跳转到内容

心理测量学

来自VeritasWiki 真理百科

心理测量学(psychometrics)是研究心理特质的量化方法与测量理论的学科,其任务是回答一个看似简单却极难的问题:看不见的能力、人格倾向与态度,如何被可靠而有效地转化为数字。它为智力测验、人格问卷、教育考试与各类临床量表提供统一的评价标准,规定了什么样的分数才可以被信任、被解释、被比较。可以说,凡是涉及“给心理属性打分”的场合,背后都站着心理测量学。它既是心理学的方法论基础,也越出学科边界,影响着教育评价、人事选拔与公共政策。[1]

界定与基本任务

测量在自然科学中早已成熟,长度可以用尺子反复量,重量可以用天平比对,但心理特质没有实体,不能被直接观察。心理测量学要处理的正是这种间接性:它假设某个潜在属性(常被称为构念)会稳定地影响外在表现,于是通过设计题目、记录反应,把这些表现当作属性的指标。这一假设无法被直接证明,只能通过积累证据来支持或动摇,因此心理测量学从诞生起就带有深刻的推论性质。

由此派生出几项基本任务。首先要定义测什么,即把模糊的概念转化为清晰、可操作的定义,明确哪些行为算作该特质的证据。其次要保证测得的分数稳定,这是信度问题;再次要保证分数确实反映所测之物,这是效度问题。最后还要解决如何把原始反应转换为有意义的量表分数,以及如何在不同人群、不同时间之间进行比较。这四项任务相互缠绕:没有信度就谈不上效度,而只有信度没有效度,测量再稳定也无意义。心理测量学的全部技术,几乎都是在为这几项任务提供工具。

从个别差异到测验运动

心理测量学的思想源头是对个别差异的关注。19世纪,高尔顿受进化论启发,试图测量人的各种能力,并首创用统计方法处理个体间的差异,相关系数的雏形即由此发展而来。与此同时,费希纳与韦伯在心理物理学中证明,主观感觉可以借助刺激的物理量间接测量,这为“心理量可以量化”提供了最早的范例。两条线索——个体差异的统计描述与心理量的实验测定——在此后汇合,构成了心理测量学的双重根基。

真正的测验运动始于20世纪初。比奈与西蒙受法国教育部门委托,编制了用于识别需要特殊教育的学童的量表,其做法是把不同年龄儿童普遍能完成的题目按难度排列,用“心理年龄”表示水平,这一思路成为后世智力测验的原型。随后,测验被大规模用于军队招募中的分类,又在教育与企业中迅速普及。智力测验、成就测验、兴趣问卷与人格量表相继问世,测量从实验室走向社会,也从一门技术演变为一场运动。这场运动的扩张之快,远超其理论准备的成熟程度,日后许多争议正源于此。

信度:分数稳不稳

信度指的是测量结果的一致性与稳定性,通俗地说,就是重复测量能否得到相近的结果。理论上,任何观测分数都由真实水平与误差两部分构成,信度反映的就是真实变异在总变异中所占的比例。误差来源不同,信度的估计方式也不同:同一组题目内部是否一致,用内部一致性系数衡量;同一批人在不同时间重测的结果是否相近,用重测信度衡量;不同评分者对同一份答卷的判断是否一致,用评分者信度衡量。

信度不是一个全或无的属性,而是随样本、情境与用途而变的系数。一个在特定人群中信度良好的量表,换到另一人群可能明显下降;用于群体比较足够的信度,用于个体决策时往往不够。这带来一个常被忽视的推论:分数永远带有误差,任何单一分数都应被理解为一段区间而非一个点。实践中,忽略这一点会导致过度解读,例如把几分之差当作能力的真实差异,据此作出录取或诊断的决定。信度是效度的必要前提,但高信度并不保证高效度——一把总是短两厘米的尺子,测量结果十分稳定,却系统地偏离真值。[2]

效度:测的是不是那个东西

效度是心理测量学中最核心也最复杂的概念,它追问分数是否真的反映了所声称的特质,以及依据分数作出的推断是否成立。早期的教材把效度分为内容效度、效标效度与构念效度几类,分别对应题目是否覆盖了内容范围、分数是否与外部标准相关、以及测量结果是否符合理论预期。现代观点更倾向于把这些类型看作收集效度证据的不同途径,而非彼此独立的效度种类,效度本身是统一的,是“对分数所作解释的支持程度”。

构念效度是这一框架的中心。它要求研究者提出关于该特质的理论网络,然后检验测量结果是否符合这些预期:与理论上应相关的变量是否相关,与应无关的变量是否无关,实验干预后分数是否朝预测方向变化。这一过程没有终点,效度是逐步累积的判断,而非一次性的标签。效标效度则更直接地服务于实用目的,例如用测验分数预测学业成绩或工作表现,其大小取决于所选效标的质量。问题在于,效标本身也常是另一种测量,带有自己的误差,以有缺陷的效标去验证测验,容易形成循环论证。效度的这种开放性,使任何“本测验已被证明有效”的笼统说法都值得警惕。[3]

量表编制与测量模型

编制一份量表远非把题目凑在一起。规范流程通常从界定构念开始,经过编写题库、请专家评审内容、在小样本上试测、分析题目的难度与区分度、剔除表现不佳的题目,再进行因子分析检验结构,最后在独立样本上验证。每一步都在为效度积累证据,也在暴露最初设想的偏差。题目反应理论进一步改变了这一过程:它不再把测验看作固定的总分,而是为每道题估计区分度与难度参数,为每个人估计潜在特质水平,从而使不同题目组合的分数可以相互比较。

题目反应理论的优势在于,它把测量精度与个体水平联系起来——同一份测验对不同能力段的人,信息量并不相同。这使得计算机自适应测验成为可能:系统根据答对与否动态选择下一题,用更少的题目达到同等精度。经典测验理论与题目反应理论各有适用场景,前者直观、易用,后者精细、要求大样本。量表编制中另一常被低估的环节是等值,即把不同版本或不同年份的测验分数放到同一标尺上,缺乏等值处理,跨版本比较便失去了意义。[4]

争议、滥用与本土化

心理测量学最尖锐的争议围绕智力测验展开。测验分数在群体间存在平均差异,这一事实曾被用来论证群体间存在先天差异,但批评者指出,测验所测的内容深受教育机会与文化经验的影响,组间差异不能简单归因于遗传;更重要的是,测量的目的应是帮助个体,而非给人贴标签。类似的争论也出现在人格测验、职业选拔与临床诊断中,核心问题始终是:分数能说明什么,又不能说明什么。

测量工具的滥用是另一重隐忧。缺乏训练的使用者可能无视常模的适用范围,把为某一文化编制的量表直接用于另一人群;商业机构可能夸大测验的预测力,以科学的外衣包装并不成立的推断;在网络时代,娱乐化的“心理测试”大量流行,进一步模糊了严谨测量与消遣游戏的区别。就中国而言,心理测量在教育和临床中应用广泛,但本土量表的编制与常模更新仍需长期投入,直接翻译国外量表而不做文化适应,是常见的隐患。心理测量学的价值,不在于提供一劳永逸的答案,而在于教会使用者对每一个分数保持应有的怀疑与克制。[5]

参考资料

  1. ↑ Psychological Testing,Encyclopaedia Britannica,2024年访问
  2. ↑ Reliability,Simply Psychology,2023年访问
  3. ↑ Validity,Simply Psychology,2023年访问
  4. ↑ PubMed Central,National Library of Medicine,2024年访问
  5. ↑ 中国心理学会,中国心理学会,2024年访问