学文网智力测试题篇1
题目是这样的：
5个人在海边拾到了100颗宝石，每一颗具有同样的大小和价值。经过商量，他们决定这么来分配：
1、抽签决定自己的号码（1，2，3，4，5）；
2、首先由1号提出分配方案，然后大家5人进行表决，当且仅当至少半数的人同意时，则按照他的提案进行分配，否则将从此剥夺他的分配权和表决权；
3、如果1号出局了，则由2号提出分配方案，然后大家4人进行表决，当且仅当超过半数的人同意时，按照他的提案进行分配，否则将出局。以次类推；
4、最后，这5个人都是同样足够聪明的人，他都能很理智的判断，做出使自己利益最大化的选择。
问：现在假如是你抽到了第1号，你会提出怎样的分配方案才能够使自己的收益最大?
答案解读：
做这道题之前，首先要牢记一个前提：使自己的收益最大化（实际上这是说当你成为某个公司的主管时，你必须使公司的利益最大化）。而要使自己的收益最大，必须并且只能争取余下四人中的两人的支持，因此现在你必须明确：在余下的四人中，谁是你的敌人？谁是你最可能争取到的盟友？对于敌人，你要采取彻底的打击手段，一个也不给，对于盟友，你要适当的给与，但绝不多给一个。解题的过程如下：
第一、中国古代的《周易》有言：远交近攻，远应近比。因此，作为1号的最大敌人，将是和他最近的2号。为什么？因为1号被淘汰以后，2号将是最大的受益者（掌握了分配权），因此，2号会不遗余力的反对1号的分配方案（除非你将大头给2号，但这又会引起其他人的不满，方案照样通不过）。所以1号在做分配方案时，从战略上，就应该将2号视为最大的敌人，一个也不给。
第二、从上节可以看出，3号将是1号的盟友。为什么呢？因为如果1号被淘汰掉了，轮到2号分配，3号也将一个也得不到。（推理同上节一样）
第三、以此类推，1、3、5将是盟友关系，而2和4将是被打击的对象。因此，初步的分配方案是（a，0，b，0，c），现在，关键的问题是确定：b和c的最小值可以是多少？
第四、如果1号分配失败，则轮到2号分配，2号分配的方案肯定是（x，0，y，0）,那么3号和5号将会一个也得不到，因此，只要1号给3号和5号各一个珠宝，他们就会支持这个方案。因此，最大收益的分配方案是（98，0，1，0，1）。
智力测试题篇2
关键词新一代测验理论，认知难度因素，潜在特质模型。
分类号G449
1问题提出
传统的智力测验[1]，由于缺乏心理学实质理论作基础，其效度无法从根本上得以验证，受到人们较多的质疑与批评[2]。为了探求智力的本质，20世纪六、七十年代以来，一些著名的心理学家致力于“将智力视作认知过程来重构智力概念”[3]的工作，并且已取得了一些进展，但用以这种理论为基础的测验取代现有的智力测验还为时过早。传统的智力测验，尽管没有全面解释智力的本质，终究是对智力的再次表现，被试求解测验项目，也终究是一种智能活动。从被试在这些智能活动中的表现，也可评估被试的智力水平，只不过这种评估较为模糊、较为笼统而已。因此，传统的测验在诸多批评中依旧得到广泛的使用。既然“将智力视作认知过程来重构智力概念”在目前还有一定难度，那当前之计就是将智能活动视作认知过程来进行分析，以深入理解人的智能特征。时下国内外研究文献中对智能活动作认知分析通常采用两种方法：其一，分析测验项目解决的认知加工成分、策略、所需知识结构等被试内部微观的心理机制。其二，分析测验项目的刺激特征对项目难度的影响。有了对智能活动的认知分析结果后，如果还能引入合适的测量模型对这类分析给予量的刻画，使认知分析结果能获得测量数据的实际验证，就能对测量作更有效的解释。这就是认知心理学与现代测验理论的结合，是新一代测验理论的核心思想[2]。
在各种传统智力测验中，瑞文标准推理测验（下简称瑞文测验）以其适用范围广、使用方便以及结果解释直观、简单等优点得到了广泛的使用。本研究采用分析项目刺激特征的方法分析瑞文测验项目认知难度的影响因素，以便为更深入解释瑞文测验结果、分析被试智能特征提供依据。具体的做法是：首先对被试解答项目的认知过程进行详细分析，提出影响因素及其层次结构假设。其次引入合适的测量模型，通过对实测数据的拟合与检验来验证假设是否成立。
本研究所选的测量模型是项目反应理论中的线性逻辑斯蒂克潜在特质模型（linear logistic latent trait model，LLTM）。线性逻辑潜在特质模型是费舍（Fisher）在拉希（Rasch）模型的基础上进行扩充、改造而成的，其数学表达式为：
式中， 为被试能力，bi*为试题难度，qim是项目i在因素m上的难度计分，是因素m的难度权重，d是标准化常数。可以看到模型中项目难度是各影响因素的线性组合。
2研究方法与步骤
2．1认知难度影响因素及其层次结构假设的提出
2．1．1方法
选取了67名被试（其中大学生34名，初中生15名，小学生18名）进行瑞文测验的施测。测试个别进行，除了正常作答，还请被试在解题过程中口头报告其思维过程，测试后被试还回答了主试的“做这个题目你是怎么想的？”、“你认为这个题目难吗？难在哪？”等一系列有针对性的提问。主试对被试的口头报告及回答均作详细记录，然后整理、概括，提出初步的假设；再与一些认知心理学教授和美术工作者就假设中的因素个数、因素名称与定义作进一步的分析、论证，形成最后的因素结构假设。
2．1．2因素结构假设
因素一***块繁简度
***块指每一测验项目中的各个单元***形，瑞文测验中每一个项目含有数目1至8个不等的***块。***块繁简度即指***块中的基本元素数量的多寡及基本元素组合方式的复杂程度。瑞文测验的***块中的基本元素包括点、线、圆、三角形、斜条纹等。***块繁简度可分为4个层次，分别赋值1、2、3、4。所赋数值越大表示繁简度越大。
1为单种或多种元素平铺。指整个项目中含有的基本元素均匀分布，如项目A4等。
2为多元素两两简单组合。指整个项目中含有多种不同的基本元素，但其中的每个***块只由两种基本元素简单组合而成，如项目D5等。
3为多元素多重简单组合。指整个项目含有多种基本元素，其中至少有1个***块由2种以上基本元素简单组合，如项目E10等。
4为多元素复杂组合。指整个项目中含有多种基本元素且***块由基本元素复杂组合。所谓复杂组合指不同元素的重叠、交叉等组合形式，如项目C8等。
因素二***块整体布局
即构成瑞文测验项目的各***块间的相互关系。瑞文测验项目***块的布局有简单布局、拉丁方布局、无剔除的套合布局、有剔除的套合布局4个层次，分别赋值0、1、2、3。
0为简单布局。包括均匀、渐变、轴对称3种布局方式。均匀，即项目中的***块均为同一***案且均匀分布，如项目B2等。渐变，即项目中的***块从左至右，从上至下大小或数量等发生变化，如项目C3等。轴对称，这种布局出现在有4个***块的项目中。即左右***块间及上下***块间是轴对称的，如项目B3等。
1为拉丁方布局。指在N行、N列的***块排列中，有N个不同的***块，每个***块在每行中仅出现1次，在每列中也仅出现1次，如项目D2。
2为无剔除的套合布局。即前一列（行）或中间一列（行）或最后一列（行）***块是另两列（行）***块的叠加，如项目E2。
3为有剔除的套合布局。即前两列***块叠加后，经某种剔除（或是将相同的元素剔除，或是将不同的元素剔除）而形成第3列***块，如项目E10。
因素三变化维度数
在瑞文测验中，***块间可能会有朝向、形状、数量、位置、大小等形式的变化。变化维度数指项目***块间发生了几种形式的变化。瑞文测验中***块间变化维度数最多的项目为3，故分别赋值0、1、2、3。题例分别如B1、C7、B7、C8。
因素四题序因子
瑞文测验项目分为A、B、C、D、E五大类，每一类都有一个主题。瑞文测验的指导手册中提到“一般来说，完成前面的题目对解决后面的题目有帮助，……这正是题目排列的用意所在。”[4]也就是说，被试在解答项目时有学习效应。因此，项目所在位置，即题序也被认为是影响项目难度的因素。题序因子的量值的给定方法为每个项目本身的代号去掉英文字母。如项目A11，就用11表示它的题序因子。
需要说明的是，D11、D12、E11、E12四个项目有其特殊性，不能用上述因素假设理论分析。又因为数量很少，故本文未作研究。
2．2各项目难度因素层次的赋值
根据2．1．2的假设，分析每个项目的刺激特征并分因素赋值。结果如表1所示。
2．3项目难度值估计
评阅2．1．1中被试在瑞文测验上的测试结果，获得各项目上被试的做答反应矩阵，用自编的参数估计程序（联合极大似然估计）估计各项目难度值，结果见表2。2．4项目难度对影响因素的线性回归拟合方程的求取及回归检验
2．4．1回归方程的求取
把难度作为因变量，影响因素取值做为自变量，利用SPSS 10.0软件包求取难度在各影响因素上的线性回归系数。所得回归方程如下：
本文为全文原貌 未安装PDF浏览器用户请先***安装 原版全文
2．4．2回归方程的有效性检验及决定系数
对此回归方程进行方差分析的结果如表3所示。
据此，所求回归方程是有效的。另可求得其决定系数为R2=0.664。对每个自变量进行显著性检验，p值分别为0.001、0.000、0.004、0.048，均低于0.05的显著性水平值。据此，我们完成了对瑞文测验项目认知难度因素及其层次结构假设的验证。
3结果的潜在应用探讨
3．1被试认知特征识别
有了项目认知难度影响因素模型，就可以克服对个体的智力水平仅给一个总分值的简单做法，个体的能力特征可参照其答对或答错项目的因素取值作进一步的解释。如被试A答对瑞文测验项目37个，在A、B、C、D、E5组中，错答数分别为1、1、5、3、9个，被试A的错答主要在E组。比较E组各因素取值及其它组项目因素取值发现，E组项目在因素二上的取值明显高于其它组，因此可以说，被试之所以E组题答不好，是因为对***块整体布局这一影响因素反应能力较弱，也就是说被试知觉***块整体布局、对事物形成整体认识的能力较差，或是在知觉基础上进行有效推理的能力较差。
另外，对传统智力测验简单评为能力水平相同的被试，也可据其解决的项目不同，进一步分析其间的能力结构差异。如被试B、C，答对瑞文测验项目数均为27个。他们的正答项在各影响因素上取值的平均数如表4所示。
被试正确作答项在因素一、因素二、因素三上的平均取值越大就意味着被试在相应影响因素上的反应能力水平越高。从表4中可看出，被试B、C在因素一上的反应能力是相同的；在因素二上被试C强于被试B；在因素三上被试B强于被试C。被试正确作答项在因素四（题序因子）上取值高，说明被试在位置较靠后的题目上才出现学习效应，说明被试自觉学习能力更低，因此被试B在学习能力上强于被试C。
3．2为计算机智能命题提供测量学理论基础
实现计算机智能化命题是普及计算机化测验的一项重要技术。本文得到影响瑞文测验认知难度的四个因素，以及每个影响因素的权重，由此建立了项目的刺激特征参数向项目难度映射的关系。根据这个关系，我们可以编制出同时考虑***块繁简度、***块整体布局、变化维度、题序因子等因素变化的命题程序，计算机就可自动生成符合各因素层次要求的瑞文测验项目。另外，如果指定项目难度值，那么，计算机可根据项目的刺激特征参数向项目难度映射的关系法则分配项目在各影响因素上的取值，进而生成指定难度的项目。
4需进一步探讨的问题
本研究需进一步探讨的问题有：D11、D12、E11、E12四个项目的难度因素分析有待进一步探索；回归方程的剩余方差还不是很小，可能还有其它的难度因素未被找出；潜在应用前途中提出的智能命题仅是一个初步设想，有待完善和实践。
参考文献
1 张阔, 胡竹菁. 智力测验发展的现状与趋势. 心理学探新, 2002, (22)2: 36~40
2 Frederiksen N, Robert J M, Isaac I B(Ed). Test Theory for a New Generation of Tests. Lawrence Erlbaum Associates, Inc. 1993
3 李其维, 金瑜. 简评一种新的智力理论: PASS模型. 华东师范大学学报, 教育科学版, 1995, 4: 41~50
4 张厚粲, 王晓平. 瑞文标准推理测验手册, 1980
智力测试题篇3
尝试在20分钟内解答一下这些题目看看自己的思维能力怎么样！
新视界周刊A10版～A12版
美国的亚历克西斯・马丁有着5年级孩子的阅读水平，她平时玩着爸妈的iPad，就教会自己说一口流利的西班牙语。令人惊讶的是，她才3岁。
“在12到18个月大时，我们在开车时经常会听她复述前一天晚上听到的睡前故事，”亚历克西斯的爸爸伊恩说，“她不是大略地复述，而是精确地讲述。”
亚历克西斯是亚利桑那州年纪最小的门萨俱乐部会员。美国人的平均智商为100，亚历克西斯达到了160。
在全美范围内，共有5.5万人被吸纳成为门萨会员。其中有一些还是你耳熟能详的人物，比如诺兰・古德（美剧《摩登家庭》中扮演邓菲家最小的儿子卢克）和理查德・博尔斯（著名的职业选择指导书《你的降落伞是什么颜色》的作者）。
问题是，智商真的会反映出一个人的智力水平吗？亚历克西斯的高智商是否会伴随她的一生？如果一个人到了50岁还不能掌握一门外语，他是否应该放弃？
你的智商意味着什么？
智商全称智力商数，简称IQ。心理学家使用一种被称为“流体和晶态智力”的办法来衡量一个人的智力水平。简单来说，智商测试衡量你的逻辑推理和解决问题的能力。
目前测试智商的办法五花八门，但绝大多数测试题都意在弄清楚被测试者的视觉、数学和语言能力以及记忆和信息处理速度。“一个具有极高智商的人，通常有能力操控、加工和理解信息更深层次的一面，处理速度也高于常人。”门萨俱乐部天赋青年专家丽莎・范・海默特说。
得分通常以钟形曲线表现出来，所有人的智商平均分为100，远低于或高于这一分数都被认为是“离群者”，比如3岁的亚历克西斯―――她这个年纪不该达到这样的智力水平。
智商测试反映真正智力？
智商测试究竟能否反映出一个人的真实智力水平？至少专家不这样认为。“这类测试的最大问题在于，它只是一张快照，”范・海默特说，“只是让我们看到那一天里、那个人在使用那种测试方法后所表现出的智商。”
密西根大学心理学教授理查德・尼斯贝特称，智商测试无法衡量出你的实际智力水平，无法量化你的创造力，更无法测出你的好奇心。智商测试结果不会告诉父母和老师你的情绪是否准备好。也许当你在5岁大时就能阅读并理解《经济学人》上的文章，但你能否理解有关遭战争蹂躏的国家或死囚等待被处决的故事呢？
在范・海默特看来，用智商来衡量一个人显然是个错误，一个有着高智商的孩子并不比别的孩子多出什么。
横向：智商会随着时间改变
随着时间的变化，很多因素会对智商构成影响，比如贫穷、营养不良和沉重的压力。
尼斯贝特教授研究发现，那些来自社会底层的孩子在被中产阶级家庭收养后，他们的智商通常会提高15到20分。
“对于一些人来说，遗传（对智商的影响）并没有那么大，”尼斯贝特说，“环境因素带来的影响更为强烈。”
在一项研究中，研究人员测试了33名青少年志愿者的智力水平，时隔四年后对他们进行了相同的测试。结果发现，志愿者的智商变化超过20分，这与他们的大脑结构和功能变化相符。
研究者认为，一个2岁时被认为是“天才”的孩子，很少会保持这一称谓。换句话说，我们会注意到一个3岁的孩子在读五年级的书，说着流利的西班牙语，却不会发现一个47岁的中年人是否比其他人更聪明。
纵向：你比你的祖先更聪明
早在上世纪90年代初，智商测试才开始标准化。研究人员发现，随着人类的迭展，智商也在一代代提高。今天10岁孩子的平均智商，远高于1954年时10岁孩子的水平。
这不仅仅意味着我们比曾曾曾祖父有着更大的大脑，而是因为我们提高了逻辑思考和解决问题能力，并且学会在假设情况下使用这种能力。
这也被称为弗林效应，由道德哲学家詹姆斯・弗林最早发现。詹姆斯・弗林在1984年和1987年指出，在相当长的一段时期内所有发达国家年轻人的IQ指数（智商测试分数）都出现了持续增长，这个现象具长期性、明显性和广泛性。具体而言，从1932年至1978年，美国年轻人的IQ平均指数提高了14点。这一发现受到广泛的关注，被称为“弗林效应”。
“现在的汽车比1900年时的产品改观很大，这是因为更好的道路和科技的进步，”弗林去年在TED公开课上说，“我们的大脑也发生了变化。以前，我们面对的是一个具体的世界，并分析这个世界会让我们如何受益。但现在，我们面对的是一个复杂的世界。”
例如，工作变了。“在上世纪90年代早期，只有3%的美国人所从事的工作被认为‘认知苛刻’，现在这一数字上升到30%。我们习惯于解决复杂或假设的问题，这像极了一个正在进行智商测试的人。”弗林说。
另外，健康因素也会对智力产生影响。研究发现，儿童的早期免***接种率是预测一个国家平均智商水平的重要因素。换句话说，在全球范围内减少传染病，可能会提高这一代地球人的整体智商。
孩子不聪明？别慌
学生怕考试，你可能还记得上学时的糟糕经历，这也是一种智商测试。尼斯贝特相信，学生的学业平均分比他们的智商测试更能反映出真实的智商，也是预测未来是否成功的“靠谱”因素。
“美国学生的平均成绩点数（GAP）能更好地反映出学生的努力程度和自控力，这对未来的成功非常重要。”他说，“我认为一些高智商学生不会取得很高的成就，是因为他们缺少好奇心……他们缺少与其他人相处的能力。”
高智商并不意味着高成就，低智商的结局也不一定注定失败。好的习惯、毅力和强烈的职业道德感与高智商同样重要。
“如果你不在这些方面寻求发展，就相当于浪费了高智商。”他说。
智力测试题篇4
智商测试是儿童心理咨询中一项科研或***的评定手段，单纯的智商指数并不能说明孩子是“天才”还是“庸才”。目前国际通行的智商测试，通常是由语言、数字和***像等3部分内容组成。但实际上，人的智力的全部内涵要远远超出这几项，至少应该包括思维能力、认识能力、创造能力、适应环境的能力和表达能力。目前任何一种智商测试都具有偏重性，如有的测试偏重于语言，有的测试偏重于逻辑，不能将一个人的方方面面全部测出来。
孩子的身体一直处于不断发育的过程中，任何检测结果都只能代表孩子在某个时期的发育程度。比如，有些孩子说话早，有些孩子说话晚；有些孩子走路早，有些孩子走路晚，不能用一个绝对的标准来衡量。同时，孩子在成长过程中出现各个功能区发育不均衡的现象也很正常，有的孩子可能在适应性方面比较超前，有的孩子可能在大运动方面比较超前，有的孩子可能在精细运动或语言方面比较超前。家长不应该过度看重智商测试结果，更不能要求孩子的各个功能区都必须完美。
智商测试的结果与许多主观和客观因素都有关，不同的测试方法会导致不同的结果。一个认真负责、工作阅历丰富的医生与一个初出茅庐、马虎了事的检测者，检测结果会截然不同。而且孩子的成长环境不一样，检测结果肯定也不一样。此外，孩子的发育情况同样会影响检测结果。比如，有些孩子较胖，做翻身、攀爬这样的动作肯定不如体重轻的孩子灵活，但这并不能说明他们就是运动神经或者智力发育落后。有些孩子由于当时情绪不佳，在测试时注意力无法集中或者认生而不配合测试，这样检测出来的结果也不准确。
即便智测结果比较准确，也不能说分数高的孩子长大后就一定会有大作为；同样，智商偏低并不能说明孩子将来就不成才。大量现实案例证明，很多从小聪明过人的孩子由于不努力最终一事无成，而许多天赋一般的儿童因为勤奋好学，结果获得了成功。孩子的智力发育，与家庭环境、教育方式、学校的氛围等多种因素密切相关。事实上，儿童的智力80%来自后天的培育，先天因素仅占20%。因此，正常的儿童不主张做智商测试，因为测试结果对于家长、老师会产生导向性，过高会沾沾自喜，放松管理和培养；过低会产生误导，可能伤及孩子自尊，使家人对孩子的将来发展丧失信心。
智力测试题篇5
【关键词】 文职人员;招聘技术;社会人才
当前，***队改革即将开始，***官职业化也势在必行。此次***队改革后，非指挥类岗位将招聘大批文职人员。由于***队非指挥类岗位众多，其功能不同，职责也不同，就需要各种类型的文职人员。但***队选人用人的传统方法已不适宜***队的发展，必须借用***府机构和企业单位的一些招聘方法，为***队选招一批适宜在***队发展且***队需要的优秀社会人才。近些年来，***队每年都会从社会上招收各类人才，如文职人员聘用、接收地方大学生干部、接收国防生、特招地方专业技术人员等。在人才招聘过程中，为保证在更大范围遴选适合到***队工作、具有高素质的优秀人才，***队干部工作者掌握几项人才招聘方法，是很有必要的。
一、资历评价
资历评价是考察应聘者过去的工作经历、表现以及学习、生活等各方面情况，以了解其是否适应拟聘的***队岗位。该方法是人才招聘中比较常用且简便易行的，是对传统履历考察的科学化、规范化。该评价主要有三种形式：经验与训练、加权申请表和经历调查。经验与训练是考察应聘者的过去的工作经验以及曾经接受过的教育训练情况等是否符合***队拟聘岗位的要求。它要求事先确定招聘岗位所需具备的经验和接受培训的标准，然后将应聘人的资历时间、工作情况与其相对照进行评价，最后将应聘人划入特定资历等级。加权申请表是将应聘者履历表改成履历的问题形式，组成开放式问卷，确定每一答案的权重，将各项内容加权计算后，再以此为依据对应聘人员的申请表的经历进行评价。经历调查表则是对加权申请表的标准化，它需要做一些基础性的技术工作，编制一些标准化的调查表，并根据现实情况确定具有不同分值的标准答案。
二、人格测定
人格是指人们在发展过程中形成的具有稳定性和经常性的个性特点和行为模式的总和。人格测试常用的方法有自陈测试和投射测试两种。自陈测试是事先编制出若干问题的量表，被测试者选择适合于描写个体人格特质的答案，然后从量表表示的分值来判断其人格的类型。目前，国内较为常见的有卡特尔十六种人格因素测验（简称16PF），加州心理测验（CPI）等等。投射测试是向被测试者提供一些模棱两可的材料，让其在不受任何限制的条件下，自由地表现出各种反应，使被试者不知不觉地将自己的感情、态度、动机等人格特质投射出来，以了解和掌握其人格特征。目前，最著名的有美国的明尼苏达多项人格检查量表、罗夏墨迹测试和主题理解测试（简称TAT）。人格测试的目的主要是用于一些特殊岗位，例如某些专业性较强的岗位、某些特殊的机要岗位，而潜在人格不同将会对这些岗位的工作成就产生较大影响。招聘过程中，可以选用国外成熟的或经过国家修订后的标准量表，必要时则必须根据实际编制出适合***队岗位任职特点的人格测试量表。
三、兴趣测试
兴趣是指人们经常主动地倾向于认识和掌握某种事物，并且愿意参加此种职业的心理。兴趣测试包括一些关于日常活动和事物的项目，被测试者从中选出自己的爱好。其基本前提是：假如一个人表现出与某一职业中那些工作出色的人相同的兴趣，那么，此人在这个职业中就很有可能得到满足。需要注意的是，一个人对于某种职业有很大的兴趣并不意味着这个人一定能出色地做好这项工作，但是一个从强烈的兴趣出发，积极、主动地投身于本职工作的人和一个对其职业毫无兴趣、以应付、消极的态度对待本职工作的人，其工作动力与成绩会截然不同。***队干部工作者的一项重要任务就是要学会如何将个人的兴趣与其所从事的具体职业相结合。兴趣测试的目的一方面看应聘者对***队拟聘岗位是否具有相当的兴趣，另一方面可以帮其对将来要从事的工作岗位进行选择，使其从中找到最适合自己的岗位。
四、智力测试
智力测试在***队招聘工作中具有十分重要的作用。智力的高低一般是以智商IQ来表示的，正常人的IQ在90-109之间;110-119为中上水平;120-139为优秀水平;140以上为非常优秀水平，而80-89为中下水平;70-79之间为临界状态水平;69以下为智力缺陷。智力是人们学习和掌握新知识、运用所学知识进行创造性劳动的能力，是有目的和有用的行为潜能。智力的内涵具有多元性，如语言、逻辑运算、空间想象、音乐、身体运动、人际交往、内省等能力，它们相互***又相互作用，从而产生显性的外部行为。因此，智力测试的目的在于客观、正确的了解和评价拟聘用人员的长处和短处，以便扬长避短从而合理地选拔和任用他们，或者让他们有意识地锻炼提升自己的短处。实践证明，智力高的人，其学习和工作的效率较高，具有更好地培养前途和发展潜力。但智力太高并不一定有利于工作。有些工作需要智力高的人，而有些工作则需要智力一般的人。况且一个团队里，如果所有人的智力都较高，则往往容易产生矛盾。因此，***队招聘工作中采用智力测试，是为了让智力高的人担任比较重要、难度较高的技术类职位，而让智力较低的人在一般性的操作类岗位工作。
五、职业能力倾向测试
职业能力倾向测试是指人们在从事某一职业获取成功所应具备的各种潜在素质和能力，也就是人们在该职业领域内获取新知识、技能和能力的潜力，它具有相对稳定性和广泛性的特点。
1934年，美国劳工部就业保险局编制了一套一般性能力倾向成套测验（GATB）试题，自问世以来，多次被其他国家引进和修订。在我国，人们普遍对职业能力倾向测验的认识还只是在1997年国家公务员录用招考中。实际上，早在1989年，在公务员制度试点的国家统计局的录用考试中就尝试使用了行***职业能力倾向测验。到目前为止，除了部分跨国公司在招收人员时采用此项测试外，国内运用最常见也比较成熟的就是公务员考试中的行***职业能力测试（AAT）。
我国的一般职业能力倾向测验已有不少成果。目前我国应用较广，具有较高水平的《BEC职业能力测验》。该测验分为Ⅰ型和Ⅱ型两种，Ⅰ型是一般职业能力倾向测试，Ⅱ型是特殊职业能力倾向测试。
专门的职业能力倾向测验则用来考察被测试者就某一具体职业的发展潜力，因此它的功能是选拔人员。常用测验有飞行员素质测验、行***职业能力测验、文书测验等。目前我国的AAT已有了长足的进步，其信度和效度都已经达到了国内外优秀测验的水平。
六、知识考试
知识考试主要包括基础知识、专业知识、管理知识，以及相关知识等等。可运用知识性考试软件进行。 应聘者在计算机上作答，系统自动记时，考生答完后，系统自动给出考试结果。该类软件设计要求某一专业（或数个专业）具有一定规模的标准化试题库，考试前主考者可以通过输入考试要求的各种信息，如考试时间、难易度、区分度、试题类型、试题分值等，由系统自动或人工按要求快速组成标准化试卷，考生直接在计算机上作答，并由计算机自动阅卷。这类软件系统有很强的保密性，功能比较强。但设计比较规范的题库需要较大的投入，一旦建成具有标准化试题的题库，除了定期的维护、调整外，一般不再需要投入。因此，该类系统有着很广的应用前景。
七、能力测评
能力测评有两种方式可供选择，一种是运用心理学上的相关测试（如各类测试量表或量表式的软件），测试应聘者的基本通用能力，另一种是运用专门方法测评其与岗位相关的专业能力。
测试基本通用能力的软件是比较多的，测试结果也比较可靠。尽管这些能力是普遍意义上的通用能力，与工作岗位间的联系不是很紧密，但它是一项基本的能力测试，可用于普遍的筛选应聘者或用于应聘的初试阶段。
测评与工作岗位直接相关的专业能力，可以运用系统仿真技术。首先对拟招聘岗位进行详细的工作分析，根据其岗位的任务、职责、素质、环境、个性等要求，分别建立数据模型，将这些模型编制成计算机可以接受的仿真模型，被测评者利用该模型来模拟分析、处理或解决实际可能遇到的问题，以其模拟的结果来测评出被测者分析问题、解决实际问题的能力。如将指导员岗位的工作内容、职责范围和素质要求等设计为仿真数学模型，让应聘者可以以指导员身份进行模拟工作，身临其境的处理工作内容，以此来考察应聘者的实际能力。所有模型都是仿照真实情况而设计的，是从实际工作中抽象而来，有些完全就是现实中曾经发生过或有可能发生的情形，需要应聘者去处理、去决策。如果应聘者没有相关的实践经验，是较难完成的。所以系统仿真测评技术对经验型实际能力的考察和预测很适用。
***队是特殊的职业群体，有些社会人才可能素质很好，但其兴趣、性格、职业倾向也许并不一定适应***队。因此，***队干部工作者可以根据实际需要，选用部分测试，做出较为科学的结论，以为***队接收社会人才打下良好的基础。
【参考文献】
[1] 胡星月，梁康主编《现代领导人才测评》[C].北京：国家行***学院出版社，2004.
[2] 张文贤主编.人才测评[C].北京：科学出版社，2010.
[3] 赵洪俊主编.中国领导人才能力测评手册[D].北京：新华出版社，2006.
智力测试题篇6
当然，智商测试只是智力的一个衡量手段。计算机在处理某些任务的能力方面仍然遥遥领先于我们，比如计算的速度等等。这项测试所要做的是评估人工智能是否能够合理地理解周围环境的能力。而在“自我意识”这一特定领域，智能系统跟人类相比仍然有一大段距离。
智商测试的范围和形式不尽相同。在这次测试中，测试者被问了“你可以在哪里找到一只企鹅？”或者“房子是什么东西”之类的问题。测试者可能被要求根据一些线索来确定答案，或者被提问“我们为什么要握手？”正如你所看到的，这些问题都是计算机可能觉得麻烦的问题类型。
有媒体在报道中调侃：当儿童的年龄提升到7岁的时候，人工智能系统的智力水平同样会被人类吊起来打。
但可怕的是趋势啊，大哥！
可怕的事是，人类的进化极度缓慢，而人工智能却在以一日千“年”的速度进化，而且近年来有加速度趋势。专家认为，人工智能在学习能力和自然语言能力上的改善会导致它们在今后几年里拥有跟人类一样的思维，比如苹果Siri、Google N ow和微软Cortana。
2014年2月，著名未来学家和人工智能专家、谷歌工程主管雷·库兹韦尔就预测称，电脑的智商将在2029年之前超过人类。到了2029年，电脑不仅能够理解我们的语言，从经验中学习，甚至能够和我们开玩笑。
智力测试题篇7
【摘要】在不同年龄上，联想学习与工作记忆对流体智力的作用有所不同。在7岁时，联想学习对流体智力的影响显著，而工作记忆不显著;在10岁和13岁时，工作记忆对流体智力的影响显著，而联想学习不显著;从效应量来看，随着年龄的增长，联想学习对流体智力的作用逐渐减少，而工作记忆的作用逐渐增加。
1前言
流体智力(fluidintelligence)指个体在解决新颖、抽象问题时表现出来的能力(Cattell，1963)。流体智力的核心成分是推理能力，如常用的瑞文推理测验被认为是测量流体智力的典型测验，其实质测量的就是推理能力(Carpenter，Just，＆Shell，1990)。由于流体智力在g因素上的负荷最高(Keith＆Wolfle，1995)，研究者通常将两者统合起来，称之为一般流体智力(generalfluidintelligence，Gf)。近年来，在智力研究领域中，研究者开始从基本认知能力或者信息加工过程的角度来描述智力的认知基础，其中较为突出的即是对工作记忆和一般流体智力关系的研究。大量研究发现工作记忆是一般流体智力的重要预测因子(Kane，Hambrick，＆Conway，2005;Kyllonen＆Christal，1990;Oberauer，Schulze，Wilhelm，＆Suess，2005)。如Kyllonen和Christal(1990)的一系列研究发现，在潜变量层面工作记忆与流体智力或推理能力之间的相关达0.8～0.9;Kane等(2005)对公开发表的10项相关研究重新分析，发现工作记忆与一般流体智力共享约50%的变异。有关儿童的研究也支持了这一结论(Fry＆Hale，1996;Liu，2004;Swanson，2008)。如Liu(2004)以243名10至19岁的儿童为被试，考察了工作记忆与加工速度在流体智力发展中的作用，结果发现流体智力85.4%的年龄变异被工作记忆所解释，控制了工作记忆以后，加工速度对流体智力不再有预测作用，因此，工作记忆被认为是流体智力发展的基础。尽管工作记忆与流体智力之间的关系得到很多研究的证明(Fry＆Hale，2000;Kyllonen＆Christal，1990;Oberaueretal．，2005)，但是工作记忆与流体智力并不是同一结构，工作记忆并不能完全解释流体智力的个体差异，因此可能存在更多的认知过程对流体智力起着重要的作用(Ackerman，Beier，＆Boyle，2002，2005;Conway，Kane，＆Engle，2003)。其中，联想学习逐渐受到研究者的关注。联想学习是在记忆系统中建立刺激与刺激之间新的联结的能力，它是学习的一种基本形式，是其他更高级形式学习的起点和基础(Kaufman，DeYoung，Gray，Brown，＆Mackintosh，2009;李虹，舒华，2009)。一些实证研究发现，联想学习与一般流体智力同样有着非常密切的关系(Alexander＆Smales，1997;Kaufmanetal．，2009;Tamez，Myerson，＆Hale，2008;Williams＆Pearlberg，2006)。如Williams和Pearlberg(2006)以98名大学生为研究对象，采用自编的三段式联想学习任务(three－termcontingency)考察联想学习与流体智力的关系，结果发现两者相关高达0.52。此外，有研究同时考察了联想学习与工作记忆对流体智力的作用(Kaufmanetal．，2009;Tamezetal．，2008)。Tamez等(2008)基于60名大学生的研究结果表明三者之间相关显著，联想学习可以单独解释瑞文推理测验11.7%的变异，工作记忆可以单独解释瑞文推理测验7.1%的变异，而联想学习与工作记忆共享12.2%的变异。Kaufman等(2009)以16～18岁青少年为研究对象，采用结构方程模型考察了联想学习、工作记忆对一般流体智力的作用，结果发现在潜变量层面联想学习和工作记忆对一般流体智力都有独特的贡献。目前对联想学习与工作记忆在流体智力中的作用的探讨仅仅局限在为数不多的成人或青少年研究，这些研究结果尚未在儿童群体中得到验证。从发展的角度来看，工作记忆对流体智力的预测作用随年龄变化而变化(Bayliss，Jarrold，Gunn，＆Baddeley，2003;Swanson，2008)，而联想学习在流体智力发展中扮演的角色以及这种角色是否会随着年龄的增长而变化，尚不清楚。如果联想学习在流体智力发展中起到了重要作用，则这种影响可能会随着年龄的增长而表现出不同的特点。此外，随着儿童的发展，个体在完成流体智力测验时所依赖的认知能力也可能会发生变化，也就是说，在不同的年龄段上，工作记忆与联想学习能力可能会对流体智力产生不同的影响。因此，本研究的目的在于从发展的角度来探讨工作记忆与联想学习对流体智力的影响，这将有助于进一步深入了解流体智力发展的内部机制。综上所述，本研究将主要关注处于发展阶段的7、10、13岁的儿童群体，选取适合儿童的测量工具来考查联想学习、工作记忆在流体智力发展中的作用。本研究试***解决以下两个问题:(1)联想学习与工作记忆在流体智力发展中是否起作用?(2)在儿童发展的不同阶段，联想学习和工作记忆对流体智力的作用是否相同?
2方法
2.1被试北京市四所学校(小学、初中各两所)共120名学生参与本研究，由于7岁组有5名被试在某些测验上的分数缺失，实际参与分析的有115名被试。其中，7岁组35人(男16人，女19人，M=7.29，SD=0.57);10岁组40人(男21人，女19人，M=10.28，SD=0.51);13岁组40人(男16人，女24人，M=13.28，SD=0.55)。2.2研究任务2.2.1联想学习任务配对联想学习任务常被用来测量儿童的联想学习能力(Kaufmanetal．，2009;Kee，Bell，＆Davis，1981)。本研究采用韦氏记忆量表中国修订版(WMS－RC)(龚耀先等，1989)中的联想学习分测验和“中国儿童青少年心理发育特征调查”项目编制的儿童青少年认知能力测验中的配对联想学习测验来考察儿童的联想学习能力。(1)韦氏记忆量表联想学习分测验:以10对儿童熟悉的汉语双字词为材料，在学习阶段向被试听觉呈现并要求被试记住这些词语配对，之后进入测试阶段，主试读出每对词的前一个词，要求被试说出后一个词。每个被试都要进行三次学习及测试，每次内容相同，只是词对呈现的顺序不同，其中困难配对词4对，答对计1分;容易配对词6对，答对计0.5分，满分为21分。(2)配对联想学习测验:测验材料为15对由实物***片和几何***形组成的配对刺激，学习阶段将15组配对刺激分两页呈现在题本上，要求被试记住每组***形的配对，学习时间为两分钟;在测试阶段，仍将15组刺激分两页呈现在题本上，只是每道题目包含一个刺激(实物***片)和四个备选答案(几何***形)，让被试从备选答案中选择和目标***片配对的那个几何***形。每道题答对得1分，满分为15分。该测验的内部一致性信度为0.81。2.2.2工作记忆任务选取韦氏儿童智力量表中文版(WISC－IV)工作记忆分量表中的两个分测验:倒序背数分测验以及字母－数字排序分测验(张厚粲，2008)，这两个分测验可以很好地测查儿童的工作记忆能力(Crowe，2000;Gathercole，Pickering，Ambridge，＆Wearing，2004)。(1)倒序背数分测验:在主试读完一串由阿拉伯数字(1～9)随机组成的序列之后，要求被试按照相反的顺序背出，数字序列的长度从2到9依次递增。共有18个小题，满分为18分。(2)字母－数字排序分测验:在主试读完一串包含数字和字母的序列之后，要求被试将数字按从小到大的顺序，字母按英文字母表的顺序依次背出。共有30个小题，满分为30分。2.2.3流体智力任务选取WISC－IV知觉推理分量表中的两个分测验:***画概念和矩阵推理(张厚粲，2008)，这两个分测验可以很好地测查6～16岁儿童青少年的流体智力(Flanagan＆Kaufman，2004)。(1)***画概念分测验:给被试呈现2行或3行印有不同物体的***片，要求被试从每一行中选出一个物体，使这些选出的物体都具有共同的特征。共有28个小题，满分为28分。(2)矩阵推理分测验:给被试呈现一个有缺失角的矩阵，被试需要从矩阵下方所提供的一系列选项中选出一个进行填充，使其成为一个完整、符合逻辑的***形。共有35个小题，满分为35分。2.3研究程序配对联想学习测验为团体施测，每次测查一个年龄组20名左右的被试，测试时间约4分钟;韦氏记忆量表联想学习分测验、工作记忆和流体智力的四个分测验均为个体施测，在团体测试之后依次进行。
3结果
3.1联想学习、工作记忆与流体智力的发展各年龄组在联想学习、工作记忆与流体智力任务上的平均分与标准差见表1。单因素方差分析结果表明，在所有任务上，年龄主效应均显著(见表1)。为考察联想学习、工作记忆和流体智力的发展特征，我们把所有被试在各个任务上的得分转化为z分数，之后将测查同一种能力的两个任务的z分数求平均，得到被试在联想学习、工作记忆和流体智力三个变量上的分数(后面的协方差分析和回归分析均采用转化后的这三个变量)。单因素方差分析表明，三种认知能力的年龄主效应均显著，且在三者之中，工作记忆的年龄效应量最高，其次为流体智力和联想学习(见表2)。多重比较表明，10岁儿童的联想学习和工作记忆均显著高于7岁，13岁均显著高于10岁;采用Cohen’sd(Cohen，1988)进一步比较联想学习和工作记忆在相邻年龄组之间的差异大小，7岁和10岁之间分别为0.81、2.04，10岁与13岁之间分别为0.83、0.46。3.2联想学习与工作记忆在流体智力发展中的作用为了揭示联想学习与工作记忆在流体智力发展中的重要作用，参照以往同类研究的方法(Salthouse＆Coon，1994;王亚南，刘昌，2006)，首先以年龄为自变量、流体智力为因变量进行单因素方差分析;其后进行三次协方差分析，自变量均为年龄，协变量依次为联想学习、工作记忆、联想学习与工作记忆。由此得到年龄对流体智力的效应量η2，以及加入协变量后年龄对流体智力的效应量η2，之后按下列公式计算协变量对流体智力年龄差异或发展的影响:协变量对流体智力年龄差异或发展的作用量=(初始年龄η2－控制协变量后的年龄η2)/初始年龄η2×100%。表3列出了协方差分析的结果。在控制联想学习之后，虽然流体智力的年龄效应仍然显著，但年龄对流体智力的效应量从原来的0.35降至0.19，可以得出联想学习对流体智力年龄差异的作用量为45.71%;控制工作记忆之后，年龄对流体智力的效应量降至0.06，可以得出工作记忆对流体智力年龄差异的作用量为82.86%;而对联想学习和工作记忆同时控制之后，流体智力的年龄效应已从显著变为不显著，年龄对流体智力的效应量下降至0.03，两者对流体智力年龄差异的综合作用量为91.43%。这一结果表明，在流体智力的年龄差异中，工作记忆的作用最大，其次为联想学习，两者在流体智力发展过程中起着十分重要的作用。表3流体智力的方差和协方差分析结果变异来源Fη2年龄29.85＊＊0.35年龄(控制联想学习)13.27＊＊0.19年龄(控制工作记忆)3.22*0.06年龄(控制联想学习与工作记忆)1.700.033.3在各年龄组上，联想学习与工作记忆对流体智力的作用表4列出了在各个年龄组上，联想学习、工作记忆与流体智力之间的相关。在7岁和10岁年龄组上，联想学习与流体智力的相关显著，13岁组则不显著;工作记忆与流体智力的相关在各个年龄组上均显著;联想学习与工作记忆只有在7岁组上相关显著。为了考察在不同年龄段联想学习与工作记忆对流体智力的作用，以联想学习、工作记忆为自变量，流体智力为因变量，采用enter法建立标准回归方程。结果表明，在7、10、13岁三个年龄组上，联想学习和工作记忆对流体智力总的解释量依次为37.4%、23.3%和24.2%。具体来讲，在7岁组上，联想学习的回归系数显著，工作记忆不显著，说明此时只有联想学习对流体智力具有明显的预测作用;在10岁组和13岁组上，联想学习的回归系数不再显著，而工作记忆变为显著，说明在这两个年龄段上，只有工作记忆可以预测流体智力，联想学习则不再起作用(见表5)。表4联想学习、工作记忆与流体智力在各年龄组上的相关流体智力联想学习7岁联想学习0.57＊＊工作记忆0.42＊＊0.40＊＊10岁联想学习0.32*工作记忆0.41＊＊0.1713岁联想学习－0.09工作记忆0.46＊＊0.19为了进一步考察联想学习与工作记忆对流体智力的独特贡献量，采用分层回归分析计算各个变量依次进入回归方程后的ΔR2。具体的计算方法如下:将工作记忆放入第一层，联想学习放入第二层，ΔR2则代表控制了工作记忆之后联想学习对流体智力的独特作用(Miller＆Vernon，1996;舒华，张亚旭，2008)。同理，将联想学习放入第一层，工作记忆放入第二层，ΔR2则代表控制了联想学习之后工作记忆对流体智力的独特作用。表6～8列出了分层回归分析的结果，随着年龄的增长，联想学习对流体智力的独特贡献量逐渐减少，依次为20%、6%、3%;而工作记忆对流体智力的独特贡献量则逐渐增加，依次为4%、13%、23%。
4讨论
4.1联想学习与工作记忆在流体智力发展中的作用本研究采用协方差分析，探讨了联想学习与工作记忆对流体智力发展的作用。从结果来看，联想学习与工作记忆对流体智力年龄差异的综合作用量达91.43%。这表明在7、10、13岁这些年龄段内，联想学习与工作记忆可能是促进流体智力发展的重要因素。这一结果拓展了相关成人的研究结果(Kaufmanetal．，2009;Tamezetal．，2008)，从发展的角度进一步证明联想学习与工作记忆对流体智力的重要作用。当工作记忆作为协变量时，流体智力的年龄效应从0.35降至0.06，工作记忆对流体智力年龄差异的作用量为82.86%，说明工作记忆对流体智力的发展起着关键作用。这一结果与已有的成人和儿童研究相一致(Kaneetal．，2005;Fry＆Hale，1996)。Fry和Hale(1996)认为随着年龄的增长，个体在工作记忆中存储各种问题解决目标的能力以及归纳抽象关系的能力都会提高，而这些能力在完成复杂的矩阵推理任务时起着十分关键的作用，因此工作记忆的发展在一定程度上促进了流体智力的发展。只有几项成人研究发现联想学习可以显著地预测流体智力(Kaufmanetal．，2009;Tamezetal．，2008;Williams＆Pearlberg，2006)。本研究在控制了联想学习之后，流体智力的年龄效应从0.35降至0.19，联想学习对流体智力年龄差异的作用量为45.71%，由此可见，联想学习也是预测流体智力发展的重要指标之一。我们认为，联想学习对流体智力发展的影响可能与联想学习本身的性质有关。根据Williams和Pearlberg(2006)的观点，联想学习反映了个体在刺激A与刺激B之间建立联结的能力，一方面个体需要从长时记忆系统中提取有关A和B的相关特征或事件，通过不同的策略增加联结的强度;另一方面，个体学习的多组刺激联结都是唯一的，因此需要更多的认知加工过程的参与，以很好地完成特定刺激间的配对，而联想学习过程中策略的使用以及形成刺激间特定联结的认知控制过程可能在完成流体智力测验中同样发挥着重要作用(Williams，Myerson，＆Hale，2008)。而且，联想学习对于流体智力的影响可能***于工作记忆，尽管联想学习任务的完成需要工作记忆的参与，但两者不仅在实质上存在差异，而且在脑区激活上也有所不同(Kaufmanetal．，2009)。此外，从工作记忆与联想学习对流体智力年龄差异的作用量上来看，工作记忆要大于联想学习，说明工作记忆在流体智力发展过程中发挥了更大的作用。这可以用Carpenter等(1990)的观点进行解释，Carpenter等认为归纳***形之间关系的能力以及工作记忆的动态存储能力是影响瑞文推理测验得分高低的关键因素。具体来讲，得分较低的个体只能够发现***形之间简单的关系，而得分较高的个体不仅能够对各种抽象的关系进行比较分析，而且能够将这些已经激活的表征存储到工作记忆中，以更好的完成推理任务。尽管联想学习能力强的个体更善于利用***形之间或问题情景之间的特征形成简单的对应关系(Sloman，1996)，但对这些关系的进一步归纳、类比过程是在工作记忆系统中完成的，因此相对于联想学习来说，工作记忆可能在流体智力或推理任务中扮演着更为重要的角色。4.2在不同年龄段联想学习与工作记忆对流体智力的影响本研究还发现在不同年龄段，联想学习与工作记忆对流体智力的作用是不同的。具体来讲，在7岁时，只有联想学习对流体智力具有明显的预测作用，到10岁和13岁时，工作记忆对流体智力的作用开始彰显，而联想学习的作用由显著变为不显著;分层回归分析也表明，随着年龄的增长，联想学习对流体智力的贡献量逐渐减少，而工作记忆的贡献量则逐渐增加。这种影响的相对变化可能是由联想学习与工作记忆在发展水平上的差异造成的。联想学习作为一种基本的学习能力或途径，在儿童早期就已经表现出明显的发展趋势(Dilley＆Paivio，1968)，而且随着年龄的增长，儿童的联想学习能力发展到一个较高的水平，9岁儿童已经可以很好地将***像转化为语义表征以更好地完成联想学习任务(Keeetal．，1981)。与联想学习不同，儿童进入学校后，才开始学会并逐渐使用各种记忆策略，如对***像信息进行语音编码、主动复述等，因此工作记忆的快速发展期在6～8岁之后，并且一直持续到青少年时期(Gathercole＆Baddeley，1993;Gathercoleetal．，2004)。联想学习与工作记忆在发展起始时间上的差异意味着在7岁时，与联想学习能力相比，儿童的工作记忆处于一个相对较弱的水平，较低的水平可能会制约其功能的发挥，而此时发展水平相对较高的联想学习能力对流体智力的影响较为明显。之后，随着儿童年龄的增长工作记忆能力迅速提高，这一点从本研究的结果也可以反映出来，即工作记忆在7岁与10岁之间的年龄差异要大于联想学习，而且到10岁左右，工作记忆可能已经发展到一个相对较高的水平，此时儿童对信息的短时存储、注意协调和执行加工等能力迅速提高，根据Carpenter等(1990)人的观点，这些能力上的差异可能是制约流体智力水平高低的关键因素。因此，到10岁时，工作记忆对流体智力的预测作用开始显现，而且这种影响在儿童后期的发展以及成人中也是普遍存在的(Fry＆Hale，2000)。与工作记忆不同，儿童的联想学习能力在10岁和13岁时对流体智力的作用已经不再显著，在前文中我们提到，个体对各种信息(包括已经建立的***形之间的关系)的存储以及进一步加工的能力是完成流体智力任务的关键，因此，一旦工作记忆发展起来，联想学习不再是制约流体智力的因素。本研究只是从发展的角度揭示了联想学习与工作记忆对流体智力的作用，但对于两种认知能力影响流体智力的内部机制尚无法回答，这有待于从测验任务、年龄范围等角度出发进行更为深入的探讨。此外，联想学习对流体智力的作用与已有的成人研究结果并不一致(Tamezetal．，2008;Williams＆Pearlberg，2006)，我们认为这可能与任务的性质有关。在成人研究中，采用的是三阶段联想学习任务，这种学习任务要求个体形成多层次的刺激配对联结，其难度远远高于传统的配对联想学习任务，因此该任务的完成可能需要更加复杂的认知能力的参与(Williamsetal．，2008)。
5结论
根据本研究结果，可以得出以下结论:(1)在7、10、13岁三个年龄组上，联想学习、工作记忆和流体智力的年龄差异均显著，其中工作记忆的年龄差异最大，流体智力和联想学习次之;(2)在7～13岁期间，联想学习与工作记忆在流体智力的发展中均起着重要作用，但工作记忆的作用要大于联想学习;
参考文献
智力测试题篇8
一般认为智力由观察力、记忆力、思维力、想象力等基本因素组成,因此外企的智力测试也着重考察这些方面,有时是注重其中某一方面,有时则对几个方面进行综合考察。
(1)侧重考察思维力的测试 (2)侧重考察观察力的测试
这类测试往往包含在一些***形认知测验中,相对来说比较简单,只要仔细观察,认真分析,正确回答尚不困难。
(3)侧重考察记忆力的测试
记忆力对人来说非常重要,虽然人们平时不觉得,但在生活中几乎随时都离不开记忆力的应用,如常用电话号码、公交路线、经常要去地方的地址,基本上都储存在我们的大脑中,也似乎永远不会忘记。在工作中,客户给你的电话你可能来不及或不方便写下,而只能记在大脑中,但往往很快就忘记了。记忆力测试一般来说也没有对错之分,只有一个评价表,得分高,记忆力好;得分低,记忆力差等。
如有的公司让求职者接受这样的测试以考察其记忆力水平:随机拿16样物品;将16个物品放在一个4×4的方格中,给一分钟的时间记住物品摆放的位置;将这16个物品拿走,然后由受测者用最短的时间恢复物品摆放的次序。最后统计求职者摆放物品的正确数量,从而推知其记忆力的强弱。
(4)侧重考察想象力的测试
如有外企的测试题目如下:请估计北京市该设置多少加油站比较合适,并说出理由。当然,这一题目不仅仅测试想象力,还包括对思维方式、推理能力等素质的考察。
当前更多的情形则是,大多数外企的智力测试不仅仅是为测试求职者某个方面的能力而设,而多以综合考察为主,即一道题往往测试求职者多个方面的素质。因此,大学生如果平时不注意思维方式的训练和知识的积累,往往在面试时就会铩羽而归。
智力测试题篇9
名词解释
智力筛查：目前社区医院给宝宝做智力筛查，采用的是源于美国的丹佛发育筛查测验的方法，简称DDST，用于早期发现2个月到6岁宝宝的智力发育问题。包括测试宝宝的“个人——社交”、“精细运动——适应性”、“语言”和“大运动”四个方面。目的在于筛查出那些在发育上可能存在问题的宝宝，或者用于对有高危风险的宝宝，如早产儿或出生前后有过缺氧窒息史的宝宝等进行发育监测。
·智力筛查是在测智商吗？智力筛查不是在测智商。智力筛查主要通过较为简单的测查手段，初步了解和判断宝宝在智能发育方面的状况。智力筛查的目的在于筛查，而不是诊断。即使筛查结果不正常，也并不代表诊断为宝宝的智力或发育异常，还需要做进一步的更专业的智能发育诊断性检查。
·宝宝一定要做智力筛查吗？何时做效果最好？宝宝的前3年是智力发育黄金期，一旦发现宝宝发育或智力存在异常，在黄金期内越早进行干预，宝宝恢复到正常的可能性就越高。所以建议宝宝在1岁左右都要进行智力筛查的检查。尤其是如果宝宝在早期曾出现过室息或得过严重的疾病，或早产宝宝都有可能并发“智力异常”，而一股情况下，智力异常在早期可能不容易被发现，而是会随着宝宝的成长渐进地出现异常表现，所以越早发现、越早干预越好。如果保健医生给出了转诊的建议，最好还是去更专业的机构进行检查，以免延误宝宝的诊治。
·如果宝宝智力筛查不达标怎么办？智力筛查的结果一般会用“可疑”、“迟缓”和“正常”来表示，如果筛查结果是“可疑”或“迟缓”，保健医生会开具“转诊证明”，需要拿着转诊证明带宝宝到更专业更权威的指定医疗机构进行进一步的测查，有些可能的确属于“有发育或智力问题的宝宝”，但也有些可能属于发育上暂时性的迟缓，也有些经过智力测查会诊断为正常宝宝。医生都会给出具体的建议。比如制定有针对性的早期干预计划和随诊计划，或者设定一个观察复诊期，给宝宝一定的发育时间。
·宝宝的发育有早有晚，怎么能只通过某一阶段的发育状况来判断宝宝是发育晚还是智力存在问题呢？宝宝的发育因人而异，时间上没有严格的标准。但是之所以采用DDST智力筛查的方法，为的是可以在较短的时间内筛查出有可能在生长发育或智力方面存在问题的宝宝。DDST这套测试方法是从国外引进以后，又结合中国宝宝的发育情况而进行了科学地本地化的一套方案，是科学和可信的。而且智力筛查是一套系统的体系，医生不会因为宝宝的某一项测试没有通过就判定宝宝为发育“迟缓”或“可疑”。比如不会因为宝宝不会站就判定宝宝大运动不合格，而是“大运动”同一能区里至少2个以上项目都没有通过，才有可能说“迟缓”。
智力测试题篇10
提出了一种基于规模DT的主动优化体系，借助社会资源，利用自动测试设备，模拟用户行为进行规模测试，及时、全面地获取网络信息；研究了规模DT的实现方式、平台架构以及测试设备部署模型，并提出基于栅格匹配的智能网优分析模块，直接面对问题，实现网优集约化。通过实例表明，规模DT实现了先于用户发现问题的主动优化体系，以问题解决为导向提升用户感知。
PENG Dong-sheng， YUAN Gen， SHI Zhao-yang， QIN Heng
An active optimization system based on scale drive test （DT） is proposed to simulate user behavior for large-scale testing and acquire network information timely and comprehensively with social resources and automatic test equipment. The implementation， the platform architecture and test equipment deployment model of scale DT are studied. In addition， an intelligent analysis module of network optimization is put forward based on grid matching to face the problems directly and achieve intensive network optimization. The examples show that scale DT realizes the active optimization system which can discover problems before users and promote user perception with problem-solving guidance.
scale DT grid matching user perception active optimization
1 引言
据埃森哲（Accenture）公司的调查显示，82%的用户离网是由于对产品或服务感到恼火，或者是因为运营商不能及时有效地向他们提供服务，而一个恼火的客户平均将向13个人转告其糟糕的经历。因此，糟糕的用户感知会产生很多不满意的客户，从而导致用户离网、市场份额丢失、品牌的贬值。
常规的网络优化方法是网优人员配置仪表工具，模拟用户行为驱车DT（Drive Test，路测），获取测试信令并分析。该方法需要大量的人员、车辆和仪表，成本较高，并且测试周期较长，测试范围也有较大的局限性，无法及时、全面地获取测试数据。另外，传统测试方案数据管理手段单一，海量的测试数据的分析需要较高的人力成本。因此，如何能够克服传统网优测试方案的缺点，实时全面地获得网络测试数据，实现针对测试数据的智能分析和处理以及网优过程的集约化和智能化，是网络优化技术亟待解决的问题。
2 规模DT实现方式及平台架构
为了克服传统网优测试方案的缺点，实时全面地获得网络测试数据，安徽电信提出基于规模DT的主动优化体系。该体系的主要创新之处在于通过社会车载资源（如出租车与长途大巴车），利用自动测试数据采集和传输设备RCU，模拟用户行为，每天进行海量测试。RCU依据后台服务器发出的测试指令测试并记录数据，利用EV-DO无线网络实时传到后台数据服务器。系统按照建立好的模型库进行智能分析，自动找出道路问题路段，建立快速网络主动优化响应机制，形成更加全面的用户感知提升体系。
基于规模DT的主动优化模型示意***如***1所示。通过该模型，可以实现数据获取、数据智能分析、自动派单、现场优化、自动验证等闭环测试方案。
本文的规模DT模型以用户感知测评智能管理平台为载体，实现数据自动采集、问题自动分析、工单自动派发、效果自动验证等功能。通过采用B/S+C/S架构，将Web浏览器和桌面客户端相结合，使它们充分发挥各自架构的优势。设备管理、数据管理、测试任务管理、报表管理、自动派单均可在Web浏览器中实现；监控客户端与分析客户端有统一的Web页面入口，提高使用的简捷性。
基于规模DT的主动优化方案旨在先于用户发现网络问题，主动优化，实现了测试工作日常化、规模化、自动化，信息采集全面、实时，可以获取海量全面的测试数据。社会车载测试模拟用户通信行为，真实体现用户对网络的使用感受。同时，自动采集的测试数据按照1小时或满20M自动保存数据，通过3G网络自动上传至服务器，平台可以对RCU测试数据、手持式终端测试数据、笔记本电脑测试数据等多种数据格式进行统一管理，实现了数据管理与应用的智能化。本文用户感知测评智能管理系统能够第一时间发现网络问题，建立监控系统，实时监控设备工作情况及网络异常时间，并以短语或邮件的方式提醒优化人员，方便及时分析处理。实现测试问题实时提醒，2小时内实现自动派单，使网络优化抢先一步，先于用户发现网络问题。
3 基于业务规模的社会车载部署数量模型
基于社会车载的规模DT模型克服了传统路测成本高、周期长的缺点。但是，如果社会车载路测设备部署过少、数据采集样本较少，测试的准确性和渗透率就不能得到保证；而部署过多则会导致路测数据出现大量冗余，也增加了系统设备成本。本文通过不同业务场景的部署实验得到了各个典型业务场景的合理的社会车载设备的部署规模，根据网络业务规模将系统应用场景分为大型市区、中型市区、小型市区和县城区域。经过大量路测实验，可以得到不同业务规模应用场景社会车载数量与测试渗透率的相关散点***，如***2所示：
（a）大型市区渗透率测算
（b）中型市区渗透率测算
（c）小型市区渗透率测算
***2 设备部署数量与渗透率散点***
通过上述不同业务场景的部署规模与测试渗透率的相关散点可知，在不同的业务场景下，随着社会车载部署数量的增加，测试的渗透率也在不断增加。但当测试设备达到一定规模后，测试渗透率的增加将不明显，此时测试数据会出现大量的冗余，增加了系统数据处理的负担。经过大量的路测实验，得到了在不同业务场景下社会车辆部署的最优化方案，测试规模的结果如表1所示：
表1 基于规模DT的用户感知提升测试方案
项目 测试方案
测试范围 市区、县城、农村、高速
测试时间 08：00―22：00
测试业务 1X主被叫、EV-DO***
区域 市区 省会城市（合肥）：5台RCU；省内大型城市（芜湖、蚌埠、淮南、马鞍山）：3台RCU；其余11市：2台RCU
县城 65个县，每县1台RCU
高速 12台RCU
4 基于栅格匹配的自动派单功能及智
能分析模型
由数据获取模块获得的海量测试数据的分析与处理需要大量的网优资源，降低了系统的实时性，增加了大量的重复、繁琐的劳动。为了实现网络优化的集约化，本文提出了一种基于栅格匹配的智能网优分析模块，在实际使用过程中获得了较好的效果，如***3所示。
智能网优分析模块的核心是通过对原始测试数据的分析和归类，实现了测试数据的智能分析。本文经过对海量事件的统计分析，剔除掉一些随机事件的特征（如信令异常或不全、系统侧主动下发释放消息等）后，根据日常工作中的经验案例和无线网络优化技术标准，对掉话、未接通的原因进行分类汇总，建立分析模型，设定不同场景的模型参数的阈值（如针对掉话已经匹配出缺乏渗透、越区渗透、前向干扰、邻区问题等9类问题）。为了保证智能分析匹配模型的可靠性，在日常工作中要对各类场景进行大量验证工作，既优化了智能模块的各个匹配阈值，又有效地保证了智能分析的正确率。
***4为针对掉话现象的特征匹配库，通过各项指标的阈值匹配，智能地分析掉话原因，从而实现后续的自动派单功能。
安徽电信把在无线网络优化工作中积累的大量实际经验与自动路测系统自身的特点相结合，制定出了省市联动、相辅相成的优化工作流程如***5所示，形成了以闭环为基础、智能化自动验证为保障的特有网优工作开展模式，从而能够及时发现并解决网络问题。
为了提高派单的准确性和高效性，本文创新地提出了基于栅格匹配的智能派单方式。对不同测试场景的栅格大小设置了不同的阈值（设市区栅格大小为300m，郊区为600m，农村为1 000m）。同时，为了保证自动派单的准确性，有效剔除过敏性的未接通问题，通过大量实验得到了栅格内进行权重计算的公式：
EquipmentWeights=CurrentDropCount*10+CurrentBlockCount*5+HistoryBlockCount*
5+HistoryDropCount*10+
RepeatCount*20 （1）
其中，EquipmentWeights表示设备权重；CurrentDrop-Count表示当前掉话；Current-
BlockCount表示当前未接通；HistoryBlockCount表示历史一个月掉话；HistoryDropCount表示历史一个月未接通；RepeatCount表示工单重复次数。当目前设备权重不小于10才生成自动派单，这样就剔除了大量偶然过敏性事件，通过权重计算公式可进一步提高智能分析系统的可靠性。
5 规模DT应用成效
5.1 针对规模DT发现的BSC
参数配置问题进行分析
安徽电信无线网络优化中心通过规模DT系统的派单分析，在芜宣高速芜湖与宣城边界处发现掉话。经过信令分析，主要是跨BSC边界切换失败导致。芜湖（WHBSC1）三元百花基站2扇区往宣城（XCBSC2）古泉基站2扇区方向切换正常，宣城往芜湖方向无法正常切换，如***6所示。
通过网管数据分析，从WHBSC1的三元百花基站1扇区的载频邻区中查看邻区统计切换成功率接近100%，而从XCBSC2的古泉基站2扇区的载频邻区中查看邻区统计切换成功率不到50%。
经过对路测数据进行分析，掉话之前占用PN399（宣城古泉2），Ec/Io为-6dB；之后宣城古泉2信号变弱，但是芜湖三元1、三元百花1强导频信号始终无法进入激活集，最终导致掉话。如***7所示。
由DT数据可知，终端能够搜索到三元百花1占用PN279，并且进入候选集，但无法加入激活集。初步分析为典型邻区漏配现象，但经双方网管查询，宣城古泉2已配置芜湖三元1、三元百花1邻区关系。进一步分析DT数据，掉话前终端RxAGC很好，但TxAGC不断升高，终端在这个过程中不断上报P***M消息，但未收到HDM消息，最终导致掉话。
通过上述分析，初步认为有两种可能：一是上下行链路不平衡（终端上报的P***M消息BSC侧始终不能收到而不响应）；二是BSC侧的切换链路存在配置问题。最终通过参数核查，定位问题在于BSC侧的切换电路或判决机制存在问题，由于XCBSC2的开关参数SWITCH60设置错误而导致。
参数修改后，切换正常且无掉话，问题点已经得到解决。后期规模DT系统在该路段的验证测试中发现芜宣高速再无掉话、连接失败事件。通过规模DT有效发现并成功解决网络深层次问题，可提升用户感知。
5.2 规模DT应用整体成效
规模DT在安徽电信投入运营以来，月均万用户投诉、网络质量类投诉工单量均出现了明显改善，充分表明规模DT先于用户发现问题，对用户感知主动优化有牵引作用。如***8所示。
6 结束语
安徽电信规模DT推动网优的理念从关注网络指标向关注用户感知、从被动维护向主动优化开始转变。“能电子不人工，能集中不分散”，实现先于用户发现问题的全网省层面集约化体系，网络问题直接派单。借助社会资源，将自动路测设备的优势与科学的管理方式相结合，一方面可以模拟用户行为实现规模路测，先于用户发现问题；另一方面，可以极大地提高无线网络优化工作的效率，使无线网优工程师从繁重的测试工作中***出来，将全部精力都投入到提升用户感知的工作中去。
通过长期的无线网络优化实践应用，证明规模DT可以及时、有效地发现移动网络中存在的影响用户感知的典型问题，开创了一种实现用户感知主动优化的移动网络优化新方法。
参考文献：
[1] 李荣. 浅析移动通信中的用户感知[J]. 电信快报， 2008（5）： 12-15.
[2] 鲁义轩，郭靖，张念民，等. 3G网优如何真正关注用户感知[J]. 通信世界， 2010（29）： 28.
[3] 周海华. 如何应对客户投诉“3G化”[J]. 中国电信业， 2010（4）： 60-61.