心理测量
心理测量是指依据一定的心理学理论,使用一定的操作程序,对个体的能力、人格、兴趣、态度等心理特征进行数量化描述与推论的过程。它把不可直接观察的心理属性转化为可比较的分数,是心理学走向实证科学的技术基础之一。心理测量与教育测量同源而各有侧重:前者以个体心理特质为对象,后者以学业成就与教育效果为对象,二者共享信度、效度、常模等核心概念与统计方法。
- 测量的可能性与限度
心理测量面对的第一个问题是哲学性的:心理属性不可直接观察,如何测量?桑代克与麦克尔提出一个被反复引用的命题:凡客观存在的事物都有数量,凡有数量的事物都可以测量。这一命题为心理测量提供了本体论前提,但也留下争议:存在是否等同于可量化,量化是否等同于可测量。
心理测量的间接性是其根本特征。我们测量的是行为样本,而非心理特质本身。一个智力测验并不直接读取智力,而是通过被试对若干题目的反应,推断其智力水平。这一推断链条包含三个环节:特质定义、行为取样、分数解释。任何一环出问题,测量结果都会失真。这也是心理测量学把大量精力投入效度验证的原因。
- 测量的四项基本要求
- 信度。** 信度指测量结果的一致性、稳定性与可靠性,反映随机误差的影响程度。常用估计方法有四类:重测信度(同一测验在不同时间施测)、复本信度(两个平行版本)、内部一致性信度(分半信度、库德—理查逊公式、克伦巴赫系数)、评分者信度(不同评分者的一致性)。信度系数越高,测量越稳定,但信度只回答“测得稳不稳”,不回答“测得准不准”。
- 效度。** 效度指测验能测出所要测的心理特质的程度,是测量工具最重要的条件。效度分为内容效度、结构效度、效标关联效度(同时效度与预测效度)。效度的验证不是一次性的,而是一个累积证据的过程:题目内容是否覆盖了构念的全部方面、内部结构是否与理论一致、分数是否与外部标准相关、与其他构念的关系是否符合理论预期。
信度与效度的关系常被概括为:信度是效度的必要条件而非充分条件。测量缺乏信度必然缺乏效度,但信度高不等于效度高——一把总是偏左的秤读数稳定,却称不准重量。
- 常模。** 常模是解释分数的参照系。原始分数本身没有意义,只有放进常模团体才能判断高低。常模的建立需要具有代表性的标准化样本,样本的抽样方法、规模、时间都会影响常模的适用性。常模具有时效性,社会变迁会使旧常模失效,中国部分引进测验长期沿用二三十年前的常模,是被反复批评的问题。
- 标准化。** 标准化贯穿测验编制、施测、评分、解释全过程:统一的指导语、统一的时限、统一的施测环境、统一的评分规则。任何环节的松动都会引入无关变量。团体测验中主试控制力弱,个别测验中主试训练要求高,二者各有权衡。
- 历史脉络
心理测量的技术史可以按几个节点梳理。
- 个别差异的测量。** 1882年前后,高尔顿在伦敦设立人类学实验室,测量反应时、视觉辨别力等,并首创自由联想方法与统计技术。1890年,卡特尔发表《心理测验与测量》,首次使用“心理测验”一词。
- 智力测验的诞生。** 1905年,比奈与西蒙受法国教育部委托编制量表,用于鉴别需要特殊教育的儿童。量表按年龄分组编排,引入“心理年龄”概念。1916年,推孟在斯坦福大学修订,提出“智力商数”,即斯坦福—比奈量表。1917年,美国参加第一次世界大战,陆军甲种与乙种测验大规模施测,团体测验由此普及,也留下了测验被用于歧视性筛查的教训。
- 人格测验的兴起。** 1921年,罗夏墨迹测验发表;1935年,默里与摩根提出主题统觉测验;1943年,明尼苏达多项人格问卷问世,采用经验效标法编制,引入临床量表与效度量表。自陈量表与投射测验两条路线由此成形。
- 测量理论的演进。** 20世纪初,斯皮尔曼提出真分数模型,后经发展形成经典测验理论,其核心是观测分数等于真分数加随机误差的假设。1968年,洛德与诺维克出版《心理测验分数的统计理论》,标志经典测验理论体系成熟。20世纪50年代起,项目反应理论逐步发展,把被试的潜在特质与题目参数放进同一个概率模型,形成单参数、双参数、三参数模型。项目反应理论的优点在于题目参数具有样本不变性、可提供个体化的测量误差、可解决不同测验版本的等值问题,并支撑了计算机自适应测验。此外,概化理论把误差来源分解为多个侧面,弥补了经典测验理论把误差视为单一整体的不足。
- 测验的类型
按对象分,有智力测验、能力倾向测验、成就测验、人格测验、兴趣与态度测验、临床评定量表。按施测方式分,有个别测验与团体测验;按材料分,有文字测验与操作测验;按解释方式分,有常模参照测验与标准参照测验。按编制方法分,有标准化测验与教师自编测验。
不同测验对测量学指标的要求不同。成就测验强调内容效度,须与课程标准对应;人格测验强调结构效度与掩饰性控制;临床量表强调敏感性与特异性,即能否有效区分患者与常人。把不同逻辑的指标混为一谈,是测验使用中的常见错误。
- 编制流程与技术要点
一个规范化测验的编制通常包含以下步骤:明确测量目标与构念定义、编制题目池、专家评审与小样本试测、项目分析(难度、区分度、选项功能)、大规模预测与参数估计、信效度检验、建立常模、编写手册。
项目分析是编制过程中的关键环节。难度以通过率表示,区分度常用题目与总分的相关或高低分组通过率之差。项目反应理论框架下,则估计题目的难度、区分度与猜测参数,并绘制项目特征曲线,检验题目在不同能力水平上的表现是否符合模型。
近年来,计算机化自适应测验在大型考试中应用增多。其原理是根据被试前一题的反应实时估计能力值,再从题库中选取信息量最大的题目,直至达到预设精度。自适应测验缩短了测验长度、提高了测量精度,但对题库建设、题目曝光控制、等值设计提出了更高要求。
- 使用规范与伦理
中国心理学会心理测量专业委员会制定《心理测验管理条例》,对测验的登记、使用资格、发行与培训作出规定。条例要求,凡编制或修订完成、用于研究、测评服务、出版发行与销售的心理测验,应向心理测量专业委员会申请登记,登记内容包含测验名称、编制者、测量目标、适用对象、结构、示范性项目、信度与效度;修订的测验须提交原版权所有者的书面授权证明;登记信息须公示三个月,无版权异议方可登记。
在使用环节,伦理要求集中在几点。一是资格限定,施测者须受过相应训练,某些测验限定由具备特定资质的人员使用。二是知情同意,被试有权了解测验目的、用途与结果的保密范围。三是结果解释的谨慎,分数应结合常模、测量误差与个体背景综合判断,不能把一次分数当作定论。四是防止标签化,测验结果不得成为给学生贴标签、分等、限制发展机会的依据。五是保密,测验题目与个体分数都属于受保护信息,公开泄露题目会破坏测验效度。
- 应用领域
- 教育。** 用于学业诊断、学习困难鉴别、超常儿童筛查、升学与分班参考、教育质量监测。近年来,心理测验在教育中的应用向全周期延伸,通过追踪学生心理发展轨迹为教育资源配置提供依据,并结合职业兴趣与能力评估提供生涯规划服务。
- 临床与咨询。** 用于症状评估、人格评估、认知功能筛查、治疗效果监测。明尼苏达多项人格问卷、症状自评量表、抑郁与焦虑量表在医疗机构与学校心理中心使用广泛。
- 组织与人事。** 用于人员选拔、岗位匹配、团队建设、领导力评估。此类应用对效度的要求最高,因为涉及个人重大利益,也最容易引发公平性争议。
- 司法与特殊领域。** 用于刑事责任能力评定、伤残鉴定、特殊职业人员心理选拔。
- 争议与反思
- 文化公平问题。** 测验题目隐含文化经验,城市中产家庭的孩子在词汇、类比、常识题上具有系统性优势。所谓“文化公平测验”只能减少而不能消除这种偏差。跨文化使用测验必须重新检验信效度并建立本地常模,直接搬用国外常模是严重的方法错误。
- 分数误用。** 把智力分数等同于发展潜力、把人格类型等同于命运、把一次测评结果写进学生档案,都是对测量的滥用。测量提供的是概率性信息,不是确定性判决。
- 网络测验的泛滥。** 社交平台上大量“性格测试”“抑郁自测”缺乏信效度证据,题目来源不明,结果解释随意。这类测验扩大了心理学的公众接触面,也稀释了专业测量的严肃性。部分研究者开始探索生成式人工智能在题目生成与自动评分中的应用,其优势是效率,风险是构念漂移与偏差放大,目前尚缺乏成熟的验证框架。
- 测验的安全与版权。** 题库泄露、盗版量表流通、培训机构以“押题”方式破坏测验效度,是长期存在的问题。测验的安全管理不仅是技术问题,也是行业治理问题。
- 参考资料
- [心理测验管理条例](https://xlzx.cqnu.edu.cn/nr.jsp?archive=0&wbnewsid=3432&wbtreeid=1446),中国心理学会心理测量专业委员会。
- [心理测验](https://www.kepuchina.cn/article/articleinfo?business_type=100&classify=0&ar_id=277860),科普中国。
- [信度](https://www.kepuchina.cn/article/articleinfo?business_type=100&ar_id=328025),科普中国。
- [走进心理测量的世界](https://www.cdstm.cn/gallery/media/mkjx/xlyjk/art/2019/art_fd40ba083cd94fc481b93fb539623a3e.html),中国数字科技馆。