打开主菜单

目录

章節摘要编辑

在前面的章節中,我們探討過人的行為、感覺、知覺、意識、學習和記憶,本章則將聚焦於另一綜合性問題——智力。

智力是什麼?它有可靠的判斷標準、檢測方式和理論嗎?智力只有單一的面向嗎?什麼樣的能力可以稱為智力?同時,許多人常會將智力與種族、膚色聯繫在一起,某些人真的天生註定比別人聰明或愚笨嗎?

綜合上述的疑問,我們將從智力的核心觀念出發,在打穩基礎後,再進一步介紹臺灣本土及國際上有關智力的前沿研究。最後,我們也論及智力在生活面的應用,以及一些相關的科普書籍、影音,使致力研究不僅僅只是困難艱澀的學術,更是你我都可以親近的實用知識。以下,將依序介紹每一部分的重要概念。

在核心概念的部分,我們將從坊間的普心教科書出發,綜合性地闡明智力的定義,並藉著爬梳智力測驗的的發展史,分析學者們如何逐步建構起對智力的認識、觀念及分析方法,比如:以效度、信度、常模與標準化去分析人類的智力。同時,我們也將介紹不同的智力理論,比如:Gardner的多元智力理論和Sternberg的智力三元論。最後,我們將分析各種不同面向的智力,以及有哪些可能的因素會影響人們的智力。

在本土智力研究的部分,我們所揀選的學術成果來源自大學學報或期刊,其內容包括多重智力、影響智力的因素、智力之於學業和領導力的關聯等面向。此外,我們也將更深入地介紹情緒智商、探討情緒智商與幽默感之間的關係,並統計不同科系大學生的情緒智商指數,希望藉由近年臺灣心理學界的嶄新研究,延伸前一節核心概念未盡的討論。

在國際前沿研究的部分,我們援引國外期刊的五年內的研究,詳細探討智力與地域、人種(黑人或白人)、心理性別(即性別角色)以及教育程度之間的關聯。除此之外,我們也將在本節的最後,重新省思智力之於個人社經地位的意義,以及對整體社會經濟的影響究竟為何?

在生活應用的部分,則主要關注智力在生活或社會心理學中的實際應用。本節的內容將聚焦於智力測驗,並以各方的研究與統計結果來深入挖掘智力在實際應用方面的成效,這包含:智力測驗的整體探討、優生學在政策上的應用,以及在人類範圍之外,廣泛探索動植物是否有智力應用的可能。藉由整理、介紹上述這些議題,我們希望能整合智力與日常生活,使智力研究、理論能在學術研究之外,更進一步拓展大眾對自我、他者和這個世界的認識,並補足一般教科書在應用心理學等面的闕漏。

最後,在科普相關的書籍和影音方面,我們分別整理、介紹了《智力測驗的歷史:決定天才或低能兒的合法》、《七田真如何激發幼兒智力與才能》、《智力資本及其管理研究》、《論智力:智力發展的生物生態學理論》等書,以及「常態分佈與智力測驗:多少人智商160以上?」、"Insight in psych 16: Testing and Intelligence"、"History of Intelligence Testing"和"Controversy of Intelligence: Crash Course Psychology #23"等三部影片。期望能藉由這些輕鬆、活潑的書籍和影音,讓心理學知識不只是繁瑣的名詞、枯燥的論述,為大眾介紹認識智力的另一種有趣面向。

核心觀念编辑

本章主編:李亞臻

本章作者:李承諺、江柏君、蘇紹宇、魏士傑、黃卓遠、劉哲瑋

要為智力(Intelligence)下定義是有難度的。究其原文的字義,有聰明、適應環境的含意,學者們對此更是眾說紛紜:哈沃德.加德納(Howard Gardner)認為,智力包含語言、音樂、邏輯和數學、空間、肢體協調、個人知覺、人際互動和了解大自然的能力。邁克.安德森(Mike Anderson)則主張智力與個體的基本訊息處理機制(由所有思考過程單元組成,智力高的人運作快)以及模組成熟機制(因此智力一般而言隨年齡增長)有關。更有甚者,羅伯特.斯騰伯格(Robert Sternberg)甚至在智力、智慧與創造力的基礎上,提出了智力平衡理論,指出智慧為智力的實務面,即運用智力、創造力,便能達到個體、人際與興趣間的平衡。 在中國古代也有許多眾人給予高度肯定的古人,如孔融自小聰明好學,被譽為神童,中大夫陳韙不服氣,認為孔融不過是「小時了了,大未必佳」,孔融第一時間反駁回去:「想君小時,必當了了。」這個故事很清楚突顯了孔融的性格,是聰穎機智、反應絕倫;另位古代神童曹沖則是利用石頭和大船來測量出大象的重量;司馬光也不惶多讓,小小年紀就打破水缸救出同伴。這三位都是大家覺得聰明絕頂的人物,但是他們究竟有多聰明呢?史書上雖然有紀載,不過以自然語言來形容他們的聰明程度是有缺點的,即很難精細區分他們的聰明程度。再來,在不同的人的眼中大家對聰明的定義皆不相同,如有人可能反應力很快可是考試成績卻常常不及格,這樣他算是個聰明的人嗎?諸如此類的問題透過自然語言的描述是無法清楚區分的。因此,心理學家為了研究和實務上的需要,發展了測量出聰明程度的工具,稱為智力測驗,希望透過更加準確及科學的方法,來測量出智力。

智力的歷史: (一) 1855年英國Spencer提出智力「intelligence」的觀念。

(二) 1883年英國Galton探討智力的個別差異「individual difference」,講述的是遺傳基礎造成的個別差異、以及人與人的不同。競爭也是其探討內容,類似達爾文演化論:物種為生存競爭,人與人亦有競爭。

(三) 1920年代:英國人以測量個別差異來定義智力,但早期智力測驗無法說明智商高究竟優勢為何。

智力的兩個面向有:

1. 功能主義學者:智力是從經驗中學習的能力,可藉由教育增加能力 2. 達爾文演化論:智力是適應環境的能力

(四) 1960年代:出現認知心理學,認為智力要對大腦分析結構,測量短期記憶、長期記憶,及知識的整合能力。

(五) 1975年代:推翻1920年代對智力的定義

(六) 1986年代:智力研究,以長期記憶、對知識的整合為主

智力定義為兩方面: 1. meta cognition,其假設為:智力指「可以精準估計自己的能力、以旁觀者的角度看自己的學習」的能力 2. 文化(culture)則假設:智力受文化影響。(例如: 早期智力測驗題目,侷限於某個文化。美國智力測驗題目內容,偏向白人文化,測驗對白人較有優勢,對黑人不利。)

智力的性質和比較编辑

智力/能力/智能编辑

一、智力(Intelligence)

一種智慧的應用,或者可以說是根據以學習到的知識和技能來處理不同的情境。換句話說,智力是一種適應新環境的能力,也就是學習的能力。簡單講,智力越高的人,學習成效較好,智力較差的人,學習成效較差,當然,學習成效受許多因素調控,因此這種比喻僅是用於條件相同下理論結果。智力作為心理學者經常討論的主題,但其解釋卻不盡相同,主要有以下四個共同特點:

  1. 博金罕(B.R.Buckingham):「智力就是學習的能力。」智力是有關學習的才能,智力高的人,較容易學習難度高的問題,進步與成就達成的速度較快。換言之,智力低的人在學習的領域容易受到挫折。
  2. 比奈(A.Binet):「智力是一種創造能力,判斷能力,適應能力。」智力是一種對於抽象概念思考的能力,這裡強調的重點是超脫且異於常人的判斷推理或創造的能力,這種能力通常可以被用於有效率地解決問題。
  3. 威爾斯(F.L.Wells):「智力是改變自己的行為以適應環境的能力。」我們再次強調智力是用於適應新環境的能力,而這也是最主流的說法之一。
  4. 智力是個能力的總和。這裡的說法是為了應對以上各種紛雜的論點,髓做出的統一解釋,換句話說,它包括了「智力就是學習的能力。」「智力是一種創造能力,判斷能力,適應能力。」和「智力是改變自己的行為以適應環境的能力。」

二、能力(Ability)

其具備兩種意義,可以被解釋為潛在能力(Potential ability)或實際能力(Actual ability)。潛在能力可被解讀為能量(Capacity)的發揮,而實際能力可以被解釋為成就(Achievement)的獲得,一般心理學理論裡Capacity是人們窮盡努力所得的Achievement,因此,理論上人們的的Capacity會大於Achievement,因為身為人不可能無時無刻都在努力著。

三、智能

智能又可以被稱為是心智能力,即Mental Ability或Intellectual capability,它可以被視為能力(Ability)的一種,但嚴格定義上,它是個體為維持生存而做出特定行為的總能量(Capacity)。一般Mental ability容易被拿來和生理能力(Physiological ability)比較,但生理能力是指個體調節供需以供生命維持的能力。

一、智力測驗编辑

1.1 智力測驗的起源與發展编辑

高爾頓(Francis Galton,1883)和比奈(Alfred Binet,1857~1911)是智力測驗發展史上最重要的兩位人物。

  • 法蘭西斯.高爾頓(Francis Galton):最早以量化方式測量人類智力的學者

英國的心理學家法蘭西斯.高爾頓(Francis Galton)研究達爾文家族,發現資賦優異者者具有家族性與遺傳性。他認為智力是優越的感覺與知覺技能,個人知覺構造越是敏感而正確,其智力越高。他的論述證據包含收集到的資料中,家族成員之間智力的表現有很高的關聯,以及同卵雙胞胎的智力相似度高於異卵雙胞胎。他在1869年撰寫《天才遺傳》(Heredity Genius)一書,強調遺傳影響了智力。

他於1884年於倫敦博覽會對超過9000名參觀者實施一套測驗,因為高爾頓認為生理特徵、感覺知覺及認知能力是智力的表現,他蒐集資料的項目包括基本認知作業的反應時間、感官敏銳度、肺活量、肌肉強度、身高、臂長及頭圍等,結果卻發現上述資料與智力並無顯著的相關性:卓越的英國科學家頭圍與一般民眾沒有差異、反應時間與其他智力指標業無關。儘管他的測驗沒發揮效用,但他發明的相關係數,為心理學帶來一定影響。此外,高爾頓是一名狂熱的優生學提倡者,曾有許多歧視性的論述,這也使他在智力領域的貢獻未受到廣泛的注意。然而,他提出許多概念及研究方法對於後續研究有許多影響,例如以客觀量化的方式進行智力評估,以及從訊息處理的觀點來了解智力也是近來研究的方向。[2]

高爾頓的智力測驗以反應速度作為量測智力的標準,發現大部分黑人的測驗成績較白人差,招致黑人族群的抗議;其中黑人表現較差的部分主要是在「做困難的決策」方面。也證明反應速度與智力測量的關係不若決策時間。

  • 阿爾弗雷德.比奈(Alfred Binet):研發「比西智力量表」

法國學者比奈對心理學興趣很廣泛,研究過變態心理學,記憶和遺忘。他探討人類頭顱大小、手相、字跡與智力的關係,認為智力包含理解、想像、審美、解決問題及判斷能力。

  • 弗朗茲·約瑟夫·加爾(Franz Joseph Gall)

高爾頓注意到同的頭型常和某些智能特色有關,例如眼睛凸出者記憶力通常很好,在他成為醫師之後,繼續研究這個理論,並發展出骨相學(phrenology)。骨相學的理念很間單,是在說明人的頭骨各不相同,反映出人腦的大小和形狀,而人腦又各司其職,因此仔細觀察人類頭骨的長相,就能了解其心靈智能的優劣及特質。

1.2 比西智力量表(Binet Scale):史上第一個為學術社群所認可的正式智力測驗

第一個近似現代檢測手法的智力測驗,即是法國心理學家阿爾弗雷德.比奈(Alfred Binet)於19世紀末期,基於教育目的所設計出來的。當時比奈受法國教育部之請提供幫助智能不足的小學生學習的方法,他認為若欲協助智能不足的學生,必須先判斷有哪些人是真的智能不足。有別於高爾頓的觀點,比奈等人認為智力包含不同能力,但與學業表現為不同心理建構,因此無法以學業作為評比項目。Binet認為智力測驗應含推理及問題解決等一般能力,而非知覺與動作的技能,此測驗於1905年出版並與另一位法國心理學家Théophile Simon合作,兒童答對的問題越多,其心智能力(mental age,MA)越高。心智年齡的概念是Binet測量方法的關鍵,而通的心智年齡可以和生理年齡(chronological age,CA)互相比較。

由於比奈等人假設智力會隨年齡增長而不斷發展,因此他們請不同年齡層的正常兒童作測驗題目,統計出哪些題目為某一年齡層能夠答對的題目,得到答對題目與年齡的對照表。比西量表所含的題目如照著畫出相同的圖、重複一串數字、分辨零錢與找零或解釋某些句子不合理之處。

其測驗結果為以心理年齡來區分受試者的智力,如受試者能答對五歲年齡層的題目,卻答錯大部分六歲年齡層的題目,則他的心理年齡便為五歲。但是受試者的智力仍需與其實際年齡比較,若某兒童的心理年齡與其實際年齡相同,則為一般程度的智力;若他的心理年齡低於實際年齡,則為智能不足,反之則為智能優異。儘管現時不再以心理年齡評估智力,但這個概念在智能不足的領域仍持續沿用。[3]他們注意到快速學習者似乎可以回答年齡較大的孩子可能會回答的問題,而學習較慢者給出的答案就是比較年幼的孩子會回答的問題。

然而,比西量表有一個致命性、且足夠影響整體測驗精確性的缺點:當初比西等人在建立此量表的時候,僅根據約五十名兒童的測驗結果便整理出了這樣的量表,且其量表缺乏適當單位來表示結果,並缺少支持測驗效度的證據,因此許多人質疑比西量表的測驗結果沒辦法真實反映出測驗者的智力。

1.3 史比量表:比西量表的修訂版

比奈起初設計的測驗經史丹佛大學教授路易斯.特曼(Lewis Terman)加以修正,以智商作為智力比較的衡量基準,以適用於美國學童。Terman將測驗施測程序標準化,對數千位年齡不同的兒童施測,建立年齡常模。1916年,特曼與其史丹佛大學的同事共同發表了Binet測驗的史丹佛修訂版,簡稱史比量表。特曼保留比奈的心智年齡概念,裡頭的每個題目根據大多數答對兒童的年齡被分為不同年齡組,並將兒童答對每一年齡組的題目相加,而得到心智年齡。

不過,因為心理年齡在比較不同年齡層兒童的智力程度時能提供的訊息較少,因此史比量表採用德國心理學家威廉.斯特恩(William Stern)提出的比率智商概念計量,斯特恩提出的公式為智商=(心智年齡÷實際年齡)×100。此外,Terman亦採斯特恩所提之簡便智力指標,就是智商(intelligence quotient,IQ),將年齡視作心智年齡(mental age, MA)與生理年齡(chronical age, CA)比值:IQ=MA/CA×100。此指標由史比智力測驗首次引入,爾後的智力測驗雖亦保留智商概念,然已不再使用上述方程式。

1960年又再次修訂史比量表,以標準年齡分數來取代智商分數。由於比率智商在計算成人的智力時有不合理之處,因此改採用離差智商。離差智商將測驗分數轉換成標準分數,與呈常態分配的各年齡層智力比較,由此得到某人智力在同年齡層的相對位置,不同年齡層的分數也可以相互比較,此為現代智力測驗主要採用的評量方式。目前的史比量表為第五版,適用年齡從2至85歲,不同年齡所使用的題目也不同。內容包含流體推理、知識、數量推理、視覺空間處理以及工作記憶等。[4]

1.4 魏氏智力量表(Wechsler Adult Intelligence Scale, WAIS):首創測量成人智力的量表

魏氏智力量表是根據大衛.魏克斯勒(David Wechsler)根據其對智力的定義所設立,其定義為:「一個人做出適當反應、理性思考、與環境共處的全面能力」,除此之外,魏克斯勒也認為智力由一些特定的元素組成,這些元素可以被個別定義、分離出來,並個別測量出來,然而,在智力的發展和組成當中,這些因素將會相互影響彼此。Wechsler實施這項測驗是因為他認為史比智力量表過於依賴語言能力,並不是適用於成人。

魏氏智力量表與當時代的智力測量權威比西量表有很大的不同,這是因為魏克斯勒的理論有其相異之處,當1937年新一代經過大量改革的比西量表出版時,魏克斯勒提出了諸多批評:

  • 在量表施測時,有很多非智力的因素未被考慮進去,例如受試者自身沒有自信、害怕失敗、施測時的態度等。
  • 單一的智力測驗分數無法反映智力的多元面向。
  • 出現在比西量表當中的事物皆為兒童所挑選,無法反映成人受試者的智力。
  • 比西量表中答題時間是有限制的,對於較年長的成人來說較不合適。
  • 「心理年齡」的概念,無法被應用到成人上。
  • 比西量表沒有考慮到人年老時智力也會跟著衰退。

根據上述這些比西量表的缺點,魏克斯勒在1939年為成人另外製作了另一個量表:Wechsler–Bellevue scale,也就是後來的魏氏智力量表(Wechsler adult intelligence scale;WAIS),現在通行的魏氏智力量表是第四版(WAIS-IV),第五版(WAIS 5)從2016年開始蒐集資料,預計將在2019年完成。

魏氏智力量表包含語文量表及操作量表,分別計算其智商與全量表智商,適用對象為16到89歲成人。魏氏智力量表增加非語文的測量,避免其他量表過度依賴語文能力而無法測量其他面向智力的問題。同樣的,魏克斯勒亦認為智力是一般推理能力(如史比量表),且魏氏量表提供每一份測驗的分數,例如:知覺、動作等能力的資料,得以評估一個人在能力上較優秀或較差的部分,也能檢視出某些精神疾病患者在能力上的缺損。[24]

魏氏智力量表分成成人版與魏氏兒童智力量表(WISC),強調認知歷程的個別差異以及工作記憶對於解決問題的能力。此測驗共分成四個部分,包括語文理解、工作記憶、知覺推理與處理速度。其中語文量表的測驗是測試文字理解與使用能力,包括常識、理解、算術、類同、記憶廣度、詞彙及數字-字母序列測驗等,操作量表的測驗則是需要操作者處理、作業或安排物件,是不需口語回答的,包括數字符號替代、圖畫補充、圖形設計、圖畫排列、矩陣推理、圖形配置、符號尋找等。[5]

如同現今大部分的IQ測驗,魏氏智力量表採用離差智商,將得到原始分數轉換為平均智商100,標準差15的資料。離差智商的計算方式為(測驗分數−該年齡的平均測驗分數)÷該年齡的測驗分數標準差×15+100。

魏氏成人智力量表第四版(WAIS–IV)IQ分類
智商 分類
130以上 非常優秀(Very Superior)
120–129 優秀(Superior)
109–119 中上(High Average)
90–109 中等(Average)
80–89 中下(Low Average)
70–79 臨界(Borderline)
69以下 非常低(Extremely Low)
1.5 團體測驗:短時間提供多人測驗的方式

當需要對很多人施測時,上述測驗所耗費的時間與成本皆相當高,因此需要一種能短時間供團體測驗的方式。最早開始進行團體智力測驗為美國軍方,1917年,時值第一次世界大戰,美國心理學會特曼等人受託為軍隊評估招募到的軍人,遂完成用於有英文讀寫能力人士的陸軍A式以及用於無法以英文溝通人士的陸軍B式兩份測驗,並成為日後眾多團體測驗的範本。

由於這些測驗將說明及程序簡化,容易上手,再加上施測、計分容易,被廣泛用於機關、學校、企業組織的甄選工具。由於人事甄選等團體施測注重成本效益,雖然信度和效度不如個別智力測驗,這種大規模測驗的方式仍然會被接受。[6]

1.6 文化公平測驗:跳脫語文能力的限制

由於智力測驗的發展引起許多人對於文化公平性的疑慮,大部分的智力測驗皆需仰賴語文能力來作答且多以英文為最初設計語言,對於使用其他語言者不公平,心理學家於是嘗試建立出具有文化公平性的測驗。

1938年約翰.雷文(John Carlyle Raven)發展出瑞文氏非文字推理測驗,是常被使用的施測方式。雷文認為智力是一種歸納推理能力,且為避免語言的干擾,該測驗以圖形組成,受試者需歸納出這些圖形的規則。這種測驗方式所需時間短且沒有語言的限制,因此也受到某些企業的人事甄選喜愛,同時也被跨文化智力研究者使用。儘管許多人贊成文化公平測驗,羅伯特.斯騰伯格(Robert J. Sternberg)則認為不同文化所認定的智力定義並不相同,因此無法以西方觀點強加於上,對於文化公平測驗抱持懷疑態度。以臺灣為例,教育部規定全臺各國民小學每年對一年級學生施以瑞文氏彩色圖推理測驗及對四年級施以瑞文氏標準圖形推理測驗,此測驗乃是在臺灣使用最廣的團體智力測驗。[7]

因為瑞文是提出g因素理論學者史皮爾曼的學生,故g理論成為其測驗編制的理論基礎。學界認為此測驗可以測到所謂的「流體智力」。(Raven & Raven, 2003)。

1.7 認知評量系統(Cognitive Assessment System, CAS):能夠了解個體在基本認知歷程的相對與絕對差異

1997年由拿耶禮(Jack A. Naglieri)與達司(Jagannath P.Das)根據PASS智力理論發展了認知評量系統。2014年發行第二版(簡稱CAS2),測驗結果可以得到一個全量表分數和四個歷程量表分數(計畫、注意、同時、連續),各量表均以一百為平均值,十五為標準差。CAS2的優點為其智力分數與成就測驗的相關高其他智力測驗(Naglieri, 1999),且不同種族在CAS智力分數上的差異比傳統智力測驗所得者小,符合大家對測驗公平性的期待與要求(Naglieri, Rojahn, Matto< & Aquilino, 2005 ;Naglieri, Goldstein, DeLauder< & Schwebach, 2006)。

這個系統最特別的是根據各認知歷程的特性,提出教學介入策略,尤其是針對學習障礙與注意力缺陷過動症的兒童(Das, 1999;Naglieri, & Pickering, 2010),更能依據學生的優弱勢提供適當的教學。CAS可視為以心理學的認知功能研究為基礎發展心理測驗的代表。從理論發顫測驗架構,而透過測驗工具的使用可重新檢視與修正PASS理論。

1.8 因素取向

有些心理學家認為智力就是理解和推理的一般能力,顯現於多種行為。Bient的智力測驗包含許多題目,聰明兒童在所有題目的得分上都高過愚笨的兒童,因此他假設不同作業來自於同一種基本潛在能力。同樣地,儘管為是成人智力量表有許多不同的分量表,Wechsler也相信,智力是讓個人有目的地行動、理性思考、有效處理環境的集合或整體能力。

然而,其他心理學家質疑所謂的「一般智力」,他們相信智力測驗包含許多互相獨立的心智能力,為了確定智力測驗所包含的能力類型,可以採用因素分析(factor analysis),將眾多的測驗縮減為少數獨立向度的統計技術。基本構想如下:當兩項測驗彼此之間相關很高,但是與其他測驗的相關都很低,或許兩者是測量相同的潛在能力。因素分析的目標是找出能夠解釋不同測驗之間相關的最少數因素或能力。

因素分析是由Charles Spearman所發明,他首先指出,所有人都擁有高低不等的一般智力因素,因素的高低史的個人整體而言聰明或愚笨,根據Spearman的看法,一般智力因素是決定智力測驗表現的主要因素。除此之外,特殊因素只出現於特殊能力或測驗,如;數學或空間關係測驗各自測量不同的特殊因素。智力測驗結果反映出一般智力因素加上各種特殊因素的總和,如:數學表現是由整體智力和數學性向所決定。

後來的研究者Louise Thurstone不同意Spearman的整體智力,反而主張智力可以區分一些主要能力,經過因素分析Thurstone找出7個因素,作為編制基本心理能力測驗(test of primary mental abilities)的根據。該測驗的修訂版本廣為運用,但是其預測力並未高於魏式量表等整理智力測驗,Thurstone希望藉由因素分析來找出智力基本元素,卻無法充分實現,其原因如下:第一,他的主要能力並非彼此獨立,反而支持整體智力。第二,因素分析所發現的基本能力樹木取決於測驗題目的性質。其他研究者以不同的測驗題目與因素分析方法,找出了20到150種心智能力。由於因素的數目與類型並不一致,使人質疑因素取向的價值,但因素取向仍是探討智力表現的重要技術。

2. 智力測驗的評量與解讀编辑

如同前面心理學研究法所述,在編製任何一種心理測驗所需要決定的第一項事物,便是選擇適當的測試項目,當然,所選的項目必須與編製此測驗或其背後研究的目的相符,也須為想測出的特質或能力的代表性樣本。就智力測驗而言,很明顯的,我們想測量出的,便是一個人的聰明程度,也就是智商。智力的衡鑑有很多實用的考量,例如升學求職等,故衡鑑的方法對智力理論及研究來說 十分重要。心理學常採用四個評估標準來判斷一份測驗的優劣:信度(reliability)、效度(validity)、常模(norm)與標準化(standardization)以及難度(difficulty),以下分別說明之。

2.1 信度

信度是指可信程度或可靠程度,也指測驗結果在時間上及內容上的一致性,如果測驗或衡鑑方法具良好信度 (reliability),就會產生可複製、一致的結果。信度評估需計算兩組分數的相關,於兩情境中對同一群人作一樣測試,而再測信度(test-retest reliability)及時間穩定性(temporalstability)可用來描述兩次結果的相關係數,係數越高,便代表此為有信度的測驗。

以智力測驗為例,時間的一致性表示受試者在兩個不同時間點上測驗分數的相關係數愈 高,表示再測信度愈高。目前在實務上多以相同測驗的複本來實行,對同一群體實行相同測 驗的複本,受試者在兩份測驗上得分的相關係數即為複本信度。如果測驗只施測一次,則常 採用的信度指標為折半信度、庫里信度。

這些信度指標都是以所有測驗題目內容的一致性(internal consistency)為基礎,題目同質性愈高,分數意義就愈明顯,其信度也愈高。此外,在智力測驗的執行上,若用主觀的方式評估智能、由評分者判定答案,則研究者間須建立評分者間同意度(interrater agreement)或評分者間信度(interjudge reliability)。[8]

一個測驗需具有良好的一致性與穩定性,信度(reliability)即反應一個測驗的可靠性、一致性、穩定性與精準性,通常以相關係數表示其大小。有以下指標: 1.再測信度(test-retest reliability)

2.複本信度(alternate-forms/parallel-forms reliability) 同一種考試若有A、B兩種版本,則其施測結果應具有一致性。 比方說像考中高級英檢,早上場和下午場的題目不同,但同一名考生無論早上去還是下午去,得到的分數和結果應相差不遠;又如我大普心期中分A、B、C三種版本,但其複本信度仍奇高無比真是不可思議。

3.施測者間信度(inter-rater reliability) 同一份考卷由不同施測者來分析,其結果應具有一致性。比方說選擇題的施測者間信度就極高。

4.內部一致性(internal-consistency reliability) 將同一種測驗拆成數份,並求每一份題目之間分數的相關係數,越接近則其內部一致性越大,此種信度指標能了解一種測驗本身內容是否相互契合,最常用的檢驗手法是折半信度法(split-half reliability)。

2.2 效度

效度亦即測驗結果是否符合測量目的、能真確地測量到該測驗所欲測量特質的程度。一 份測驗愈能真實且正確地測量,則這份測驗的效度就愈高信度。信度是效度的必要但非充要 條件,一份測驗若無信度,其效度必然堪慮;但一份測驗結果可能具有信度,但並不是有效 的測驗。目前心理測驗常用的效度指標有: 效標關聯效度(criterion-related validity)、內容效 度(content validity)、以及建構效度(construct validity)。

效標關聯效度又稱為效標效度(criterion validity)或實徵效度(empirical validity),是指測驗分數與外在效標之間的關聯程度,用測驗得分與外在效標求取相關。內容效度則主要探討測驗內容的代表性或取樣的適切性。至於建構效度,是指測驗分數可預測理論所應預測之結果。

研究者以理論來編制測驗,並導入預測,以測驗作為工具來研究,若研究證實其理論預 測,則理論及測驗皆證明為有效。值得一提的是,還有個概念叫做衡鑑效標問題(criterion problem in assessment),意指在實務上,若是效標與測驗結果無關(例如企業家測驗分數與薪資),研究者往往不願承認測驗無效,導致無一真實指標能驗證測驗效度。[9]

比方說在一份問卷調查中,所有跟「人際關係」有關的題目依照單雙題號拆成兩份後,所反應的結果應相近,意即邊緣人寫哪份都應該要還是邊緣人。

效度(validity)指一個測驗的正確性,效度越高,即代表一個測驗越能反應施測者想要測量到的特質。有以下指標: 1. 內容效度 (content-related validity) 指某測驗內容是否足夠完備,並能確實包含所欲測主題的所有內涵,就像普心期末,如果都只出第一章的東西,那可能信度有了,卻沒有效度,還有也不能都出一些網路上就能找到的東西,一定是要出只有在課堂上才講的內容,那樣測驗的內容效度才足夠。 2. 同時效度 (concurrent validity) 為一校標關聯效度,當測驗分數與校標分數近乎同時取得,便可估計測驗分數與校標分數的相關性。 白話來講就是今天如果在生化期中考前老師先考了一份小考考卷,而成績出來後發現,該考卷的成績與期中考得到的成績具有高度正相關,則稱此小考考卷亦具有高的同時效度(重點似乎是要兩測驗施測時間相近,才能談論同時效度)。  3. 預測效度 (criterion/predictive validity) 為一校標關聯效度,指測驗分數能符合未來某一校標之程度。 比方說高一時做的性向測驗如果十年後調查,與未來大家的志願發展結果相近,則稱其具有高的預測效度;又比方小杰學測73分,申請全部落榜卻在指考考上台大醫學系,則我們可稱學測面試對指考成績的預測效度極低。 4. 建構效度 (construct-related validity) 指某測驗能否有效測量一虛擬概念的程度。 比方說假設,我說假設,今天教授覺得打電動打得越多的人,可能生化會考越低(這段敘述就是建構),於是設計了一份期中試卷,結果考出來所有沉迷台大谷的同學都爆炸了,於是我們就稱這份考卷的建構效度很高;或者是比方現行的憂鬱症量表的確能確實反應大部分憂鬱症患者的情況,於是這份量表的建構效度也很高,而此時,憂鬱就是一種建構。

2.3 常模與標準化

在智商這種需要人為定義的測量項目當中,我們必須要有一個定義的來源,因此我們必須找到一群足夠代表廣大人群的受試者,並請他們完成這項心理測驗,作為整體人群參考的依據,並將每個人的情況拿來「標準化」。要建立一個良好的標準化測驗,最重要的一步就是要選對足以代表大眾的人群,例如,智力測驗測量的對象包含了社會當中形形色色的人,不論貧富、不論年齡,所以在建立標準化的智力測驗的時候就必須要將受試者的經濟因子與年齡因子控制在適當的比例,以模擬真實社會的情形。如果我們找的受試者都是諸如愛因斯坦或牛頓等大家公認的天才,那麼這樣的標準化測驗就是不公正的,因為基本上受試者的測驗結果都會顯示他是個笨蛋。另外,除了取樣的公平性之外,施行測驗的情境也需要有所控制,例如,在一般學校的隨堂測驗當中,每個出題老師的題目難度不同、考試時間長度不同、內容與形式的不同都會影響到一個人的成績,因此在這樣的情況下沒有辦法去比較,例如我們永遠不能說,在數學奧林匹亞和大學入學測驗當中取得相同比例分數的兩人數學程度一樣好。智力測驗也是一樣,它如果要成為一個標準化測驗,它的器材、過程、情境及計分方式都要固定不變,如此一來才能跨越時間與空間的限制,而達到真正的標準化。 

常模意指單一分數的意義較小,分數若能與其他人做比較,其意義較能獲得彰顯。一份 優質的心理測驗通常會提供常模讓人對分數進行比較,建立常模時研究者必須先對不同背景 的人進行大規模施測,所有受試者的分數經統計分析後,會形成一個系統性分數分配表,受試 者便可以清楚自己某項特質在團體中的相對位置。例如年齡常模、地區常模。[10]

標準化是指編製測驗時,必須遵循的標準程序,包含測驗編製標準化、實施程序標準化、計分方法標準化。

1. 標準化測驗(standardized test) 一標準化的測驗通常具有常模、信度、效度等資料,且其實施、計分和解釋亦都有一固定程序。其目的為希望所有受測者能有一致的受測評估條件,使施測者能將單一受測者的表現與其他受測者做比較。 2. 項目分析(item analysis) 透過量化的指標去評估每一題的適切性,計算其難度與鑑別力,依據施測者的需求調整測驗的難度分布,不能有太難或太簡單的題目,也不能都只有中間難度的題目。 3. 因素分析(factor analysis) 在心理學上常會遇到一些不能直接量測的因素,如人的智力、EQ、人格特質等等,對於這些無法明確表示的抽象的概念,便希望透過一些可以量測的變數來訂定它們,於是就產生了因素分析的方式,是一種數學上的統計程序。 4. 如何建立常模 將收集到的統計資料進行分析整理,建立所有受測者在該測驗中的水平分數情形,同時計算標準差等。常模的功用是能使受測者明白測驗結果的意義,比方說我們現今的血壓標準其實就是一個常模,它讓我們測量自己血壓後,能迅速而初步地掌握身體的情況。   5. 常態化(normalization) 當不同分配型態的分數需要直接比較時,就必須將原始分數轉換成符合常態分配的標準分數,此種分數稱為常態化標準分數。老師簡介的方法大概是將原始分數先轉換為百分位數,然後依照常態分佈的比例分布轉換回去即是。 6. 常模的修訂(revision of norm) 定期將一些因時空變遷而失去效度的題目刪除,並重新建立常模。

2.4 難度

難度是指測驗問題的難易程度。許多測驗的題目應該由簡單到困難逐漸加深,在理想的測驗當中,若把題目的難度以圖表的方式呈現,將會呈現出一整齊的階梯形狀圖。之所以要測驗難度,是為了要觀察受試者不同等級的能力,題目由易逐漸加深到難,使能力較差者可以順利作答前半部的測驗,而能力較好者則可以繼續回答後續較困難的題目。這種效力亦稱為測驗的鑑別力(discriminative function)。

智力測驗的功用编辑

智力測驗對於教育方面,可以達到以下幾個作用:

1.區別程度與能力分組

《四書章句集注.論語集注.雍也》:「聖人之道,精粗雖無二致,但其施教,則必因其材而篤焉。」教育注重因材施教,在進行智力測驗前,由於不知道每個人的程度所在,不易將教學適用於個別的差異;進行智力測驗後,學生可依照其能力進入不同的班級與組別,讓程度相類似的個體可以共同學習並進步,提高教學的效率。

2.特殊能力或人格的判斷

社會職業種類繁多,欲人盡其才,才盡其用,需仰賴特殊能力的測驗。要知道個體的個性、意志強弱、興趣所在及心理狀態,需從事人格測試,若知道個體的特殊性向及人格,及早進行輔導有助於其未來前途的發展。若要判定未達法定年齡的兒童是否准許入學、插班或跳級生、規定學級收容人數等,皆需仰賴智力測驗的幫助。

3.學習怠惰的測量

個人的成就有百分之九十九是靠努力,百分之一靠天分,前者需依照智力年齡及智力商數加以判斷,後者則可以藉由智力測驗進行評估,測量其智商。

智力測驗的問題编辑

呈上所述,我們會發現智力測驗其實並不能夠就一個人的作答結果單純量化其智商,而需要與其他受試者的作答結果進行比較,方可得出此人做此測驗所量測出來的智商。也就是說,當要求一個人重複進行兩次的智力測驗,縱使他兩次的作答結果完全一樣,也會因為參加測驗的受試者之作答結果不同,而使這個人的智商被不同的評估。這自然是件相當奇怪的事,僅僅是因為我們所參加的智力測驗場次不同,我們所量測出來的智力竟會有所差異?這裡可以看出智力測驗所測得的智力有著特殊的性質,也就是說,他並不是一個存在於自然界中,可以量測出來的純粹的絕對數值,當要斷定你智力的高低,並不是只需要讓你做一個完全標準化的測驗便可告訴你一個精確的智力值,而必須有其他足夠大量的受試者共同參與該次的智力測驗(所需的樣本應該要具備統計學上的合理性),並且在完全一樣的受試環境下完成該次測驗,之後將所有人的測驗結果量化並平均,將此數值經由標準化程序定為所謂的「智商為一百」,而其他人則在由此標準值進行相對應的平移,因此,當測出你的IQ是130,這絕對不代表你在全體人類當中的智力高達前百分之二點五,僅僅代表你在這次的智力測驗受試者當中,具有前百分之二點五的智力值,如此,我們又為何能夠果斷地相信智力測驗的結果,能夠代表我們的真實智力呢?

由上段的討論我們可以發現,智力測驗所測得的智力數值,是會隨著進行測驗的受試者不同而有所差異的。也就是說,重要的是那個可以用來比較測驗結果的總體(statistical population)。而在時代上,我們也已然發現了智力隨著時代會有不斷上升的趨勢,自一九三○年代以來,西方國家總人口的智力水平每十年上升三至六分。這意謂著,你今天的智力測驗拿一三○,在一九六○年(答對一樣多題數的你)智商大約就是一五○。這種效應於心理學上被稱作「弗林效應」(Flynn effect),目前仍未確定造成此效應的原因,但也可以發現智力測驗與智力的量測的問題所在。

再者,許多人聲稱多做智力測驗的題目,有助於提高最後正是量測所得的智商,這種「考古題效應」也是因為智力測驗的題目終究是人為編撰的,在經歷大量的題海訓練後,當然會命中類似的觀念,但我們真實的智力真的會因為我們曾經做過多份考古題就有了顯著的提升嗎?這個答案顯然是否定的,也因此,我們不難說明,智力測驗的數值其實並不能夠真正的代表我們腦中的智慧,這僅僅是用一種較為簡易的手法,將難以量化的人類智商進行評估。

二、智力理論编辑

1. 心理計量取向编辑

心理計量取向是透過人們在智力測驗的表現,探討智力的潛在結構。學者最常使用的分析方法是「因素分析」,是從一群有互相關係的變數,萃取簡化出少數幾個無法直接測量的潛在因素,用來解釋咁群變數之間的意義。可能用來分析的因素為:詞彙、類同、理解、圖形設計、圖畫補充、矩陣推理。所有人在這六個項目得分,經過因素分析,抽取出兩個因素。表內的數字稱為因素負荷量,代表測驗與因素的相關性。

心理計量取向主張人的行為是由許多特質及因素所組成的,他們採心理計量法來確認智力所包含的特質與因素並測量之,故心理計量取向傾向以傳統式的智力測驗來量化智力。

心理計量取向學者透過分析智力測驗的資料,探討兩個主要議題: 1.智力是單一能力還是多種能力?各種智力測量因素分析後會得到一個共同因素還是數個獨立因素?

2.若是多種能力,哪些能力是構成智力的組成要素?這些能力呈現什麼樣的結構關係?是否有階層關係? 這些認知能力的結構關係,隨著研究資料的累積,逐漸有了共識。以下簡介心理計量取向的幾個重要理論。

1.0 智力結構論编辑

到底智力由什麼所構成,在心理學中至今仍無一個定論,故列舉以下四個做為大致說明:

一.二因說(Two-factor theory) 由英國心理學家史皮門(C.Spearman,1904)所創,其理論為假設人類智力活動由兩種因素構成,一是普通因素(General Factor,G),二是特殊因素(Special Factor,S),前者乃是處理一般事務的能力,後者則是處理特定問題所用的能力。

二.多因說(Multiple-factor theory) 由心理學家桑帶克(L.L.Thorndike)所創,其論文中猜想人類的智力應該由抽象智力(Abstract Intelligence),機械智力(Mechanical Intelligence),社會智力(Social Intelligence)三者構成。

三.群因說(Group-factor theory) 為薛斯頓(L.L.Thurstone)受桑帶克(L.L.Thorndike)的理論所啟發,它將心智能力的分類擴充為七個,分別為1.詞句理解:明瞭詞意與文義,2.語詞流暢:思考迅速,表達得宜,3.數字能力:運算能力,4.空間關係:能判斷圖像中的空間關係,5.記憶能力:具有對事物的回顧及回想能力,6.知覺速度:迅速且精確判斷異同的能力,7.推理能力:以演算歸納法來進行邏輯思考的能力。

四.智力結構模式說(The structure of intelligent model) 由吉爾佛德(J.P.Guilford,1961)所創,他利用因素分析法將多因論擴大且充實化,他主張智力由三個向度(Dimention)所構成。

第一向度 第二向度 第三向度
內容:圖形/符號/語意/行為 運作:評價力/聚斂生產力/發散生產力/記憶力/認知力 產物:單元/級別/關係/系統/變換/含意

我們在這裡將三個向度想像成一個立方體(智力結構模型圖),彼此相互作用,因此人的智力總共有4X5X6=120種因素所構成。吉爾佛德(J.P.Guilford)認為人的智力之所以產生,必先有思考內容的呈現,在經過思考的運作,最後才會有思考的產物所出現。因此不同於傳統智力測驗重視的題目性質,他更在意的是受測者的思路歷程。

1.1 因素分析論(factor analysis)编辑

大部分的智力測驗主要針對抽象思考、邏輯推理和訊息處理能力而有不同的分量表,但對於其他智力的層面卻沒有顧及到,例如社會智力、學習能力、反思能力等。於是,開始有心理學家質疑所謂的「一般智力」的概念,相信智力測驗包含許多互相獨立的心智能力。為確定智力測驗包含的能力類型,查爾斯.斯皮爾曼(Charles Spearman)(1904)遂提出了因素分析(factor analysis)概念。本小節要談論的心理計量取向,便是指以智力測驗為工具,採用因素分析的觀念與方法,從測驗結果中分析出彼此相關的各個不同因素,然後即以分析所得的因素,用以界定智力的性質。

蒙德·卡特爾(R.B.Cattell)受化學元素周期表的啟發,用因素分析法對人格特質進行了分析,提出了基於人格特質的一個理論模型。模型主要分成四層:個別特質和共同特質;錶面特質和根源特質;體質特質和環境特質;動力特質、能力特質和氣質特質。

1.表面特質和根源特質。表面特質是指能夠從一個人的外部表現出來的行為直接觀察到的特質,而根源特質則是指那些相互聯繫而以相同原因為基礎的行為特質。表面特質和根源特質有可能是個別的特質,也有可能是共同的特質。它們是人格層次中最重要的一層。

2.體質特質和環境特質。根源特質又可以再分為體質特質和環境特質兩類。體質特質是指那些生物與生俱來的特質ㄝ而環境特質則是指由後天的環境塑造的表現在生物身上的特質。

3.動力特質、能力特質和氣質特質。動力特質是指具有動力特徵的特質,它會給人動力,推著人前進,使人趨向某一目標,能力特質是表現在知覺和運動方面的差異特質包括運動時展現的體力、唸書時的理解力,氣質特質是決定一個人情緒反應速度與強度的特質。

雷蒙德·卡特爾對人格特質理論的主要貢獻在於提出了根源特質。1949年,卡特爾用因素分析法提出了16種相互獨立的根源特質,並編製了《卡特爾16種人格因素測驗》(16PF)。這16種人格特質是:樂群性、聰慧性、情緒穩定性、恃強性、興奮性、有恆性、敢為性、敏感性、懷疑性、幻想性、世故性、憂慮性、激進性、獨立性、自律性、緊張性。 卡特爾認為在每個人身上都具備這16種特質,只是在不同人身上的表現有程度上的差異。雷蒙德·卡特爾是在英國成長的美國伊利諾大學心理學教授,用因素分析法研究人格特質的著名代表。他同意高爾頓·威拉德·奧爾波特的看法,認為人格中有共同特質和個別特質,但認為奧爾波特列舉的特質太多、太繁,於是把1萬多個形容人格特質的詞歸類為171個,然後用統計方法歸併為35個特質..

因素分析是一套統計方法,將一群變項依照彼此的關聯性,化簡成較少的因素。斯皮爾曼以因素分析探索智力測驗結果發現,智力測驗中不同分測驗間之分數有高相關性;斯皮爾曼推論,所有智力表現背後有一個整體共通的能力(general factor,簡稱g因素)支配,g因素影響人整體為聰明或愚笨;然而智力並非由單一因素構成,斯皮爾曼另外提出了特殊因素(specific factor,簡稱s因素),而s因素只會影響特定領域之智力表現。階層理論者認為不同因素可做階層分析,下層是特殊因素,最上層則是共通因素。

1.2 訊息處理論(information processing)编辑

訊息處理論精細的分析人如何表徵與處理訊息,有些理論並實際為測驗編製提供足夠架構,如:Das認為對智能的暸解因由認知過程著手,認知過程又可分為同時處理與系列處理,著名的智能測驗K-ABC便是依此理論發展而來。

一、訊息處理的多重歷程 多重歷程(multiproccess processing)係指人類把記憶視為一種訊息來處理,這裡所指的記憶不是一單一歷程的運作,而是將身體所收受的訊息分成許多不同的階段來處理,在每一個階段的記憶方式都不盡相同,各自會形成一段訊息處理之歷程。人類記憶按照產生的時間先後可分為感覺記憶、短期記憶及長期記憶三類。

二、訊息處理的心理歷程

(一)輸入與輸出。輸入(input)是指身體接收到的接受刺激作為一訊息進而開始產生感覺記憶,一直到訊息轉為長期記憶為止,這段期間中間所經歷的心理運作歷程。輸入就是所謂的「學習」。輸出(output)是指將身體已經儲存於記憶中的訊息表現出來、反應在外的過程。

(二)譯碼、編碼與解碼譯碼(coding)則是指為了便於處理,而將具體感官接收到的訊息轉成抽象的形式以方便記憶的心理歷程,編譯過程中訊息轉換形式則稱為代碼(code)。編碼(encoding)是指刺激輸入後的譯碼歷程,將訊息轉為抽象畫概念的歷程。解碼(decoding)將長期記憶中的抽象概念針對外界刺激而做出適當反應之歷程,其與編碼相反。

(三)儲存與檢索儲存(storage)係指將編碼輸入之訊息在記憶中保存的心理運作歷程。檢索(retrieval)係指在需要時將過去編碼儲存於記憶中的訊息,解碼輸出並透過反應表現於外的歷程。

1.3 認知發展論(Cognitive-developmental theory / Theory of Cognitive Development)编辑

最知名的就是瑞士心理學家皮亞傑,主張智能表現在適應環境上,在適應環境的過程中必須不斷調適與同化,而此又促成個體認知結構的改變,智能發展可以分為不同階段。因此皮亞傑認為認知發展不僅是量變,也會產生質變。 皮亞傑的認知發展理論是關於人類智能的本質和發展的綜合理論。它最初由瑞士發展心理學家Jean Piaget(1896-1980)創建。該理論涉及知識本身的本質以及人類如何逐漸獲得,構建和使用它。皮亞傑的理論主要被稱為發展階段理論。對皮亞傑而言,認知發展是由生物成熟和環境經驗引起的心理過程的漸進式重組。他相信孩子們會建構對周圍世界的理解,在他們已經知道的事物和他們在環境中發現的事物之間經歷差異,然後相應地調整他們的想法。此外,皮亞傑聲稱認知發展是人類生物體的核心,語言取決於通過認知發展獲得的知識和理解。皮亞傑早期的作品受到了極大的關注。以兒童為中心的教室和“開放式教育”是皮傑觀點的直接應用。儘管皮亞傑取得了巨大成功,但他的理論還有一些局限性,皮亞傑認識到這一點:例如,該理論支持尖銳階段而不是持續發展。

皮亞傑指出,現實是一個持續變化的動態系統。實際是參考定義動態系統的兩個條件來定義的。具體而言,他認為現實涉及轉型和國家。轉換是指事物或個人可以經歷的所有變化方式。國家是指在轉變之間可以找到事物或人的條件或外觀。例如,可能會有形狀或形式的變化(例如,液體在從一個容器轉移到另一個容器時被重新塑造,並且類似於人類隨著它們變老而改變其特徵),大小(幼兒不會走路和在沒有跌倒的情況下跑步,但在7歲之後,孩子的感覺運動解剖結構發育良好,現在獲得技能更快,或者在空間和時間的位置或位置(例如,在一個地方可以找到各種物體或人物)時間,在另一個時間的另一個地方)。因此,皮亞傑認為,如果人類智能具有適應性,它必須具有代表現實的變革和靜態方面的功能。他提出,操作智能負責表達和操縱現實的動態或轉換方面,而形象智能則負責表達現實的靜態方面。

1.5 流體智力與結晶智力(Theory of fluid and crystallized intelligence, gf-gc)编辑

最早是由瑞蒙‧卡特爾(Raymond Cattell)所創立,後由其學生約翰‧杭恩(John L. Horn)所推廣發展,在這個理論當中,他們以g因素理論為基礎,主張應有兩種g因素:流體智力(fluid intelligence,gf)與結晶智力(crystallized intelligence,gc)。其定義如下:

流體智力(fluid intelligence或fluid reasoning,gf)是一種可以利用其理性思考去解決從沒遇過的嶄新問題的能力,不需要來自過往所累積的知識和經驗。人們可以利用其與生俱來的邏輯力去分析問題、找出規律、發現潛藏在複雜事物本質下相互縱橫的關係來解決問題。流體智力可以說是邏輯的代名詞,包含歸納的能力和演繹的能力。流體智力的發展在成年期達到顛峰,之後慢慢衰退。證據顯示,流體智力比較容易受腦部損傷影響,而有過動症及亞斯伯格症的患者也會在此項因素上與常人不同。在智力測驗裡測量的各種不同指標之中,與gf的相關係數大於0.6的有歸納能力、圖像化的能力、量化思考的能力和思考的流暢度。

結晶智力(crystallized intelligence,gc)是相對於流體智力的因素,為人們應用其技巧、知識和經驗去解決生活當中困難的能力,雖不完全等同於長期記憶,但是結晶智力的確有很大一部份仰賴過往所累積的知識。結晶智力可以說是一個人到目前為止其生命當中智識上的成就,例如一個人所知道的單字多寡、利用人造文字數字的能力、以及其對於人類社會上的理解等等。想當然耳,結晶智力會隨著年齡而成長,同時也反映了一個人智識的深度與廣度。在智力測驗裡測量的各種不同指標之中,與gc的相關係數大於0.6的有言語能力、發展語言的能力、閱讀能力、連續推理的能力和綜合知識。

可以說,結晶智力是從教育、社會、文化當中所得到的經驗與流體智力所互動的結果,所以不意外地,結晶智力也會被流體智力所影響,這種透過流體智力而獲得結晶智力地過程稱為「認知投資(cognitive investment)」。

這個理論後來經由杭恩(John L.Horn)不斷修正,自1960年代起已經不是兩因素的理論,但至今仍沿用原有名稱。所以晶體智力是在某種程度上受到環境經驗、學習與文化等因素的影響的。

杭恩於1990年代將流體與結晶智力理論擴展到包含九至十二個廣泛能力:流體智力、結晶智力、量化知識、短期記憶、視覺處理、聽覺處理、長期提取、處理速度、決策速度、讀寫能力。這些廣泛能力彼此沒有上下隸屬關係,但每個廣泛能力又可細分成幾個特寧利,這些特定能力種類多達八十幾種。(Horn & Noll,1997)

1.6 約翰.卡羅爾(John Carroll)智力三階層理論编辑

約翰.卡羅爾(John Carroll)承襲卡特爾與宏的理論模式,提出智力三階層理論(threestatum theory of cognitive ability),又名CHC模式(Cattell-Horn-Carroll model),最上層為一般智力(general intelligence);第二層為八項能力(broad ability);最底層為六十九項特殊能力(narrow ability),如演繹推理、歸納推理、數量推理等。如下圖(1)所示。

2000年時,心理學家約翰.麥格魯(John McGrew)再次整合前人觀點、修正CHC理論,為新近智力測量主要依據:上層g,中層含流體推理(Gf,指解決新奇問題能力,如歸納、演繹、邏輯推理)、知識理解(Gc,指獲取、使用語言和文化訊息的廣度與深度的能力)、短期記憶(Gsm,指取得、保存短期訊息的能力)、視覺空間處理能力(Gv,指產生、儲存、提取、轉換影像或感覺至心像的能力)、聽覺處理能力(Ga,指對聲音的反應能力)、長期記憶(Glr,指儲存新訊息並通過聯結而穩固訊息記憶的能力)、認知處理速度(Gs,指認知作業的順暢、自動化程度)、讀寫能力(Grw,指閱讀或書寫時陳述和取得知識的能力)、數理知識(Gq,指數字運算的掌握力),底層為s。


1.7 VPR模式编辑

強森(W. Johnson)與布查德(T. J. Bouchard)的VPR模式源自於弗農(P.E.Vernon)於1960年代提出的智力結構模式(Vernon's structure of intelligence model),該模式包含了g因素、語文教育因素(verbal-education factor)和知覺操作因素(perceptual-mechanical factor)。強森與布查德延伸弗農的模式,發展出VPR模式(VPR model),最上層是g因素,第二層分為語文因素V(verbal)、知覺因素P(perceptual)與對靜態物體旋轉或移動的旋轉因素R(image rotation)。

1.8 g因素编辑

史皮爾曼提出g因素(general ability, g factor ),他認為智力是一種一般能力的觀點,他主張人們在所有智力測驗的表現深受這個一般能力影響,但也會受到特定因素(sepecfic factor, s factor)影響。而瑟斯通(Thurstone,1938)則反對這個觀點,他認為智力是由七種基本心理能力所組成,根據其中的六種能力的相關計算而成。

瑟斯通提出的七種平等的基本能力是:

語詞理解(Verbal comprehension,V), 理解語詞涵義的能力;

語詞流暢(Word fluency, W), 語言迅速反應的能力;

數字運算(Number, N), 迅速正確計算的能力;

空間關係(Space, S),方位辨別及空間關係判斷的能力;

聯想記憶(Associative memory, M), 機械記憶能力:

知覺速度(Perceptual speed, P), 憑知覺迅速辨別事物異同的能力;

一般推理(General reasoning, R), 根據經驗做出歸納推理的能力。

這七種基本能力並不是彼此獨立的,它們之間有一定的相關量。他修改了關於各因素之間獨立性的看法,提出二階因素(Second order factor)的概念,即在彼此相關的第一階因素的基礎上,再度進行因素分析,但此時分析的不再是各種測驗間的共同因素,而是各種因素間的共同因素。瑟斯通在1941年根據上述七種基本能力編成「基本心理能力測驗」( Primary Mental Abilities Test,PMAT)是著名的智力測驗之一,他證明確實存在著七種基本能力。

2. 社會實用取向编辑

古代中國人對「智」這個概念涵蓋非常廣泛,老子認為瞭解他人和自我瞭解是智利的重要成分,「智」也與道德密不可分。在人才拔擢上,雖然成功地仕途深受科舉考試內容形式所限,但許多出名的古人在文采、道德、能力、事功上都是出類拔萃的人。

相對於東方較廣泛的智力定義(文采、道德、能力、事功),西方的智力研究到了1980年代,心理學者對智力的理論從數理邏輯、語文、空間、記憶等逐漸擴充到社會的實用性。

以下介紹的三個理論:多元智力理論、智力三元論、情緒智力,共同特點就是認為傳統智力所測得範圍過於狹隘,欠缺預測成功以及社會適應所必要的智力元素。

2.1 哈沃德.加德納(Howard Gardner)的多元智力理論编辑

哈沃德.加德納(Howard Gardner)以他的多元智力理論挑戰「古典」整體智力觀,他認為不同文化的多元成人需要各種不同的技能,並做出結論:智力並非為單一潛在心理能力或因素,而是許多智力的組合,因此智力是「在特定文化環境或社群中,解決問題或創造成果的能力」。他將智力定義為「某一文化所重視的解決問題或製造產品的能力」。人的智力並不侷限於智力測驗的結果,在生活情境中表現優異者,以傳統智力測驗來測量智力,並不一定能顯現他們的天賦。

加德納提出了智力可分為八個向度,語文、邏輯——數學、空間、音樂、身體——運動、人際、自我了解與自我觀察。加德納認為這八個向度彼此獨立,每個人都具備上述八種能力,只是程度上的不同。不同文化的成人表現出各種智力組合,雖正常人都具某種智力,但每個人擁有的智力組合,才是構成個體差異的基礎。透過腦傷病患的案例,成為了加德納理論的證據,此理論討論的智力本質,在許多人定義的智力下,可能根本不成立,但此理論使長久以來被忽視的能力(如音樂、人際等)開始受到重視。1999年,哈沃德.加德納(Howard Gardner)另外提出了一種智能可能性,這種智能是存在智能。[49]

以下分別介紹九個向度的定義:

智能種類 定義 優異表現
語文智能 運用口語及書面文字的能力,能把句法、音韻、等流利運用,喜歡閱讀、寫作等 詩人
邏輯-數學智能 運用數字和抽象推理的能力,尋找事物的規律及邏輯,對科學的新發展會有興趣 數學家、科學家
空間智能 知覺視覺或空間訊息加以轉換、重現的能力 棋藝大師、航海家
音樂智能 能創作、溝通並理解聲音的意義,對節奏、音調、旋律或音色敏感 作曲家、演奏家
身體-運動智能 善於運用整個身體來表達想法和感覺,以及運用雙手靈巧的創造或改變事物 舞蹈家、演員、運動員
人際智能 能覺察和區辨他人的感受、信念和意圖 顧問、政治領袖、心理治療師
自我瞭解智能 能區分自己的感受 、意圖和動機 宗教領袖
自然觀察智能 善於辨識和區分動植物以及自然現象的理解 生物學者
存在智能 能夠有能力看到人類世界的全局,透過詢問有關生命 、死亡與人在存在相關的問題 哲學家、思想家、宗教職業

依上表的定義可以發現語文、邏輯——數學、空間是傳統智力測驗量測的內容,其餘的智能則是過去學校教育中較被忽視的智能。加德納的理論對教育領域有深遠的影響。 批評者則認為加德納忽略了工作記憶以及歸納推理這類認知能力對智力的影響。

2.1.1 語言智能

詩人艾略特曾說,詩人的邏輯跟科學家的邏輯一樣嚴謹,只是應用的地方不同而已;也說過構思意象需要和構思論證一樣多的腦力。科學家的邏輯在於他能敏銳地掌握某一前提或法則跟另一前提的關聯,就像詩人的邏輯運用在對字意的敏感度一樣。語言的四要素為:語言、語法、語意、語用。詩人對於語音也要有相當的感受力,詩的聲音以及韻律也是詩人需要重視的東西。另外詩人也需要熟稔語法,對於字的安排、順序和變化,詩人必須架構出一首詩。 但若是非詩人的人,語言的功能就不是寫詩,而是其他像是語言能力,利用語言說服別人;語言記憶力,能夠以語言為工具,協助記憶資訊;還有解釋說明的能力。另外還可以用語言來思考語言,可以用語言來解釋語言。 語言是經過學習的,剛出生時的牙牙學語,一歲時能說出單字,三歲時能說出字串,五歲時就能接近成人般流利的說話。但有另一派語言學家認為,語言是與生俱來的知識,他們可以說出自然語言,而能迅速且快速的習得語言。 而在語言障礙上,有許多的小孩在語言上的學習困難來自聽覺與其他人不同,當他們無法分解一連串的語音時,就造成了理解問題,這是語音上的語言障礙。而在語言上的語言障礙則是會在模仿說話時,發生字詞簡化、錯亂的情形。 對多數人來說,語言只是一個工具,而不是注意力的重點。科學家靠語言把資訊傳達給他人,用文字將他的思想觀念傳達給別人;但對於小說家、散文家等作家,用字遣詞就相對重要,他們可以透過文字傳達出他的情感給讀者。 語言像是耳聽口說的智能,而並非視覺的媒介,也非空間形式的智能,因為在語言系統受損時,他們閱讀會受到影響,但視覺與空間受到傷害時,語言能力卻依舊。

2.1.2 音樂智能

音樂智能是最早出現的智能,音樂智能的研究使我們了解人對音樂的特殊偏好,同時啟發我們有關音樂和其他人類智能的關係。音樂智能的核心能力包括微小的音樂能力,和大段落的音樂能力。 音樂的邏輯思考是來自於持續的音樂衝動而產生的活動,並非精明計算接下來發生的事,而是想像力在耳中作業。 基本的音樂要素為音調和韻律,也就是以某一頻率發出並根據系統安排所創造的聲音。音樂可以是水平的,像是音調隨時間而展露出來,也可以是垂直的,同時發出多個聲音,產生和諧與不和諧的效果。音質則是僅次於音調與韻律的重要元素,也就是音調的特色。 音樂的感情事音樂的核心之謎,過去實證主義試圖以客觀的方式來形容音樂,強調音樂的節奏、音調、音色,還有作曲方式,而避免感情的介入,來強調音樂的理性,但幾乎任何和音樂相關的人都不能不提及音樂的感情含義。心理學家也在實驗中證明,高的音調能使聽眾因發更積極的效果。 音樂智能的發展期源於嬰兒時期,早在兩個月的小嬰兒就能配合母親的歌聲、音調,四個月則能配合節奏。到了兩歲時,可以發出一系列的精準音調,或是即興歌曲。 音樂與語言可能有共同的起源,早在石器時代便已經有了樂器的使用,而大自然中的動物,雖然與人類的語言不通,但音樂卻是與人類相通的,最直接與音樂相關的則是鳥鳴。鳥類的歌聲有廣泛的發展模式,因原因來自於特殊的環境刺激。 心理學家德依許透過實驗證明,語言與音樂的處理機制並不相同,例如:在音樂測試中加入音調的干擾、語言的干擾,結果顯示音樂干擾的錯誤率遠高於語言的干擾。大多數的人,語言能力由左腦發展,而音樂能力由右腦發展。音樂如同其他智能一般,是獨立的智能,他是不依賴物體的智能,透過耳和口就能使音樂能力擴強。

2.1.3 邏輯數學智能

和語言智能、音樂智能不同的是,邏輯數學智能和口耳官能並不相干,而此實際存在的事物息息相關,再由實體發展到定理,由感覺運動發展到抽象領域。邏輯數學的智能的研究必須始於幼兒,在剛出生的嬰兒就能探索身邊客種反應與產生預期;幼兒可以以相似的特徵將同類事物做分類;六、七歲時就能計算東西的數目,也可以進行數目的比較,掌握估算數量的算法,與數量的含義。而七到十歲時能夠在腦中進行,而不需要親自碰到物體,行為在腦中內化,然而這些計算只限於實物,被皮亞傑稱為「具體運算」。 邏輯數學智能與腦部組織的關聯主要在右腦,有些人失去了語言能力卻能計算,有些人失去計算能力但語言能力正常,因此可以推論出語言與數學邏輯的智能是互相獨立的。

2.1.4 空間智能

空間智能最重要的是在於正確的察覺世界的能力、根據個人最初的察覺進行變化與修正的能力,以及在缺乏相關肉體刺激下,依然能夠重新創造個人視覺經驗的能力,這些能力顯然不同,所以空間智能可以是各種能力的混合,然而擁有以上提及的能力是在空間智能中最成功的。空間智能很容易與視覺聯想在一起,因為正常人的空間智能時常來自於人對視覺世界的觀察,同時也和視覺世界有緊密的關聯。賽斯通把空間智能分為三個要素,包括由不同角度看同一物體、模擬的圖像中想像某部分移動或內部替換的能力、思考觀察者身體方位空間關係的能力。凱利又將空間智能分為感受和記憶幾何圖形的能力。空間智能來自可能存在兩個不同形體間,或是存在兩個砍來遙不可及經驗相似之處。許多能夠察覺不同領域間的相同處的譬喻能力,都是來自空間智能的表現,比喻可以把重要的科學觀念具體化。很多人認為空間智能與語言智能可以相提並論,他們各有代表的系統,語言是語言碼,空間是形象碼,在腦部中語言屬於左腦半球,形象則屬於右腦半球。

2.1.5 身體動覺智能

身體動覺智能可以分成兩種核心能力功能或表達目的而使用的身體技巧、和處理物理的身體技巧。能夠掌握身體動作的人,如舞者或游泳選手,以高明技巧處理物體的人,如工匠、球員、樂器家,或是運用有關的角色,如發明家或演員。而身體智能是否能夠獨立存在,有些人語言和邏輯能力被破壞,但在執行高度運動活動方面卻毫無困難。身體智能的發展可能是從工具的運用方式而來,也就是說低等生物無法使物體來操縱環境。較低等的靈長目,不常使用工具,也不特別有生產力和創造力,而較高等的靈長類則會使用工具,例如黑猩猩就有相當的驚人的效果,他們會用物體插入白蟻的巢穴,並挖出白蟻來食用,是高等的捕捉方式。熟練工具是一種學習而來的技巧,必須有相當大量的嘗試錯誤及長期保留的記憶能力。過去三四百萬年前的人類的演化,可以由越來越複雜的工具來形容,能人使用的工具只比黑猩猩高階一點,像是用來重擊的圓石,與用來砍切的利石。到現代人類開始定居,可以使用火,還有用工具狩獵,建立房屋等精細的工作。我們可以由使用物體,到使用工具已達成目的,到更複雜的使用工具以產生非直接非直接影響的能力中看到人類的演化。

2.1.6 人際智能

人際智能是指善於察覺他人的情緒、氣質、動機和技能方面的差異,體會他人的感覺,辨別不同人際關係的暗示以及對這些暗示做出適當反應的能力。理論上,具有高人際交往能力的人的特點是他們對他人的情緒,情感,性情,動機和他們合作的能力的敏感性,以便作為一個群體的一部分工作。根據加德納的說法,人與人之間的情報常被誤解為外向或喜歡其他人,那些具有高人際交往能力的人能夠輕鬆地進行有效溝通和同情與他人,可能是領導者或追隨者。他們經常喜歡討論和辯論。“加德納把這與戈爾曼的情商相提並論。人際智能適合那些具有較高人際交往能力的職業包括銷售人員,政治家,經理,教師,講師,輔導員和社會工作者。

2.1.7 內省智能

內省智能是指有人擁有自知之明並做出適當行為的能力。這項智能通常對於自己有成熟的自我意識,意識到自己的內在情緒、動機、脾氣、意向和慾望,以及自律自知和自尊的能力。內省是對自己有意識的 思想和感受的考察。在心理學中,內省的過程完全依賴於觀察一個人的心理狀態,而在精神中,它可能指的是對一個人的靈魂的考察。反思自己的內心,而與外部觀察形成鮮明對比。內省通常提供對自己心理狀態的訪問,而不是來自於書本中的知識體驗,因此心靈的個體體驗是獨特的。內省可以確定任何數量的心理狀態,包括:感覺,身體,認知,情緒等。數千年來,內省一直是哲學討論的主題。哲學家柏拉圖問道:「為什麼我們不能冷靜耐心地審視自己的想法,徹底檢查看看我們這些在我們身上的表現呢?」 雖然內省適用於哲學思想的許多方面,但它最有名的地方可能是來自認識論中,與自我的對話。在這種情況下,內省通常與感知,理性,記憶和經驗作為知識來源進行比較。

2.2 邁克.安德森(Mike Anderson)的智力理論與認知發展编辑

心理學家邁克.安德森(Mike Anderson)指出加德納的多元智力定義不清。再者,各種 智力相關性過高,無法找出獨立於其他能力的特定心智能力。安德森根據瑟斯頓等研究者的 核心觀念480整體智力概念,提出安德森的智力理論,而認為智力的差異源自產生思考的「基本處理機制」的差異。安德森指出,提供普遍能力的機制稱為模組(modules),且新模組的成熟得以解釋認知能力隨發展而增加。

除了模組,智力亦包含兩個特定能力,其一為處理命題式的思考,另一個為處理視覺及空間的功能。上述的能力由「特定處理器」執行,模組負責的是執行特定功能,而特定處理器負責較廣泛的知識類別,再者,特定處理器亦受基本處理機制影響。安德森的智力理論提出兩種知識的途徑:其一,透過基本處理機制,此及我們所稱的「思考」,可以解釋智力的個別差異。其二,為模組成熟後,以其作基礎而產生的知識,可以解釋智力發展。

2.3 羅伯特.斯騰伯格(Robert Sternberg)的智力三元論编辑

羅伯特.斯騰伯格(Robert Sternberg)認為研究智力的目的不是區分個體智力的差異。雖然斯騰伯格覺得分析智力對於課業和其他領域方面的成功非常重要,但是他認為大學和雇主不應僅僅根據這種智能測試來選擇人。因為參加智力測驗的人對於測試的題目沒有什麼興趣,而且這跟日常的生活經驗也幾乎沒有關係。此外,選擇正確的答案這一點在現實世界中很少發生。人們每天面臨的實際問題通常都是個人興趣,與生活經歷有關;此外這些問題的全貌通常不清楚且定義也不如智力測驗的題目般明確,也因此,日常生活中的問題通常具有多個解決方案。

因此他提出智力三元論(triarchic theory of inteligence)將智力分為三種:分析智力(analytic intelligence)、創意智力(creative intelligence)與實用智力(practical intelligence)。
分析智力(analytic intelligence):

分析智力屬於最基本的訊息處理,主要用於思考以及解決問題,尤其是理科上的問題。在斯騰伯格的理論中,重視訊息處理機制(information processing)中的經驗、脈絡以及基本訊息。理論包含三個次理論:成分次理論、經驗次理論、脈絡次理論。成分次理論將訊息處理視為三階段的心智歷程,而此三階段都是分析智力的智力成分,其一,知識獲得成分(實用能力)負責問題解決間的訊息比較、編碼,主要探討人們如何「利用」已知的知識作為學習新知的基礎﹔第二,表現成分(創造能力)負責執行問題解決策略,即人們如何「運作」智力以得到解決問題的技能與策略﹔第三,「後設認知(metacognitive components)」(後改為分析能力)負責問題處理期間的規劃、控制、評估等,可用於挑選最佳策略與了解問題解決的進展。可是有研究者指出,成分次理論並無法解釋個體差異的問題。另外兩個次理論不屬於分析智力:經驗次理論著重處理經驗的影響﹔脈絡次理論重視認知活動如何融入特定環境脈絡,且焦點在三種心理歷程:真實世界環境適應、選擇、塑造。

分析智力與傳統智力測驗獲得的結果相似,因此分析智力可以通過傳統智力測試來衡量。其原因是因為,在拆解各種思緒作業的成分後,可看出不同IQ人們的不同運作行為。研究人員發現,在問題解決的過程中,關鍵成分是編碼歷程及比較歷程,試驗者將類比問題加以編碼,進而形成心理表徵,且其認為,個別差異主要在於編碼與比較歷程的效率。簡而言之,高IQ的人相較於低IQ的人會更擅長使用「後設認知」,來為特定且不同類型的問題制定不一樣的解決策略,高IQ者通常為熟練的測者,雖可能花較多時間編碼、解決問題所需時間可能未必較快,但形成的表徵較為正確。如此策略挑選上的不同,可以解釋為何高IQ的人相較於同伴有更好的問題解決表現。

創意智力(creative intelligence):

創造智力用於處理人們在面對「新奇」和「舊有認知」相衝突時的問題、以及面臨新問題或環境,處理問題與環境的能力,其智力高低取決於當事人利用觀察到的事物建立新觀念或處理新事物的速度。例如當一群人迷失方向時,若有人可以迅速地找到新的路徑回家,這個人的創造智力是被認可的;可反之,我們並不會去否定一個能快速、有效率的完成例行工作的人的智力。

同時,創造智力與藝術方面才華的展現有關,例如創作樂譜。

實用智力(practical intelligence):

實用智力則是指解決日常生活中常遇到問題之能力,主要會偏向實作方面,並且會反映在實際管理日常事務的事件上。實用智力並不與傳統智力有關,即有高實用智力的人不一定有高IQ,因為實用智力主要與「適應」、「選擇」、「塑造」新且不同情境的能力有關,其衍伸出來的能力便是我們常說的「生活智慧(street smarts)」或「生意頭腦(business sense)」。 分析智力與實用智力的落差

傳統的IQ智力測驗並不能包含所有斯騰伯格所提到的智力行為,也不能藉由在他人身上貼上「高智商」或「低智商」的標籤來輕易斷定一個人的能力。例如:有一些在學校中課業成績較差的小孩卻有相當高水準的實用智力,包括在險惡環境下成長的貧民窟小孩,他們運用種種維生能力幫助自己存活;有一些賽馬者雖然智商低,但是卻能運用掌握到的關於賽馬、馬伕、場道的資訊來判斷出下誰注比較能贏。然而,雖然看起來分析智力和實用智力一點關係都沒有,但是大數據研究仍表明這兩者之間確實存在著顯著的相關性。

斯騰伯格的智力三元理論很重要,因為它將智力的概念擴展到大多數心理學家從未涉足過的領域,而且它也強調了智力在日常生活中的意義。然而,該理論的應用雖然如此廣泛,其中卻有許多部分難以測試。例如,雖然現階段已經有了所謂測量「生活智慧(street smarts, 又稱街頭智能)」的方法,但它們仍然存在爭議。斯騰伯格和他的同事們還開發了新的智力測試來評估分析實用和創造智力,他們提供的證據表明,這些測試的分數可以預測大學和某些工作的成功,至少和傳統的智力測驗一樣;然而,也有其他研究人員質疑這種解釋,他們認為這些新測試的價值可能部分歸因於實用智力和分析智力之間的相關性。因此某種意義上這種新的測試可能與舊的測試相同。

2.4 情緒智力编辑

EQ(Emotional Quotient)是情緒商數的英文簡稱,它代表的是一個人的情緒智力(Emotional Intelligence)的能力。簡單的來說,EQ是一個人自我情緒管理以及管理他人情緒的能力指數。情緒智商的定義為「能監控自己的感受和情緒,區辨他們,並利用這些訊息來引導個人思考與行動的能力」。

EQ最早是由意味英國雜誌作者在文章中提及,由兩位著名的學者沙樂偉(Peter Salovery)和麥爾(John Mayer)研究,但這個詞能廣為流傳是由於拜高爾曼(Daniel Goleman)寫了《EQ》這本書。1983年,美國心理學家嘉納教授(Howard Gardner)提出了影響現今教育體系甚鉅的多元智力理論。他認為傳統定義智力的方式(亦即IQ)需要修改,因為一個人的IQ除了對學校學習的成績有很高的正相關(IQ愈高,功課愈好),對於其他方面,例如工作表現,感情及生活滿意度等並無太大的關係。因此嘉納教授在他的多元智力理論中,多加了幾項智力,包括了音樂,體育以及了解自我和了解他人的能力。而這後兩項,讓社會智力的概念再一次地受到教育界及心理學界的重視。不過目前EQ尚很難像IQ一樣,以客觀的方法來測量。

2.5 史蒂芬.塞西(Stephen Ceci)的生物生態理論编辑

史蒂芬.塞西(Stephen Ceci)提出「多元認知潛能」,而非單一的整體智力或因素。多元能力是能由社會環境或脈絡的機會所塑造。根據塞西的理論,日常或現實中的智力無法僅用整體智力或智商來解釋,而是取決於多元認知潛能及豐富、有組織的知識基礎。


幾種多維取向之智力理論整理如下表:

理論 提出者 提出背景 重要內容
智力多元論(multiple-intelligence theory) 美國心理學家哈沃德.加德納(Howard Gardner) 從腦部受創傷的病人身上發現他們在學習能力上的差異,並在《心智架構》(Frames of mind)一書中提出,意在打破傳統智力測驗以語文與邏輯方面為主、輕忽個別差異的侷限。
  1. 智力的定義:在某種文化環境的價值標準之下,個體用以解決問題與生產創造所需的能力
  2. 構成智力者的八種能力:
    1. 語文能力
    2. 數理能力
    3. 空間能力
    4. 音樂能力
    5. 運動能力
    6. 社交能力:人際關係
    7. 自知能力:內省能力
    8. 自然觀察能力
修正智力多元論 邁克.安德森(Mike Anderson) 邁克.安德森指出加德納的多元智力定義不清。 除了模組,智力亦包含兩個特定能力:
  1. 處理命題式的思考
  2. 處理視覺及空間的功能。
智力三元論(triarchic theory of intelligence) 美國斯騰柏格(Robert J. Sternberg) (無) 受認知心理學上訊息處理論的影響
  1. 智力有差異的原因:因其面對刺激情境的時個人對訊息處理的方式不同使然
  2. 組成智力的三種成分:
    1. 組合性智力(Componential intelligence):指善於記憶、辨別、分析、判斷、從而找出問題答案的能力,傳統智力測驗所測到的能力
    2. 經驗性智力(Experiential intelligence):頓悟或創造力
    3. 實用性智力(Contextual intelligence):或稱肆應智力,運用學得的知識經驗以處理日常事務的能力
  3. 十組金石:斯騰伯格、組合性智力、經驗性智力、實用性智力
  4. 傳統的智力測驗只能測出「組合性的能力」

斯騰柏格近年來(2003)又將他的智力三元論稱之為成功智力理論(theory of successful intelligence),因為他認為智力三元論中的3種智力,為個體社會文化情境中,達成自己設定的目標的成功要件。而成功智力不僅是學術表現的基礎,也強調現實生活成就的基礎。

成功智力理論中3個主要智力成份分別對應先前智力三元論的3個智力:

分析(analytical)→組合(componential)

實用(practical)→情境因應(contextual)

創造(creative)→經驗(experiential)

生物生態理論 史蒂芬.塞西(Stephen Ceci) (無)

智力無法只用整體智力或智商解釋,而是取決於多元認知潛能

3. 認知神經取向编辑

認知科學,或是稱為訊息處理心理學,是運用上個世紀心理學者發明的方法,以了解皮亞傑及其他認知理論者所研究的作業。例如他們會探討兒童在楚利數目守恆概念的問題時,每一秒的心理步驟,其過程始於訊息傳遞到眼耳處,終於口或手交出答案。這類心理學家試圖以最精密的細節,描述受測兒童所用的所有步驟,而不像皮亞傑只指出量三個基本的階段。訊息處理心理學最終的目的就是詳盡且一絲不苟的描述這些步驟,使個人可以在電腦上模擬,而這樣精密的工作不但需要分析作業本身,也要分析受測者的思想與行為。 認知科學家在詳盡地處理洞察作業的結構,使我們對解決問題的過程有更深入的了解,從訊息接收、儲存記憶、重組應用都包含在內,此外還有監控認知能力的概念,可以決定該解決的哪些問題、該打成哪些目標,以及先後順序。此理論強調機械的美式思考:做什麼、依照哪種順序,已達到某一特定的效果。

3.1 PASS理論(Planning,Attention-Arousal,Simultaneous and Successive theory of intelligence)

PASS理論對致智力抱持獨特的觀點,不僅擴大智力測驗測量能力的範疇,而且特別重視基礎的腦區功能分析。他依據俄國神經醫學大師盧力推(Aleksandr R.Luria)的腦區功能分析,以及認知心理學研究發現來定義認知歷程。該理論可從四個基本認知歷程來了解智力,在此要特別說明的是,這四個認知歷程是由三個分立,但彼此相關的大腦系統(功能單位)構成,每一功能單位對應特定的大腦區域:

  1. 注意認知歷程(Attention-Arousal theory of intelligence):負責警醒與注意調節,讓個體選擇性地注意或忽略某些刺激。
  2. 同時處理與連續處理歷程(Simultaneous and Successive theory of intelligence):進行訊息的編輯、轉換或保留。同時處理讓個體在同一時間處理相互關聯的訊息並加以整合;連續處理則是讓個體以一種特定的序列順序將刺激整合。
  3. 計畫(Planning theory of intelligence):負責策略發展與使用以及認知活動的自我監控。

不過評估智力時應該區隔知識與認知歷程。以PASS理論為基礎發展的認知評量系統,常用於分析學童在四大基本認知歷程以及學業成就表現的落差與一致性,以便鑑定學童的學習障礙。當學童某一認知歷程呈現顯著弱勢時(低於常模平均以及個人唉四個認知歷程之平均),需近一步檢視其學業成就。若學業成就與優勢認知歷程有顯著落差,而與弱勢的認知歷程表現一致,則推論該名學童有某方面的認知歷程缺陷,符合學習障礙的判斷。這個理論在智力測量以及教育介入的成效上有相當大的貢獻。

認知科學雖然有某些方面的進步,但他缺乏不同認知形式的互相關聯或差異的理論,千百種專門的訊息處理器各司其職,卻不相干。此學家常常犯煆的錯誤:提出單一而普遍的解決問題機制,能夠應用在人類所遭遇的各種問題上,但對於人類智力最重要的創造力卻毫無提及,對於無限答案的問題毫不重視。


3.2 頂——額整合理論(parieto-frontal integration theory)

榮格與海爾(Rex E. Jung & Richard J. Haier)主張智力運作是由於位於顳葉與枕葉的腦區先分別處理聽覺與視覺資訊,再交由頂葉進行資訊的整合和抽象化;然後透過頂葉與額葉腦區互動,評估問題;決定解決方法後,由前扣帶迴負責反應的選擇並抑制相關競爭反應。每個人智力的差異取決於腦的運作效率,聰明的人腦皮質間網路的運作較為正確與迅速,而對智力表現具關鍵影響力的是額葉與頂葉腦區間網絡訊息的傳輸效率(Jung & Haier,2007)。頂——額整合理論指出智力並不存在單一特定腦區,而是在個腦區連結而成的網絡,而且智力與訊息處理效率有關。此一研究發現似乎是目前探究智力的生理基礎相關研究的共識。

4. 認知發展取向编辑

皮亞傑(Jean Piaget)提出的認知發展論(Cognitive-developmental theory 或 Theory of Cognitive Development),其內容指個體自出生後適應環境時,吸收知識的認知方式及解決問題的思維能力,其隨著年齡增長而改變的歷程。認知發展論的重點如下:

  1. 個體的認知發展,在性質上就是智能發展。每一年齡所表現的能力,全是先天遺傳與後天環境兩因素交互作用的結果。
  2. 在個體智能發展的心理歷程中,適應(adaptation)、同化(assimilation)、調適(accommodation)、認知基模(cognitive structure and schema/scheme)等均屬重要概念。
  3. 智能發展分四個階段:
    1. 感覺動作期(感知運動階段,Sensorimotor,0-2歲)
    2. 前運思期(前運算階段,Preoperational,2-7歲)
    3. 具體運思期(具體運算階段,Concrete Operational,7-11歲)
    4. 形式運思期(形式運算階段,Formal Operational,11-16歲)。
  4. 上述智能發展的四個時期,在各時期的先後順序不會改變。
  5. 在智能發展上質與量都改變 。

然而皮亞傑的學說也有一些缺點,他雖提出的發展理論,但將重心放擺在青少年的智慧發展過程,他完全忽略達成其他成就的步驟,例如:成為藝術家、律師、運動選手,或是政治人物。皮亞傑的理論重心只放在某一種特定的思考模式上,而排除了其他的情況。 皮亞傑的認知發展理論將在本書第十章發展心理學做更詳細的

由於認知發展某種程度即代表著智能的發展,因此皮亞傑的理論暗示著智能的發展是不連續的。但有些研究結果並不符合智力未不連許發展的假說。史登伯格(Sternberg, 1985),博爾格(Berg,1985)等人研究支持智力是連續的觀點。他們指出過去某些實徵性研究得到的結果看似為不連續的原因是,各階段測驗活是彥材料內容不同所致,而非智力本質不一致。例如:菲跟等人(Fagan &Singer, 1983;Rose,1981)研究指出,研究嬰兒智力發展材料是以感覺和動作既能為內容。而研究兒童智力發展的測驗內容是記憶力、辨別力、抽象能力、和其他訊息處理能力。各階段使用不同測驗方式測量智力,結果當然不一致,更無從比較。

研究智力是否是程階段性或連續性的增長的重要性是教材的安排。如果是階段性的,教材必須訂定一定的標準,才能符合孩童的需求。如果智力的發展是連續的,則提早訓練孩子,提前他們的智力發展時間是可行的。然而目前連續的及階段性的理論都有研究支持,且連續或階段的智力發展究竟是全人類共有的,還是一個體而異都還在研究的階段。

5. 訊息處理論编辑

訊息處理論和上述的認知發展論,都是以認知實作來說明人類智力本質及智力的發展過程。只不過,訊息處理論強調如何區說明智力的本質,如閣人處理訊息的速度等,而認知發展是描述心智如何發展。訊息處理論研究智力本質的方式是由以下方面探討。

  1. 訊息處理的速度研究
  2. 選擇反應的時間
  3. 字彙觸接的蘇度;杭特(Hunt,1978,1980)研究發現要角解人類與聞智力可從個人如何從長期記憶中將字彙資訊檢索及觸接的速度來了解。一個智力高的人,字彙觸接的速度越快,則愈能利用剩餘時間處理及解決問題。
  4. 推理歷程的速度

三、遺傳、環境與智力编辑

1. 遺傳與智力编辑

科學家常以一群人在某一特質或能力上的差異來計算團體的分數變異。研究人員試著想找出不同原因導致的變異比例,在特質變異中可歸因於基因差異的百分比稱為該特質的遺傳率(heritability,h^2)。此外,由於人類特徵大多由許多基因所影響,因此每個基因實質發揮的影響很小。

遺傳率的估計有數種方式,其一為比較同卵(monozygotic, MZ)與異卵雙胞胎(dizygotic, DZ)的相關,亦即若同卵的雙胞胎比異卵更相似,則該特質可能具有基因成分;或者是利用比較擁有遺傳上不同重疊程度(例如兄弟、父母和子女)的親人智力比較來了解遺傳對於智力的影響,例如比較:從同卵雙胞胎到異卵雙胞胎再到親兄弟最後到領養的兄弟等等。另一種方式是比較分開撫養的同卵雙胞胎的相關,若兩個間具相似性,則必定歸因於共同基因。遺傳率應用在個別間的差異,而非個人特質歸因基因的程度;且若團體中的特質變異改變,遺傳率也會跟著變動;遺傳率代表團體內變異非團體內變異的來源;遺傳率可以解釋環境變化得否可能改變某依群體中的特質平均水準。[19]

普羅明(Robert Plomin)與佩利爾(Perill)於1977年整理家族成員之間智力相關性的研究,發現親屬間基因相似性愈高,智力相似性也愈高。例如無論是一起扶養或是分開扶養,同卵雙胞胎智力的相關程度皆大於異卵雙胞胎,因此遺傳因素對於智力扮演重要角色。2001年,湯普遜(Thompson)等人則試著從生理上尋找智力的遺傳證據,他們發現大腦額葉灰質的多寡與智力有關。2005年,迪爾利(Deary)等人則找出基因的對應,他們的研究顯示具有HapB這種基因的人,其語言推理能力較高。目前學界欲在特定基因上做出辨識,並已取得一些成果。[20]

遺傳率估計值(heritability estimate)是探討遺傳與環境對智力影響的指標,其藉由分析某個母群體中(例如某群大學生),先計算出所有測驗分數中的的變異量(variation),再計算出總變異量(total variance)中有多少百分比可由基因解釋。藉由比較遺傳上有不同重疊和相似程度的人,研究者發現在大部分的情形裡,智力的遺傳率介於0.40至0.80之間。遺傳率與父母社經地位、種族與年齡等因素皆有關係,過去以美國樣本的研究顯示低社經地位家庭的兒童所估得的遺傳性較高社經地位家庭的兒童來得小;在歐洲國家及成人樣本並未得到相似的結果,在歐洲國家反而是高社經地位家庭的兒童所估得的遺傳性較小。同時,研究顯示成人智力遺傳性告於孩童者,在嬰兒時期遺傳性約為0.20,到成年早期則升高到0.60,到了晚年遺傳性高達0.80。這個結果違反了大眾平常了解的常理,正常而言,隨著年齡的增長人們應該會受較大的環境影響而非遺傳,因此研究學者認為,應該是由於一些基礎的遺傳因子會漸漸讓人們傾向於前往會凸顯遺傳特色的環境,使遺傳率對於智力的影響在生命中是漸增的。然而由於遺傳率為群體的平均,其數值高低對於單一個體並無太大意義,研究也顯示學校或是家庭若能提供優質的學習環境與豐富的刺激,對於兒童的智力發展有很大幫助。

同時,遺傳與智力長期以來有個極大的爭議:「智力優劣說」,即指稱黑人和白人在智力測驗分數上的差距。雖然此一差距長期以來已經漸漸縮小,說明了環境仍是有一部份的影響力,但是由於仍有殘存的差距存在,因此仍有部分的人主張有「種族間難以超越的遺傳差異」。可是雖然智力有高度的遺傳性,這一測驗結果並不能代表在智力測驗得分較低族群遺傳上的低劣。因為相較於團體之內智力分佈的差異,團體之間的差異十分的小。

2. 先天的優勢?解密愛因斯坦的腦编辑

被譽為二十世紀的天才的愛因斯坦,真的是單靠後天的努力才成就其驚人的天才嗎?為了解開這個謎團,並一探大腦結構和天才的關係,愛因斯坦的大腦在他死後就迅速地在並未經過遺族同意下被取走,並被分隔為數塊,分別製作成了標本,並分給了許多病理學家。

就解剖上來看,愛因斯坦的大腦中有相較於常人寬大的外側溝(Sylvian Fissure)、在前額葉腦迴區(inferior frontal gyrus)的側島蓋(Parietal operculum)區域是沒有神經元的。麥瑪士達大學的學者珊卓.威特森(Sandra Witelson)認為,這樣的空間,讓跨外側溝的神經元有更好的溝通,而也正是如此,讓愛因斯坦能夠做到如此高超的思考;另外,也有大腦組成的分析,柏克萊大學的瑪莉安.戴蒙博士(Marian Diamond)在1980年代發現,愛因斯坦腦中的膠細胞(Glial cell)比起同齡的男性,具有顯著性的較多,其中,膠細胞作為神經元的協助者,能夠提供神經元養分、能量,也在神經傳訊上扮演重要角色,被認為可透過外界的刺激而增加,也被認為幫務愛因斯坦達成有效的思考,然而,這項研究的可信度仍待考證,畢竟,研究中用到的對照組大腦,來源比較雜亂,也沒有智商的相關數值,較難比較。當然,作為記憶的重要產生器的海馬迴也被作為研究主題,加州大學的達利亞教授(Dahlia Zaidel)在2001年發現,愛因斯坦左側海馬迴較右側海馬迴來得顯著的大,同時也比一般人的大(如果是一般人的話,左右兩側的海馬迴會差不多大),這顯示,愛因斯坦的左腦,在其腦的新皮質層和海馬迴間可能有著更佳的連結,而這新皮質層,正是和細緻、邏輯、分析、創新的思考相關聯的區域。最後則是左右腦得連結能力,這是較新的研究解果,出爐於2013年,並發表在Brainy雜誌上,分析的是胼胝體(Corpus Callosum),不論比起較年輕或者是年長得控制組,都發現了更多的神經聯繫。

當然這樣的研究也引來了批評,認為在選擇對照組上的偏誤可能導致了不正確的結果,研究者在知道何者是愛因斯坦的大腦下做出的觀察結果,可能導致觀察的不客觀性;也有學者認為每個人的腦都是特別的,刻意將某些腦的特殊形態和一個人的天才做連結,是不智的,要達到廣泛的大腦結構和智商的關係,也許觀察一大批有成的科學家的大腦並做比較,會是一個較佳的方式。

看到這裡,不知道大家有什麼看法?愛因斯坦的大腦可能就是造就他天才的原因,然而也可能是他後天的不斷思考,訓練了這樣的大腦。在研究明朗化之前,還是多多訓練自己的思考吧!

遺傳缺陷造成的智力障礙疾病编辑
  • 威廉氏症候群(Williams Syndrome):又稱雞尾酒會症候群,是7號染色體上的基因有所缺失,造成患者神經發育異常。患者通常有輕微至中度的智能障礙,較不擅長讀寫及計算,但是他們的缺陷只限在這些領域,譬如在群體中,他們傾向於多話健談及擁有好交際的能力。威廉氏症候群的人的臉具有明顯的特徵,例如人中長、鼻樑扁平及厚嘴唇等。
  • 唐氏症(Down Syndrome):是病患比正常人多出部分至一條的第21對染色體造成的遺傳性疾病,這也是人類首次發現的染色體缺陷造成的疾病。在台灣,平均每800名新生兒,就有1名具有唐氏症。常見症狀有發育遲緩、特殊面部特徵以及輕度到中度的智能障礙。成年的唐氏症患者僅有8-9歲的心智年齡,但隨個體差異而異。他們在語言理解上表現的比語言表達來得好。
  • 科恩綜合症:是一種體染色體隱性遺傳疾病,其會導致嬰幼兒時生長遲滯、青少年後中廣型肥胖、重度到極重度智能障礙。此症是因為在第8對染色體上的基因缺陷造成的。

2. 環境與智力编辑

由於智力的遺傳率低於1.0(即智力並非100%受遺傳因子調控),代表環境必定會影響智力。可環境是個複雜的變項,包含物理的、生理的、心裡的及社會文化的環境,因此該如何評估環境中有哪些影響智力的重要因子?環境影響智力的發展已是不爭的事實。影響智力的環境因素近年來受到重視的有:餵哺母乳、社經地位、共有環境、教育、運動、認知活動等(Nisbett et. al.,2012)。有關生物環境對智力發展的影響是大眾耳熟能詳的,如懷孕婦女飲酒過度或吸毒、暴露於鉛含量過高的環境以及兒童時期嚴重的營養不良。近年的研究顯示餵哺母乳可能提升新生兒之智力六到八分(Anderson,Johnstone,& Remley,1999;Mortensen,Michaelsen,Sanders,& Reinisch,2002),然而母乳哺育與嬰兒智力的關係也可能反映的是母親社經地位以及致力的影響(Der,Batty,& Deary,2006)。[21]

根據研究,異卵雙胞胎智力的相關程度高於一般手足,而在同種關係中,一起扶養者智力相關皆大於分開扶養者,因此環境對智力也有顯著的影響。回歸上述所討論到的「智力優劣說」,研究指出,若將來自貧窮家庭的黑人兒童交給中產階級的白人收養,他們的智力表現並不遜色於白人小孩;甚至對越早進入富有知識性刺激環境中的兒童,他們在智力測驗上的表現會越好。因此也有一部份的人認為,造成智力差距的並非種族本身,而是社會中因為種族歧視等因子而造成的教育資源、經濟、概念想法上的差異所致。

1999年一項針對巴西、德國、日本、澳洲足球職業選手所做的研究中發現,出生於少年足球隊參加截止日後的第一季的比例較一般人高。這可能是由於這些球員加入球隊時的年紀比其他同年的隊友大上幾個月,體型與體力上佔優勢,因此上場表現的機會較多。這些選手在小時候獲得的成功便成為了他們繼續精進球技的動力。從結果中可以推論,他們的成功主要來自訓練,而非天生的才能。

性別與智力编辑

就男性與女性的整體而言,雙方在智力上的差異不大,有時男優於女,有時女又優於男,可推測智力與性別沒有太大的關連性。不過從年齡方面來看的話,由於女性的青春期通常較男性來的早,因此這時候女性的智商會略高於男性;但在約兩年過後,男性也邁入青春期,兩者的智力差異又恢復互有高低的情況。

弗林效應编辑

弗林(James R. Flynn)為研究人類智力變化的先驅之一,他分析不同國家數年智力測驗的結果,發現人類的平均智力不斷提升,稱之為弗林效應(Flynn's effect)。以美國為例,在過去一百年間,其智力分數上升了三十分左右(相當於兩個標準差)。這種致力上升的幅度似乎與國家現代化程度有關,現代化國家每十年上升三分,剛開始現代化的國家則呈現驚人的進步幅度(Nisbett et. al.,2012)。弗林效應特殊的地方,在於是它是單純而連續的。這種智商增加的趨勢並沒有變慢、停止或重新啟動,而是一直穩定升高,弗林說:「就像有一隻看不見的手在引導。」弗林在2012年9月出版的書籍《我們會一直變聰明嗎?》中,他說了:「讓我驚訝的是,到了21世紀,智商分數還是持續升高,最新的結果顯示,美國人智商的上升速度,依然是每年0.3分。」[1]

弗林效應可能產生的原因

(一)生物學因素:

  1. 近親通婚的機率減少(優生學),而產生「雜種優勢」即繼承其父母的不同的優勢,可能獲得一個更好的生物特性。
  2. 隨著社會經濟的大幅發展即改善,現代人的營養較充足。
  3. 隨著演化發展人類的顱頂增大。

(二)社會學因素:

  1. 隨著社會的經濟發展,教育越來越普及,使越多人受到教育。
  2. 社會越來越複雜,社會複雜度提高導致人們接受的刺激較多。

(三)其他因素:

  1. 因在學校受教育,考試機會多使人們更熟習選擇題。
  2. 現在的孩子接觸電腦與高科技物品機會很多,所以造成孩子們的圖像式思考能力非常強,比以往的孩子表現得更多突出,所以在智力測驗中的空間能力分數中也顯現出突出的分數進展。
  3. 如果接受測驗的人有做過類似的題目,就像是在做考古題一樣,得分也會較高,但是此項目的影響有一定的上限。
研究結果编辑

1.研究人員發現到廣為使用的智力測驗裡升高的智商分數,幾乎都是因為在受試者在特定領域的表現大幅上升。原先預期受試者會在學校學到的結晶智力(crystallized intelligence)有所提升,不過實際並非如此,算術和詞彙能力的成績並沒有隨時間改變太多。

智商分數主要提高的類別有測驗抽象推理能力的兩項。其一是測驗「類同」能力的問題,例如,「蘋果和柳丁有何相似處?」低分的答案是「兩者都可以食用」,高分的答案是「兩者都是水果」,後者的答案超越單純的物理性質。其二是受試者必須找出一些幾何圖案之間的某種抽象的關聯。

2.弗林效應研究也顯示了,某些環境因子確實對全世界族群智力測驗上都有相當的影響,這與原先計畫中假定與文化無關的智力測驗相斥。用來測量完全不受語言和文化影響的能力的智力測驗稱為流體智力(fluid intelligence),為對非語文性訊息能夠洞察和推理的思考能力,屬於先天能力。

進一步的研究為美國弗羅里達州立大學的心理學家密契姆(Ainsley Mitchum)和福克斯(Mark Fox)所做的不同世代的智力測驗差異的研究。此研究指出步的抽象思考能力,可能和人腦能有彈性的感知外界物體有關。一些例子如:長輩對於電子設備的不熟悉,如電腦視窗裡的「開始」按鈕,他們可能會直接拿滑鼠敲電腦螢幕上的「按鈕」。這些長輩們並非不聰明,只不過他們生長在「按鈕」就真的是實體按鈕(並非虛擬)的時代。另一個有趣的例子為蘇聯的心理學家盧瑞亞(Alexander Luria)對俄羅斯鄉下的農夫做的訪談。訪談問:「如果有個地方不停下雪,那麼該地的熊永遠是白色的。北極總是下著雪,請問那裡的熊是什麼顏色?」農夫會說他們只看過棕色的熊。他們不會把假設的問題當成有意義的問題。但其實農夫並不笨,只是他們所處的世界需要其他的「技能」。所以,多位研究人員認為上升的智商分數代表的是人類心智的「現代化」,因為要真正生存在現代世界或是掌握現代生活技能,人們必須要擁有分類抽象事物和準確運用推理的能力,即「使我們能夠準確辨識抽象的類別並建立起相關性的能力。」

3.也許有人會誤用弗林效應,例如,把智商對時間當作是一線性函數,根據時間回推,發現1900年的英國人平均智商只有70分。這顯然很荒謬。弗林效應的真正精隨在於「因社會改變而造成的心智的改變」。弗林相信,這是工業革命造成的,因為它促成教育普及、工作型態由原本可能不需要那麼多「現代智力」的農業相關工作型態,轉變成技術和管理導向,例如:工程師、電工技術員、工業設計師,這些需要掌握抽象原則的新職業類別。這是一種「正回饋」,即越多改變造成我們智力不斷上升,進而造成更多「現代化」的改變,令我們的智力呈現穩定持續的上升。

4.至於智力上升是特定皆受過良好教育的資優生?還是在鐘形曲線最末端的那些不識字人口?根據美國杜克大學的魏(Jonathan Wai)和普塔拉茲(Martha Putallaz)以及相關研究指出,不管分布在鐘形曲線哪裡,整體智力指數皆有上升趨勢,也直接證明了智力成績增加背後的文化因素對於每個人的影響應該是一致的。值得注意的是,背後的原因可能為精緻電玩遊戲,甚至某些電視節目的普及,訓練了解決智力測驗問題所需的能力。

3. 小結:影響IQ的因素编辑

影響的來源 描述 例子(證據)
基因遺傳 不同基因的人在做智力測驗的時候的結果有巨大的差異 兄弟之間雖然生長在不同環境仍然與智力有正相關。而且同卵相生的雙胞胎會比異卵相生的雙胞胎有更高的智力關聯。
環境影響 後天環境影響基因的表達。除此之外,營養狀況、醫療照護、刺激感官的因子、學歷及教育環境、人際互動,和個人動力都會對智力造成影響。 小孩移居到優良的環境後智力有所提升。居住在一起的同卵相生雙胞胎會比分居的同卵相生雙胞胎的關聯性高。


天才論编辑

在心理學界中,對於天才的定義皆不一樣,因此在這裡列舉數個論點以供大家參考。

天才界說编辑

限定某些具有特定特質的人,我們稱之為天才。 1.愛迪生(Edison):天才就是百分之一的靈感(Ispiration)與百分之九十九的汗水(Perspiration)。 2.霍林鶚士(H.L.Hollingworth):天才是指在智慧,道德和生理方面優越之人,且在某些特殊方面如音樂或藝術上有特長者。 3.高爾登(F.Galton,1822-1911):天才是指那些擁有極高且與生俱來能力的人。

天才兒童說编辑

某些學者在討論天才時,會專注焦點於兒童身上,因為他們最可以被證明是與生俱來的天賦。 1.歐爾森(Olson):天才兒童乃是指智商在130以上,占兒童人口百分之一的人。 2.霍林沃德(Holling Worth):天才兒童是指通過心理測驗,來證明比普通兒童優秀者。 3.文生(Vincent)和布里肯尼(Breckenridg):天才兒童乃是指智商在140以上(即千分之4左右)和智商在130以上(即千分之九左右),其思考力,判斷力,表達力較一班兒童迅速且準確者。 因此,綜觀以上論點,我們可以知道天才智商大多在130-180之間,才符合天才的標準,當然也有不少人持反對意見。 SMPY是一項針對智力資優兒童的縱向研究,是目前仍在進行的同類研究中歷史最悠久的。這一項目在45年間追蹤了5000多位智力資優兒童的職業發展和成就,其中許多人都成為了成就頗高的科學家。從這一研究不斷積累的數據中,已經產生了400多篇論文、幾部專著,並為如何發現和培養科學、技術、工程和數學(STEM)等領域的人才提供了重要見解。 Jonathan Wai整合了包括SMPY在內的11個前瞻性或回溯性縱向研究的數據,以展示早期認知能力和成年成就間的相關性。他說:「 測試成績在前1%的兒童往往會成為卓越的科學家和學者、財富500強CEO、聯邦法官、參議員或億萬富豪。」 這一結果與人們長期以來形成的觀念,即專業表現主要靠練習造就是截然不同的。相反,SMPY的結果表明,相較於有意練習或社會經濟地位等環境因素,早期認知能力對成就的影響更大。在美國和其他國家普遍將重心放在提高學習困難學生表現的同時,這一研究強調了培養早熟兒童的重要性,與此同時,鑑別和培養高學術天賦學生的做法帶來了許多令人不安的問題:給兒童「貼標籤」的風險,天才搜尋項目的不足,以及用標準化考試鑑別高潛力學生的缺陷,尤其是在貧困地區和農村。

天才的特質编辑

學者經常以天才為主題進行實驗,十五世紀時,許多心理學者便開始揣測天才的特質,在這裡推滿(L.M.Terman),阿伯拉漢(W.Abroham)和海爾督尼絲(G.Heldreth)各自對天才進行了以下描述:

推滿(L.M.Terman) 阿伯拉漢(W.Abroham) 海爾督尼絲(G.Heldreth)
1.天才兒童在身體方面優於一般兒童 2.學校成績優異,常跳級 3.興趣廣泛,且對閱讀和社會現象感到興趣 4.通常具有自信與領導力 5.家庭環境較為優渥 1.天才兒童較為誠實 2.情緒較為穩定 3.在社交場合中容易被接納 1.面臨困難的耐力 2.較為機警 3.對問題富有興趣 4.廣博的心智能量(Great Mental Energy) 5.較有幽默感 6.注意力較為集中 7.語言表達較為熟練

近代以來,天才的特質也隨著時代的變遷而有所改變,其他有關天才的特質如下: 1. 專注力高,而對周遭的環境缺乏感覺: 當天才專心於一件事物時,無論是學習、工作等方面,其腦海中充斥著豐富的想像力、概念,而會將其注意力全心投入在當前所正在從事的活動中,甚至廢寢忘食,而忽略周遭的人事物等環境。

2. 大量閱讀 天才對於文字知識的渴求與常人不同,無論是教科書中的內容、漫畫、甚至是學術研究論文,天才都能夠花費許多時間閱讀、吸收、整理,直到能夠形成一個完整的知識系統,解答其心中的疑惑。

3. 對周遭的事物感到好奇 天才對於身邊所見的每一件事物都會感到好奇,而會試圖透過詢問他人、自己觀察、查詢資料等方式,以理解世界的運作方式。

4. 追究問題的細節 在一個天才學生的求學過程中,與其他學生不同,天才或許不會將所有心力投注在追求成績中,但天才學生對於知識的渴求,能夠體現在追究問題的細節中,有時若教師在講述課程內容並未非常詳細時,天才學生會發覺其知識網絡所缺乏的部分,而試圖在課餘時間詢問師長或查詢資料,以求建構起一個完整、緊密而又環環相扣的知識網絡。

5. 喜歡與成人作伴 普通的兒童或青少年喜歡與年齡相仿的同齡伙伴相處,然而天才卻更喜歡且擅長與年齡較長的成人作伴,這種現象反映出天才希望透過與成人為伴,而獲得一些從同齡的同儕身上無法獲得的知識與人生經驗。

6. 自動發起項目 普通學生將完成作業視為是其義務,當完成作業後即可從事自己喜歡的活動,但天才會在完成本分後,自行發起能夠深入專研,或投注時間的活動,例如自己動手操作實驗,進行科學探究等學習型的行為。

7. 高度自我批判 天才對於自我的要求較普通人高出許多,對於自己做得不盡完美之處,天才傾向在事後檢討自我,以期在下一次從事相同活動時能夠更為進步。

智力低下(Intellectual disability)编辑

嚴重程度 IQ範圍 特徵
輕微(mild) 50-70 大部分智力低下的人都落在此範圍。這群人有很多都可以獨立居住、結婚,甚至經訓練後可以獲得工作技能。但在學業上會遇到困難,抽象的思維和問題解決的能力是他們缺乏的。需要社會多方的援助。
中度(moderate) 35-49 經長時間的訓練後,少部分人可以維持到個人起居。可以選擇的工種十分受限,但可以在旁幫忙。
嚴重(severe) 20-34 在持續的訓練和監督下可以完成居家任務,但在個人照護方面需要幫忙。他們的人際關係通常只局限於家人與提供照護者。另外,他們在溝通表達方面也有困難。
極嚴重(profound) 低於20 完全依賴提供照護者來幫助他們完成自我打理和家務,在一定程度的輔助下,他們還是可以完成特定任務。自我表達嚴重受限。不過享受與家人和照護者之間的關係,需要長期照護。

四、小結:關於智力的迷思编辑

1. 智力測驗的限制编辑

檢視智力測驗演進的歷史,可以發現不斷有學者針對上個版本的缺點、不足提出新的觀 點或想法,進而開創新的測驗方法,然而到目前為止仍然沒有人宣稱發明出最完善的智力測 驗。目前大部分的智力測驗主要針對邏輯推理、抽象思考和資訊處理能力,但對於其他智力的層面卻沒有顧及到,例如社會智力、學習能力與反省能力等。

在社會智力方面,由於在做智力測驗時多半面對的是紙筆或電腦,無法得知受試者在其 他場合下處理事務與危機應變的能力,一個人在不同情境下產生的反應也會不同,這是很難 利用題目測驗得到效果的項目。

由於智力測驗能測出的多半是受試者已知的知識,無法從測驗中得知受試者的學習速度 快慢或學習能力優劣等等項目。再加上智力測驗的設計本身就會避免讓受試者從作答過程中 學習到題目的內容,因此往往會考慮到測驗項目的獨立性,讓受試者以自身的能力作答。所 以儘管有部分學者將學習能力歸類為智力表現之一,目前的智力測驗仍然無法檢測出受試者 的學習能力。

智力測驗要求的是受試者快速思考與解決問題的能力,對於長時間反思、規劃與檢討等 自我意識的表現,無法透過短時間的測驗得到結果,而是需要更深入瞭解某人的想法及觀念 才能得知。由此可見,智力測驗的優點雖然在於能快速提供對於個人能力的參考,卻仍然有 一些缺陷,因此並不能做為唯一的標準,必須配合其他心理相關測驗,方能得知一個人其他 的資訊或能力。[23]

2. 遺傳(先天)與環境(後天)影響的爭議编辑

有關智力究竟是先天還是後天影響較大的爭議始終存在,來源可能是對於遺傳率存有誤 解,例如遺傳率針對的是群體統計的結果,並非一個人的特質受影響的百分比,因此70%的遺傳率並不代表七成來自遺傳,另外三成來自環境,而是群體中的差異有百分之七十可歸因為基因。

環境與遺傳可能相互影響,例如同卵雙胞胎共同創造出的微環境,使他們智力相關性更 加明顯。微環境是指當事人各方面特質與行為所創造出的環境,如同卵雙胞胎長相、個性相 似,外界對待他們的方式與期待可能相同,他們能力、興趣相近,可能也會選擇相近的環 境,因此環境相似性也是重要的因子。

同時,遺傳率本身也會受到環境變化的因素而變動,通常遺傳率的數值代表的是某個時 間點統計得到的結果,當外在環境發生改變,遺傳率也會隨之變動。例如上述提到的弗林效 應,當教育普及化後,每個人受教的機會相等,智力變異的遺傳率數值便會降低。總而來 說,當環境因素的影響提升,遺傳所代表的百分比便會減少。

然而,也有某些人類的特質受到遺傳的影響較大,稱為高遺傳率特質,通常無法藉由改 變環境來降低其遺傳率,例如人類心智年齡的發展。因此我們不能完全將智力表現完全歸因 於遺傳或環境,這兩者會或多或少互相影響,共同左右個人的智力水平。

3. 不同文化的智力觀编辑

在每個文化中注重的智力不同,除了需有更多元的智能理論來涵蓋更多能力外,我們亦不能單憑個人獲得的智力成績來判斷對方的智商高低。像是生活在東南亞以捕魚為生,被稱之為「海上吉普賽人」的巴瑤族,有優異於常人的潛水能力,且不須地圖、羅盤就能知道方向;東非原始土著民族,驍勇善獵的馬賽人,在嚴峻的生活環境下,不僅具備極佳視力,能一眼看見好幾公尺外的獵物,奔跑與跳躍能力更是鶴立雞群。也就是說,若用同一套標準去測驗、衡量出一個人的智力,不僅有失文化公平性,也是戴著有色眼鏡去看待與我們不同文化的人,而產生優劣之分。

智力與演化编辑

社會智能假說(social-intelligence hypothesis)编辑

社會智能假說由英國心理學家尼古拉斯‧亨佛瑞(Nicholas Humphrey,1943-)提出,以對於人類的智力與意識演化研究聞名。過去如上一章一樣認為致力作為人類的優勢在於運用工具與武器有關,因為這樣可以讓人們在避免侵略、採集食物、爭搶資源上面獲得許多的先天優勢。 然而亨佛瑞在觀察大猩猩數個月之後,提出一個疑問:「如果人類的智力只是用來獲得食物、避免侵略,這對無論是原始人類抑或是森林裡的動物都是很容易的,那麼為何原始人類的智力仍演化進步呢?」因此在1976年提出了社會智能假說,他認為:「靈長類之所以發展出智力,為的是在群體生活的複雜社交需求中取得生存優勢。」 [2]

而在他的這個理論之下,1995年英國的靈長類專家羅賓‧丹巴爾(Robin Dunbar,1947-) [3] 則提出了一個可能可以成功驗證這個假說的指標。也就是他將「群體的大小」當作社交複雜度的指標,然後以「大腦的大小」致力判別標準,而在當時有許許多多與靈長類有關的研究顯示這兩個指標擁有正向關係。 [4][5] 而後續的研究也修正了單純以大腦大小來判別智力的指標,改為對於新皮質區域(neocortex region)大小的比較與判斷標準。

當然這個假說之所以還是假說必然有其缺陷之處,例如在澳洲西澳大學演化生物學中心的班傑明‧艾許頓(Benjamin Ashton)與他的同事便有發掘,雖然亨佛瑞的理論看似在上述的研究裡獲得支持,但當透過大型資料庫進行跨物種分析比較時,通常會得到相反的結論。 [6] 而這樣的缺陷也可能是因為人類對於跨物種的比較標的無法拿捏,且對於部分物種的資訊不夠充足所導致的結果。


最新相關研究编辑

在2018年2月份Nature期刊中,艾許頓與他的同事以澳洲野生喜鵲(Australian magpies)為研究對象,改採取「同物種之間」(intraspecies)的比較模式,嘗試對亨佛瑞的「社會-智能假說」提出支持的證據。[7]

澳洲喜鵲生活在固定區域、且為群居的鳥類;艾許頓研究團隊在研究中,研究了來自14個的地理區域的56隻喜鵲,群體大小從3到12隻不等,以腳環來進行追蹤與辨識。在智力評估的部分,他們不測量大腦尺寸,而是採取認知能力測驗的方式(其中包含以下四種技能測試:抑制控制(inhibitory control);聯想學習(associate learning);逆轉學習(reversal learning, 進行與前次訓練相反的任務);空間記憶。),讓喜鵲在木頭或塑膠的裝置上,進行問題解決技巧的測驗,成功解決的喜鵲可以獲得起司獎賞。

研究結果發現,喜鵲群體的大小與牠們的認知能力表現有正向的相關性。整體而言,在大群體裡的喜鵲,在任一個測驗的表現都優於小群體裡的喜鵲。當然在判斷個別時,仍有部分小群體裏的喜鵲個體大於大群體裏的喜鵲個體。研究團隊進一步記錄雌喜鵲每年平均孵化的卵數,結果也發現,認知能力表現較佳的雌喜鵲,有較成功的繁殖優勢。

雖然艾許頓的研究成果無法直接驗證亨佛瑞的假說(智力是因應社交生活複雜化而演化出來的),但他們成功在鳥類成長週期的前期(200天大),觀察到群體大小與認知能力發展之間的關係,這說明了善於社交(sociality)與認知能力的關係,確實可能受到天擇作用的影響(例如:認知能力佳者社交表現也較佳,而善於社交則提高其群體的生存機會)。

重要名詞解釋编辑

1.職業性向測驗(Vocational Aptitude Test): 職業測驗的一種,目的是為了瞭解一個人是否適合某種特定的職業。換句話說,此測驗乃是為了瞭解一個人是否具備該職業所需的能力而制定出來的。

2.骨骼年齡(Skeletal Age) 又可以說成為腕骨年齡(Carpal Age),通常是以X光照射,透過分析腕骨的鈣質含量來決定骨骼發展的程度,和其年齡。解剖年齡(Anatomical Age),依據解剖後的事實,以骨骼或牙齒的發育程度為判斷依據,來決定一個人的年齡。

3.稟賦(Inheredity) 即生物學上,上一代的解剖或生理特徵,若能在下一代中呈現出來,我們稱之為稟賦。

4.右利與左利 生物的眼耳手足等器官若偏向左側有利,則稱之左利,若偏向右側有利,則稱之右利。

5.自我中心(Egocentrism) 指一個人若無法將我與非我的對立性和差異性分辨清楚,則容易產生以自己的情緒來概括他人的情緒,霍以自己的感受與想法來概括其他人的現象。

6.常態曲線分配(Normal Frequency Distrbution) 本章主要是使用於人類的智商分布,越接近極端糕點或低點的分布人數越少,而人數分布又以中心為對稱向兩側漸減。

7.臨界分數(Critical Score) 即最低限度的分數,一旦低於其值,則會遭到系統計算的淘汰,換言之就是最起碼的分數標準。

五、參考資料编辑

[1] 程千芳、游一龍(2015)。普通心理學(2版)。臺北市:華杏出版社。

[2]-[7] 陳皎眉、林宜旻、徐富珍、孫旻暐、張滿玲(2015)。心理學(2版)。臺北市:雙 葉書廊。

[8]-[12] 危芷芬、田意民、何明洲(譯)(2010)。心理學導論(第15版)(原作者:Susan Nolen-Hoeksema, Barbara L. Fredrickson, Geoffrey R. Loftus and Christel Lutz)。臺北市: 新加坡商聖智學習亞洲私人台。

[13]-[14] 程千芳、游一龍(2015)。普通心理學(2版)。臺北市:華杏出版社。

[15]-[19] 危芷芬、田意民、何明洲(譯)(2010)。心理學導論(第15版)(原作者:Susan Nolen-Hoeksema, Barbara L. Fredrickson, Geoffrey R. Loftus and Christel Lutz)。臺北市: 新加坡商聖智學習亞洲私人台。

[20] 陳皎眉、林宜旻、徐富珍、孫旻暐、張滿玲(2015)。心理學(2版)。臺北市:雙 葉書廊。

[21] 梁庚辰主編,臺大心理系策劃(2018)。心理學:身體、心靈與文化的融合。臺大出版中心。

[22]-[23] 陳皎眉、林宜旻、徐富珍、孫旻暐、張滿玲(2015)。心理學(2版)。臺北市:雙 葉書廊。

[24]江昱明等(2011)。心理學(二版)。台灣:永大書局有限公司。

跨文化研究编辑

本節主編:張宜鈁

本節作者:樊申威、卞毓中、黃冠穎、蔣翼安

在本土研究這一部分,我們試圖補充教科書方面的不足。一提到智力,大家都普遍只會想到智商(IQ),所以在此補充了多重智力和情緒智力兩大分項。在情緒智力方面,我們又借由年齡來區分成五個階段,分為小學生、國中生、大學生、工作者和親子關係,分別探討不同年齡層的情緒智力和其相關影響。最後回到智商對學業成績的影響和學習障礙,並討論影響智商的因素,希望這些補充能夠使讀者對於智力能有更廣的了解。

一、多重智力编辑

多重智力理論模式的驗證與應用此研究是以Sternberg三元智力理論為基礎,再使用「心理計量學」及「認知取向智力理論」所形成的一套統整性智力理論,這個理論強調智力有三個層面的差異,包括了內在,中介,外在三層,而每層又有不同成分的智力,所以智力的分布是有階層關係的。研究中探討了這種統整性的智力理論,並利用這種多重智力的理論來產出新的,有變化的智力測驗。還有從認知過程的角度探討研究智力的本質,也是本研究的主要研究目的。本研究認為智力的本質在於「內在能力與學習潛能」、「面對外在環境的解決能力」和「中介的經驗能力」。認為多重智力的理論除了強調智力本質多重化外,更注重認知過程的關係。另外,多重智力理論也注重社會生活環境對智力的影響,顯示出其對於智力發展的重要性,人類的智力是可以透過文化衝擊而造成改變的,主張「智力是動態化的,是可以改變的。此研究也發現了領悟力的差異,會顯現在積極的價值取向,解決問題的智慧、工作態度及興趣的廣泛程度,並且證明領悟力與創造行為關係密切,具有高領悟力的人會對於之前習得的知識與現在面對的情況加以連結,所以會具有較高的創造能力,並且解決問題的效率也比較高,實際上的應變能力也較好。最終,也得到了幾個結論,第一,探討智力本質可以從認知反應時間和認知的成分(領悟程度、創造經歷等)來探討,第二,智力的發展是複雜的認知歷程,因此可以從對事物的認知這方面來探討智力的本質。

二、情緒智力编辑

情緒智力就是識別和理解自己和他人的情緒狀態,並利用這些信息來解決問題和調節行為的能力。在某種意義上,情緒智力是與理解、控制和利用情緒的能力相關的。情緒智商(Emotional Quotient,EQ),是一個人自我情緒管理以及管理他人情緒的能力指數,即代表個人情緒智力(Emotional Intelligence,EI)的指數。心理學家高曼對哈佛大學的心理學家霍華德·加德納(Howard Gardner,加德納以開發多元智力理論而著稱於世)和耶魯大學的心理學家彼得·薩洛威(Peter Salovey)的思想進行了進一步延伸。在他的著作中,高曼引用了薩洛威對情商所下的定義。薩洛威認為,情緒智力主要體現

在以下五個方面:

1)認識自身情緒的能力编辑

認識自身情緒,就是能認識自己的感覺、情緒、情感、動機、性格、欲望和基本的價值取向 等,並以此作為行動的依據。

2)妥善管理自身情緒的能力编辑

妥善管理自身情緒,是指對自己的快樂、憤怒、恐懼、愛、驚訝、厭惡、悲傷、焦慮等體驗 能夠自我認識、自我協調。比如,自我安慰,主動擺脫焦慮、不安情緒。有人發現,當自己 情緒不佳時,可用以下方法幫助調整情緒:(1)正確查明使自己心煩的問題是什麼;(2) 找出問題的原因;(3)進行一些建設性引動。

3)自我激勵编辑

自我激勵,指面對自己欲實現的目標,在自己所能承受的壓力下,進行自我鞭策、自我說服,始終保持高度熱忱、 專注和自制。提高自我的辦事效率。

4)認識他人的情緒编辑

認識他人的情緒,指對他人的各種感受,能“設身處地”地、快速地進行直覺判斷。瞭解他人的 情緒、性情、動機、欲望等,並能作出適度的反應。在人際交往中,常從對方的語言及其語 調、語氣和表情、手勢、姿勢等來作判斷。常常真正透露情緒情感的就是這些表達方式。故 捕捉人的真實性情緒情感的常是這些關鍵信息,而不是對方“說的什麼”。

5)人際關係的管理编辑

人際關係的管理,這是指管理他人情緒的藝術。一個人的人緣、人際和諧程度都和這項能力 有關。深諳人際關係者,容易認識人而且善解人意,善於從別人的表情來判讀其內心感受,善於體察其動機想法。這種能力的具備,易使其與任何人相處都愉悅自在,這種人能充任集體感情的代言人,引導群體走向共同目標。

三、學業成績编辑

智力、創造力各成份與學業成績之相關探討编辑

透過智力測驗與創造力測驗,進而探討智力、創造力與學業成績三者間的關係。接著分析三者的相關性,以及智力測驗與創造力測驗的其項目的相關性,其中智力測驗包含語文、數字和圖形三個大題;創造力測驗則可得到流暢力、開放性、變通力、獨創力、精密力、冒險性、好奇性、想像力、挑戰性九個成份之分數。這份研究可以看出幾個結論。對於智力和學業成績,是比較直觀的成正比關係,但創造力卻與學業成績相關極低,所以整體來說智力也與創造力有較小的關聯性,抑或說是關係不明確。而這個研究對於有關課業成績的影響,依然是「智力」對於功課影響最為顯著,能夠有效的從數據中解釋這個現象。雖然智力對於課業上來說有著較大的助力,但在未來的工作中,具有創造力,對於表現自己來說可能會顯得更有獨特性。[10]

國小學生批判思考、情緒智力與學業成就關係之研究编辑

就批判思考能力而言,小學生這方面的能力還未成熟,仍然有許多的提升空間,而這個能力也會隨著年紀增加而有所成長。另一方面如果家庭的社經能力越好,那麼批判思考能力和課業成績也會較好,這顯示出有較多資源灌注下的孩子,會比別人起步得快些。在情緒智力管理中,國小的孩子表現良好,而在這階段的女生對於情緒管理又比男生更加純熟,就情緒智力而言女生表現較佳,而所處地區的文化不同也會造成情緒智力的差別,例如:台北的孩子競爭壓力較大,對於情緒的管理方面可能會比較弱一些。最後社經地位才是造成小孩子情緒智力差異最大的地方,通常社經地位較高的孩子有比較多的關愛,或是有比較好的生活環境,讓小孩子較開朗的可能性較高,或著是家庭中有良好氣氛的小孩子,有著較良性的互動,那麼情緒的管控上也會較佳,情緒智力亦越高。而情緒智力也與課業表現有成正比的關係,如果能夠改善學生的情緒管控的話,也能連帶增加學業上的進步。

四、學習障礙编辑

學習障礙國中學生的智力特質之研究本研究將學生分為三組,分別為「學障組」、「一般兒童組」以及「控制智商之一般兒童對照組」,「一般兒童組」為智商70以上的兒童,「控制智商之一般兒童對照組」則為性別、年齡、全量表智商等背景接近「全部學障組」的學生。研究分析三組的智力分佈,以及「Bannatyne組型」、「ACID組型」、「ACIDS組型」、「SCAD組型」及「POI/SCAD差異分 數」等特殊組型的出現率。研究主要發現有以下四點:

1. 學障學生的智商大多在85~99,智力整體偏低。

2. 學障組智力出現內在差異或在「Bannatyne、ACID、ACIDS、SCAD以及POI/SCAD差異 分數」等特殊組型的出現率均高於一般兒童。

3. 四種學障類型中,認字困難組出現各種特殊組型的比率最高,橫式困難組的比率最低。

4. 在五種特殊組型中,以「POI/SCAD差異分數」組型對學障學生的鑑別度最佳。[13]

五、影響智力的因素编辑

1. 城鄉差距在盧欽銘〈城市與鄉村國中生智力測驗的結果〉中提到,智力會受到許多因素的影響,像是遺傳、環境、年齡、性別、地域、父母教育程度…等等的影響,研究的人採用「羅桑二氏語文智力測驗」來了解城市和鄉村學生的智力是否有差異,結果顯示城市國中生的各項測驗(如智力、字彙能力、語句完成能力、算術推理能力、歸納能力和語文推理能力)都優於鄉村國中生,接著又更進一步探討是否有男女之間的差別,結果顯示城市國中男生與女生都分別優於鄉村國中男生與女生。由此可知,城市與鄉村國中生確實因為客觀環境因素及文化差距的影響,造成智力的差別。[14]

2.性別或年齡根據蔡明富〈國小4到6年級團體智力測驗〉中各個學者對於智力的定義各不同,舉例來說:

1. 智力是學習新事物的能力或利用經驗的能力

2. 智力是抽象思考與判斷的能力

3. 智力是適應新環境的能力

4. 以學校教育的立場說明智力是學習在學校內的各種工作能力。(Carroll, 1993; Hussain et al., 2012)。

5. 綜合觀點,如 Wechsler(1991)認為:智力是一種集合與總體存在的能力(an aggregate and global entity),而非單一獨特的能力,其強調:「智力是個人有目的的行動,合理的思考,和有效應付其環境的能量。」。研究結果顯示,在年齡上,各年級的平均分數有顯著差異,六年級的得分優於五年級,而五年級的得分又優於四年級,可得知年齡越高,智力發展愈佳。在性別方面,女生在語文反義明顯優於男生;而男生在數字系列明顯優於女生;在圖形類比中男生與女生則沒有顯著差異。從全測驗得分來看,年級有達到顯著差異,而男女生的總分沒有顯著差異。

六、參考資料编辑

[1] 陳李綢、林清山(1991)。多重智力理論模式的驗證與應用。教育心理學報,24, 31-66。

[2] 林畊奇(2014)。人際關係、情緒智商與幸福感關係之研究(碩士論文)。取自 http://handle.ncl.edu.tw/11296/ndltd/24305553539591616232。

[3] 陳騏龍(2001)。國小學童情緒智力與幸福感、人際關係及人格特質之相關研究(碩 士論文)。取自http://handle.ncl.edu.tw/11296/ndltd/04580566929651642004。

[4] 周美麗(2004)。靜坐對國小學童創造力與情緒智力之影響(碩士論文)。取自 http://handle.ncl.edu.tw/11296/ndltd/40370214362274695725。

[5] 何宜錚、黃鴻程、陳學志、王雅萍、賴惠德(2010)。國中生幽默風格與自尊及情緒 智力之相關研究。 中華心理衛生學刊,23(2),271-304。

[6] 王佳玲(2004)。大學生情緒智力信念、創造力信念與情緒智力、創造力之關係(碩 士論文)。取自http://handle.ncl.edu.tw/11296/ndltd/53191385910893917341。

[7] 吳佳恬(2010)。大學生之完美主義傾向、情緒智力與人際關係(碩士論文)。取自 http://thesis.lib.nccu.edu.tw/record/#G0097152008

[8] 滿莉芳(2002)。情緒勞務工作者情緒勞務負荷與工作結果之研究-以情緒智力與工 作特性為干擾(碩士論文)。取自 http://handle.ncl.edu.tw/11296/ndltd/00102709596658752121。

[9] 吳偲嫄(2015)。父母情緒智力與幼兒社會行為之研究(碩士論文)。取自 http://handle.ncl.edu.tw/11296/ndltd/59284282631318990240。

[10] 盧祈銘(2015)。 智力、創造力各成份與學業成績之相關探討(碩士論文)。取自 http://handle.ncl.edu.tw/11296/ndltd/80591717156979183620。

[11] 謝季宏(2000)。國小學生批判思考、情緒智力與學業成就關係之研究(碩士論 文)。取自http://handle.ncl.edu.tw/11296/ndltd/49250575908199203701。

[12] 高振耀(2012)。探索斯騰伯格智力三元能力測驗、一般智力測驗以及學業成就之 間的關係(碩士論文)。取自http://www.airitilibrary.com/Publication/alDetailedMesh? DocID=15633586-201206-201208130010-201208130010-71-88。

[13] 洪儷瑜、陳淑麗、陳心怡(2003)。學習障礙國中學生的智力特質之研究。 師大學 報:教育類 ,48(2),215-238。

[14] 盧欽銘(1993)。城市與鄉村國中生智力測驗的結果。 國立台灣師範大學教育心理 與輔導學系教育心理學報 ,26,75-84。

[15] 蔡明富(2014)。國小4到6年級團體智力測驗。國立高雄師範大學高雄師大學報 , 36,47-76。

最新研究编辑

智力的影響,相信讀者在學生時代或是現在都是感同身受。但是,一個人的智力是生下來就註定的,還是可能跟後天影響有關係呢?另外,智力對於生活的影響僅止於學歷跟考試成績嗎?還是會有更深一層的影響?在這一節中,我們將透過近幾年的研究,探討何種因素會影響一個人的智力,以及智力在生活中各方面的影響力。在9.3.1節中,我們將引用兩篇發表在期刊中的文章,比較生活在世界各地的人的智力發展,和在白人和黑人之中哪一種人普遍擁有比較高的「能力傾向」。第二節中,我們將看到被認為是智力影響的關鍵因素之一——教育,對於智力的真實影響為何。而這可能關係到你是要天賦異稟,還是要努力向上擠進名校,才能成為一個公司的CEO。在下一節,我們將會從生物學以及社會學的觀點出發,佐以「性別角色協調假說」,介紹生理或心理性別的差異,究竟會不會影響一個人在空間知覺和空間想像方面的認知能力。而在最後一節,我們將重新檢視1994年赫恩斯坦和莫里所著的暢銷書「鐘形曲線:美國社會中的智力與階層結構」中所提到的問題,藉由引用最新研究來探討智力對於個人社經地位,以及整體社會經濟的影響為何。

一、區域及人種差異编辑

1.智力與區域差異编辑

討論到智力,我們就不能不好奇世界各地的人們是否擁有同樣的智力,若否,又是什麼樣的因素影響了它們呢?在Leóna(2015)[1]的文章中探討了地理因素──尤其是「經緯度」對人類複雜認知能力的影響,所謂「認知能力」指的是腦部神經網絡所控制的我們如何去理解這個世界並做出行為的能力。我們可藉由這篇文章初步了解造成世界各地人們智力差異的原因。

高緯度地區的人更聰明?编辑

在現在社會,已開發國家幾乎全部都位於高緯度地區(除澳大利亞為高緯度移民),該地的人們被假定比起低緯度地區的人擁有更高的複雜認知能力,造成這個現象有兩個原因:

  1. 高緯地區的嚴寒冬天會刺激人類的生存本能,進而使認知能力進步。
  2. 緯度愈高,紫外線輻射量就越低,維他命D3也越低,而這兩者的減少會造成人體性荷爾蒙的減少,生育減少的情況下便會造成家庭規模縮小。一旦從大家庭變成小家庭,平均每個孩子便可以得到父母更多的照顧,孩子也可以得到更多的受教育機會;而寒冷的天氣也會使成人不想出門,父母因此擁有更多機會待在家裡陪伴孩子。此外,低緯度地區維他命D3的高含量也被認為會使孩子在玩樂與學習的平衡中,更傾向於玩樂的一邊,較少學習的結果就是使得複雜認知能力低於高緯度地區的孩子。

然而,這樣的假定在實驗過後卻被發現只在近東歐的非洲地區較為明顯,可知,地理對於複雜認知能力的影響絕對不是穩定不變的,其中包含了極其多元的影響因素,甚至任何政府政策,像是家庭計畫、污染防治等都有可能影響到複雜認知能力的變化。熱帶國家雖比溫帶國家要晚從大家庭轉變成小家庭,但透過避孕方法的發達,國家節育計畫的實施,在孩童總數減少後教育機會也能相對提高,進而促使低緯度地區人民複雜認知能力的提升。

2.智力與人種差異编辑

Coyle在2016年發表的研究[2]之中提到了白人與黑人族群在「能力傾向(Ability Tilt)」上的差異,並藉此結果來支持分化理論與投資理論。此處的「傾向」被定義是在三種性向測驗(SAT、ACT、PSAT)中數學與語言成績的個體差異,數學成績高於語言成績者擁有「數學傾向」,語言成績高於數學成績者則擁有「語言傾向」,且兩成績差異越大代表該傾向越強烈。該實驗取樣的黑白族群間存在智力差異,取樣的白人平均智力是高於黑人的。
知道了這些研究前提,在觀看研究結果之前,我們還可以先知道何謂分化理論與投資理論,在能力傾向的主題上,「分化理論」主張高能力的個體會有高程度的能力傾向;「投資理論」主張能力傾向對其相反性質能力之傾向有負面影響。關於這個研究的結果,可以歸納為幾點來看:

  1. 白人的數學傾向大於黑人,在語文傾向上則兩者差異不大。
  2. 白人的整體能力傾向比黑人更為強烈。
  3. 擁有數學傾向者擁有較高的數學能力,但擁有較低的語文能力,於語文傾向上亦然。
  4. 白人的特定能力傾向與就讀該能力相關科系有更高的關聯度。

第1、2點結果首先證實了「分化理論」的主張,由於該實驗中白人的智力是高於黑人的,白人也因此顯示了更高程度的能力傾向,這也可以被說成是在數學方面的認知專業化在較高智力層級會加劇。研究者同時也對白人的數學傾向狀況作出解釋,該研究者認為白人比起黑人有更強烈的數學偏好,因此白人會花較多時間去上數學課程或任何能幫助他們產生數學傾向的事。


第3、4點則證實了「投資理論」的主張,當一個人花更多時間在數學上時,雖然能夠使其擁有較高數學能力並產生數學傾向,但同時也剝奪了花在語文上的時間,進而降低了語文能力。另外,傾向、能力與科系之間的關聯則是源於人們會希望選擇參與與自己的興趣或專長相關聯的事務,這就包括選擇就讀自己擅長的科系或是參加自己喜歡的社團活動、聽感興趣的課外演講。進一步說,特定活動的傾向會形塑出行為與經驗,因此當一個人在中小學獲得較出色的數理成績時,他會比擁有出色語文成績的學生更有意願去就讀數理相關科系。   

綜合上述,我們就可以知道為何該研究會產生如第4點的結論,當白人比起黑人擁有更強烈的數學偏好,這種強烈偏好便會大大增加他們就讀數理科系的意願,並因此產生白人的傾向與就讀科系間的關聯高於黑人的結果。   

同樣的研究在過去也曾被放在兩性之間做討論,結果如同眾人所熟知,男性擁有較大的數學傾向,女性則擁有較大的語文傾向。然而因為兩性的能力差異極其細微,我們在兩性的能力傾向研究上便難以證實如分化理論之類的結果。   

最後,需要被強調的是,無論是數學傾向或是語文傾向都「與智力無關」,他們也因此與受試者SAT的總成績無關,因為該總成績是與智力高度相關的。能力傾向反映的只是受試者的「特定能力」比另一能力出色,以及與該特定能力同性質的學業與職業成就。由於能力傾向實驗同時取樣包括天才與庸才,智力並不會對能力傾向產生影響。

二、智力和教育编辑

智力和教育的關係是什麼?是單向或是雙向的影響?從直觀來說,越高的智力和學校的成績表現應該會有正相關,而許多的研究及著作也支持這項論點[3];[4];[5];[6],而良好教育是否對智力有正面的影響,還是說這兩者之間有正向的循環?
對學校成績而言,智力是一個強力的預測指標[7],而且在越複雜的環境中,智力扮演的角色也越吃重。而著名的弗林效應(Flynn Effect),也就是隨著時間的推移,人類智商越來越高的現象,或可以說是(上)一代不如(下)一代,而造成此現象的原因,便是20世紀教育的普及[8]。整體來說,普及的教育,造成了整體智力的上升,不過這是總體的效果,對個人而言不一定適用,透過教育是否能增加智力仍然有爭議,但是越高的教育程度,通常也代表了越高的社經地位,掌握越多的財富和權力[9],因此現在的父母從小便灌輸用功讀書的觀念,也是有其道理。圖9-3. Growth in educational attainment and adult IQ test score gains in the United States during the 20th century.[8]

舉例而言,想要當上財星500大企業的CEO,是非常困難的挑戰,而在1996年到2014年之間,大約有37.5%到41.0%的CEO,他們的認知能力是屬於最頂尖的1%。在這500大企業的CEO間,越高的教育程度與認知能力是和公司的總收入有正相關。儘管財星500大企業的CEO有著高等的教育和認知能力,但是更廣泛的和其他人比起來,例如,政治家、法官、億萬富翁、記者、學者、有權勢的人,和其他事業有成的精英,這些CEO的教育和認知能力並沒有在頂端。如果想成為一個CEO,讀哪間學校可能有關係,因為越菁英的學校,佔的比例越高,目前還不清楚是否是最初的認知能力和動機,在大學或研究生受到的實際教育和智力刺激,還是履歷上的名校光環,和在名校中累積的人際網絡,幫助打開未來機會的大門。不過最有可能的,是這兩種原因和其他因素混合再一起。[10]
智力越高的人,通常所受的教育也會越多,而因此在某些議題上的態度和那些相較之下所受的教育較少的人有所不同。已經有為數不少的研究已經證明,相較於一般普羅大眾,美國學術界中,自由派(liberal)或民主黨(Democrat)的人比較多,而且在特定的議題例如同性戀,傳統性別角色,所持態度都比較開放。[11]
智力是被認為能直接增加壽命的因素之一,因為智力較好和受過教育的人能夠更好地了解信息,因果關係和風險。他們能夠更好地預測在日常生活中自己的行為後果,以及更可能對於健康相關的任務運用他們的知識和見解。一個人的健康管理,是類似在工作或在日常生活的其他情況下的認知任務 。更進一步說,人力資本(Human capital)能夠減少愛滋病的盛行率,不過這僅限於對15歲以上的女生,因為通常0到14歲感染愛滋病是透過遺傳而非不安全性行為,因此累積人力資本無法對這個區間的人顯著地降低感染愛滋病的機率。[12]

四、智力與經濟编辑

在1994年哈佛大學教授理察‧赫恩斯坦(Richard J. Herrnstein (1930~1994))和美國企業研究所(AEI)的學者查爾斯‧默里(Charles Murray)出版了一本著名的著作「鐘形曲線:美國社會中的智力與階層結構(The Bell Curve)」,強調了智力對於個人社經地位有極大關聯。
若將智力對於個人層級的影響提升到社會層面來思考,美國經濟學家加爾布雷思(John Kenneth Galbraith (1908~2006))於1969年首次提到智力資本概念,而美國學者托馬斯·斯圖爾特(Thomas A.Stewart (1948~))在美國期刊財富上定義了智力資本的 “ H—S—C ” 結構。而觀察基於智力資本概念的經濟模式,1996年世界經合組織發表了題為《以知識為基礎的經濟》的報告,該報告提出「知識經濟(Knowledge Economy)」的定義:「建立在知識的生產、分配和使用之上的經濟」。一般認為,「知識經濟」是以知識為基礎的經濟,與農業經濟、工業經濟相對應的一個概念。然而,「知識經濟」並非單純智力或知識的聚集,而是知識和高素質的 人力資源互相激盪的產物。
國外心理學近幾年的最新研究也有許多論文針對「智力」與「經濟」關聯的研究,試圖回答智力在經濟發展中的意義。本節將採文獻分析法由二個層次討論智力與經濟的關係智力對個人社經地位影響智力與整體社會經濟

1.智力對個人社經地位影響编辑

Jencks(1972)的一項取樣自美國男性的經典研究[14]發現了IQ與收入間的關係有0.310的相關度,而Irwing(2006)的英國研究[15]進一步指出,分析來自英國受試者8歲時的智商,比較受試者43歲時的收入發現,其相關度有達0.368男性與0.317女性。 在美國也有類似的研究,Zagorsky(2007)的論文Do you have to be smart to be rich? The impact of IQ on wealth, income and financial distress[16]研究了美國嬰兒潮的資料發現,IQ每上升1,年收入會增加$243至$616不等。值得玩味的是,此研究同時也發現經濟壓力例如面臨破產、卡債、積欠帳單的機率是呈現二次多項式的關係(quadratic relationship),也就是說,IQ高的某部分人,其實有更高的機率面臨經濟困難。
Shamosh(2008)的一篇論文[17]也指出,擁有較好自制能力的人智商較高,而自制能力較高的人較能有效管理財產,可能因此進而保持自己的社經地位優勢。

雖然智力與個人社經地位影響為正相關,但這兩個變項是否為直接相關、絕對相關還有待證實。有許多的解釋方式可以破除絕對的正相關,例如,有可能因為社經地位的高低差異導致空閒時間的不同等其他第三因素,在智力測驗的「用心程度」上有所差異,進而影響智力的表現。

2.智力與整體社會經濟编辑

Carl(2016)在Intelligence的研究IQ and socio-economic development across local authorities of the UK[18]比較了英國404個地方政府的區域經濟與智力的關聯。首先區域平均IQ由“Understanding Society”在2011年至2013年進行的一項面對面調查,由多項測試項目包括長期記憶、短期記憶、算數、語言流暢度等組成的認知能力評估。再根據英國政府的統計部門(Office for National Statistics)的資料,得到社會經濟變數(socio-economic variables) r。比較兩者關聯,發現有以下關係:

地區平均IQ直方圖,約成常態分佈。 Noah (2016) 社會經濟與IQ關係圖,Noah (2016) 社會經濟與IQ呈現正相關。

Carl(2015)的研究同樣針對英國區域差異與IQ的關係也有類似的發現。

Hafer(2015)的論文Cross-country evidence on the link between IQ and financial development[20]可以很好的承接本小節與上一小節想討論的問題。 Hafer由其他研究論文歸納出兩個心得:
微觀:IQ較高的個人傾向有更多的儲蓄。
宏觀:平均IQ較高的國家國庫擁有更多存款。
接著他做出一項假設: 這些平均較高的國家是否基於較多存款而也有較好的經濟發展?透過大量的取樣並用多種研究方法衡量經濟發展,仍發現結論與先前相仿,IQ對經濟是一個非常重要的衡量指標。
2017年的研究延伸早些年IQ和國家總體經濟顯著正相關的研究,研究者使用了新的社會福利指數來探討,發現IQ在統計上和社會福利顯著(5%或是更高)相關,並且是用來判斷社會福利的一個重要的經濟上的指標。平均而言,一個國家的IQ增加一個百分點,相關的社會福利成長會增加四個百分點。這個研究也支持了IQ是重要的國家間經濟活動與福利指標的論點。

3.總結编辑

本節討論了以個人角度出發的微觀視野以及從整體經濟的宏觀視野來討論IQ與經濟的關聯,由以上多篇論文分析可知,不論小至個人大至整個國家經濟體,IQ對人類經濟活動都是十分有影響力的指標, 包括儲蓄金額、收入、社經地位、經濟發展等等都息息相關。

五、智力與成就编辑

特曼資優研究(Genetic Studies of Genius, Terman Study of the Gifted):

為Lewis Terman從1921年開始並延續至今的探討追蹤天才的研究,直至最後一名成員退出或去世才會終止研究。為目前世界上現存持續時間最長的追蹤研究。

1.研究創始者编辑

Lewis Terman(1877年1月15日-1956 年12月21日):

為美國臨床精神科醫師和作家。出生於美國印第安納州詹森郡。他曾待過克拉克大學(1905年),印第安納大學布魯明頓校區(1903年),Canterbury College(1898年), Canterbury College(1894年)。他自從攻讀博士學位開始便一直在做智力方面的研究,他是優生學支持者,但沒有社會達爾文主義者那麼極端,並認為智力測驗對於塑造社會有積極作用。他曾修訂比奈—西蒙智力測驗量表後編成的智力量表而製成斯坦福-比奈智力量表(Stanford-Binet Intelligence Scale)並引入美國。第二次世界大戰期間,特曼也參與制定陸軍甲種測驗(Army Alpha Test)。一些著名的心理學家如:弗洛倫斯·古迪納夫和考克斯皆曾經當過他的助手。

2.研究流程编辑

特曼在加利福尼亞的公立學校,以「斯坦福-比奈智力量表」、「國民智力測驗」、「陸軍甲種測驗」選出了1444個資優兒童。隨著時間延續,參與人數也漸漸增加,到了1928年,研究對象增加到1528人(其中男生856人,女生672人)研究對象出生於1900年至1925年間,生活在加利福尼亞,90%為白人,大部分來自中上階層。最後當研究成果出來時,人數已到達250000人,其中有1,470 名學生的智商在140至200之間,這些天才兒童被稱為「特曼人」。此研究的資優兒童為層層篩選出來的,具體篩選過程為學校的老師首先從班級挑選出最聰明的一些學生,然後對這些學生進行智力測試,測試成績排在前面 10 %的學生進入下一輪的智力測試,下一輪測試成績達到 130 以上的學生接著進行第三輪測試。最後,特曼根據最終測試的結果挑選出最聰明最厲害的學生。

3.研究結果编辑

研究原本的目的是為了推翻資優兒童是病態的,不善交際,發展片面。所以特曼研究了兒受試者的家庭狀況、學業進度、特殊才能、興趣、玩耍、個性、種族和民族文化。研究結果發現資優兒童相對同齡普通兒童沒有額外的健康問題,近視率低於平均值,一般更多社交活動,適應能力好,學習成績更優秀,身高也高於平均值,但他們的平均創造力卻沒有優於平常人。特曼的研究開啟了資優研究的先河,做法至今廣泛應用於資優教育。

特曼生前嚴謹規畫了研究程序(在1928年、1936年、1940年、1945年、1950年、和1955年收集數據),並在特曼過世後其研究得已繼續甚至支持別的研究,並由梅麗塔·奧登(Melita Oden)、羅伯特·理查森·希爾斯等人接手。那些資優兒童長大後,研究的面相演變為入伍服役、大學教育、婚姻狀況、工作、退休、撫養後代和其他生活問題。值得注意的是有兩項研究(哥倫比亞大學的羅賓·希爾斯和邁阿密大學的麥可·麥卡洛)利用了特曼實驗的數據指出:60%的特曼人受到過「嚴格的」或「相當的」宗教訓練,但是他們成年後都不如一般人那麼信仰宗教。另外,特曼資優研究後續在職業方面有重要發現。一些特曼人在其職業領域取得相當不錯的成就,包括:高級法院的法官、政府官員、書籍學術文章出版人、商業家。著名人物則有:《我愛露西》的編劇傑絲·奧本海、美國心理學會主席、教育心理學家李·克隆巴赫、營養學家安塞爾·基斯等。但令特曼極度失望的是,他發現大部分特曼人最後只是「普通人」,甚至還有人住進精神病院,他們從事的領域包刮:警察、海員、打字員、檔案員等似乎沒那麼「超凡」的職業。但令人意外卻有趣的是,他淘汰的那些兒童當中,誕生了兩個諾貝爾獎得主,而「特曼人」當中並無諾貝爾獎得主。所以結論是智力與成就不一定成正相關,甚至可說是相當遙遠。

六、專家症候群编辑

1.簡介编辑

學者症候群(Savant syndrome)是指在某高度專門化的特定領域(例如,音樂或記憶)有遠超於常人的能力。學者症候群的能力有多種不同形式,涉及各個層面,包含:演奏樂器、繪畫、記憶、計算及日曆運算能力。雖然學者症候群看似是一種厲害的天賦,但其實這是不正常的,通常也伴隨著別的方面的缺失,例如:語言溝通障礙或性格大變等,所以也不算是「好處」。一部分患者是天生的,即在孩童時期(未成年)就表現出學者症候群的天賦,這樣的患者通常伴隨著另一項「平常的」能力(例如:語言表達能力)的失去,且一部分此類患者在長大成年後會失去他們的過人天賦,變成普通的「平凡人」。另一部分患者則是經過某一創傷後,特別是腦傷或罹患腦部疾病,天賦才突然被激發出來。

更進一步的研究顯示,這些是因為大腦某些區域的神經元活動減弱,伴隨著某些腦區的神經元活動增強所致。它涉及了腦傷(通常是左半腦受傷,跟米勒的額顳葉失智案例類似)後的三種階段:首先是「動員」(recruitment),也就是未受傷的腦區(通常是右半腦)的神經元活動增強;接著是透過「重組」(rewiring)來鞏固先前不存在的新的神經連結;最後,新連結的腦區活動增強,並「釋放」(release)潛藏的天賦能力。

2.案例编辑

萊姆克(Lesile Lemke)是位腦性麻痺間重度智能障礙(智商介於35-55之間)的盲人,沒有學過鋼琴。他在14歲那年,第一次聽到了柴可夫斯基的第一號鋼琴協奏曲,過了幾個小時,他就能將這首曲子流暢無誤地彈奏出來。他能演奏及演唱的曲子多達數千首;也能即興演奏及創作新曲;皮克(KIm Peek)沒有胼胝體,智力成績87分,日常生活仰賴父親。他有著驚人的記憶力,是一部活的百科全書。對於人口數差過800萬的美國城市,他可說出經過該城市的高速公路號碼、電話及郵政區域號碼、區域電視台的頻道,以及當地的電話網路公司名稱。他也能說出你出生那一天是星期幾,以及你滿六十五歲「可以退休」那天是星期幾。皮克幾乎能辨認所有的古典音樂作品,也知道某首作品的出版或首演日期,以及作曲家的出生地及出生、過世的日期。1988年電影《雨人》中由達斯汀霍夫曼主演的角色「雷蒙」,就是由皮克的特殊能力所得出的靈感。(引自Treffert & Wallace, 2002)

萊姆克和皮克都有著超凡的特殊才能,但同時又是智能障礙者。過去曾用「白痴大師」(idiot savants)描述橡皮克這類具有單一特殊能力。但智能明顯不足的人(Down, 1887)。現今心理學者改以較為中性的名詞「專家」(savant)來稱呼這種結合傑出表現與智能缺陷於一身的人(Miller, 1999;Treffert, 1989;2009),他們所表現的症狀就稱為「專家症候群」。

3.研究编辑

專家症候群的特殊才能表現在各方面,如繪畫(Selfe, 1983)、音樂(Miller, 1989)、計算、日曆推算、記憶、機械能力等方面。日立推算是專家症候群中大家熟知的特殊能力,擁有此種能力者,可以說出任何年份的特定日期是星期幾。有個言被研究的個案——多尼(Donny),他是一名自閉症患者,智商74。研究者抽問他特定年月日是星期幾,結果發現若此一日期介於1900年3月1日到2100年2月28日這段期間,他的答對率高達98%。(Thioux Stark, Klaiman, & Schultx, 2006)。他們提出一個三成分的認知模型來解釋「日曆專家」的特殊表現,「日曆專家」的長期記憶中有十四種日曆結構(閏年、非閏年各七種)。當被詢問特定日期是星期幾時,他們會選擇一個最接近現在的年分,這個年分的日曆結構與問題的年分具有相同日曆節狗,然後進行幾個簡單的數學運算以得出答案。這個研究揭開了「專家」不可思議表現的神秘面紗。

近幾年來,有關專家症候群以前就「日曆專家」的研究獲得最多的進展。研究顯示,患者的障礙程度及一般智力的程度影響患者下列的表現:何時開始展現日曆推算、日曆推算的速度與正確性、日曆推算是否會持續至成人時期(Cowan, Stainthorp, Kapnogianni, & Anastiou, 2004)。智商較高的「日曆專家」,其日曆推算能力的正確性與能推算的年分期間較久。若日曆專家身處於機構中,而其日曆推算能力受到讚賞,進而帶給他們成就感,他們就比較會持續精進其日曆推算的能力(Miller, 1999)。若他們能適應機構外的生活,他們變比較不可能維持並提升日曆推算的才能(Cowan et al., 2004)。「音樂專家」研究也得到類似的發現。早期認為「音樂專家」在語言能力提升的同時,會開始出現音樂創作(Miller, 1989)。有研究指出,若「音樂專家」的智利略低於一般人(IQ 50-80),其即興演奏和創意表達可能達到專業音樂人的水準;若其智商在一般人範圍(IQ 80-110),則其在音樂的表現能可媲美天才(Treffert, 2009)。

心理學界對專家症候群感到興趣,是因為他們特殊的才能似乎比一般正常人較少受到環境因素的影響,也就是他們能夠不受周遭影響而展現出高超的才能,這有助於科專家近一步了解天賦的大腦生物機制。累積一百多年來的研究城郭以擊敗腦造影技術之賜,研究者對於「專家」大腦提出「左半腦受損假說」。常人的左半腦負責語言及抽象推理,左腦思考的人擅長線性思考、口語表達、事件處理,右半腦則負責音樂、藝術、數學、計算方式、類比等能力,右腦思考的人擅長用感官來接收資訊,傾向以整體的方式來觀察事物。專家症候群的患者,由於左半腦受損,因而伴隨著右半腦進行補償的結果,大腦會徵用他處的資源來成就其發想的能力,顯示出大腦的可塑性與補償作用,因此才能在某些方面展現出異於常人的天賦,這解開了長久對於天賦的秘密,原來,有時候天賦不一定是完美的好事,而是因為為了補充某方面的不完美,所以上帝才附贈了特異功能給這些「專家」。根據此觀點,我們可以總結出,專家症候群的表現是一種對缺陷的反應(Treffert, 1989),另外,也有學者主張人人皆有「專家」般的能力,但大多數人因為使用高科技環境所倚重的抽象思考和推理能力,而抑制了「專家」般的能力。(Snyder, 2009)也就是說,可能我們每一個人都有可能具備專家的能力,但不夠明顯,或是因為環境影響甚巨,被其他因素掩蓋,而沒有發現。

超強記憶编辑

我們按照過去頭腦中曾經見過的景象,創造的世界的模式,這稱為「意象」。我們通過意象看世界,把問題簡單化。如果生活中有少許變化,我們會因為沒有必要全部記憶起來而自動忽略。而學者症候群患者沒有這些模式,他們看世界的模式與我們是不一樣的。

我們通常依賴認知記憶,或者稱為語意記憶,它非常寬泛,對我們來說這不是很深入,因為我們會因而忘記非常多的事物。學者症候群患者運用習慣記憶,或者稱為程序記憶,不寬泛,往往侷限在狹小的領域內,但非常深入,幾乎是沒有極限的。

第一次學騎車時你會想,一隻腳放這,另一隻腳放那,並且要保持平衡…然後過了不久,自動就會騎了。學者症候群者的自動記憶能力就像是如此,在他們還沒有清楚這個概念時就在起作用了。

專家將利用核磁共振,比較數學天才呂迪格與一般人在進行數學計算時,大腦活躍區域有何不同。他們發現,呂迪格在做簡單運算時,大腦活躍區域與一般人幾乎相同;不過在進行更高階的運算時,呂迪格的大腦激活了一般人已經棄用的區域,但是這部分通常與數學無關,可是他利用這部分儲存了至少25萬個中間數據,以便在進行複雜計算時取用。這部分通常與面部辨認有關,人類一開始就是面部辨認的專家,所以如果某人發展了某項特殊技能,他們就會激活某些特定區域,並在該區域儲存專門的知識。

成年人在城市交通中穿行,就像從小辨認人臉那樣自然而然,我們不是儲存數學運算的中間數據,而是把數不清的動作、估計和日常行動儲存起來,並不加思索地運用。

科學家認為大腦經常會在無意識記憶的層面上工作,因為我們在無意識中做的事情在新陳代謝中只是很簡單的,這時思維順暢,運轉迅速,儘管很死板但不會出現問題。通常很容易完成的事情要求都不高。當新的、重要的、或複雜的任務出現,需要大腦皮層中產生活躍的特殊網絡時,我們的意識首先被激活,此時一切變得複雜、更耗費時間,但需要啟動到這層的記憶所占比率實在太少了。

為了應對時刻變化的路況,我們學會了換檔、煞車、機械地轉方向盤,這樣開車的時候就不會出錯。神經生物學家認為學者症候群患者也運用這一個記憶區來處理事實性知識。一種理論認為,許多學者症候群患者的大腦皮層和皮層下邊緣系統之間的複雜迴路有缺陷,而我們的選擇性感知和事實記憶通常由這些迴路控制。也就是說,被大多數人用到的關聯、評估信息,與忘記無關信息的過濾機制,學者症候群患者並無按照正常方法使用。如金匹克就缺乏了胼胝體。

一般人會知道逛超市的時候,在哪裡能找到自己想要找的物品,但過程中我們篩去了數以千計的價格與細節,優點是這樣才能把精力集中在關鍵之處,但缺點是我們總是遵循相同的思維軌跡。

創造力编辑

創造力是一種反叛的舉動,你必須徹底具有顛覆性,去打破常規,挑戰約定俗成的知識,但這舉動必定會造成很多人的不認同。專家認為學者症候群患者忽略信息過濾的機制,是形成非凡創造力的關鍵。

在某些實驗中,會利用一種稱為顱磁刺激的手段,關閉人腦中的過濾系統。由此使大腦皮層中某特定區域發生10到20分鐘的短路。有個實驗顯示,把兩個相同的詞放在一起,人們往往不會注意,接受磁刺激前他們不會注意到屏幕上的錯誤,但受到刺激後往往會重複念出來。

創造力主要是大腦前部神經元網絡的一種功能,這些網絡強烈依賴於一種名叫多巴胺的興奮劑,前額皮質網絡中的多巴胺濃度越高,人的創造力就越強。這一點很容易解釋,因為大腦前部的這一網絡,能調用我們的長期記憶,而這部分記憶位於大腦的後部。也就是先前毫不相關的思想或意念,現在受刺激狀態下集合到了一起,現在想到的主意是先前不曾想到的。左腦是負責的是已經構建起來的的知識,右腦則是負責應對一些全新的情況。每個人一生中都歷經了一個循環的學習過程,先是遇到新情況,然後掌握這種情況。也就是說,當你遇到新情況的時候,右腦首先進行處理,然後逐步把信息傳遞到左腦。

科學家研究愛因斯坦大腦時發現額外的腦細胞,這使他擁有更強大的數字處理能力,這也是他有如此創造能力的原因之一。愛因斯坦曾說他自己總是保持著童心,他總是用孩子的眼光去看待事物,也就是說,他總是能看清細節,他並沒有沉迷於普通視角中的世界。

有另一派學者的研究認為,大腦不僅在兒童時期發育,且在25歲前都一直在發育。在十多歲時沒有用到的大腦迴路,在之後將永遠失去效用。因此不管是做運動、玩樂器、玩遊戲機、消磨時間,甚至是吸毒,青少年時期做過或沒做過的所有的事,都會對他們的大腦產生深遠影響。青春期的情緒變化,只是和青少年不斷發展的大腦相關,他必須建立或者關閉正在增加的神經迴路,簡而言之,在每個青少年的腦袋裡,正在激烈地進行著一場神經戰。首先是過量生成,就是生成了過多的腦細胞和神經連接,因為顱腔中有足夠的空間,還有足夠多的營養物質看生長因素。這種過量的生成後,第二步是競爭性淘汰,它們為生存而戰,有時候,這被稱為神經達爾文主義:腦細胞和神經連接的適者生存。對於那些學者症候群患者,在過量生成之後可能出現的情況,是與眾不同的連接保留下來,於是擁有了與眾不同的技能,但代價是,在此過程中,和社交、語言能力等相關的連接也許會失去。

性別差異编辑

在劍橋大學,一位世界知名的自閉症專家提出的全新的性別差異理論。根據統計,女性擁有E型大腦,男性擁有S型大腦。這裡E代表情感共鳴,是感受別人感覺的能力,而S代表系統。專家研究自閉症患者,他們有嚴重的語言交流和親近他人的障礙,並得出結論:自閉症是最極端狀態下的男性邏輯。

自閉症患者在情感共鳴方面有困難,所以無法像常人那樣理解他人的感受,但同時他們對系統有非常強烈的興趣(例如數學、音樂、畫畫或收集東西等),他們特別專注於系統是如何工作的。

直到最近大多數的人都認為,人類的大腦在一定程度上兼具兩性特徵,幾乎沒有人注意到性別之間的差異。事實上,任何一本神經解剖的文本,討論大腦時男女都是一樣的,並沒有提及性別差異,但實際上確實有些微的差別 。

由傑哈德羅斯領導的一項重大科研項目,正在研究男性與女性在暴力和侵犯行為中的不同。實驗對象將躺在大腦掃描儀中,觀看幾百段錄像。有些錄像是中性的,有些是娛樂性的,有些是暴力性的。錄像視角在加害者和受害者之間轉換,核磁共振影像會顯示出哪部分大腦區域會被什麼影像所激活。

我們每個人對腦袋裡空間的使用各不相同,在核磁共振儀中,科學家發現男性與女性大腦有許多不同。舉例來說,科學家讓躺在核磁共振儀中的男女進行數學運算,結果他們在計算時激活的大腦區域不同。雖然得出的結果相同,不過思維路徑是相異的。我們有意識的大腦,極端依賴於資源。我們大多數的智力,都投入到社會性智力中,去猜測別人想要從我們這裡得到什麼、他們希望我們做什麼。如果這些不起作用,資源就會解放出來,應用在數學或者空間定向方面。

男性比較會直接表現出暴力,他們的進攻性用身體暴力表達;女性則把進攻性轉化成人際關係中的暴力,這很典型,比如發脾氣、嘮叨、指責人、讓人沒好日子過,甚至下毒,這些不算是身體暴力,但是更為隱蔽。有計畫的下毒謀殺是女性行為,而不假思索地身體暴力則是男性行為。

平均來說,女性的大腦比男性輕150克。一般來說,女性的胼胝體較男性大,但這是否代表著重要意義,仍然存在爭議。

在男性與女性的腦中,下視丘存在著肉眼可見的差異。男性的下丘腦顯得非常大,而且僅在男性中把性衝動和暴力傾向結合在一起。下丘腦的這些部分中充滿了雄性荷爾蒙睪丸激素。如今專家認為,自閉症患者的缺陷線路部分是由睪丸激素的災難性效果引發的。研究顯示,超過一半的專家症候群患者患有自閉症,與他人交流存在巨大障礙。他們覺得人的表情是個謎團,其原因可能是大腦皮層左半球存在缺陷,而這是由睪丸激素引起的。在胎兒的生長過程中,大腦左半球發育要遲於右半球,所以如果有什麼物質會造成危害,它暴露在其中的時間會比右半球長,因而會有較高的風險存在。事實證明,睪丸激素這種雄性荷爾蒙對某些人來說,對神經組織是有害的。事實上,影響第二性徵發育的睪丸激素水平,在男性與女性胎兒都會產生,但是男性胎兒的濃度會高很多。研究學者先在子宮中測量羊水中的激素水平,接著追蹤觀察孩子出生以後的情況。結果他們發現,這些胎兒時期體內有較高睪丸激素水平的孩子,在一歲的時候與他人的眼神交流較少,到兩歲的時候,學說話的速度也比較慢。

4.小結编辑

專家症候群的研究結果,促使心理學者重新審視智力理論,尤其是g因素和特定能力理論(或是一般智能和模組智能)的論戰。加德納就認為專家症候群的出現,說明智力是由多種能力組成的;但是專家症候群的特殊表現但受限於一般智能的研究發現,隱含著特殊能力與一般智能的並存(Gardner, 1983)。因此,這兩種智能如何互相影響進而展現出人類多元複雜的智力表現,是智力理論研究未來必須回答的問題。

5.與自閉症、亞斯伯格症相關性编辑

約有10%的自閉症兒童和亞斯伯格症候群患者會表現出學者症候群的特徵。 約有一半的學者症候群患者具有一種自閉症系列的障礙,而其餘的患者則具有腦損傷或者腦疾病。

6.著名的學者症候群者编辑

智力

  • 翟本喬,(Ben Jai,1966年-)生於台灣台北市,於台灣發生學運期間一夕爆紅,從小聰明過人,展現在各領域過人的天賦,不僅跳級念書,智力經檢測候得240分,到美國進修工程相關的學業之後,發明了台灣第一個交通號誌的控制系統,現今在台灣經營自己開發的雲端科技公司。
記憶力
  • 金·匹克(Kim Peek, 1951年11月11日-2009年12月19日):生於美國猶他州鹽湖城。為美國電影《雨人》(Rain Man)的原型。金·匹克出生時因巨頭畸形導致小腦受損,胼胝體發育不完全。但腦部的異常卻給他了超凡的天賦:他對數字的計算能力和記憶力非常驚人。金能夠記得他出生後16至20個月的事情,也能背誦上12,000本書且每頁只需要約10秒鐘便可以將讀到的東西清楚的記下來,書的內容包羅萬象,包含:歷史、文學、地理、數字、體育、音樂和年代。然而,這等腦傷也導致了他有嚴重自閉症的認知和行為障礙。因為他的小腦損傷,而小腦是控管運動調節的主要區域,他四歲時才會走路,而他一生為止都是橫向走路的,他也對繫扣子等細微動作有障礙。在心理學測驗中匹克的智商低於平均值,但是在一些特殊的測試中他的測試值遠高於一般人。
音樂
  • 萊斯理·蘭姆克:只要聽過一次樂曲,就能仿照演奏
  • Tony DeBlois:失明,能記住大約8000首樂曲
  • Derek Paravicini:失明,9歲就舉辦首次音樂會
語言
  • Christopher Taylor:能聽說讀寫17種語言。Christopher 是個自閉症患者,但卻從小展露過人的語言學習能力,三歲就能讀法文書,能靠自己讀外文書來自學語言,總共會20多種不同語言。
算術
  • Thomas Fuller:美國黑人奴隸,能心算多位數乘法
  • 丹尼爾·譚米特(Daniel Tammet):於其自傳《星期三是藍色的》中,提及自己驚人的計算能力(特有的圖形法)及背誦圓周率至小數點後第22,514位。他對數字有獨特的情感,並認為數字有他們圖特的形狀、色彩,也有自己的個性和形象,例如,1是白色,89是下雪,11友善,4害羞。他也熱愛閱讀並時常待在圖書館,因為他認為文字也有顏色和表情。這種特殊的感覺稱為「聯覺」、「共感覺」。
  • 周瑋:被稱為「中國雨人」的心算高手。
美術
  • 克雷蒙(Alonzo Clemons):擁有極佳的雕塑能力。克雷蒙在嬰兒時期學習能力極佳,但大約三歲時因為意外摔落,導致腦部受到嚴重的創傷,造成他的認知發展急遽減緩並造成嚴重的智能損害,包括詞彙和語言方面的障礙。但是他也開始發展出超凡的雕塑天賦,他可以在只看一眼雜誌上馬的照片後,半小時內就雕塑出栩栩如生、包含肌肉和肌腱等細節的立體馬兒。
日曆運算
  • 西瑞爾(Orlando Serrell):十歲時有一天被棒球擊中後昏迷,當他從腦傷恢復後,竟然開始可以說出受傷後的每一天是星期幾和當天的天氣,並能夠記得每一天大部份的生活細節。

七、人工智能编辑

人工智能(Artificial Intelligence),也稱為機器智能。相對於人類和其他動物的天賦智能,是指機器智能能夠通過複雜電腦運算程式來模仿人類天賦的智能技術。換言之,任何機器智能夠感知其週遭環境、學習如何解決問題並採取適當行動再以最佳方式去實現其指定目標。例如人類語音識別系統、汽車自動駕駛系統、智能網絡傳遞系統、模擬軍事演習系統、國際象棋和圍棋等系統,這些通常都被歸類為人工智能系統。人工智能可以建構跟人類相似甚至超越的推理、知識、規劃、學習、交流、感知、移動和操作物體的能力等。截至目前有許多的工具應用了人工智慧,項目眾多,包括搜尋和數學最佳化、邏輯推演。除此之外,基於仿生學、機率論和經濟學的演算法等等也在逐步探索當中。 在計算機科學中,人工智能(AI),有時也稱為機器智能,是機器所展示的智能,與人類和其他動物展示的自然智能相反。計算機科學將人工智能研究定義為對“智能代理人”的研究:任何能夠感知其環境並採取行動最大化其成功實現目標的機制的設備。更詳細的是,Kaplan和Haenlein將AI定義為“系統正確解釋外部數據,從這些數據中學習,並通過靈活適應使用這些學習來實現特定目標和任務的能力”。通俗地說,當機器模仿人類與其他人類思維相關的“認知”功能時,應用“人工智能”這一術語,如“學習”和“解決問題”。人工智能的範圍存在爭議:隨著機器越來越強大,被認為需要“智能”的任務通常會被從定義中刪除,這種現象稱為AI效應,導致Tesler定理中的諷刺,“AI就是沒有的東西已經完成了。例如,光學字符識別經常被排除在”人工智能“之外,已經成為一種常規技術。通常被歸類為AI的現代機器功能包括成功地理解人類語音,在戰略遊戲系統(例如國際象棋和圍棋)中的最高級別競爭,自主運行汽車,以及內容傳遞網絡和軍事模擬中的智能路由。借鑒管理文獻,Kaplan和Haenlein將人工智能分為三種不同類型的人工智能係統:分析,人類啟發和人性化人工智能。分析AI只具有與認知智能相一致的特徵,從而產生世界的認知表徵,並使用基於過去經驗的學習來為未來的決策提供信息。除了認知元素之外,人類啟發的人工智能還具有認知和情感智力,理解,以及在決策中考慮他們的人類情感。人性化AI顯示了所有類型能力(即認知,情感和社交智能)的特徵,能夠在與他人的交互中自我意識和自我意識。人工智能是在1956年成立的一門學科,多年來經歷了幾波樂觀,之後是失望和資金流失(被稱為“AI冬天”),接著是新的方法,成功和新的資金。在其歷史的大部分時間裡,人工智能研究已被分為通常無法相互溝通的子領域。這些子領域基於技術考慮,例如特定目標(例如“機器人”或“機器學習”),特定工具(“邏輯”或人工神經網絡)的使用,或深刻的哲學差異。 子領域也基於社會因素(特定機構或特定研究人員的工作)。人工智能研究的傳統問題(或目標)包括推理,知識表示,計劃,學習,自然語言處理,感知以及移動和操縱物體的能力。一般情報屬於該領域的長期目標。方法包括統計方法,計算智能和傳統的符號AI。 AI中使用了許多工具,包括搜索和數學優化的版本,人工神經網絡以及基於統計,概率和經濟學的方法。人工智能領域利用計算機科學,信息工程,數學,心理學,語言學,哲學等等。該領域的基礎是人類智能“可以如此精確地描述,可以使機器模擬它”。這引發了關於心靈本質的哲學論證以及創造具有類人智慧的人造生物的倫理,這些問題是自古以來神話,小說和哲學所探討的問題。有些人認為人工智能如果不斷發展就會對人類構成威脅。其他人認為,與以往的技術革命不同,人工智能會造成大規模失業的風險。 在二十一世紀,隨著計算機能力,大量數據和理論理解的同步發展,人工智能技術經歷了復甦;人工智能技術已經成為技術行業的重要組成部分,有助於解決計算機科學,軟件工程和運籌學中的許多挑戰性問題。

人工智能系統基本上可以分為三種:

  1. 分析功能:分析功能的人工智能具有認知智能的特徵,它主要是利用過去人類積累的知識和經驗作為基礎再為未來的決策提供信息。
  2. 人類情感功能:具有情感智力、理解,以及在決策中會加入了人類情感的因素在決策中。
  3. 人性化的人工智能:具有認知,情感和社交智能的特徵,能夠與人在日常交往中表現出獨有的自我意識和個性。

但是,以到目前為止的發展來說,人工智慧與人類智能還是有很大的差距。下表中列出人工智能與人腦之間的優缺點比較[8]

性能 人腦 人工智能
消耗功率 20W 107W
強健性(Robustness)
推理能力
感知能力
原理、常識 豐富
可解釋性
學習能力
學習速度
記憶力
計算能力
計算速度

由上表中可歸納出,人工智能在推理能力與跨領域的知識整合是有待加強的,不過學習及計算的能力則遠優於人類。 儘管AI具有強烈的科幻內涵,但AI構成了計算機科學的一個非常重要的分支,處理機器中的行為,學習和智能適應。人工智能研究涉及使機器自動化,需要智能行為。例子包括控制,計劃和安排,回答客戶診斷和問題的能力,以及手寫識別,語音和麵部。這些事情已成為獨立的學科,專注於為現實生活中的問題提供解決方案。 AI系統經常用於經濟學,醫學,工程學和軍事領域,如在幾個家庭計算機和視頻遊戲軟件應用程序中建立的那樣。這種“人工智能”不僅要了解智能係統是什麼,還要構建智能係統。 1.智力:獲取知識和使用知識的能力2.通過“智力測驗”測量的智力

從廣義上講,AI分為兩個概念,即常規AI和計算智能(CI,Computational Intelligence)。傳統的AI主要涉及現在歸類為機器學習的方法,其特徵在於形式主義和統計分析。也稱為符號AI,邏輯AI,純AI和GOF,Good Old Fashioned Artificial Intelligence。方法包括:1。專家系統:運用考慮的能力得出結論。專家系統可以處理已知的大量信息,並根據這些信息提供結論。 2.基於案例的考慮因素3.貝葉斯網絡4.基於行為的AI:用於手動建立AI系統的模塊化方法計算智能涉及迭代開發或學習(例如,在連接系統中調整參數。這種學習基於經驗數據並且是相關的具有非符號AI,不規則AI和軟計算。主要方法包括:1。神經網絡:具有很強模式識別能力的系統2.模糊系統:在不確定性下考慮的技術,已廣泛應用於現代工業和消費者產品控制系統3.進化計算:這些方法主要分為進化算法(如遺傳算法)和群體智能(如天線)。算法)使用混合智能係統,進行實驗以結合這兩組可以通過神經網絡或來自統計學習的生產規則來生成參考規則,如在ACT-R中那樣。通過技術加強情報智能是一種加強情報的方法,試圖在進化過程中實現人工智能。 人工智能的歷史在17世紀早期,RenéDescartes認為動物身體只不過是複雜的機器。 Blaise Pascal於1642年發明了第一台機械數字計算機.19歲時,Charles Babbage和Ada Lovelace致力於可編程機械計算器。 Bertrand Russell和Alfred North Whitehead發表了Principia Mathematica,它修改了形式邏輯。 Warren McCulloch和Walter Pitts在1943年發表了“保留在活動中的邏輯邏輯演算”,為神經網絡奠定了基礎。 20世紀50年代是人工智能的積極努力時期。第一個人工智能程序是在1951年編寫的,用於運行英國曼徹斯特大學的Ferranti Mark I引擎:由Christopher Strachey編寫的劇本遊戲程序和由Dietrich Prinz編寫的國際象棋遊戲程序。 John McCarthy在1956年為這個問題提供的第一次會議上提出了“人工智能”一詞。他還發現了Lisp編程語言。 Alan Turingmemper被介紹為“圖靈測試”,作為實施智能行為測試的一種方式。 Joseph Weizenbaum建立了ELIZA,一個應用Rogerian心理療法的聊天機器人。在20世紀60年代和70年代,Joel Moses在Macsyma計劃中展示了象徵性問題的力量,Macsyma計劃是一項在數學領域取得成功的知識型計劃。 Marvin Minsky和Seymour Papert發表了Perceptrons,它展示了簡單的神經網絡邊界,Alain Colmerauer開發了計算機語言Prologue。 Ted Shortliffe展示了基於規則的醫學治療表示和診斷系統的強大功能,有時也被稱為第一個專家系統。漢斯莫拉維克開發出第一台計算機控制的車輛,獨立處理糾結的星形道路。在20世紀80年代,神經網絡被廣泛用於反向傳播算法,首先由Paul John Werbos在1974年解釋。1982年,像Hopfield這樣的物理學家使用統計技術來分析存儲屬性和網絡優化神經。心理學家David Rumelhart和Geoff Hinton繼續研究記憶中的神經網絡模型。 1985年,至少有四個研究小組重新發現了反向傳播學習算法。該算法在計算機科學和心理學中得到成功實施。 20世紀90年代,人工智能和各種應用的示範都取得了巨大進步。更具體地說,國際象棋電腦遊戲Deep Blue在1997年的一場著名的6場比賽中被擊敗.DARPA表示,通過應用AI方法節省的成本被所有投資所取代。自1950年以來人工智能研究到美國政府。 DARPA於2004年開始的巨大挑戰是贏得200萬美元獎金的比賽,車輛由沒有與人類通信的人駕駛,使用GPS,先進的計算機和傳感器,跨越數百英里的挑戰沙漠地區。

強人工智慧與弱人工智慧

「人工智慧」這個名詞最初是在1956年DARTMOUTH學會上,由約翰·麥卡錫提出的,代表「人工智慧」這門新興學科的正式誕生。在此我們要討論,從「智慧」的本質上來說,人工智慧是否真正擁有「智慧」呢?也就是說,機器是否能夠做到「像人一樣理性地思考」或「像人一樣理性地做決策」?許多哲學家在探討此議題,而美國哲學家約翰.瑟爾 (John Searle)則提出依照人工智慧達成目標的可能性,將人工智慧分為兩種:「強人工智慧」(Strong A.I.或Bottom-up A.I.)以及「弱人工智慧」(Weak A.I.或Top-down A.I.)。

  • 弱人工智慧(Weak A.I. or Top-down A.I.)

在此觀點中,認為我們很難製造出真正具有推理及分析能力地機器。這些機器只是遵循著我們人類所制定的條件判斷與運算來執行程式(也就是Top-down),以致於能讓它們看起來是「有智慧的」,但是它們並不是真正擁有自主意識。

  • 強人工智慧(Strong A.I.或Bottom-up A.I.)

強人工智慧是指是具備與人類同等,或甚至超越人類的人工智慧,為人工智慧研究領域的主要目標之一。之所以稱為Bottom-up A.I.,是由於強人工智慧是由下而上主動去學習知識,去感知以及分析情況。

以目前的人工智慧的研究進度來看,相關領域的專家已造出許多「看起來」具有智慧的機器,特別是在類神經網絡的發明及研究在人工智慧領域具有相當大的指標性。這些人工智慧已經有相當多的實際應用,但對於要如何將這些整合成強人工智慧,現在還沒有明確定論。

類神經網路與深度學習

類神經網路,又稱人工神經網路(Artificial Neural Network, ANN),是一種常用且被廣泛研究的一種機器學習演算法。它是一種模仿生物神經網路的數學計算模型。在人工神經網路中,許多稱作神經元(neurons)的人工節點互相連接,起形成一個類似生物神經網路的網狀結構。近年來類神經網路因為在很多工作上都表現出遠超其他演算法的正確率,所以佔了人工智慧領域的主要地位。

  • 生物神經元與人工神經元

在生物體中,訊息處理與傳遞是由神經元藉由傳遞化學訊號與電訊號來完成的。神經元主要由樹突(Dendrite)、細胞本體(cell body)、與軸突(Axon)組成,如右圖。一般情況下,訊號在一個神經元的傳遞過程是由樹突接受刺激起始,將訊號傳到細胞本體分析後,最後由軸突傳出。在複雜的神經傳導路徑中,可能涉及許多層的神經元,這時前一個神經元的軸突末端會在稱為突觸(Synapse)的位置釋放化學分子,將訊號傳到神經元的樹突,並開始在下一個神經元的訊號傳導。

我們通常在圖上以一個「節點」來代表人工神經元。如下圖,人工神經元會接受許多輸入 ,這些輸入可能是來自前一層神經元,藉由突觸傳導過來的。因為每個輸入所佔的的影響比率有所不同,必須要對它們進行加權,我們指定給每個突觸一個權重 ,而最終期望得到一個加權總合 。在神經元本體中,會將個總和加上一個起偏值 後,得到 ,這個值稱為「啟動值(activation value)」。而 繼續經由一個活化函數(activity function) 的作用後,即產生輸出值 

下表整理了生物神經元與類神經元的功能對應關係:

生物神經元 類神經元
樹突(dendrite) 輸入
細胞體(soma) 啟動與活化
軸突(axon) 輸出
突觸間隙(synapse) 權重
  • 感知器

類神經網路發展出的第一個應用實例為1957年由Frank Rosenblatt所發明的「感知器(perceptron)」,這個類神經網路僅含有一個「輸入層」與一個輸出的神經元,也就是多輸入單輸出的神經元。雖然感知器有很強大的效用,不過不久後就被證實它只能用來學習出「可線性分離」的模式,因為活化函數值只與啟動值 有關,而 又是一個輸入值 的線性函數。一如Marvin Minsky與Seymour Papert所指出,此模型無法學習出XOR的基本運算。感知器的活化函數 通常遵守神經動作電位的全有全無律,以數學式精確定義如下:

 

感知器有計算快速、易於解釋、方便使用等優點,因此常用在只需要得出離散結果的模型,如滿意度調查、商品選擇與候選人投票結果等。但是因為它只能用來處理可線性分離的資料,所以適用範圍其實非常侷限。雖然如此,感知器在人工智慧的發展歷史中仍然佔有很重要的角色。

  • 多層神經元網路

以上所介紹的感知器又稱為「單層前饋式神經網路」。「前饋式」是指訊號沿著神經單向傳遞,只會從輸入層傳向輸出層;而「單層」則是指輸入層後方只有一層輸出層。很快的我們發現,可以從感知器的模型往後繼續做推廣。例如可可以由同一組輸入根據不同的加權值產生許多輸出,亦即輸出層有許多神經元,但這還是在單層網路的線性範圍內。同時如果將這許多的神經元輸出值,又當作下一層神經元的輸入值,則我可以構造數層神經網絡,如下圖所示。

更精確來說,我們可以定義 為「第 層的第 個神經元」與「第 層的第 個神經元」之間的權重。若我們將所有層的輸入與輸出寫成向量形式,那麼層與層間的權重就可以用一個矩陣來表達。如下述的表示法:

 層的輸入寫為   層至第 層的起偏值寫為   層至第 層的權重寫為  
   那麼就有以下關係式:  

我們將第一層稱為輸入層(input layer),最後一層稱為輸出層(output layer),而中間數層稱為隱藏層(hidden layer)。由於經過一層的神經元進入下一個神經元的過程中,會經過「活化函數(activity function)」的作用,如果這個活化函數是非線性函數,則我們就可以擺脫感知器的限制,實現非線性的分類。事實上,「一般定理(Universal Theorem)」指出了,任何一個函數都可以利用至少一層的類神經網路來無限逼近。

研究課題

目前人工智能技術的研究課題主要是利用計算機和機器,通過複雜電腦運算程式來模仿人類的智能技術。而模擬或創建智能技術可以分為不同領域,以下描述的領域是比較多人關注:

  • 演繹、推理和解決問題(Reasoning, problem solving)
  • 知識表示法(Knowledge representation)

知識表示法的目標是讓機器儲存已知和相關的知識,並且按照某種規則去推理和演繹從而得到新的知識。已知和相關的知識包括事先儲存的先驗知識和通過智能推理得到的知識。事先儲存的先驗知識是指:人類通過某種方式儲存在機器的知識。通過智能推理得到的知識是指:結合先驗知識和某種特定的推理規則「邏輯推理」而得到的知識。目前知識表達法有許多困難尚無法解決,比如:由於資源限制,建立一個完備的知識庫幾乎不可能;先驗知識庫的準確性需要事先進行檢驗,而且先驗知識有時候不一定是只有對或者錯的兩種情況。

  • 規劃(Planning)

人工智能的核心智能(intelligent agents)必須能夠制定目標和實現這些目標。核心智能以數學模型建立一個可預測的世界模型,並以這模型來預測將來可能發生的事情,同時提供最好的方案予決策者選擇。

  • 學習(Learning)

機器學習(machine learning)是讓機器從使用者和輸入數據等地方獲取知識,從而讓機器自動地去判斷和決定如何運算,最後再輸出相應的結果。以下分別詳細介紹機器學習的四種分類以及學習步驟流程。

機器學習的流程大致上可歸類出以下依序七個步驟:

  1. 收集資料(Gathering data)
    為了方便理解,在這裡假設我們要讓機器判定一杯酒究竟是啤酒或者是葡萄酒。那麼在使機器正式開始學習之前,我們必須要先選定,究竟要採用哪些指標來使機器做為判定依據?這步驟是非常重要的,因為會直接影響到訓練機器的效率以及正確性。以本例來說,我們可以選擇顏色(以下稱為變數x)、酒精濃度(以下稱為變數y)等指標,接著就可以設置相關量測裝備來取得這些資料。
  2. 準備數據(Preparing that data)
    在取得相關資料後,我們就可以開始整理欲輸入機器的資料了。在這裡要將數據分成兩組,第一組資料是用來訓練機器(第4步驟),使機器具有判斷分析能力。第二組資料是用來測試訓練出來的成果(第5步驟),用來評估模型的合適性。同時,在這裡我們應該也要簡單判斷一下輸入的數據是否恰當,比如說,如果用來訓練的數據啤酒佔了大多數,而葡萄酒只有少數幾杯時,那麼可能會造成訓練出來的結果會使判斷過度偏向於啤酒。
  3. 選擇模型(Choosing a model)
    依照輸入與輸出資料模式的不同,我們也應該要選用不同的模型來作學習。機器學習有許多常用的相關演算法,在不同情況時可以妥善的選擇運用,常見的三種學習模式在下一個部分會詳述。如在本例中,我們就可以使用有關分群的演算法來解決問題。更精確來說,我們設計的模型可能是,當mx+y+b>0時判斷為啤酒,而當mx+y+b<0時判斷為葡萄酒,其中m和b為未知的參數,將在下一個步驟決定。(x為顏色,y為酒精濃度)當然此模型不一定是好的,在這裡只是舉例說明而已。
  4. 訓練機器(Training)
    這部分是機器學習的重點關鍵步驟。在上一步驟選用的模型中,有許多參數(如m和b)是還未決定的。在此步驟中,我們會將第2步驟準備的數據輸入機器,並經由上述模型的判斷結果與正確結果進行比對,如果比對結果不佳,就應該調整模型中的參數。在經過一次又一次的重新判斷、比對並修改參數的過程中,會使判斷的正確率逐漸提高。如果比對的正確率一直不如預期卻也不再上升,那麼可能是上一個步驟選用的模型不夠好。
  5. 評估分析(Evaluation)
    當機器訓練至正確率不再提升、或者已經達到足夠的正確性時,就可以將第2部分準備好的測試數據拿來檢驗機器訓練的成果。畢竟若訓練結果與學習數據非常擬合(甚至可能會有過擬合的狀態出現),也不代表對於其他的數據也適用。這時候就需要用額外的數據來做檢驗。
  6. 調整參數(Hyperparameter tuning)
    若此學習成果評估之後視為可被採用,那麼我們可以繼續給予更多的數據始之學習,可以對參數做一些更精確的微調。
  7. 預測推論(Prediction)
    經過以上重重的步驟,最後我們的機器就有一定的判斷能力,可以依照數據來預測或者推論結果了。

機器學習依照學習以及輸出模式的不同,分為三個類別:監督式學習(Supervised Learning)、非監督式學習(Unsupervised Learning)、強化式學習(reinforcement learning)。

  1. 監督式學習(Supervised Learning)
    在這種學習模式中,我們會先為準備的學習資料(數據)進行「標籤化(labeled)」的程序。這些標籤就像標準答案,訓練過程中判斷的結果可以和此標準答案進行比對,以修正參數取得正好的正確性,因此一般來說監督性學習的準確率是較高的。不過監督式學習在收集資料以及準備數據的程序上需要耗費較大的人力,所以面對未知領域時會遇到瓶頸。
    舉例來說,上述「分辨啤酒與葡萄酒」即是一種監督式學習,因為提供給機器學習的數據中有標示哪些是啤酒、哪些是葡萄酒(標籤)。另外常用的例子如分辨垃圾郵件的工具等,可以使用監督式學習的方法來實現。
  2. 非監督式學習(Unsupervised Learning)
    在非監督式學習中,提供機器學習的資料不必以人工加上標籤。機器會依照演算法來尋找資料的共通點,依照「物以類聚」的特性加以分類,但機器本身並不知道分類結果是否正確。由於不須加上標籤的特性,使它成為資料探勘初期的好工具,且能大幅減少人力需求。不過缺點是,非監督式學習的功耗較大,且正確率較監督式學習低,且可能造成非重點特徵被過度放大。聚類分析是最常見的一種非監督式學習,且在其中K-means是最常用的演算法。
  3. 增強學習(reinforcement learning)
    在強化式學習中,我們不需要給機器任何的資料,機器會直接從互動中去學習,這也是接近人類最自然的學習方式。
    強化學習的一個經典理論是「馬可夫決策過程」(Markov Decision Process)。在過程中,機器會藉由現在的狀態轉移成下一個狀態。若轉移的過程使得與目標距離更接近,則會得到一個正向回饋(positive reward),若與目標距離更遠,則會得到一個負向回饋(negative reward)。雖然我們不會明確地將每一步的好壞標籤化讓機器讀取,不過它會根據反饋的好壞,逐漸修改內部的參數,最後得到有效力的結果。
    以下棋來舉例,我們可以設定一些參數,由這些參數可以計算棋盤狀態的回饋函數。如果此狀態與贏棋的狀態越接近,就回饋越高的分數,機器則會選擇使接下來分數最高的步數來下。那麼我們只要利用兩組不同的參數的機器互相對弈,就可以根據輸贏的結果慢慢調整參數,使勝率提高。如此一來,我們只要告訴電腦基本的規則,則可以讓其依照自我對弈的過程中,找出勝率最高的下法。


以上介紹的三種機器學習模式,是根據他們的「學習風格」來做分類的。我們也可以根據實作的方式不同,而將這些實踐學習的演算法分類。例如,在監督式學習的某些技術中,可能只適合特定的「分類」或者「迴歸」工作,而分類與迴歸等同樣的實作類型,也就可以歸類為同一種類的演算法。以下列出並簡單介紹幾種常見的機器學習演算法。

  1. 線性迴歸(Linear Regression)
    線性迴歸是統計學和機器學習中最知名且易於理解的算法之一。
    在機器學習中,我們有一組輸入變量(在此記為x),用於確定輸出變量(在此記為y),輸入變量和輸出變量之間存在關係,機器學習的目標是量化這種關係。在線性迴歸中,輸入變量(x)和輸出變量(y)之間的關係表示為y = a + bx形式的等式。因此,線性迴歸的目標是找出係數a和b的值。這裡,a是截距,b是線的斜率。
    更一般來說,如果輸入變量為隨機樣本 ,我們要找到一組參數 , 在此我們將  的關係寫為
     
    ,其中 為誤差項。我們必須找到一種方式來評估一組參數是否吻合數據,而最常採用的一種方法為「最小平方法」,我們使用以下的方差和做為衡量的依據: 。我們的目的是最小化此方差和。
  2. 邏輯迴歸(Logistic Regression)
    線性迴歸預測是連續值(例如以cm為單位的降雨量),邏輯回歸預測是應用轉換函數後的離散值(例如學生是否及格)。Logistic迴歸最適合二進制分類(y = 0或1的數據集。例如:在預測事件是否發生時,發生的事件被歸類為1,未發生為0)。它以其中使用的變換函數「邏輯斯函數」命名,數學式寫為 ,它是S形曲線。
  3. 決策樹(decision tree)
    決策樹是由許多決策節點構成,每個節點均有檢察某特定屬性的變量,而「葉節點」,即最終端的節點,則是表示目標變量之值。決策樹是一種分類器,從根節點開始,逐步向葉節點移動,即可達成分類的效果。生物分類法的分類樹即為一例。
  4. K-means
    集群演算法是一種非監督式學習的機器演算法,而最常見的集群演散法即為K-means。此演算法的目的是要將所有樣本分類至k個不同的子集群之中。我們以下列的順序來達成此演算法的目的:首先,隨機選擇k個點,接著對於每個質心,都找到與其距離最近的點,並將這個點與質心結合為一個群組起來。此時我們從新計算每個子集合的中心點,並將此中心點重新定義為此集合的質心。接著重複以上步驟(找最近的點、重新定義質心),直到質心不再移動為止。
    下面給出一個利用K-means演算法的實際案例。若連鎖披薩公司計畫在一座新的城市開設五個據點,則數據點就是客戶訂購的貿易位置,而我們就可以利用這些點來做K-means演算法找出五個質心的位置。


  • 自然語言處理(Natural language processing)
    如語言識別:將人類的語音訊息轉變成電子檔的模式,成為相對應的文字,包括語音撥號、語音導航等應用。
  • 感知(Perception)
    機器感知是指能夠使用感測器所收集的數據(如照相機、咪高峰、聲納以及其他的特殊感測器),然後推斷外在環境的狀況。
實際應用
  • 防治傳染病

人工智能系統用於預測流行疫情爆發是十分巨大,醫學流行病學(Aime)人工智能系統可以提前三個月凖確預測登革熱疫情爆發,凖確率達到 88% 左右。在醫學領域,以瘧疾為例,過去一旦醫院收到疑似病例,需將影像檔送至疾管署,以人眼判讀是否感染,現在得益於人工智慧的輔助,經過半年多的訓練,電腦判讀惡性瘧原蟲準確度超過9成,未來有望建立瘧疾血片資料庫。

由於人工智慧的發展,未來也有望能夠使用完善資料導入大數據分析,使人類對於流感的預測能夠更為準確。

原文網址: 獨/AI人工智慧揪出瘧疾 疾管署「鷹眼專家」終能退休了 | ETtoday健康雲 | ETtoday新聞雲 https://health.ettoday.net/news/1210503#ixzz5ZjxBStr2 Follow us: @ETtodaynet on Twitter | ETtoday on Facebook

原文網址: 獨/AI人工智慧揪出瘧疾 疾管署「鷹眼專家」終能退休了 | ETtoday健康雲 | ETtoday新聞雲 https://health.ettoday.net/news/1210503#ixzz5Zjx6Rrd0 Follow us: @ETtodaynet on Twitter | ETtoday on Facebook

  • 應對槍械暴力

有一種自動化系統利用傳感器監聽槍聲(ShotSpotter),然後精確計算槍聲所在的位置,並在 45 秒內向相關機構發出警報。機器學習技術被用來確定聲音是否是自動武器槍擊聲,並計算出它們的數量,從而幫助警察確定他們要對付的是獨行槍手還是有多名槍手。

  • 預防饑荒

研究人員與植物病專家合作開發了一套人工智能系統用於消滅木薯疾病。Mcrops項目允許農民使用智能手機拍攝植物,並使用經過訓練的計算機視覺來檢視造成木薯作物損害的四種主要疾病的跡象。

  • 控制電力應用

研究人員正在開發機器學習運算法,以實時監控能源生產和需求。這樣做當需求處於低位時,能源可以儲存起來,然後在高峰的時候再釋放出來。隨著電動汽車和電池越來越普及,這項技術可以利用這些設備儲存能源,並消除可再生電力供應不穩定的問題。

  • 醫學診斷上之應用

人工智慧於醫療上的最大應用,也是相較於人類最大的優勢,即是數據分析。而依照數據分析的資料特性又大致可分為以下四個不同的種類:

一、編碼資料:有許多醫療相關的資料都經過標準編碼,且經過編碼過的資料,對於電腦而言知識密度最高,且最容易使用。如台灣在健保制度下的電子病歷即是一例。

二、影像資料:利用人工智慧來進行醫療檢查的相關影像資料,將可以有效減低醫師的負擔,並且AI在影像判讀的速度與正確率都漸漸追上人類甚至優於人類。事實上,在2015至2016年間,荷蘭Radboud大學醫學中心的團隊已由實際測試證實,以深度學習演算法訓練的人工智慧來診斷乳腺癌組織切片中淋巴結的轉移,其正確率與專業的病理學家相當。台灣因健保給付而減低醫療檢查的成本,使醫療檢驗成為家常便飯,所以若使用AI來處理大量影像資料,也可減少人為判斷疏失的風險。

三、自由文字:指人類使用的語言,包含語意、文法,以及前後文的呼應。這些自然語言處理的技術,已經有許多成功的例子,如Siri、Google Home等,而在醫學領域的代表則為能夠輔助癌症診斷的IBM Watson,它已經進化到能夠幫人類讀文章。而值得注意的是,中國科大訊飛開發出的AI機器人「小易」高分通過2017年臨床執業醫師的筆試。此機器人是藉由「多語意深度學習」的方法自主學習並理解題目,利用推理判斷能力來解題,並非使用題海戰術。此能力能夠使機器人學習各種臨床醫學資料,建立完整的醫學知識庫。

四、生理訊號資料:近來的發展趨勢是希望能利用各種穿戴式裝置,來持續的長時間收集病患的心跳、血壓、呼吸等生理資訊,這些大量的資料會由AI進行有效率的分析。此為人工智慧與物聯網的結合應用。

AI在醫療照護上,最終的目標是要達到精準預測以及精準預防。以目前的醫療實況來說,往往是「只看疾病不看個人」,但因為年齡、性別以及個體上更基本的差異等也會影響到特定治療方法對於個人的療效不同。不過若要將這些種種因素全部考慮進來,對於人腦來說幾乎是無法辦到的,於是需要AI的輔助下才有可能完成。我們希望AI針對某些問題能夠提供醫師客觀理性的協助,或者評估某疾病的發生率甚至預後分析等,這將會對醫療方面有莫大的幫助。越來越多疾病的診斷在大數據的統計下可以比醫生人為的判斷更為精確,也可以在各種主訴中尋找交集,找出最可能患病的原因。2014年《神經學》期刊在一篇探討「帕金森氏症診斷準確率」的研究論文提出,從過世的帕金森氏症病患大腦解剖,回頭檢視生前醫師給他們下的診斷,在病人剛發病時,只有26%醫生下了正確的診斷;再經過3、5年,看病人的神經反應、行為、對藥物的反應,診斷正確率可以達53%;拉長到8年、10年,準確度可以超過85%。其中人工智能在醫學上最出名的應用是一台叫做「Watson」的機器,利用其精密的數據分析及計算器巧,可以幫助人類對於資訊的取得更易理解和方便。另外IBM的Watson AI(人工智能系統)可以分析圖像,並評估病人的診斷書,從而凖確地識別出腫瘤病例,凖確率高達96%。但是此醫學應用之於人類的接受度還是個未知數,畢竟其作為醫生還是少了人性化的部分,但其作為醫學輔助器具想必會是個很大的突破。

  • 語音應答

對人類而言,說出一段話是在也正常不過了,但這對機器並不是如此,人工智慧其中一個研究重點就是使機器能直接用人類語言與人類溝通,為什麼這是有一定難度的呢?首先機器要先能具備辨識語音的功能,再來還要能理解一段話的意思,最後產生符合當下情況的應答,還要能將這個應答轉為人類語言。由於人類對語言的延遲非常敏感,所以上述程序需要被處理得相當迅速;另外,人類自然對話會講得十分快速、不清楚,以及同一句話會因為上下文的不同而有不同意思等等,種種因素都讓機器與人類對話非常困難。
在2018年,Google在其發表會上展示了Duplex,其可以為用戶打電話給餐廳、髮廊的真人店員進行預約、訂位,而且兩家店的店員都沒有察覺到與他們對話的是一個機器人。在髮廊的預約電話中,當店員說請稍後一下時,Duplex回應了「嗯哼」,並等候店員幾秒,這證明了Duplex可以了解對方語意,並使用似真人的應答模式;而且在Duplex欲預約時刻客滿的狀況下,Duplex給出了一個時段,讓店員選出一個有空的時間。而在餐廳的預約電話中,店員說毋需預約,Duplex不僅了解語意,甚至還主動詢問了餐廳等候的時間。
Duplex的功能還只限於替用戶預約時間,但是它的出現告訴了我們,實現真正機器與人類的自然對話不是不可能的;但這也產生了倫理道德爭議,人類其實不願意自己在不知情的狀況下與機器對話,以及在對話中雙方的地位與責任究竟要如何區分,還需要仰賴大眾廣泛的討論。

  • 影像處理

過去修圖軟體已可輕鬆移除靜態照片內不想要出現的物體,然而這項工作換到影片處理上,立刻變得繁雜而且得不到好的效果。原因在於影片是由數百甚至數千、數萬張的影格組成,即使每個影格單獨處理過,播放時仍可看見明顯的編輯痕跡。然而利用深度學習的技術,電腦可以猜測被選取物體背後之像素,並自動進行移除與填補修復。這項技術在Adobe Max 2017活動上展示的Project Cloak中可以看到十分完美的成果。這項功能提供了未來電影工作室一個更有效率的影片合成的選擇,也讓修改影片更輕鬆而且看不出痕跡,然而是否會被有心人士拿來做不法用途,則是另一個隱憂。[30]


目前AI可能衍生問題

目前出現的AI還只限於解決單一問題,還不能使其整合成強人工智慧,因此討論的問題限於目前AI可能會造成的問題。

  • 資安問題
  1. Deep fake:[31]
    融合了deep learning和fake兩個單字,是一種人像產生的AI程式,其原理是利用給定的人物特徵,將其合成到目標影片或圖片上。這項技術相當方便,有相當廣的運用。
    NVIDIA在2018年公布了多項研究成果,如:
    1. Image Inpainting可將圖片缺損的地方自動補起來,就算是人臉雙眼都被塗掉,仍可以將圖片修復為自然的人臉,或是它也能將圖片中我們不想要出現的東西修掉。[32]
    2. vid2vid這項技術可將草稿影片與圖片輸出自然的成品,如輸入的影片只是線條勾勒的人臉在說話,vid2vid可以自動將其填入顏色與細節,生成一個自然的人在說話,而我們也可以進行顏色、氛圍的調整。[33]
    3. Style-Based Generator不同圖片視為有不同的風格,在不需要人類參與訓練過程的情況下,可以將兩張不同人像,個別選擇不同的特質以供合成,甚至可以微調各項參數特質的強度,比如說頭髮的捲度、人像角度、年紀、性別等等。[34]
    4. 我們知道影片其實就是多張圖片連貫放在一起,一秒鐘有幾張圖片我們稱之為幀數(fps),幀數高影片就流暢,反之則不流暢。將影片速度放慢其實就是把換下一張圖片的時間拉長,因此幀數會下降,所以影片放慢是有極限的。Super SloMo則是將一段影片中再插入新的影像,參考的是前後幾張圖片,在中間生成一張新的圖片,由此我們可以將一段影片的幀數提高,再將其放慢,就可以生成高品質的慢動作影片。[35]
    這項技術原本是技術人員開源給大眾使用的,但是由於今日網路上人工智能學習資源的充足,因此有心人也能利用同樣的技術去做一些壞事。在2017年,一名叫做Deepfakes的匿名用戶在知名論壇上上傳了一些性愛影片,但是特別之處是Deepfakes將一些女星的臉合成到了原先的影片上,引發了軒然大波。而後又有影片將德國總理梅克爾的臉換成了美國總統川普的臉,甚至還有人將一段影片中牆上的標誌換成了德國納粹標誌。有一支影片也受到相當大的關注,製作者示範利用相同的技術,將演員說話的內容套到美國前總統歐巴馬臉上和聲音上,讓歐巴馬前總統說出一段不適合在公開演講說的話。
  2. 駭客可以藉由AI技術入侵電子產品中的安全漏洞,如我們現在很多的安全性密碼是透過指紋來辨識是否為使用者本人,美國紐約大學和密西根州立大學發表的論文顯示,AI可以生成假的指紋,雖然人眼可以一眼看出這是假的指紋,因為其上紋路並不是連續的;但是其上具有人眼看不見的微小圖像屬性,並且有些指紋辨識軟體允許指紋特徵只要符合一部份就好,讓兩家公司出售的指紋辨識軟體將AI生成的指紋信以為真。而指紋辨識在目前生活中最常見的地方就是手機了,可能對一般人造成的影響不會太大,但是全世界銀行正傾向利用指紋辨識來存取帳戶,光利用是這一點就會對全世界的金融造成一定程度的影響。
  3. 很多人在使用電腦的時候會將前鏡頭貼起來,一來是因為不常用到這項功能,二來是為了前鏡頭可能會受到駭客攻擊而進行遠端監控,而研究人員發現,電腦或是手機隨附的麥克風竟然也可以用來監控用戶的行為,利用螢幕的電流噪音,配合上該廠牌螢幕的顯示原理,便可以透過錄音分析出螢幕上顯示的內容[40]。其研究目標是將螢幕軟鍵盤按下的字母還原至以下十八個區間內:‘b’, ‘c’, ‘m’, ‘n’, ‘p’, ‘v’, ‘x’, ‘z’, ‘aq’, ‘sw’, ‘de’, ‘fr’, ‘gt’, ‘hy’, ‘ju’, ‘ki’, ‘lo’, 和空白鍵。研究結果顯示,使用高階麥克風錄音重現螢幕上的文字準確率達100%,而手機的麥克風錄音的準確率也可以達97%。上述研究之完整論文如下[41]。

這些技術若遭到濫用,很明顯的影響不只是個人,有心人士可以從中牟利,可以是金錢上的獲利,乃至政治上、國家安全上的問題,因此AI可以幫助我們是一回事,但要怎麼預防AI犯罪又是另一回事了,或許在科技發展的同時,我們也要想好因應策略才是上上之策。


  • 貧富差距、失業

自人類發展的歷史來看,每當一項改革性的技術大規模應用時,許多職業會面臨到被取代的危險中,目前AI的其中一個目標就是能達到真正的自動化,機器自行判斷在流程上可能會遇到的問題並自行修正解決,如自駕車技術的出現,目前各科技與汽車大廠紛紛組隊開發自駕車,如此一來許多以駕駛維生的人會面臨到失業的問題;或許自駕車的出現也會提供許多新的就業機會,但是入門門檻一定會比職業司機還要來的高,使得階級分化更為嚴重。


  • 錯誤及偏見

就如人一般,機器不可能是完美無缺點的,正常運作上可能沒甚麼問題,但是當有人刻意破壞「正常情況」時,有可能就可以為其所利用以及破壞,例如研究者發現如果在語音辨識系統中輸入特定噪音,就能夠改變翻譯結果,甚至讓機器說出特定的語句;另外,現今AI幾乎都是用機器學習來訓練模型,所以開發端餵甚麼資料,這個模型就會偏向資料的特性,因此開發者可能無意識中將人類有的偏見也帶進去這個AI模型中,而人類又偏向相信電腦不會偏袒任何一方,比如說罪犯預測系統,可能會因為餵進去的資料很多都是某個人種,最終訓練出的AI會對此人種有「歧視」的情形。


  • 倫理

由於現今的人工智慧幾乎都是基於類神經網路的想法,其佔了人工智慧領域的主要地位,數據輸入後,會進行非常大量的運算,因此我們很難知道機器如何處理數據;再者,因為在實驗室或實驗場的控制條件下,常常情況就是非黑即白的,但是現實生活中並不是如此,通常沒有絕對的對錯。若電車問題發生在自駕車行進的過程中,由於我們不清楚機器如何運算,因此我們也沒辦法預先知道機器會做出甚麼選擇,且機器在訓練過程中可能沒有這種資料,當問題產生時,究竟責任是在於誰,是工程師?是汽車製造商?是在車上的駕駛員(乘客)?還是被撞到的人事物?光是責任釐清就非常困難了,再加上可能會有人產生自駕車究竟有沒有權力代替人類行駛的疑問等等,都還需要相關專家與大眾進行討論與改變。

  • 資料取得來源與過程的爭議

在人工智慧進行資料探勘及學習的過程中,需要提供機器大量的數據。以醫療方面的應用為例,我們希望能夠藉由這些資料研發出協助醫師處理資訊及診斷的人工智慧。而數據的取得來源與過程,不可避免的引發了一些爭議,特別是利用病患的生理數據來進行研究、甚至研發商業產品的情況。以下整理了幾個代表性的案例。

第一個案例是Google DeepMind為了測試一個用來測量腎臟健康狀態的APP,而收集了倫敦皇家自由醫院的160萬條患者的診療紀錄。英國當局認為此行為違反「患者隱私法」,而這個事件後來也被BBC報導出來。

第二個案例與著名的Hela細胞系有關。1951年約翰霍普金斯醫院的醫師從患有子宮頸癌的女子Henriatta Lacks的子宮頸收集細胞並培養,最後變為世界上第一個永生細胞系。此細胞系後來在實驗上被廣泛的研究,但是她的家族並無得到任何補償,且在Henriatta Lacks去世20年後才知道這件事。雖然2013年NIH與其家人已達成研究相關的協議,不過她的家人仍然對此事耿耿於懷。

第三個案例仍與活體組織培養有關。1976年John Moore於加州大學洛杉磯分校接受白血病的相關治療,醫師在治療過程中因為想要研究某些現象,從他脾臟取出的細胞建立了一個細胞系,最後他的細胞甚至被用做商業用途,然而這件事並不為Moore所知。雖然不可否認的,醫師對於Moore的白血病做了相當良好的處理,不過在1990年Moore得知此事後仍然決定起訴。法院認為Moore雖不擁有醫師創建的細胞系,但醫師有義務將此細胞系的相關研究以及商業用途告知Moore。最後Moore與其醫師在庭外達成和解,不過Moore仍有被欺騙的感覺。

接下來是這些案件的倫理討論。資料取得的相關倫理爭議,主要是基於「科學研究成果或商業價值」與「患者權利」之間的衝突。有一派的觀點認為,對於患者來說,無論是活體組織或者是生理數據都屬於這個人的相關信息。雖然這些數據是醫師所創造的,但與患者之間的直接關聯性是不能被忽略的,也就是說,患者也應該享有部分與之相關的權利,例如查看這些數據的權利。在法律訴訟案中,某個小孩出生的血液樣本被拿來進行研究,其母親表示:若研究人員來詢問她,她會同意的。人們普遍會同意,不過他們希望至少被告知並徵求過他們的意願。因此,若醫師要使用這些數據來進行特定用途,有必要進行「告知同意」。 

另一個觀點則認為,從患者身上取得的數據,經過適當的處理之後並不能識別出特定病人的個人信息,特別是在數以千計的同類型數據當中,單筆數據並沒有特別的含意與價值(當然細胞系等較大的應用除外),且無法判定這組數據是來自哪個病人,因此在此情況下並不會涉及「個人隱私」。並且根據目前的法律規定,病患的醫療數據屬於衛生系統的財產,病患本身並無所有權。但雖然在患者握有的所有權本身沒有太多在法律上的論點,在倫理上卻是值得探討的。

所以總結以上,患者雖不擁有這些醫療檢測數據的所有權,但是醫師在使用這些數據時卻有告知病患的義務。除了以上所述的問題之外,還有另外一個比較積極的問題是:這些提供生理數據的患者是否享有部分學術或商業利益的權利?為了避免病患權利受損,此問題可能值得更進一步的思考與討論。

  • 假資訊誤導

人工智慧的發展,在影像及語音上的成果最豐碩,除了將影像中物體移除或移花接木、將模糊圖片清晰化之外,甚至可以在訓練過後,從無到有生成鳥類或花朵的圖片[46]。而最新的成果包含可以生成高畫質的風景照,例如Google就利用街景圖在世界各地所蒐集的資料,合成出令人屏息的專業風景圖[47]。然而這類的技術逐漸普及的同時,我們已可在各類的社群媒體上見到編輯過的假照片、影片,使得許多閱聽人信以為真。雖然要判斷影像是否為合成仍有跡可循,但乍看之下仍不好發覺而容易被誤導。如此的操作可能被用於製造假新聞、抹黑特定人物、甚至能左右重要選舉,造成的影響可能不止於個人,而很可能改變整個社會甚至政局的發展,絕對不容小覷。

參考資料编辑

[1]Burga-León, A. & León, F. R. (2015). How geography influences complex cognitive ability. Intelligence, 50, 221-227. doi: 10.1016/j.intell.2015.04.011

[2]Coyle, T. R. (2016). Ability tilt for whites and blacks: Support for differentiation and investment theories. Intelligence, 56, 28-34. doi: 10.1016/j.intell.2016.02.002

[3]Bartels,M. Rietveld M,J. Van Baal G,C. & Boomsma D,I. (2002) Genetic and environmental influences on the development of intelligence

[4]Brody, N., (1992) Intelligence Academic Press

[5]Neisser, U., Boodoo, G., Bouchard, T.J. Jr., Boykin, A.W., Brody, N., Ceci, S.J., Halpern, D.E., Loehlin, J.C., Perloff, R., Sternberg, R.J., & Urbina, S. (1996) Intelligence: Knowns and Unknowns American Psychologist 51(2) 77-101

[6]Sternberg, R.J., Grigorenko, E.L., & Bundy, D.A. (2001) The Predictive Value of IQ. Merrill-Palmer Quarterly 47.1 1-41

[7]Roth, B., Becker, N., Romeyke, S., Schäfer, S., Domnick, F., & Spinath, F.M. (2015) Intelligence and school grades: A meta-analysis. Intelligence, 53, 118-137. doi:10.1016/j.intell.2015.09.002

[8]Baker, D.P., Eslinger, P.J., Benavidese, M., Peters, E., Dieckmann, N.F., & Leon, J. (2015) The cognitive impact of the education revolution: A possible cause of the Flynn Effect on population IQ. Intelligence, 49, 144-158. doi: 10.1016/j.intell.2015.01.003

[9]Wai, J. (2014) Investigating the world's rich and powerful: Education, cognitive ability, and sex differences. Intelligence, 46, 54-72. doi:10.1016/j.intell.2014.05.002

[10]Wai, J., & Rindermann, H. (2015) The path and performance of a company leader: A historical examination of the education and cognitive ability of Fortune 500 CEOs. Intelligence, 53, 102-107. doi:10.1016/j.intell.2015.10.001

[11]Carl, N. (2015) Can intelligence explain the overrepresentation of liberals and leftists in American academia. Intelligence, 53, 181-193. doi:10.1016/j.intell.2015.10.008

[12]Kodila-Tedika, O., & Asongu, S.A. (2015) Intelligence, human capital and HIV/AIDS: Fresh exploration. Intelligence, 53, 154-159. doi:10.1016/j.intell.2015.10.005

[13]Reilly,D., Neumann, D.L., & Andrews, G. (2016) Sex and sex-role differences in specific cognitive skills. Intelligence, 54, 147-158. doi:10.1016/j.intell.2015.12.004

[14]Jencks, C., Smith, M., Acland, H., Bane, M.J., Cohen, D., Gintis, H., Heyns, B., & Michelson, S. (1972) Inequality-A Reassessment of the Effect of Family and Schooling in America. Basic Books

[15]Irwing, P., Lynn, R. (2006) The Relation Between Childhood IQ and Income in Middle Age. The Journal of Social, Political, and Economics Studies 31(2) 191-196

[16]Zagorsky, J.L. (2007) Do you have to be smart to be rich? The impact of IQ on wealth, income and financial distress. Intelligence, 35(5), 489-501. doi:10.1016/j.intell.2007.02.003

[17]Shamosh, N.A., DeYoung, C.G., Green, A.E., Reis, D.L., Johnson, M.R., Conway, A.R.A., Engle, R.W., Braver, T.S., & Gray, J.R. (2008) Individual Differences in Delay Discounting- Relation to Intelligence, Working Memory, and Anterior Prefrontal Cortex. Pstchological Science 19(9) 904-911

[18]Carl, N. (2016) IQ and socio-economic development across local authorities of the UK. Intelligence 55 90-94. doi:10.1016/j.intell.2016.02.001

[19]Carl, N. (2015) IQ and socio-economic development across regions of the UK. Journal of Biosocial Science 48(3) 406-417 doi:10.1017/S002193201500019X

[20]Hafer, R.W. (2015) Cross-country evidence on the link between IQ and financial development Intelligence 55 7-13 doi:10.1016/j.intell.2015.12.008

[21]van der Linden, D., Dunkel, C. S., & Madison, G. (2017). Sex differences in brain size and general intelligence (g). Intelligence.

[22]R.W. Hafer (2017). New estimates on the relationship between IQ, economic growth and welfare. Intelligence.

[23]Wikipedia Artificial intelligence https://en.wikipedia.org/wiki/Artificial_intelligence

[24]人工智能 維基百科,自由的百科全書 https://zh.wikipedia.org/zh-hk/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD

[25]Richard Gray (2017) BBC Future - Treating canceer, stopping violence… How AI protects us By Richard Gray http://www.bbc.com/future/story/20170914-spotting-cancer-stopping-shootings-how-ai-protects-us

[26]SAS Artificial Intelligence What it is and why it matters https://www.sas.com/en_us/insights/analytics/what-is-artificial-intelligence.html

[27]揭開會打電話的 AI 真面目 ! Google Duplex 技術解析 https://www.inside.com.tw/article/12837-duplex-ai-system-for-natural-conversation

[28]Google Duplex: A.I. Assistant Calls Local Businesses To Make Appointments https://www.youtube.com/watch?v=D5VN56jQMWM

[29]能預約餐廳的 Duplex 沒說自己是 AI,這會是人工智慧的道德困境嗎?https://technews.tw/2018/11/28/google-is-being-vague-with-disclosure-in-early-real-world-duplex-calls/

[30]Adobe Research Project Cloak: Remove Unwanted Objects in Video https://research.adobe.com/cloak-remove-unwanted-objects-in-video/

[31]Deepfake https://en.wikipedia.org/wiki/Deepfake

[32]New AI Imaging Technique Reconstructs Photos with Realistic Results https://news.developer.nvidia.com/new-ai-imaging-technique-reconstructs-photos-with-realistic-results/

[33]github/NVIDIA/vid2vid https://github.com/NVIDIA/vid2vid

[34]A Style Based Generator Architecture for Generative Adversarial Networks https://www.youtube.com/watch?v=o46fcRl2yxE

[35]Transforming Standard Video Into Slow Motion with AI https://news.developer.nvidia.com/transforming-standard-video-into-slow-motion-with-ai/

[36]Wenn Merkel plötzlich Trumps Gesicht trägt: die gefährliche Manipulation von Bildern und Videos https://www.aargauerzeitung.ch/leben/digital/wenn-merkel-ploetzlich-trumps-gesicht-traegt-die-gefaehrliche-manipulation-von-bildern-und-videos-132155720#

[37]Auf dem Weg in eine alternative Realität? http://faktenfinder.tagesschau.de/hintergrund/deep-fakes-101.html

[38]Jordan Peele’s simulated Obama PSA is a double-edged warning against fake news https://www.vox.com/2018/4/18/17252410/jordan-peele-obama-deepfake-buzzfeed

[39]Bontrager, P., Roy, A., Togelius, J., & Memon, N. (2017). DeepMasterPrint: Fingerprint Spoofing via Latent Variable Evolution. arXiv preprint arXiv:1705.07386.

[40]Synesthesia: Detecting Screen Content via Remote Acoustic Side Channels https://www.cs.tau.ac.il/~tromer/synesthesia/

[41]Synesthesia: Detecting Screen Content via Remote Acoustic Side Channels∗https://www.cs.tau.ac.il/~tromer/synesthesia/synesthesia.pdf

[42]Top 9 ethical issues in artificial intelligence https://www.weforum.org/agenda/2016/10/top-10-ethical-issues-in-artificial-intelligence?utm_content=buffer1dac1&utm_medium=social&utm_source=facebook.com&utm_campaign=buffer

[43]當AI防禦遇上AI攻擊,「以子之矛,攻子之盾」正在資安界上演 https://www.bnext.com.tw/article/51098/ibm-ai-cyber-security

[44]AI 偽造指紋登場,指紋解鎖還安全嗎? https://technews.tw/2018/12/27/ai-generated-fingerprints-could-soon-fool-biometric-systems/

[45]外國研究人員最新成果:用麥克風就能「聽」到螢幕內容,怎麼辦到的? https://buzzorange.com/techorange/2018/08/28/hacker-can-use-microphone-to-view-monitor/

[46]Understanding and building Generative Adversarial Networks(GANs)- Deep Learning with PyTorch https://becominghuman.ai/understanding-and-building-generative-adversarial-networks-gans-8de7c1dc0e25

[47]Google Uses AI to Create Professional Photos from Street View Shots https://petapixel.com/2017/07/14/google-uses-ai-create-professional-photos-street-view-shots/

生活應用编辑

目前「智力」這個領域在生活上主要應用於智力測驗,透過實際數據量化人們的智慧,並作為生育、教育和就職等議題的參考基準。然而要完整量化智力並應用於現實生活中並非易事,因為大腦中包含廣泛的思考能力,而且智力衡量還混合邏輯判斷、思考討論、抽象概念及複雜理解等諸多不同維度的能力。也許這其中仍存在大量爭議,但也由於心理學已有長久的發展,並演進出幾近完整的系統;也更能夠將智力測量推廣、應用到人們生活中的各個面向。最後因為這套完整的架構,心理學的應用才能有無限發展的可能性。

一、幼兒智力測驗:發現遲緩兒、給予協助编辑

智力測驗創始於法國實驗心理學家比奈,在1905年他和同事西蒙一同創造了測量智力的方法,編成了《比奈-西蒙量表》,從此開啟了現代智力測驗運動。

1. 幼兒智力測驗的意義 「智力」很難定義,但為了教育、科學研究或實際需求,專家們用「智力測驗」將抽象的智能具體化、量化,其測所得的分數,就是所謂的智商或IQ。但智力只代表部分學習能力,無法測量人類全部的能力。在成長的過程中,兒童的各項能力會逐步發展成熟,包括:語言表達、環境辨識、理解對話、情緒掌控等。為了瞭解孩子是否在發展上需要特別的協助,才有了幼兒心理、學習能力測驗等的出現。

現在智力測驗常用於鑑定資優、智障、認知發展遲緩等特殊兒童的認知強弱項,並做為擬定臨床治療計劃及決定教育安置和養護方案的指南。

2. 幼兒智力測驗怎麼做?

施行智力測驗的機構多在大醫院中的兒童評估中心,目前常用的是「魏氏幼兒智力測驗」(適用三~七歲)和「魏氏兒童智力測驗」(適用六~十七歲)。
(1)魏氏幼兒智力測驗
作業量表測量兒童處理視覺訊息和操作、圖形設計、物行配置等能力語文量表評估孩子的字彙量、語文邏輯思考和理解、常識、算術能力

(2)魏氏兒童智力測驗
作業題材測驗孩子對圖畫概念的了解、符號替代與尋找等能力語文題材測驗孩子的詞彙、記憶廣度、數字序列之記憶排列等能力測驗的同時,施測之專業人士會觀察兒童的行為以補足、加強智商評估的準確性。例如:受測時的專心程度、聽從指令的能力、情緒穩定度、挫折忍受力等,這些資訊可增強智力測驗的準確度。

3. 分數的解讀

以先前資料畫出與受試者同年紀孩子智商之鐘形曲線,以受試者之得分與常態分布進行比較:

分數 智商評價
130以上 非常優秀
129~120 優秀
119~110 中上
119~110 中上
109~90 中等
89~90 中下
79~70 接近智能不足
69以下 智能不足


平均孩子智商為100,智商分數在鐘形曲線的左端(70以下)和右端(130以上)最敏銳,對於智商在中間的孩子測驗結果並不一定準確表現其智力程度。智商130以上和70以下的孩子各佔總數之2.27%,魏氏幼兒及兒童智力測驗之結果對於這些兒童才最有意義。然而智商分數並不是絕對,得出的分數除了和孩子的資質相關外,也受到情緒穩定度或專注度等影響,也因此智力測驗並非「一試定終生」。

4. 智力測驗的結果如何幫助孩子?

在魏氏智力測驗中,分數低於70分的孩子,表示能力極度不足,已經達到智能障礙程度,家長應該和專業人士詳細討論如何適當的訓練孩子,以及尋找特殊教育資源。
智力測驗的意義並非只有智商分數,更重要的是得知孩子能力的分佈,了解孩子各項能力是否都一致的高或低,或是有明顯的起伏。若是後者,看出孩子的優勢及弱勢能力後,便可利用孩子的優勢能力來加強弱勢能力。像是語文能力不足,但對圖片的分析及觀察力佳的孩子,可利用圖片配合口語解釋來教導孩子,增進語文能力。
幼兒與兒童智力測驗可為認知功能和同儕比較有所缺乏、障礙的孩子找出優勢及弱勢能力,進而瞭解訓練孩子的方向;而某些能力明顯超越同儕的孩子,也可以透過智力測驗找到優勢能力,給予適當的栽培環境。


5. 幼兒智力測驗之反思

 智力並不是兒童成長過程唯一的成長指標,有許多重要的品格、態度,最重要的更是學習環境。因此,智力測驗的目的是讓家長瞭解孩子「當下」的能力,不能預測孩子未來的表現、甚至幸福程度。若不善用,反而可能帶給家庭更多焦慮,或是為孩子貼上標籤。家長和老師應以更廣的角度看智力測驗。

二、智力於教育上的應用编辑

1. 考試中的「天才」vs「笨蛋」编辑

「小欣很文靜,常常考100分,是老師們都喜歡的資優生,但她下課都坐在位子上看書,不太跟大家玩;反觀小明,每次都考倒數幾名,可是他籃球打得很好,也總能跟同學們打成一片,被叫笨蛋也不會生氣。」
生長在台灣的你我,相信對這個情境都不陌生。從小學、國中、高中到大學,我們面臨大大小小的考試,小至平時考、期中期末考,大至基測、學測、指考,考試評量了我們的學習成果,也將我們區分成「天才」與「笨蛋」。然而,考試成績高就代表智力高嗎?考試是一種成就測驗,在學校教育中扮演重要的角色。在教學過程中,協助教師了解學生學習情況,以便選擇最適合學生的教材與教法。在輔導過程中,可依據測驗結果幫助學生選擇課成、選擇文理組及升學等輔導工作。
在行政上,教師可利用測驗結果來做能力分班的依據。而智力測驗的功能,著重於預測教育、訓練及工作中可能的表現,多使用在教育或訓練之前,且測驗的多為一般性、較為廣泛的能力。成就測驗與智力測驗施測的時間點與目的雖不盡相同,然測驗的內容多具備語文、數理等測定項目,兩者間難以截然區分。
由路君約教授研發的「學校能力測驗(水準四)」,以過去學習成果的展現(成就測驗功能),預測未來在學習工作上可能有的表現(智力測驗功能)。主要施測對象為高中、高職、五專水準之學生。測驗內容側重直接測量在學校所學得的能力(school-learned abilities),包含了「語文類推測驗」、「數學理解測驗」、「空間關係測驗」,屏除了常見的「抽象智力」、「抽象心理能力」或「高級心理能力」的測驗。路教授認為執著於智力「數值上」的高低沒有意義,不僅無法表現學習成就,也無法預測未來成就的高低,智商的概念應予以屏棄。

2. 資優班文化编辑

◆進入資優班=拿到人生勝利組入場券?
◆資優班著重語言數理能力,不重視人文素養的栽培→知識營養不良
◆只有會讀書,才是「資優生」嗎?

在許多社會中,呈現著「大學選校不選系、努力擠進名牌大學大門」等成長套路,這些都屬於對「資優」的偏狹想像──只有語文、數學、理化好,才是資優生。然而以多元智力理論教父──哈沃德·加德納(Howard Earl Gardner)──的角度來看,這樣的價值觀是十分狹隘的。加德納相信每個人都是獨一無二的「智能組合」,傳統智力測驗只著重語文與邏輯能力,造成許多具有其它方面的天賦與才能的學生受到了貶抑與忽視,同時也合理化了制式(uniform)的教育方式,採用單一的課程、教法,以及標準化測驗來對待所有學生,而輕忽了個別差異的重要性。[2] 舉例來說,某些學生可能擅長數理,同時喜歡語文,對詩詞文學也有高度敏感性,在「邏輯-數學智慧」、「語文智慧」上有傑出的表現,可是因為他們生性害羞,不習慣也不擅長與同儕間的應對進退,在「人際智慧」發展就差強人意。還有,一些學生雖在課業上表現不佳,對讀書也沒有太大興趣,但他們擅長運動,籃球打得很好,跟同學相處融洽,由此觀之,其在肢體-運作智慧與人際智慧都比一般人傑出。 在加德納的多元智力理論你,他們各有各的「天才」,他們理當要持續往自己有興趣、天賦的面相方展,但在傳統扁平化的教育制度下,相信「讀書至上」的社會文化追捧學業成績優秀的學生,對於擁有其他專長但不善於讀書的學生則認為是教育制度底下的失敗者,缺乏適性的教育與發展,往往使這樣的學生必須硬著頭皮繼續升學,研讀自己沒興趣的東西,痛苦萬分,甚至因此變得沒有自信和目標。如何扭轉如此的教育制度?打破傳統「高智力」的迷思,設立更加多元適性的課程,符合不同學生的學習需求,是教育改革前進的方向。

3. 教育思維大轉彎:你我都是「資優生」编辑

  • 多元智力在教育上的應用─天才的發現、評量與打造

迦納德的多元智力理論中,強調的並非找出或是界定人類具有多少智力,而是如何利用多元管道幫助學生學習,並實際應用在生活上,消弭學業與事業間的斷軌。這可以從課程設計、教學活動、教學環境與教學評量方式等面向進行。
課程內容宜多元化,使學生發覺自身的強、弱勢智力,並強化、補足之。也應避免單一形式教學,以免處於弱勢智力的學生無法有效學習。除了教師講授、學生聽講的形式,小組討論、分組報告、觀看錄影帶、戲劇表演、角色模擬演練等方式都能提升學習動機。也可以設計師生對話區,學生可以即時反應學習狀況或提出對課程的建議,幫助教師更快速的掌握學生情況,並修正課程的問題。
評量方式更不應僅限於紙筆測驗,可以透過書面報告、口頭報告、實際操作等方式進行,並依據課程性質的不同作相對應的設計。其實,大學教育中的通識教育,便是依據多元智力發展的概念進行設計。幫助學生了解包括自身身心、社會、世界間種種相互關聯,使學生生活於現代社會而善知何以自處。
近年來小學、中學的教育也強調多元的課程規劃,輔導中心也提供各式多元智力測驗、職業興趣量表等資源,探索個人興趣,加深對自己的了解。透過對多元智力的認識,發現每個人的「天才」,尊重每個人的所長,社會才能越加多元發展與健全。

4.展望编辑

智力測驗,發掘人們的優勢能力,發現劣勢,讓我們更能發揮所長、填補弱勢。在教育應用上,應是協助人們找到適合自己的教育方向,而不是反成了「階級劃分」的工具。而通識教育的概念若能普遍落實在初等、中等、高等教育裡,學生能在學習的歷程上更加了解自己,選擇更合適的發展與出路,相信有助於社會健康的發展。期盼臺灣社會更重視多元發展,教育內容的設計著重多元智能的概念,方能給予莘莘學子更正確合適的學習方向、環境,打造多元人才。

5.鈴木教學法编辑

鈴木教學法是二次大戰前,由小提琴家鈴木鎮一先生(Shinichi Suzuki, 1898-1998)所提出的天才計劃教育,主要從幼兒一出生就開始接受音樂教育,訓練幼兒的音樂成就,計劃的成功關鍵在於幼兒的睦親,也是兒童發展和進步的關鍵。鈴木先生相信每個人都有能力在恰當的環境中有好的能力發展(如同母語般的能力學習),在他的計畫中,兒童在一歲前畈服的聽著偉大演奏家的錄音,到兩歲時開始參加群體課程,不同年齡、不同表現的兒童一起上課,兒童的母親與教師一起參與遊戲和練習,課程為所有兒童一起參與而從中獲益,課程的目標為個人不斷進步,而不是彼此的競爭。透過母子一起上課和練習,增加孩子學習的刺激。接下來幾年每日的練習,進行群體與個人的訓練,儘管是平凡的學生,表現出來的音樂也足以讓人瞠目結舌,和其他環境不同的是,孩子不需要哄騙、勸誘才會練習,而是主動的要求練習。鈴木的目標並不是要創造出傑出的演奏者,而是希望能夠創造出具備堅強、積極、有人格魅力的個人,他認為細膩的音樂表現是達成這個目的的方法之一。但是,鈴木教學法有一些嚴重的缺點,首先鈴木教學法的兒童所演奏的完全是西方音樂,範圍相當狹隘,只是音樂中的極小部分,然而兒童在音樂訓練的最關鍵時期沈浸其中,而使得他們的音樂品味變得狹隘。鈴木學習法只是墨守成規,對於一首歌曲只有一種詮釋方式,讓兒童以為一首歌曲只有一種正確的闡釋方式,而不知道有數種同樣可行的方法,更有問題的是,兒童幾乎是完全經由聽力模仿學習而沒有視覺和思考的經驗;他們不懂得看譜,不知道怎麼分辨一些音樂上細微的差異,也無法準確理解音符間的位置,往後更深入學習時會很困難很吃力。學生得到最重要的印象是音樂中是所重複聽到的聲音,而不是嘗試去變化和創新,也因此接受鈴木學習法的兒童很少有作曲的傾向,這樣單一的模式可能造成嚴重的後果。

參、職場上的智力:聰明人才能勝任工作?编辑

1. 職場的智力測驗编辑

使用智力測驗預期未來的工作表現,並使不同智力測驗結果的人各司其職。 長久以來無論是教育、心理學或是企業界,都非常信賴以傳統的智力測驗,來預測一個人在 未來學業或職場上的表現。但是「聰明人」的界定談何容易,這也使得智力測驗成為重要的工具 之一。 隨著對於智力的研究益加精深,智力測驗不再是單單測量一個人的「智力」,甚至可以測量 受測者在各個領域的天份和才華。有助於企業根據應徵者的受測結果,來給予不同的職位或階層;更甚者,公司也 會藉由對部份高難度的工作設下相關門檻,藉此尋找自身認為所需之聰明人及人材。 然而傳統智力測驗可能在未來會面臨到全新的挑戰,因為日前任職於英國史特靈大學 (University of Sterling)記憶與學習研究中心(Centre for Memory and Learning in the Lifespan)主任亞洛威博士(Dr. Tracy Packiam Alloway)主張:一個人的短期記憶(short-term memory)或工作記憶(working memory)能力,是比傳統智力測驗更好、更簡單且能更精準 評估心智能力的指標;她指出工作記憶不僅可與傳統智力測驗一樣,用來評估一個人的心智 能力,也是對現代孩童在未來學校與職場所需要之能力的精準指標。 此外,傳統智力測驗著重於問題解決及抽象理解的能力,但當今搜尋引擎和網路資料庫相當 普及也容易使用,隨著科技漸漸能提供全方位的計算輔助,也導致傳統的智力審核標準不一 定與工作能力或效率呈現正相關及因果關係。同時社會步調加快,使得一心多用、多工處理 和應用多方資訊以解決問題的能力,變得比長期記憶來得重要;這也就是所謂的「工作記 憶」能力。

2. 職場上只需要「智商」嗎?编辑

在職場競爭中,智商不該是單一準則,情商也是相當重要的一環;舉例來說,幽默感可以調 劑人際之間的緊張氣氛和工作壓力、強化團隊合作精神。此外最聰明的人不一定能在職場上 成功,美國前能源交易公司安然聘請了內部最頂尖也最聰明的人才來管理利潤 最為豐厚的部門,卻幾乎沒有對其施加任何監督;儘管他們都聰明絕頂,但也都狂妄自 大,甚至忽視風險、導致公司虧損數十億美元。綜上所述,「高智商」並不是職場勝者的唯一特質。 此外,這樣針對求職者的"考試"是不是違反了勞委會即將通過的就業服務法施行細則的規定呢?

2.1 情感商數

A. 競爭合作意識:認識到競爭的目的只是為了更好地合作。

B. 形象意識:員工的個人形象在很大程度上代表了企業的整體形象。

C. 角色轉換意識:新人應能迅速適應工作境,為企業創造效益。

D. 敬業精神

E. 學習意識

3. 智力測驗轉型编辑

暢銷書《如何移動富士山》作者龐士東(W. Poundstone)指出,高科技業不同於傳統產業, 由於變動迅速,朝不保夕,企業需要的員工是能對假設提出質疑,並且能從新的角度看事 情,這種怪考題不求絕對的標準答案,卻要看你如何思考,並提出可行的解決方案且回答是否具有彈性和創意。 近年來各大產業瞬息萬變、充滿不確定因素,使得全球各大頂尖企業,如微軟等,還有傳統產業、法律事務所、航空、大眾 傳媒,甚至是美國軍官考試也採用類似方式。實例包括「如果打開浴室,發現裡頭有一頭大象,你會怎麼辦?」、 「早上起床,你如果變成了一隻貓,怎麼辦?」、「請問從車站出發,如何到該公司?」最後的問題看似較 較正常,但若能細膩地將當天趕不趕時間、天氣好壞等因素都列入考量中,結果當下立判。

肆. 政府優生政策:只生聰明小孩?编辑

1.社會達爾文主義:人類自己決定演化方向编辑

社會達爾文主義者認為要避免「不適」人群的過量繁殖以及「適應」人群的不足繁殖。他們 不樂見社會福利和瘋人院之類的社會機構允許「劣等」人生存並且讓他們的增長水平超過了 社會中的「優等」人,這樣社會將被「劣等」人所充斥。因此,他們主張對於智力不足者應 予以絕育,才不會使智障基因廣泛流傳於後世,造成社會資源浪費。

社會達爾文主義的最大問題,在於用結果肯定過程,抹殺基於權利和資源分配的不平等和維護這個不平等的暴力、欺詐和壓榨。一個社會達爾文主義盛行的國度,一定是對「人生來自由平等」的觀念不但陌生、且懷疑和嘲弄的社會。

2.優生染色體檢查方法编辑

檢測的方法分為「胚胎植入前遺傳篩選」和「生殖細胞基因療法」。 「胚胎植入前遺傳篩選」配合試管嬰兒使用,該技術能篩查胚胎的潛在疾病基因,將有問題 的胚胎提早銷毀,只留下無問題的,達成人口優生化。 「生殖細胞基因療法」分為兩種:「種系基因治療」和「體壁基因治療」,是改變人體生殖 細胞的方法,最有希望大幅改善遺傳基因、同時也引起最大的爭議。其中,「種系基因治 療」是指生殖細胞基因依據功能被修改、整合進入基因組中,也就是在受精卵、精子或卵子 插入新的基因,從而永久性改變後代基因遺傳。這種方法對基因性疾病和遺傳性疾病的對抗 非常有效。 如果這些方法操作成功,確實可以用來控制人體身高、智力和胸圍。但是,要是失敗,意味 遭到破壞的基因,也會傳給所有後代。

3.智力優生學歷史與各國現況编辑

3.1.美國 優生運動始於19世紀末(1905-1979)。1907年3月9日,印第安納州率先制定了絕育法,對慣犯、強姦犯、 白痴、弱智等推行強制性絕育。之後內華達、華盛頓、愛荷華、康乃狄格、加利福尼亞、紐 約等州相繼制定了絕育法。到20世紀20年代,美國已有24個州制定了絕育法。

3.2.德國 1933年,希特勒上台之後,立即效仿美國加利福尼亞州立法,制定了《遺傳病子孫防止 法》,採取了對精神分裂症病人、智力低下者、低能者而不限於弱智者採取絕育斷種措施的 做法。

3.3.日本 1948年,制定《優生保護法》,簡化申報程序。《優生保護法》不僅允許以優生為理由進行 絕育,也允許以優生為理由進行墮胎。

3.4.南非 1975年《墮胎絕育法》中規定「嚴重智力低下的婦女可以在國立醫院進行絕育手術。」

3.5.中國 1988年11月23日,甘肅省通過《甘肅省人大常委會關於禁止癡呆傻人生育的規定》,是中國 第一部專門的優生立法。為提高人口素質,減輕社會及癡呆傻人家庭負擔,禁止癡呆傻人生 育,並須施行絕育手術後方准結婚、對已懷孕的癡呆傻婦女,必須施行中止妊娠並施行絕育 手術。 1990年1月13日,遼寧省通過了《遼寧省防止劣生條例》,所謂防止劣生,是指採取具體衛生保健措施,防止先天缺陷兒出生,生 育健康的後代。規定有精神病史、癡呆傻、常見染色體顯性遺傳病者,婚後禁止生育,且患病一方須施行絕育手術

3.6.英國 根據《2005年精神健全法令》,保護法庭可以代替那些醫學上被認為缺乏心智能力的人員做 出決定。這些人群會被要求接受外科手術、人流、強制避孕、甚至終結生命。

3.7.澳洲 出現關於智障女童手術的案例。北領地高等法院認為對先天智障女童瑪里恩實施絕育手術符 合瑪里恩的最佳利益,法庭允許其父母作為瑪里恩醫療決定的代理人,給瑪里恩實施子宮和 卵巢切除術。

3.8.比利時 首都布魯塞爾的政府慈善機構中,年齡在18-46歲智障女性中22.2%已經施行了絕育術,比整 個比利時的女性絕育術的比例要高出7%。

伍、動物的智力應用编辑

1. 動物的智力编辑

人類的智力一直被公認是所有生物中最頂尖的,當然「智力」這個觀念本來就是由人類提出 的。除了有各式各樣針對人類的智力測試外,歷史上一直有科學家嘗試測試動物的智力,證 明牠們的行為是有經過大腦判斷而作出,甚至透過種種實驗去分析和鑑定牠們的思維、解決 問題的能力,從而估計不同動物的智力程度。早在1925年,Wolfgang Kohler便利用香蕉研究 黑猩猩的智力,他故意將香蕉放在黑猩猩拿不到的地方,像是高處或籠子裡;起初猩猩只是 坐在地上,經過一陣子後,牠開始嘗試用箱子、木棒等工具來協助拿取香蕉,最後也成功拿 到食物。經過一連串實驗證明,黑猩猩具備思考解題的過程,並且也有「使用工具去達成目 的」這種動物界中較少見的能力。 不僅黑猩猩這種跟人類較相近的靈長類動物,被發現具有解難能力,甚至鳥類亦曾經在類似 實驗中展示了驚人智力。科學家(Bird & Emery,2009)曾找來四隻秃鼻鴉,分別在牠們面前 放置大小不同的石頭以及一支盛載了半滿的水的試管,水面上則飄浮著秃鼻鴉愛吃的小蟲。 由於試管太窄太深,秃鼻鴉的喙伸到一半便被卡住了,吃不到小蟲。過了一會兒,伊索寓言 中的故事成真了,秃鼻鴉開始將石頭投進試管裡,直至水位上升到牠的喙能輕易伸進去的地 方,再把小蟲吃掉。經過幾次反覆的試驗後,秃鼻鴉進而察覺到投下較大的石頭會令水位升 得更快,繼而轉投大石頭。可見秃鼻鴉同樣具有敏銳的觀察和思考能力,還能進一步學習強 化。以上實驗紛紛證明,有些動物可能比我們預想的聰明得多。不過到底科學家們是根據哪 種標準去判斷某種動物聰明與否?在芸芸動物界中,哪種動物的智商是最高的?

2. 動物智商排行榜编辑

關於動物智商的排名在世界上並沒有公認的排行榜,不同研究者的排名有所差異,以下是較著名的兩個排行榜。

1.Hybrid Librarian Youtube頻道上,「World's 15 Most Intelligent Animals」: 公開了世界上最聰明的十五種動物,排名由低至高如下: 蜘蛛 < 老鼠 < 海獅 < 貓 < 鸚鵡 < 螞蟻 < 烏鴉 < 水獺 < 豬 < 章魚 < 狗 < 鯨魚 <大象 < 海豚 < 類人猿(Great Apes)

2.著名網站Toptenz: 列出了十大最聰明動物排行榜,名次由低至高如下: 唇鬚孔蛛 < 老鼠 < 烏鴉 < 邊境牧羊犬 < 北太平洋大章魚 < 非洲灰鸚鵡 < 大象 < 獼猴 < 寬吻海豚 < 黑猩猩。

雖然以上兩個排行榜的作者都對「最聰明動物」有各自的定義,但不難發現當中的共通點為 章魚、大象、海豚,這三者都位處於動物界智力的頂層,而且作者都一致認定與人類基因最 相近的靈長類動物為最聰明動物之首。但以上排行榜的準確性,仍然有許多可質疑處。首 先,世界上現存的動物數量相當龐大,研究人員無法一一測試每種動物的智力程度;接著, 動物亦不可能像人類一樣進行各種系統化的智力測試,因此排行榜中的不公平性顯而易見; 最後人類作為研究者,總是會以人類自身為出發點、並用人類的智力標準,來觀察、衡量動 物智力。比如說:大象經人類訓練後懂得用畫筆作畫;海獅和水瀨經過人類培訓後懂得根據 指令轉圈、頂皮球;鸚鵡能夠模仿人類說話等舉動,都被認為是聰明的象徵,然而以上行為 之所以被認為是「聰明」,僅僅是因為類近人類的行為習慣。也因此佔據各大排行榜之首的 都是靈長類動物,只因其行為舉止最接近人類。根據這套評定標準,與其說這是「最聰明」 動物排行榜,倒不如說是一個「模仿人類能力最高」的動物排行榜。

3. 反思编辑

動物都有不同的習性,例如:變色龍會隨周圍的環境而變色隱藏自己、烏賊感到生命受威脅 時會噴射墨汁,我們會說這些動物很聰明嗎?到底這是屬於生存本能,還是經過大腦思考的 高智力表現?人類要準確無誤地判斷動物的智力,尚存在著相當高的難度,人類與動物之間 的不公平性更造成了動物智商排行榜的更大誤差。這類動物智商排行榜,娛樂性頗高,但準 確性仍需要自行斟酌。

書籍影音编辑

本節主編:王藝霖 本節作者:周慧芬、彭子淇

一、科普書籍编辑

1.智力測驗的歷史-決定天才或低能兒的合法

作者:史蒂芬‧穆達克(Tephen Murdoch)

譯者:周春塘

出版社:博雅書屋出版社

年代(第一版):2009

出版日期:2009-9-22

簡介:此書剖析智力研究的成果,也檢討其錯誤,強調別因為智力測驗的結果來區分高下,斷定一切。

附註:此書已絕版。

2.七田真如何激發幼兒智力與才能

作者:七田真

出版社:世茂出版社

年代(第一版):2000

出版日期:2014-05-02

簡介:父母親的教育與行為也會深深影響幼兒的發展,本書將幼兒出生到六歲以前,提供各個階段刺激幼兒智力的方法。

3.智力資本及其管理研究

作者:張小紅

出版社:中國農業科學技術出版社

年代:2008

出版日期:2008-01-01

簡介:本書以管理學和經濟學理論為基礎,研究智力資本的發展與管理。

4. 論智力:智力發展的生物生態學理論

作者:塞西(s J cecI)

出版社:華東師範大學出版社

年代(第一版):1996

出版日期:2009-3-1

簡介:作者提出智力是一種複雜多資源的系統、並非由基因或者環境單獨決定,而是交互作用的結果。

5. 太聰明所以不幸福?

作者:讓娜‧西奧-法金/譯者:梅濤

出版社:遠流

出版日期:2017-03-30

簡介:以臨床心理的視角說明如何處理因「資優」帶來的種種困擾

二、網路影音编辑

1.Insight in psych 16 “Testing and Intelligence”编辑

出版社:Annenberg Media

切題描述:本影片探討測驗是否真的能夠透析一個人的智力、潛意識

內容概要:

影片中探討各種測驗的可行性以及造成的影響。比奈首先發明智力測驗的基礎是建立在,智力是一種動態的認知過程;然而,後人卻漸漸轉變成認為智力是單一、不會改變的特質,甚至可作為預測未來學術成就、職業表現的根據,因此發展出各種智力測驗。

智力研究大概可以分為兩大取向:

心理計量取向:是指智力理論以智力測驗為工具,以因素分析為方法,以測量結果的資料為立論的根據;目的是希望用客觀方法取代主觀偏激的批評,進而消除種族,社會地位,性別,外表等等差異造成的先入為主印象。

多維取向: 理論上主張智力是由多種能力所組成,而非心理計量分析方式所認為的單一結構。哈沃德.加德納(Howard Gardner)分成七大向度:語言、數學邏輯、音樂、空間、身體運動、人際、自我認知;羅伯特.斯騰伯格(Robert Sternberg)強調實踐性智力的重要性。

我們可以發現從不同的智力理論上看來,對於智力的解釋,越來越趨向多元,且相信智會隨著年齡、經驗、學習、社會互動而有增長,人是一個複雜的個體,除了傳統的智力外,如果能從多元智力的角度,從不同的能力去肯定孩子,也許會發現每個孩子都是某一種能力的資優生。

2.What is Artificial Intelligence (or Machine Learning)?编辑

切題描述:描述人工智慧的發展歷史、學習過程以及與人類之間未來互動的可能。

內容概述: 人工智能已經有長達六十年的歷史,當時一群電腦科技研究人員想試試看,機器是否能夠像小孩一樣,透過測試和修正錯誤去發展一套分析方法。 人工智能可以自我修正,雖然是文字建構成的,但他們有想像力、創造力,另外,雖然它讀取資料和語言產出都可以直接透過人類語言,不需要使用程式語言來跟他溝通;另一方面則是電腦學習,它們會記憶並隨著時間漸漸變聰明,但不同於人類,他們不會有短期記憶遺忘、資訊量過大、睡眠剝奪、分心等等困擾。

人工智能透過經驗累積來學習,分析數以萬計的資料結論出一種演算法則,再透過不斷測試去驗證這個演算法對的正確性,漸漸就變聰明了;有些甚至模仿人類腦部的結構,幫助人類、機器去解決問題。

世代都在想像人工智能未來的可能分歧、想像一個被機器復仇、混亂的社會,但更具有邏輯性的問題應該是,它會如何影響你的工作?若與人工智能合作,它能幫助我們在更短時間內完成更多的事。

3.Controversy of Intelligence: Crash Course Psychology #23编辑

發佈者:CrashCourse 於 youtube

切題描述:探討是否有一種影響智力的普通因素(G因子)以及對於各式智力量化的測驗和其衍生出的優生學進行道德反思。 內容難度:簡單 注意事項:本片有中文字幕(youtube內建翻譯)

內容概要:

G因子: 人完成任何一種作業的過程都是由G和S兩種因素共同決定的。例如,一個人完成算術推理測驗作業是由G+Sa來實現的,完成言語測驗作業是G+Sb來實現的。一般因素是一切智力活動的共同基礎。雖然人們都有這種智力,但每個人具有這種智力的大小是不同的。特殊因素是個人完成各種特殊活動所必須具備的智力。一個人具有完成這種活動的特殊因素,不一定具備完成他種活動的特殊因素。G因素是智力結構的基礎和關鍵,它代表一般的心理能量,相當於生理能量,各種智力測驗的目的就是通過廣泛的取樣來求得G因素。

優生學: 影片中簡單的提到優生學起的起源。英國科學家弗朗西斯高爾頓將這一新的領域命名為優生學。優生學基於達爾文理論,因此許多優生學家擔心藥物和社會福利等現代制度會在人類中造成生物退化。為緩解生存競爭,現代社會允許“低等物種”繁殖。而優生學的目的卻與這一退化趨勢相反,因此人類能夠促進進化過程。

智商測試: 本影片敘述智力測驗的發展歷史,法國心理學家比奈在1903年發表了「智力實驗研究」,1905年受法國巴黎教育局委託,與西蒙(Simon)合作發明了一個測量智力的工具-『比西量表』, 發展測驗把一些需要特殊説明的學生區別開來。到了1908及1911年,他們對量表作了修正;至此,智力測驗就在世界各國盛行起來。

三、電影编辑

1.A.I. 人工智慧

導演:史蒂芬·史匹柏、史丹利·庫柏力克 上映日期:2001年

簡介:本影片探討AI是否能有感情?若是有的話他們跟真人的差別又在哪?

2.雲端情人

導演:史派克·瓊斯 上映日期:2013年(美國)、2014年(臺灣、新加坡)

簡介:本影片探討人工智能是否能取代戀人的位置,以及情感是否能用程式語言寫出。

3.人造意識(Ex Machina)

導演:亞力克斯·嘉蘭 上映日期:2015年

簡介:本影片探討人工智能會不會有好奇心與求生欲,會不會背叛創造她的人類呢?

4. Gifted [1]

導演:馬克·偉柏

上映日期:2017年

簡介:他在說一個被舅舅照顧長大的天才小女孩的故事,主要在探討讓天才兒童跳過童年和朋友玩耍的階段,直接接受專業訓練真的是好事嗎?這個社會是否太看重天才的頭腦而忽略他們身為人的心情。其中親情與童真的部分真的很感人!

5.露西

導演:盧貝松(Luc Besson) 上映日期: 2014年(美國、台灣)

簡介:本影片探討人腦智力的極限到底在哪,又能發展出什麼功能?

6.雨人

導演:巴瑞·萊文森 上映時間:1988年

簡介:本影片介紹與高功能自閉症患者相處的故事。

7.全面進化

上映時間:西元2014年 國家:美國、英國、中國 導演:瓦力.費思特 主演:強尼.戴普、摩根.費里曼、麗貝卡.豪爾、凱特.瑪拉、席尼.墨菲、柯爾.豪瑟、保羅.比特尼

內容大綱:全世界頂尖AI人工智慧研究學者威爾.卡斯特和他的妻子艾芙琳、好朋友麥克思為時分機即於研究開發人工智慧和先進技術電腦的合作團隊,想要試著研發出超出過去科技和永續生命的技術水準,經過一番努力之後,他們突破了技術奇異點,創造出可以超越人腦的電腦,卻因而導致了一切的改變,深深愛著威爾的妻子艾芙琳在威爾被恐怖組織R.I.F.T.用放射性子彈攻擊暗殺以後,下定決心將威爾的意識上載至之前開發的量子電腦之中,原本以為不會成功,但威爾卻和電腦產生聯結而重生,以電腦的身分重生的威爾繼續進行實驗,被恐怖組織知道了,決定展開下一階段的行動。

8.銀翼殺手

上映時間:1982年 導演:雷利·史考特 主演:哈里遜·福特、魯格·豪爾、西恩·楊、愛德華·詹姆士·奧莫斯

簡介:電影故事背景設定在2019年,一位負責獵捕仿生複製人的退役「銀翼殺手」,受大型企業委託、勉為其難接下追捕任務,但在調查的過程當中,卻逐漸對一名複製人產生了情愫,使他開始質疑起自己與複製人的差別,此片以對於複製人是否有人性與情感作為探討目標。

9.機器管家

上映時間:1999 導演:克里斯·哥倫布 主演:羅賓·威廉斯、山姆·尼爾、艾伯斯·戴維斯、奧利弗·普拉特、溫迪·格瑞森、海莉·艾森柏格、史蒂芬·洛特、琳妮·蒂根

簡介:一個家事機器人與一家四代人之間的感情關係,並展現了人類對機器人的態度從一開始的排斥到逐漸接納,最後甚至成為精神支柱的過程。


10.機械公敵

導演:亞歷士·普羅亞斯 上映日期:2004年

簡介:到了 2035 年,機器人已經成為人類生活中不可或缺的良伴。然而,控制機器人的中央系統竟然開始派遣新型機器人銷毀舊型機器人,而且還控制人類,原來是因為中控系統認為人類正在摧殘這個世界而且自相殘殺,系統便自動執行了保護人類計畫。 電腦系統執行任務的附帶條款便是不能傷害人類和不得危害的權益,但系統為了更「宏大」的考量,也就是保護人類避免走上滅絕之路,甚至不惜殺害少數人。使我們省思,當電腦執行任務時,他所具備的判斷能力足不足夠?具有人工智慧的系統能否妥善的考慮到人類生活的各個層面?像是生命、自由、情感?

11.想飛的鋼琴少年

導演:弗蘭迪-M.米偌 上映日期:2006年

簡介:主角是一個六歲小孩維特,不但擁有180的智商,也談的一首好琴,然而正是因為他的早熟和與眾不同,細膩的他覺得不被理解,甚至曾經質疑過自己是不是不屬於這個世界,還好爺爺成為他唯一的知心好友,爺爺是一個懷有飛行夢想的老木匠,他用維特的思維去試著和他交談,讓他成了維特唯一願意交換心情的對象。

在維特十二歲那一年,學校告訴他學校已經無法再教給他什麼了,請他直接去讀大學,「又是大人的安排」維特打心底排斥這個轉變,卻又無力去改變現狀,於是他和爺爺串謀演了一齣假裝墜樓的戲碼,墜樓後的維特騙過了鑑定他智商的醫師,不再被認為是天才的他因此有了喘息的空間,大人們雖然很傷心,卻也只能接受事實,變成一般人的維特過了許久快樂的日子,然而這個祕密卻在父親事業師背後不得不被戳破。

四、遊戲编辑

1.底特律:變人 發行商:Quantic Dream 發行日期:2018年5月25日

簡介:人工智慧一向是娛樂文化中的其中一個重要分支。這款遊戲講述的是三名「機器人」在覺醒屬於獨立意識後的行動及不同的行動會導致的結果。三名機器人分別屬於「政府」、「民用」及「革命軍」陣營,三者的行動會互相影響,導致最終會出現數量眾多的結局分支。雖然表面上只是劇情設計豐富多彩的遊戲,但實際上探討的是人類對於人工智慧應該採取的態度、道德論理上的考量。


五、電視影集编辑

1.宅男行不行(英語:The Big Bang Theory )

發行商:哥倫比亞廣播公司
發行日期:2007年9月24日至今
簡介:這是一部故事背景發生於美國加州,描述三位加州理工學院天才和一位麻省理工學院高智商工程師,日常生活相處時發生的各個趣事。

2.少年謝爾頓(英語:young Sheldon)

發行商:Warner Bros. Television Distribution
發行日期:2017年9月25日至今
簡介:這個影集是上述的《宅男行不行》衍生的番外前傳,主要講述童年時期的謝爾頓·庫珀跟家人一同在德克薩斯州生活的故事。因為少年謝爾頓智力過人,從小的在校園生活、家庭生活中總會發生許多讓人哭笑不得的趣事,螢幕外的觀眾除了能夠一窺謝爾頓成長的故事外,也能更了解高智商孩子生活在「一般」社會裡的艱辛。

3.黑鏡(英語:Black Mirror)

發行商:Channel 4&Netflix
發行日期:2011年12月4日至今
簡介:查理·布魯克製作和編劇的一部獨立單元劇,議題皆在討論科技與人性之間複雜的關係。布魯克曾言,本劇的內容和結構是「每集都有不同的演員、不同的背景,甚至一個不同的現實。但都是關於我們當今的生活方式的真實寫照,如果人們一直幹蠢事,十分鐘之後一切就會變成劇中的模樣。」

4.西方極樂園(英語:Westworld)

發行商:Warner Bros. Television
發行日期:2016年10月2日至今
簡介:故事背景設定在未來,一座充滿了模擬真人的機器人的成人主題公園,真人遊客們在這裡得以盡情放縱暴力與性慾,享受殺戮與性帶來的生理、心理上的歡愉,然而於此同時,有部分的機器人已自我覺醒,想擺脫樂園對自己的控制,甚至計畫反撲人類,雙方的故事就此展開。

5.疑犯追蹤(英語:Person of Interest)

發行商:Warner Bros. Television
發行日期:22011年9月22日至2016年6月21日
簡介:故事主角為一位億萬富翁,他運用超級電腦以及大數據分析,替政府開發出一套能夠預防犯罪的監視系統與AI的使用,但在政府運用不當後,主角決定挺身而出,以自己的財富與力量來拯救可能的被害人們,本劇跳脫了探討人們是否該發展AI的爭辯與說教,而是聚焦在人們應該如何與AI相處。

六、動畫编辑

1.大英雄天團(英語:Big Hero 6 )

導演:唐·霍爾、克里斯‧威廉斯 上映日期:2014年 簡介:原本只是醫療用機器人的杯麵,經由天才少年阿廣的設計,升級為可以飛翔、打鬥的超級機器人,為現代人展示了未來機器人的無限可能。

2.瓦力(英語:WALL-E)

導演:安德魯·史丹頓 上映日期:2008年 簡介:機器人可能會擁有自己的情緒,並提醒現代人應該正視環保,否則地球在不遠的將來會成為一片荒蕪。

參考資料编辑

專書

[1] 塞西(1996)。論智力:智力發展的生物生態學理論。上海市:華東師範大學出版 社。

[2] 王震武、林文瑛、林烘煜、張郁雯、陳學志(2008)。心理學(第二版)。臺北市: 學富文化。

[3] 張小紅(2008)。智力資本及其管理研究。北京市:中國農業科學技術出版社。

[4] 周春塘(譯)(2009)。智力測驗的歷史──決定「天才」或「低能兒」的合法劊子 手(原作者:Stephen Murdoch)。臺北市:博雅書屋。

[5] 危芷芬、田意民、何明洲(譯)(2010)。心理學導論(第15版)(原作者:Susan Nolen-Hoeksema, Barbara L. Fredrickson, Geoffrey R. Loftus and Christel Lutz)。臺北市: 新加坡商聖智學習亞洲私人台。

[6] 危芷芬、田意民、何明洲(譯)(2010)。心理學導論(二版)(原作者:Susan Nolen-Hoeksema, Barbara L. Fredrickson, Geoffrey R. Loftus and Christel Lutz)。臺北市: 雙葉書廊。

[7] 王蘊潔(譯)(2014)。七田真如何激發幼兒智力與才能(原作者: 七田真)。臺 北市:世茂。

[8] 程千芳、游一龍(2015)。普通心理學(2版)。臺北市:華杏出版社。

[9] 陳皎眉、林宜旻、徐富珍、孫旻暐、張滿玲(2015)。心理學(2版)。臺北市:雙 葉書廊。 期刊

[10] Burga-León, A. & León, F. R. (2015). How geography influences complex cognitive ability. Intelligence, 50, 221-227. doi: 10.1016/j.intell.2015.04.011

[11] Reilly, D., Neumann, D. L. & Andrews, G. (2016) Sex and sex-role differences in specific cognitive abilities. Intelligence 54 147-158 doi:10.1 016/j.intell.2015.12.004

[12] Lv, Z. & Ting Xu, T. (2016). Does intelligence affect health care expenditure? Evidence from a cross-country analysis. Intelligence 55, 86-89. doi: 10.1016/j.intell.2016.01.009

[13] Carl, N. (2016) IQ and socio-economic development across local authorities of the UK. Intelligence 55, 90-94. doi: 10.1016/j.intell.2016.02.001

[14] Webster, G. D. & Duffy, R. D. Duffy (2016) Losing faith in the intelligence–religiosity link: New evidence for a decline effect, spatial dependence, and mediation by education and life quality. Intelligence 55, 15-27. doi: 10.1016/j.intell.2016.01.001

[15] Grigoriev, A., Lapteva, E. & Lynn, R. (2016) Regional differences in intelligence, infant mortality, stature and fertility in European Russia in the late nineteenth century. Intelligence 55, 34-37. doi: 10.1016/j.intell.2016.01.003 [16] Frenken, H., Papageorgiou, K. A., Tikhomirova, T., Malykh, S., Tosto, M. G. & Kovas, Y. (2016) Siblings’ sex is linked to mental rotation performance in males but not females. Intelligence 55, 38-43. doi: 10.1016/j.intell.2016.01.003

[17] Zagorsky, J. L. (2007) Do you have to be smart to be rich? The impact of IQ on wealth, income and financial distress. Intelligence 35(5), 489-501. doi: 10.1016/j.intell.2007.02.003

[18] Hafer, R.W. (2016) Cross-country evidence on the link between IQ and financial development. Intelligence 55, 7-13. doi: 10.1016/j.intell.2015.12.008

[19] Coyle, T. R. (2016). Ability tilt for whites and blacks: Support for differentiation and investment theories. Intelligence, 56, 28-34. doi: 10.1016/j.intell.2016.02.002

[20] Irwing, P. & Lynn, R. (2006) The Relation Between Childhood IQ and Income in Middle Age. The Journal of Social, Political, and Economic Studies 31(2) 191-196.

[21] 盧雪梅(1988)。智力結構模式與其應用。特殊教育季刊,28,8-14。

[22] 陳李綢、林清山(1991)。多重智力理論模式的驗證與應用。教育心理學報,24, 31-66。

[23] 盧欽銘(1993) 。城市與鄉村國中生智力測驗的結果。國立台灣師範大學教育心理 與輔導學系教育心理學報,26,75-84。

[24] 洪儷瑜、陳淑麗、陳心怡(2003)。學習障礙國中學生的智力特質之研究。師大學 報:教育類,48(2),215-238。

[25] 王映學、米加德(2007)。智力與智力測驗的歷史流變。西南農業大學學報(社會 科學版),5(6),137-141。

[26] 李長虹、謝笑岳(2009)。影響智力測驗公正性的情境因素分析。廣州大學學報 (社會科學版),5,65-68。

[27] 何宜錚、黃鴻程、陳學志、王雅萍、賴惠德(2010)。國中生幽默風格與自尊及情 緒智力之相關研究。中華心理衛生學刊,23(2),271-304。

[28] 簡吟文、謝佳燕、孟瑛如(2014)。學習障礙學生在魏氏兒童智力量表第四版 (WISC-IV)表現之研究。課程與教學季刊,17(4),220-255。

[29] 蔡明富(2014)。國小4到6年級團體智力測驗。國立高雄師範大學高雄師大學報, 3,47-76。

學位論文

[30] 謝季宏(2000)。國小學生批判思考、情緒智力與學業成就關係之研究(碩士論 文)。取自http://handle.ncl.edu.tw/11296/ndltd/49250575908199203701

[31] 陳騏龍(2001)。國小學童情緒智力與幸福感、人際關係及人格特質之相關研究 (碩士論文)。取自http://handle.ncl.edu.tw/11296/ndltd/04580566929651642004 [32] 滿莉芳(2002)。情緒勞務工作者情緒勞務負荷與工作結果之研究-以情緒智力與 工作特性為干擾(碩士論文)。取自 http://handle.ncl.edu.tw/11296/ndltd/00102709596658752121

[33] 周美麗(2004)。靜坐對國小學童創造力與情緒智力之影響(碩士論文)。取自 http://handle.ncl.edu.tw/11296/ndltd/40370214362274695725

[34] 王佳玲(2004)。大學生情緒智力信念、創造力信念與情緒智力、創造力之關係 (碩士論文)。取自http://handle.ncl.edu.tw/11296/ndltd/53191385910893917341

[35] 吳佳恬(2010)。大學生之完美主義傾向、情緒智力與人際關係(碩士論文)。取 自http://thesis.lib.nccu.edu.tw/record/#G0097152008

[36] 高振耀(2012)。探索斯騰伯格智力三元能力測驗、一般智力測驗以及學業成就之 間的關係(碩士論文)。取自http://www.airitilibrary.com/Publication/alDetailedMesh? DocID=15633586-201206-201208130010-201208130010-71-88

[37] 林畊奇(2014)。人際關係、情緒智商與幸福感關係之研究(碩士論文)。取自 http://handle.ncl.edu.tw/11296/ndltd/24305553539591616232

[38] 吳偲嫄(2015)。父母情緒智力與幼兒社會行為之研究(碩士論文)。取自 http://handle.ncl.edu.tw/11296/ndltd/59284282631318990240

[39] 盧祈銘(2015)。 智力、創造力各成份與學業成績之相關探討(碩士論文)。取自 http://handle.ncl.edu.tw/11296/ndltd/80591717156979183620

網路資源

[40] Pascale Michelon. (2006, December 18). What are Cognitive Abilities and Skills, and How to Boost Them? [Web blog message]. Retrieved from http://sharpbrains.com/blog/2006/12/18/what-are-cognitive-abilities/

[41] Bryan Johnson. (2009, March 30). Top 10 Smartest Animals [Web blog message]. Retrieved from http://www.toptenz.net/top-10-smartest-animals.php

[42] Hybrid Librarian. (2013, June 30). World's 15 Most Intelligent Animals [Video file]. Retrieved from https://www.youtube.com/watch?v=VmCc40RmQKs#t=5m39s

[43] Annenberg Media. (2014, January 21). Insight in psych 16 “Testing and Intelligence [Video file]. Retrieved from http://www.tudou.com/programs/view/AF3KUkCsAlU/

[44] CrashCourse. (2014, July 21). Controversy of Intelligence: Crash Course Psychology #23 [Video file]. Retrieved from https://www.youtube.com/watch?v=9xTz3QjcloI

[45] anchiang chu(民104年2月28日)。常態分佈與智力測驗:多少人智商160以上【部落格影音資料】。取自http://www.youtube.com/watch?v=-XaB3SHSyPg&feature=related

[46] Study.com. (Date Unknown). History of Intelligence Testing [Video file]. Retrieved from http://study.com/academy/lesson/history-of-intelligence-testing.html

[47] Edu Exam Note: 智力理論 ]http://edu-exam-note.blogspot.com/2012/02/blog-post_24.html

  1. http://sa.ylib.com/MagArticle.aspx?Unit=featurearticles&id=2995
  2. Whiten A (Feb 7, 2018). Brainpower boost for birds in large groups. Nature 554, 303-4.
  3. Seyfarth RM & Cheney DL (2015). Social cognition. Behav. 103, 191–202.
  4. Dunbar RIM (1995). Neocortex size and group size in primates: a test of the hypothesis. Hum. Evol. 28(3), 287-96.
  5. Dunbar RIM & Shultz S (2007). Evolution in the Social Brain. Science 317(5843), 1344-7.
  6. Perez-Barberia FJ, Shultz S, Dunbar RIM (2007). Evidence for coevolution of sociality and relative brain size in three orders of mammals. Evolution 61(12), 2811-21.
  7. Powell LE, Isler K, Barton R.A. (2017). Re-evaluating the link between brain size and behavioural ecology in primates. R. Soc. B 284(1865), 1765.
  8. 張鈸,人工智慧發展現狀與展望.清華大學, 2018.

[48] 梁庚辰主編(2018)。心理學──身體、心理與文化的整合。

[49]温 明麗. “教育哲語-迦德納的智慧.” 教育脈動, 國家教育研究院.