次系统的全球CHC测试之一 发展外展项目是由理查德·伍德考克(Richard 鹬)和 伍德科克-穆诺兹基金会, 提供 具有成本效益的简报版本的东欧国家 CHC-based 伍德考克-约翰逊认知测验 Ability—Third Edition.   The WJ III-IE (国际版) 项目于2000年初开始’s并持续到大约 2015.  WJ III-IE 在捷克共和国,匈牙利, 拉脱维亚,罗马尼亚和斯洛伐克。  Other 欧洲的努力包括开发奥地利开发的计算机化计算机 情报 Structure Battery (INSBAT; Arendasy,Hornket,Sommer,W​​agner-Menghin, 吉特勒,豪斯勒,奉纳,&(Wenzl,2012年)衡量六个广泛的CHC 能力(Gf,Gq,Gc,Gwm,Gv,Glr)。  CHC理论的传播也已到达法国和西班牙.  French 研究人员有 从以下角度分析了各种Wechsler量表的法语版本 CHC框架(例如,请参见Golay,Reverte,Rossier J,Favez N和Lecerf, 2013;以及Lecerf,Rossier,Favez,Revert和Coleaux,2010年)。 在西班牙,计算机科学教育研究人员使用CHC分类法分析了 计算思维测验 (CTt;罗曼·冈萨雷斯,佩雷斯·冈萨雷斯,希门尼斯·费尔南德斯,2016年)。德国情报研究也 受CHC模型的影响(例如,参见Baghaei&Tabatabaee,2015年)最佳 以其并入颇受欢迎的德国公司为例 柏林情报机构 (BIS) 研究文学课程(Beauducel,Brocke& Liepmann, 2001; SÜß &Beauducel,2015年; Vock,Preckel,Holling,201X),  Additionally, 的 维尔茨堡精神病学杂志(WUEP-KD), a 在德语国家/地区使用的神经心理电池已接地 CHC模型(Ottensmeier,Zimolong,Wolff,Ehrich,Galley,von Hoff和Kuehl 和Rutkowski,2015年)。

新增的CHC前哨站 北欧包括荷兰和比利时。  Hurksa 和 Bakker(2016)回顾了 CHC理论以及神经心理学的PASS理论的影响 本文提供了有关智能测试工作的历史回顾 Netherlands. 一个强有力的指标 对CHC理论的兴趣日益浓厚的是,CHC理论和评估会议(关于情报的新角度!仔细看看 the CHC–model),二月在比利时安特卫普的托马斯·莫尔大学(Thomas 更多 University) 2015. 托马斯·莫尔大学教授 已开发出CHC评估电池(冠状病毒) 法兰德斯(Flanders)中用于测量Gf,Gc,Gv,Gwm和 Gs. 

通过通道运输到 在英国和北爱尔兰,CHC火焰已点燃,但尚未导致 重要的CHC测试开发。  在 的 1990’征询了《 WJ III》作者团队的意见,以制定《 WJ》的爱尔兰规范 III. WJ III的作者之一(Fred Schrank)在爱尔兰的几所大学(University(大学) 特别是都柏林学院),并继续针对WJ IV(弗雷德 Schrank,个人通讯,2017年3月2日)。 CHC理论现在是占主导地位的认知 心理学系教授的分类法(Trevor James,个人 communication, 游行 3, 2017)。 

前往中东,众所周知的CHC 约旦和土耳其一直在开展活动。 在指示下 巴希尔·阿布·哈默尔 (阿布哈默尔, 2014;阿布哈默尔,Hmouz,马塔尔&Muhaidat,2012;),基于CHC的WJ III 受到了极大的关注,最近翻译了《 四世》, 在约旦(Abu-Hamour)& Al-Hmouz, 2017). 在土耳其,第一个国民 intelligence test (安纳托卢萨克 智力量表;阿西斯)是在2015年至2017年之间开发的。 尽管ASIS的综合得分不是 根据CHC术语表,这些理论被列为CHC的基础 土耳其ASIS是一般情报,CHC和PASS。 另外,我(Kevin McGrew)与 两所大学在2016年准备政府赞助的助学金 关于在土耳其进行其他国家情报测试发展的建议 提议使用CHC分类法。 

走向亚洲乃至世界 “down under”揭示了主要的CHC测试开发工作。 自基于CHC的WJ III发布以来 几所重点大学和一家澳大利亚出版商深入研究了CHC 理论与评估。  心理 澳大利亚评估 (PAA)已翻译,改编和规范了 位于澳大利亚和新西兰的基于CHC的WJ III和WJ IV。 墨尔本地区特别 CHC培训和研究的亮点。  神经心理学家和研究员Stephen Bowden及其学生 墨尔本大学产生了一系列的多样本确认 CHC能力标记的因素分析研究 通过神经心理学测试方法测量的结构。 莫纳什大学,最初隶属于 John Roodenburg的指导,随后由他的学生指导 模型是他们评估课程序列的核心,并在 将CHC框架注入澳大利亚的评估实践中 心理学家(James,Jacobs,Roodenburg,2015)。 

最后,最雄心勃勃的CHC之一 自2013年以来,印尼一直在进行测试开发项目。 由 亚雅桑佛法伯玛纳基金会 (永登银行),每个国家/地区(超过4000个人) 对学龄儿童(5-18岁)实施的基于CHC的一系列测试是, 在撰写本文时,已接近完成。  The 捷运认知评估测验 (AJT-CAT)将是最 综合的,单独管理的认知能力测验 world.  The 捷运猫 目前包括27个单独的认知测验 设计用于测量21种不同的狭窄CHC能力(和两种精神运动能力) 筛查运动障碍的测试)和初步确认因素 分析表明,电池可测量八个广泛的CHC认知域 (Gf,Gc,Gv,Gwm,Ga,Gs,Gl,Gr)和Gp运动域。[3]





[1] 多亏了博士 Todd Fletcher提供了此信息。

[2] 感谢Laurie 福特和达米恩·科米尔(Damien Cormier)提供了此信息。


[3] 凯文·麦格鲁(Kevin McGrew)担任过CHC和应用心理测量专家 该项目的顾问,并帮助完成了这些初步的结构 analyses. 

2015年10月15日,星期四

WJ向WJ IV GIA和CHC集群的演变


点击图片可放大

各种版本的WJ认知电池(WJ,WJ-R,WJ III,WJ IV)的长期用户都知道该电池随着时间的推移不断发展。 上面是一张大表的一部分,总结了GIA(g评分)和各个版本中广泛的CHC群集中包含的相同和不同的测试。 完整的表格表明WJ并没有保持静止,每个新版本都根据研究和理论进行发展。  

当考官想比较来自以下方面的分数时,就会有完整表格的实际好处: 《 WJ》不同版本中名称相似的聚类分数-不同分数可能部分是由于 跨版本集群。 我希望这是有帮助的。

完整的表格可以是 在这里下载。 该表改编自
D.Cormier,K.McGrew, Bulut,O.,Funamoto,A.(2015年)。  探索学龄期广泛的卡特尔-洪卡罗尔(CHC)认知能力与阅读成绩之间的关系, 稿件已提交出版。

2014年6月7日星期六

关于C-LIM框架在智能测试中的有效性的更多研究

另一篇文章添加到 文化语言解释矩阵研究文献。点击图片放大。可以找到文章的副本 这里.

"结论

从这项研究和先前的研究得出的主要结论是,语言需求是选择和解释认知能力测验时的重要考虑因素。这项研究的意义不仅限于对C-LIM的重新分类,还强调了C-LIM最初成立的潜在动机之一。—在选择,管理和解释认知能力测验之前,考虑学生的语言背景和能力的重要性。综合考虑学生的语言能力的评估应考虑到学生的语言能力(即会话能力)可能不能准确地表示学生的学术语言能力(Cummins,2008)。因此,由于教育与智商之间的关系,收集有关学生学术语言能力的信息将是有益的(Matarazzo&赫尔曼(1984)。在未来的研究中,学生的接受和表达语言能力可能是值得追求的,因为学生在课堂上的会话能力水平可能会误导教育者和心理学家,以为学生已经以与他相同的频率和深度接触英语。或她的同龄人(Cummins,2008)。此外,如本研究结果所建议,在评估认知能力时考虑语言能力的影响应继续得到经验证据的支持,而不是学校心理学家继续通过语言样本和学生访谈来依赖非正式的语言能力度量来获取有关语言能力的信息(Ochoa,Galarza,& 走nzalez, 1996).

第二个结论是,尚不清楚如何以一种在理论上和实践上都有意义的方式来定量表示文化负载。一个重要但尚未得到解答的问题是:“从业人员在决定可能影响从认知电池选择和解释测试的文化影响时要考虑哪些变量?” Flanagan和Ortiz(2001)将文化负荷定义为“给定测试要求对主流文化有特定知识或经验的程度”(第243页)。但是,这个广义的定义并未确定实践者在实践中可能会考虑做出的有关学生的经历是否与主流文化显着不同的决定的特定变量。鉴于这些悬而未决的问题,有可能需要重新思考导致创建C-LIM及其分类系统的基础推理(如Styck所建议)&沃特金斯(Watkins),2013年),特别是在文化负载方面。特别是,重要的是要考虑实际发生的情况和可能发生的情况,因为这是C-LIM的预期用途。”

 

 

2014年2月26日,星期三

伍德考克-约翰逊四世(WJ IV)NASP 2014简介和概述研讨会幻灯片

(点击图片放大)

上周我和 Fred Schrank博士 南希·马特博士r,推出了新的 伍德科克-约翰逊四号电池全国学校心理学家协会 (NASP)在华盛顿特区举行的2014年年度大会。 我们提供了一个三小时的入门和概述研讨会。 NASP成员可以下载我们在NASP网站上提供的讲义。 据我了解,NASP最终将提供对研讨会视频的访问权限,该视频将使NASP成员可以查看并获得CEU积分(我对此不是100%的确定;请向NASP查询-不要给我发送电子邮件)。

由于我们介绍的信息现已公开,因此我们三位合著者希望向他人提供我们的介绍信息。 下面是三个演示文稿标题幻灯片。 每个后面都有指向我的链接 幻灯片分享帐户 (如果您想查看所有列出的三个以及所有其他PPT模块,请单击此链接),可以在其中查看幻灯片放映。 您会注意到,由于测试安全性问题以及即将发布的技术手册中各种技术信息的预发布性质,因此并未包括在研讨会上介绍的所有幻灯片。

请享用。 另外,作为《世界司法期刊》的合著者,我们都对该文书有经济利益。 在幻灯片的第1部分中有一个披露声明。 我的个人利益冲突披露声明可在以下网址找到: 心灵中心 网络门户。

其他信息可以在官方网站上找到 四世河滨出版 网页。 


 (点击这里 对于第1部分)


 (点击这里 对于第2部分)


 (点击这里 对于第3部分)

2014年1月13日,星期一

第四届来了!敬请关注IQs Corner,以获取最新新闻,见解,基于数据的新见解等。



如果您想知道为什么在过去的五年多的时间里我没有在博客上发布过多的创意和原创内容,这是由于我们进行了修改和重新标准化WJ III电池的工作。 我们正在逼近最后一个角落, 河边 Publishing已正式启动WJ IV网站,目前正在特价促销中进行预订。

这是一个公开的自我宣传职位。 我是《 WJ III》和《 四世》的合著者,因此对其销售产生了经济利益(请参阅 利益冲突披露声明;需要对其进行更新以反映《 四世》。

我为从事此项目感到非常自豪,并相信进行心理和教育评估的人会对许多修订,添加和新功能感到满意。 您可以在上面的Riverside 四世网站链接上了解更多信息。

在不久的将来,我将撰写许多与WJ IV相关的博客文章,以解释这些变化,回答在Listservs上发布的问题,并根据尚未发表的规范数据分析和特殊研究提供见解。

2013年12月21日,星期六

Gv画廊名人堂:自举重采样

这是我对统计程序的简化Gv解释,称为 引导重采样。您可以通过特殊阅读 WJ III NU的ASB。点击图片可放大。

 

 

2013年5月20日,星期一

WJ III / 威斯康星州-III智力测验的聚类分析:OBG帖子


这是OBG(老歌,老歌)帖子,具有新的更新链接

在一个 先前的无耻插头,我简要总结了最近发布的基于WCH-III / 威斯康星州-III跨电池数据集的基于CHC的验证性因子分析研究的结果(Phelps,McGrew,Knopik&福特,2005年)。遵循最喜欢的类比口头禅(“探索数据集的方式不止一种”),我忍不住对数据进行了更为宽松的探索性分析。

考虑到数据的多元结构的Gv表示,我最喜欢的探索工具之一是 层次聚类分析 (有时称为“穷人”因素分析)。无需详细说明,我将前面描述的数据集用于 沃德的聚类算法。请注意,必须注意的是,聚类分析将为随机数据提供整洁的聚类树状图....因此,必须小心不要过度解释结果。但是,我发现聚类分析的约束较为宽松,尤其是测试聚类(和低阶聚类)持续崩溃,不断扩展为越来越广泛的高阶聚类,这非常令人发指--结果通常表明存在不同的广义( II层)或中层(根据Carroll的3层模型)。

我按现状显示当前结果(点击这里查看或下载)。博客作者将需要咨询以前的帖子以收集必要的信息,以解释 CHC因子代码和名称,通过WJ III测试测得的能力等。

至少可以说,提出了一些有趣的假设。尤其是,我继续对更高阶的双重认知处理模型结构(在CHC分类法内)的可能性感兴趣,即 自动与受控/故意处理

2013年2月5日,星期二

WJ III基于证据的神经认知评估:干预计划

理查德·伍德考克和Dan Miller现在正在采用以下新的神经认知评估方法 在线可用 通过 学校神经心理训练与资源 网页。

以下是手册的说明。

这张公开表的目的是为临床医生提供选择性的WJ III测试组,这些测试已被证明是已知临床组中认知和成就方面的弱项和优势的最有益信息。临床医生常常使用固定电池方式,对任何儿童或成人进行大多数WJ III测试,而对基础临床诊断的关注却很少。该项目的目的是为临床医生提供一套建议的测试方法,这些方法可以作为干预计划的起点进行管理,尤其是在已知或高度怀疑临床诊断的情况下 .

 

WJ III基于证据的神经认知评估:干预计划

 

2012年12月25日,星期二

我们做什么'我们从CHC COG-ACH关系研究的20年中学到了:回到未来,超越CHC

我在会议上提交的论文草稿 第一理查德·伍德考克认知评估研究所 (过去的春季在塔夫茨大学)现在可以通过点击 这里. Three of 的 12 数字 s are included below......as a tease :). 的 final paper will be published 通过 WMF出版社.

 

2012年11月25日,星期日

CHC认知成就研究20年的意义:回到未来以及超越CHC

[点击图片放大]
 
关键从我第一次演讲时的幻灯片 理查德·伍德考克认知评估研究所 现在发布在 幻灯片分享. 我以为我以前曾发布过这些内容,但似乎找不到它们。  So 他们来了 第一次(或第二次)。 以下是我也提交的论文摘要,最终由 WMF出版社.


已经学到了很多 CHC CHC COG-->期间的ACH关系 过去20年(麦格鲁& Wendling’s, 2010).  本文基于现有研究,首先阐明了 definitions of 能力, 认知能力, 成就能力才能.  之间的差异 一般领域特定领域CHC预测学校成绩的指标。   卡夫曼的承诺’s “intelligent” 情报 通过两种方法说明了测试方法 基于CHC的选择性引荐为重点的评估(SRFA).  接下来,一些新 智能 test design (ITD)原则进行了描述, 通过一系列采用各种方法的探索性数据分析证明 数据分析工具(多元回归,SEM因果建模, 多维缩放)。  ITD 原理和分析得出了建造 发育敏感的CHC一致性 学术能力集群,可以在以下方面发挥重要作用的措施 SLD的当代第三种方法(优势和劣势模式) identification. 
需要超越 COG的简单概念化COG-->讨论并证明了ACH关系和SLD识别模型 通过CHC COG的介绍和讨论-->交流电H因果SEM模型。  另一个 例如确定和量化建议 认知能力成就特质复合体 (CAATC)。  当前PSW第三方法SLD的修订 提出了将集成CAATC的模型。  最后,需要纳入 认知复杂度 测试 and 综合分数 在CHC域内 在设计和组织智能测试电池(以改善 提出了对学校成绩的预测)。  本文提出的各种建议代表了 (a)呼吁以新方法回归旧观念(回到未来)或(b)接受新的想法,概念和 需要心理学家超越主导者范围的方法 人类认知能力的CHC分类法(即 超越CHC)。




2012年9月10日,星期一

AP101简介#16:超越CHC:CHC内部域复杂度优化措施

[注意:  这是较大论文的工作草案(CHC认知成就研究20年的意义: 回到未来,超越CHC)将在第一个 塔夫茨大学理查德·伍德考克当代认知评估研究所开幕大会(2012年9月29日):  CHC理论和认知评估的发展。] 对WJ III测试战的工作知识将使本简介更容易理解,但这不是必需的。

B超越CHC:  ITD—CHC内部域复杂度优化 Measures
            优化中 CHC措施的认知复杂性
我最近开始认识到 不伦瑞克对称 派生的 柏林情报机构(BIS) 模型可以在应用智能研究中发挥作用,特别是对于增加预测指标的情况 通过最大化这些关系 通过匹配维度上的预测标准空间来建立关系 认知的 complexity.  What 是 认知的 complexity? 它为什么如此重要? 更重要的是,它应该扮演什么角色 设计智能电池以优化CHC COG-交流电H relations?
认知性 复杂性通常是通过检查单个测试负载来实现的 主成分分析中的第一个主成分(詹森, 1998).  The high G-测试的基本原理是测试性能更高 cognitively 复杂 “调用更广泛的基本认知过程 (Jensen,1998; Stankov,2000,2005)”(McGrew,2010b,第452页)。  High g装货 测试通常是MDS(多维缩放)radex模型的中心 (点击此处查看AP101简要报告#15: 认知能力成就特质示例)—但是这种同构不会 always hold.   大卫·洛曼(David Lohman),是 理查德·斯诺(Richard 雪)’s,已广泛使用MDS方法来研究情报,并且拥有一个 最好地掌握了什么认知复杂性,如 hyperspace of MDS 数字 s, contributes to understanding 情报 和 intelligence tests.  According to Lohman (2011), those tests closer to 的 center are more 认知复杂due 五 possible factors—大量的认知成分过程;积累 加快组件差异:更重要的组件流程(例如, 推理);注意控制和工作记忆的需求增加;和/或 或对自适应功能(组装,控制和监视)有更多要求。 Schneider’s (in press) 抽象级别 广泛的CHC因素的描述类似于 认知复杂性。  He uses 的 simple 100米栏成绩的示例。  According to 施耐德 (in press), one could independently measure 100 米冲刺速度,然后停滞不前,越过障碍(两者 能力的例子)。  However, 进行100米的比赛并不是两种狭narrow的能力的总和。 更多的是狭义能力的非加法组合和整合。 这个比喻抓住了 认知复杂性—在认知测量领域,这是任务 在成功完成任务时,罗曼列举了五个因素中的更多因素 performance.
至关重要 重要性是对因素或 能力域的广度(即, broad 要么 狭窄) 同义的 with 认知复杂性.  更多 重要的是,认知复杂性并不总是一个测试设计概念(因为 由Brunswick Symmetry和BIS模型定义) 明确地 纳入 "智能"情报 test design (ITD)。  许多测试已经纳入了这一概念 他们的设计计划中的认知复杂性,但是我相信这种类型的 认知复杂性与CHC内部域的认知不同 这里讨论的复杂性。
对于 例如,根据考夫曼和考夫曼(2004)的观点,“在开发KABC-II时, 作者没有努力发展‘pure’五个CHC的测量任务 broad 能力.  在 理论, Gv 任务应排除 Gf 要么 s例如,以及其他广泛能力的测试,例如 GC 要么 l,仅应衡量该能力而已。 但实际上, 像KABC-II这样的认知能力综合测试可以衡量问题 在不同环境下和不同条件下解决 复杂 有必要评估 高级功能”(第16页;增加了斜体)。 虽然考夫曼’强调重要性 CHC接地的智力测试电池中认知复杂的测量方法 描述将复杂的措施定义为 阶乘复杂或 来自多个CHC领域的能力的混合度量.  The Kaufman’也可以解决认知问题 非CHC神经认知三嵌段功能性Luria的复杂性 当他们指出重要的是要提供神经认知模型 评估“动态整合这三个模块” (Kaufman &Kaufman,2004年,第13页)。   对神经认知整合(以及因此的复杂性)的强调是 也是最新Wechsler电池的明确设计目标。 如WAIS-IV手册(Wechsler,2008年)所述, “尽管评估和划分更多内容有明显的优势 认知功能领域狭窄,几个问题值得关注。 首先,认知功能是相互关联的, 在功能和神经方面,使其难以测量纯域 认知功能” (p. 2).  Furthermore, “measuring psychometrically 纯 factors of discrete domains 可能对研究有用,但不一定会产生信息 在实际应用中具有丰富的临床意义或实用性(Zachary, 1900)” (Wechsler, p. 3).   Finally, 埃利奥特(Elliott,2007)同样主张承认的重要性 基于神经认知“复杂 信息处理”(第15页;增加了斜体)。 DAS-III,可进行描述于CHC中的测试或复合材料测量 域,在测试设计中同样重要。
ITD 这里阐述和提出的原则是努力发展 认知上复杂的测量 在广泛范围内 CHC domains—也就是说,无法通过能力融合来实现复杂性 跨越CHC广泛的领域,而不是尝试直接链接到神经认知 network integration.[1]  基于Brunswick对称性的BIS模型 提供了通过开发和分析实现此目标的框架 通过关注认知来测试复杂性 内容 运作方面。 
图12 展示了大多数关键WJ III的二维MDS Radex模型的结果, 狭窄的CHC认知和成就集群(适用于来自 到成年后期大约6岁)。 [2]   The current 图12中结果的解释重点仅在于程度 of 认知复杂性 (proximity to 的 center of 的 数字 ) of 的 broad 和同一域内的WJ III狭窄群集( 内容和操作方面 不是当前材料的重点)。  Within a domain 的 最广泛的 三测 父母 聚类由黑色圆圈表示。[3] 两次测试的广泛类由灰色设计 circles.  Two test 狭窄 后代 广泛领域内的集群是 由白色圆圈指定。  All 域中的群集通过以下方式连接到最广泛的父广泛群集: lines. 至关重要的 信息是各自父母的域内认知复杂性 和兄弟姐妹集群,以它们与中心的相对距离表示 of 的 数字 . 一些有趣的结论 are apparent. [点击图片可放大]

首先,作为 可以预期,WJ III GIA-Ext集群几乎完美地集中在 figure—它显然是认知上最复杂的WJ III集群。  相比之下,三个WJ III Gv集群 在认知复杂性方面比所有其他具有 没有特定的Gv集群显示明显的认知复杂性优势。   As 预期的是,测得的阅读和数学成绩集群主要是 认知上复杂的措施。  However, 那些与基本情况打交道的成就集群 技能 (数学计算—MTHCAL;基本阅读技巧—RDGBS) are 不太复杂 应用 集群(阅读理解-RDGCMP;数学推理-MTHREA)。 
最多 图12中有趣的发现是差异性认知复杂性 CHC域中的模式(至少有一个父级和至少一个父级 offspring cluster).  对于 example, 的 较窄的知觉速度(Gs-P)后代簇在认知上更为复杂 而不是广泛的父Gs集群。  The broad Gs集群由视觉匹配(Gs-P)和决策速度组成 (Gs-R9; l-NA)测试,用于衡量不同的窄能力的测试。 相反,感知速度簇(Gs-P) 由两个测试组成,这两个测试都测量相同的窄 能力(感知速度)。  这个 finding 乍看之下似乎有点反常理,就像人们期望的那样 由测量不同内容和操作的测试(Gs集群)组成 (包括以上定义和讨论在内)比其中一项更为复杂 相同的窄能力(Gs-P)的两个量度。 但是,一项任务必须分析两者 感知速度测试,以了解尽管两者都被分类为 测量相同的窄能力(感知速度),两者都不同 stimulus 内容认知操作.  视觉匹配需要处理数字刺激。 划掉要求处理 visual-figural 刺激。  These are two different 内容方面 在BIS模型中。  划掉视觉图形刺激在空间上更具挑战性 而不是视觉匹配中的简单数字。  此外,视觉比对测试要求应试者快速 查找并发现并标记两个相同的数字对。 相反,在淘汰测试中 为对象提供目标的视觉图形形状,然后对象必须 快速扫描一行复杂的视觉图像,并标记两个与 the target. 有趣的是,其他 unpublished  我已经完成的分析,视觉 匹配测试通常是对定量成就测试进行加载或分组 而Cross Out经常显示加载Gv因子。 因此,任务分析 内容 认知的 operations WJ III感知速度测试表明,尽管两者都是 被归类为Gs-P的狭窄指标,它们在任务上明显不同 requirements.  更多 important, 的 结合感知速度群集测试,似乎需要更多 认知过程比广义Gs簇复杂。 这一发现与阿克曼(Ackerman)一致, Beier 和 Boyle’s(2002)的研究表明,感知速度具有 通过识别以下四个子类型来扩展因子水平 感知速度(即模式识别,扫描,内存和复杂性; see McGrew 2005 和 施耐德 &McGrew,2012年,关于 速度能力的分层组织模型)。 基于Bruinswick对称/ 国际清算银行认知 复杂性原则,人们会预测一个由两个组成的Gs-P集群 相同任务的并行形式(例如,两个视觉匹配或两个交叉 测试)的认知复杂度将不如广义Gs。 这可能是正确的提示 假设存在于对Gsm-MS-MW域结果的检查中。
WJ III GSM 群集是数字反转(MW)和单词记忆的组合 (MS) tests. 相比之下,WJ III 听觉记忆跨度群集(AUDMS; GSM-MS)群集在认知上要少得多 与Gsm相比更复杂(请参见图12)。  就像在上下文中描述的感知速度(Gs-P)集群一样 处理速度家族集群,听觉内存跨度集群是 由具有相同内存跨度(MS)窄能力的两个测试组成 分类(单词记忆;句子记忆)。 为什么这个狭窄的集群不那么复杂 它广泛的母体Gsm集群,而Gs-P和Gs则相反吗? 任务分析表明,两个记忆 跨度测试比两个感知速度测试更相似。 单词记忆和句子记忆 测试需要相同的认知操作—只需按顺序重复一次, 与主题说话的单词或句子。  这与WJ III感知速度群集不同 分类的窄Gs-P测试最有可能同时调用通用和不同 认知成分操作。  Also, 内存跨度群集测试由来自相同BIS内容的刺激组成 方面(即单词和句子;听觉语言/语言)。 相比之下,Gs-P视觉匹配和 淘汰测试涉及两个不同的内容方面(数字和 visual-figural).
在 相比之下,WJ III工作记忆簇(Gsm-MW)在认知上更强 比父Gsm群集复杂。  这个 发现与先前的WJ III s /感知速度和WJ III一致 Gsm /审核内存跨度讨论。  The WJ III工作记忆簇由倒数和听觉组成 工作记忆测试。  Numbers Reversed 需要从一个BIS内容方面处理刺激—numeric stimuli. 相反,听觉工作 记忆需要处理来自两个BIS含量因素的刺激—numeric 和听觉语言/语言;数字和单词)。 两项测试的认知操作 also differ.  两者都需要持有 主动工作记忆空间中的刺激。 反转数字则需要简单 以相反的顺序复制数字。  相反,听觉工作记忆测试需要存储 数字和单词在单独的块中,然后产生 每个块(数字或单词)的前向顺序,在一个块之前 the other. 更加依赖分裂 注意在听觉工作记忆测试中最有可能发生。 
综上所述, 图12中显示的结果表明它是 可能发展 聚类分数在相同的认知复杂度上有所不同 broad CHC domain.  更重要的发现是,将聚类分类为宽还是窄并不能提供有关度量认知复杂性的信息。 认知上的复杂性,如 将聚类分为宽泛还是窄窄分类无法提供有关度量认知复杂性的信息。 认知复杂性e Lohman感,可以在CHC域中实现,而无需诉诸混合 跨CHC域的能力。  最后, 狭窄的簇在认知上可能更复杂,因此可能更好 复杂的学校成绩的预测指标,而不是广泛的集群或其他狭窄的指标 clusters. 

含义 用于测试电池设计和评估策略
认可 认知复杂性作为一项重要的ITD原则表明,推动 在当代测试电池中或在 跨电池评估的构建,未能认识到 认知复杂性。  I plead guilty to 通过我在WJ III的设计中的作用为这一重点做出了贡献 广泛关注CHC域构建体的广泛表示—most WJ III 狭窄的CHC集群需要使用第三本WJ III认知书( 诊断补充;伍德科克,麦格鲁,马瑟& Schrank, 2003). 同样地,有罪的人被控罪 CHC因子在原始模型开发中的代表性 跨电池评估原则(Flanagan&麦格鲁(McGrew),1997年;麦格鲁& Flanagan, 1998)。 
也是 我的结论是 窄一点更好结论 麦格鲁和温德林(2010) 可能需要修改。   重温麦格鲁和温德林(2010) results suggest that 较窄的CHC集群更能预测 学业成绩之所以如此之所以不一定是因为范围狭窄, 但是因为它们在认知上更加复杂.  我提供一个假设,即更正确的原则是 认知复杂measures 更好。   我欢迎专注于新的研究 测试这个原理。
在 回想起来,鉴于WJ III星团的宇宙,宽窄融合 智能电池配置(或跨电池评估)的方法可能 be more 适当。  Based exclusively 根据图12所示的结果,将出现以下簇 那些可能会更好地出现在“front 结束” of 的 WJ III 要么 a 选择性测试构建评估—考官应该去的那些集群 首先考虑每个CHC广泛领域:  Fluid Reasoning (Gf)[4],理解知识 (Gc),长期检索(Glr),工作记忆(Gsm-MW),音素意识3 (Ga-PC)和感知速度(Gs-P)。  No 虽然狭窄的可视化集群是 在认知上比Gv和Gv3集群稍微复杂一些。 以上表明,如果广泛的集群是 Gs,Gsm和Gv的域所需的,然后进行除“front end”或特色测试和群集需要管理 必要的Gs(决策速度),Gsm(文字记忆)和Gv(图片) Recognition) tests.

利用ITD测试设计原则 优化CHC内部集群的认知复杂度表明, WJ III测试的不同重点和配置可能更多 appropriate. 建议 高于WJ III群集复杂度优先级或特征模型可能会允许 从业人员管理学校成绩的最佳预测者。 我进一步假设这种认知 基于复杂度的宽窄测试设计原理最可能适用于 坚持主要关注的其他智能测试电池 测试是两个或更多能力的最纯粹指标 在所提供的广泛的CHC解释方案之内。 当然,这是一个经验性的问题 求助于其他电池的研究。  更多 有用的类似MDS Radex跨电池认知复杂度分析 情报数据集。[5]

参考文献 (不包含在这篇文章中。 完整的论文将在不久的将来宣布并可供阅读和下载)



[1]这个 并不意味着认知复杂性可能与 the 人类连接体 或不同的大脑网络。我为当代感到兴奋 脑网络研究(Bressler&梅农,2010年;科尔,亚尔科尼,雷波夫斯, Anticevic &勇敢,2012年;托加,克拉克,汤普森,沙特克,& Van 喇叭, 2012;范登赫维尔&Sporns,2011),特别是那些 证明了神经网络效率与工作记忆之间的联系, 控制注意力和临床疾病,例如注意力缺陷多动症(Brewer,Worunsky, Gray, Tang, Weber &Kober,2011年;鲁兹,史格格,邓恩,& Davidson, 2008; McVay & Kane, 2012). The 顶额-额叶整合(P-FIT) 理论 智力与CHC相关联,尤其令人着迷 心理测量指标(Colom,Haier,Head,Álvarez-Linera,Quiroga,Shih,&荣格,2009年;迪里,彭克,&约翰逊,2010年;海尔,2009年;荣格& Haier, 2007年),并且可以与CHC认知优化的心理测量方法联系起来。
[2] 只要 包括阅读和数学类,以简化 结果和事实,如先前所报道的,阅读和写作措施 在多变量分析中通常无法很好地区分—and thus 的 w CHC理论中的领域。
[3]GIA-Ext也用黑色圆圈表示。
[4] 尽管WJ III流体推理3群集(Gf3)稍微靠近 center of 的 数字 , 的 difference 从 流体推理(Gf) 是 不 large 和 时间效率将证明需要进行两次测试的Gf集群。
[5] 它 重要的是要注意认知复杂性的分析和解释 这里讨论的是特定于 仅在WJ III电池内。度 WJ III认知集群中的认知复杂度与 其他智能电池的综合得分只能通过 跨电池MDS复杂性分析。