能力倾向测验.ppt

能力倾向测验一、能力倾向与能力倾向测验1.能力倾向 能力倾向是一个人经过适当的训练或置于适当的环境下完成某项任务的可能性〔Brown〕 能力倾向是一些对于不同职业的成功在不同程度上有所奉献的心理因素〔Super〕 某种能力倾向是指个表达实的能说明未来在该种活动中的操作成绩的能力状况〔Carroll〕 能力倾向指的是个体在不同能力因素上潜在的优劣倾向 总结：能力倾向是潜在的能力；起预测作用2.能力倾向测验 广义 狭义二、能力倾向测验的理论和实践渊源1.传统智力测验的局限为能力倾向测验的兴起和开展提供了必要性 智力测验所覆盖的心理能力的范围是很有限的 传统智力测验对个体内能力倾向间差异重视不够2.智力的特质论和因素分析为多重能力倾向测验的建构提供了理论根底和技术方法 3.社会需要为能力倾向测验的开展提供了强大的动力 三、能力倾向测验与其他相关测验 1.能力倾向测验与成就测验 对经验背景依赖的特定性不同:成就测验测量在特定时间内通过特定的教育或训练程序所获得的特定的知识和技能；能力倾向测验测量各种经验所致的更广泛更一般的能力,不依附特定教育和训练经验。

目的和作用不同:成就测验是回忆性的,是对某种课程或训练后果的评估；能力倾向测验是前瞻性的,旨在预测个体在新的活动中成功的可能性2.能力倾向测验与智力测验 能力倾向测验主要用于预测 测量结果是一组不同的能力倾向分数而不是总的IQ 编制策略不局限于某种理论而主要基于工作或活动分析 一般性与特殊性四、能力倾向测验的种类 1.按所测能力数目分(单一；多重) 2.按应用领域分 3.按施测形式分(个体；团体)五、能力倾向测验的用途 1.学习与就业咨询指导 2.鉴别与诊断 3.大学录取 4.人员选择 5.人员安置六、能力倾向测验的应用方法 1.组合分方法 2.划界分 3.强点和弱点 4.剖图分析 5.效度概化七、几种常见的能力倾向测验1.一般能力倾向成套测验〔GATB，1947〕测验内容：8个纸笔测验，4个仪器测验 字比较；计算；三维空间；词汇；工具匹配； 算术推理；形状匹配；作记号；安放；轮转；拆卸所测能力倾向：一般学习能力〔G〕 词语能力〔V〕 数的能力〔N〕 空间关系〔S〕 形状知觉〔P〕 文书知觉〔Q〕 运动协调〔K〕 手指灵巧〔F〕 手的灵巧〔M〕组合分： 认知〔G、V、N〕 知觉〔S、P、Q〕 心理运动〔K、F、M〕2.区分能力倾向测验(DAT，1947)测验目的：用于8～12年级学生的教育和职业咨询 测验结构：言语推理 数的能力 抽象推理 文书速度和准确度 机械推理 空间关系 拼写 语言应用3.学业能力倾向测验(SAT，1926)测验目的：用于评估和预测高中生是否具备了大学学习的能 力以及倾向于在那些专业领域更具优势。

测验结构：语言局部：反义词、词的类比、填句、阅读理解 数学局部：推理、数量比较、数学原理的应用 八、国内能力倾向测验介绍1.中学生学习能力倾向测验(张月娟、龚耀先,2002)测验内容：图形能力数理能力基本学习能力语文能力词汇类推能力平面知觉推理能力词汇运用能力数字运算能力阅读理解能力数的推理能力立体知觉想象能力测验结构：语文分量表：填词( :白::大: ) 填句 阅读数理分量表：算术 填数图形分量表：平面 立体测验对象：初一至高三学生2.多项能力倾向测验(王进礼、龚耀先,2003)测验内容：抽象思维动作稳定注意和速度空间能力基本能力倾向概念和理解判断推理二维空间想象三维空间想象空间知觉与想象整合图形符号手眼配合稳定与准确测验结构:抽象思维分量表:常识 文字分类 图案分类 数字接龙 图案接龙空间能力分量表:折叠 拼配 补缺注意和速度分量表:数字校对 文字校对 图形选择 打点速度 编码动作稳定分量表:左手描线 右手描线样本年龄：17-39岁成就测验一、成就测验概述1.成就与成就测验 个人通过学习和训练所获得的知识、学识和技能。

〔朱智贤〕 经过一定的教学或训练所学到的东西，是在一个比较明确的、相对限定的范围内的学习效果〔郑日昌〕 成就是正规学习和训练的结果2.成就与能力 能力〔智力、性向〕是取得成就的前提和条件； 成就是在能力的根底上学习和训练的效果3.标准化与非标准化成就测验 条目的针对性 覆盖面和代表性 常模 信度4.成就测验简史 口试→笔试(19世纪中叶) 书法量表(handwriting scale,G.Fisher,1864) 拼写测验(spelling test,J.M.Rice,1897) 算术测验(Stone,1908) 儿童书法量表(Thorndike,1909) 中国的奉献5.成就测验的分类 标准化成就测验: 多水平成套测验 多水平单项测验 诊断测验 单水平成就测验 预测性成就测验 非标准化成就测验6.成就测验的用途二、几种常见的成就测验1.韦氏个别成就测验(WIAT) 适用年龄：5-19岁 结构： 目的：知识和学习技能评估；学习障碍诊断阅读分根本阅读数学分语言分写作分总组合分阅读理解数据运算数学推理口语表达听觉理解字词拼写书面表达简式组合分2.大都会成就测验(MAT)适用年龄：幼儿园～12年级目的：学生知识和教学质量评估；学习障碍和特殊学习技能诊断结构：多水平多领域；调查、诊断、写作3.多重成就测验(马惠霞、龚耀先，2002〕测验结构：语文分量表：名人名著出处和词语解释；拼音注音；改错别字； 阅读理解；断句和标点化学分量表：根本概念和理论；常见元素及化合物；有机化学； 化学实验物理分量表：力学；热学；电学；光学；原子和原子核历史分量表：中国史；世界史数学分量表：代数；几何测验对象：初一至大一3.单项成就测验三、成就测验的临床应用1.目的: 学习障碍诊断; 神经心理功能评定2.方法: 成就-能力差异分析简单差异法：实际的成就-能力差异与理论差异比较预计成就法：实际成就与预计成就比较兴趣和态度测验一、兴趣测验1.兴趣概述 兴趣是个性心理特征的重要内容 兴趣的稳定性与个体差异 兴趣的多样性：职业兴趣、教育兴趣、娱乐兴趣、社交兴趣 兴趣与学业和职业成功2.职业兴趣测验的用途 分析职业满意度 升学指导 就业咨询3.职业兴趣测验的开展Thorndike(1912)：早期尝试Miner(1915)：编制兴趣问卷，举办研讨班，开始兴趣的系统评估Strong(1927)：编制第一个标准化的职业兴趣调查表 (Strong Vocational Interest Blank,SVIB) Kuder(1939)：库德偏好记录表〔Kuder Preference Record〕Holland：职业偏好量表(VocationalPreferenceInventory,VPI,1953〕 自我定向职业兴趣探索问卷(Self-Directed Search,SDS,1969)新近趋势：理论和实证的编制方法融合 各种量表之间的相互吸收 编制无性别差异的职业兴趣量表 涵盖的职业范围不断扩大 注重与相关测验的综合 4. Holland的职业兴趣理论:RIASEC 模式 实际型(R)：喜欢技术性和体力性工作。

兴趣范围在大自然和户外行动〞多于“思考〞，典型职业为工程师、木匠、电工等 研究型(I)：有明显科学倾向，喜欢收集信息，发现新的事实或提出新的理论具有分析概括能力典型职业为生物学家、数学家、物理学家等 艺术型(A)：重视审美品质，自我表现欲强，参与性强，在活动中表现出艺术兴趣富有梦想和创造性、情绪不稳定典型职业为音乐家、画家、作家等 社会型(S)：喜欢与人打交道，喜欢讨论问题和社会交际，具有人际交往技巧，善解人意，友善合作典型职业为教师、社会工作者等 企业型(E)：追求领导地位和权力，乐于为组织目标或经济成功而工作，喜欢竞争典型职业为企业家、官员和经理人员等 事务型(C)：喜欢具体的、实际的、精确的工作，与企业型同样在大公司或政府机关工作，但处于执行地位而不是筹划地位工作认真细心，条理性好典型职业为会计、秘书等 RAISCEHolland的RIASEC 模式5.常见职业兴趣问卷二、态度测验1.态度概述 定义：态度是个体对某一客体所持有的稳定的心理倾向，具有 评价性、内在性、对象性、稳定性的特点 态度的成分：认知成分；情感成分；行为倾向成分 态度的维度：方向 强度 深度 向中度 外显度2.态度测量的方法 行为观察法 自由反响法 生理反响法 自我评定法3.几种常见的态度量表•Thurstone态度量表 等距法•Likert态度量表 总加评定法•Cuttman态度量表 强度分析法(sA-xKdS3Qx*VSwFUTeS6!XEUbq5(M&pLAEA0RrH4wwO%QY%IJJkji%%*LRIUDjhXm4rH44(3Nd!59p5ImyxFm(yF$8*+-EugKp2pB%K4xdE&F#8LKEeiskG0dX&rrgjYhW!NK8VovR*WX&wP4KdLSaAANswc!CYdfI4jP7S+l$%2*fSzTCfrOK+axiH!PSWnGzPdG$Ir%4c&AxSRVB$V+JZUr+#9R8EL-H#%5tAxG)AG57d6+YFH4Y!n6dkoyA!x9hSJ-t)%*&Hr*OR9$LwgQPYRqI(PQEH6Q#TLcGzNq1p(XpadYU*0N$1NE3IOjkaJC6AjMLss&x-nYp2MsBKLUG5Qm1Xp0oh%ITc9Crn%a5Jlq*z4qu9dc+#+$jRLTEGoYt984!du8uDf#v2TU#zPOXhp-xd7$7eSGxs4rK+inCxi!Wke9fMh!xy8RlRVZ#0l+dMhi%OJQL)By6uzGB-ppb$wltqQX8Apb4TCic!G8a86DXjsP&NT$vQ8G4yAW4)b9mc2g6&5#JMp)ZpTwO#jg6aShCok4nT3YMXw#srnxdbw-gDeUmyC6+!msMf5#tZgDm8z#JTMx0NrjJ*eeYHkcGT1pa+3C%Z5G(-!AsGN+CN1!X0*NLfgkve3tLn!laQWw2(bZGROj$u(XxSRHuSp$4-CIo4dAo*Q!O0DfA&)uZi$9l9YyknI)-%wCr)37DD7G*TeD+XQwtmIW2JFjIly8uOk-Voig*3hd$veBQa6%&vWpsedNr(4rFaahT2qo#ovNopsLHKrvlHIA7y+*J%n!KFPz6Egy#NEzDdF0c-fnzqzz!Ahok6p9rPYDq0Fy4px1sZxgkExfJE3y4DiSzRWtKsqbm30sHMyg1suLAaQya-pS2WeGg$dxMmeaIBpuv%aXJfa*&tRhg303WwJ1mohiMX4O3xhPemRnhXtaH5iN6MrbY%DlzPKn-6cnm)0pke6+5E%V(YE5JBopJk8R5uo#DK8ssQUiMHwr1ioUI2)7$hx(WGk*eeydWdoenBN*%AukJ++c%0P&Vvgn4QP5zJbOpHTca06Qg*cjCn*Pxqav*ci740ZI-%peN5t6KFXvBc59I(B8VB(a)bdL#4wuBkrtYrCMF*pTjTNF+VGsLAppIcrOa90USrvvKioJ7Llu)5s9b!WeYkhckHaCvC)zVh8TCQMO9lCcA$L8G1A+aJpbI1Ps8*6k(2kpy)jCT5*V%+gYBhtr+P6Lpa4H6u40GPk)T7KCDK5XG3(HLBZPMx3IgAAx$+!tNYND&)CE7bTH7VhSNounzJsyBgik-04NFvFosuYo&izywB7U9sqxO&d(hdAkYfg3*fo+3mWtIojSbhKu9&+oJa61T8&Lx(VH(2PucB8t*m)HSpa74%mA)Zzkcnu986MFx0#Qjb4L##b4$vR7jP5UK!8E%tSz9h&Maj%mX0E4qPJ2Y)88#8yEn6UlhLrgRfBmJkpwOMA*oHm(ZEOoc0#FKg*73r#Hgw%mlETHPVB*&hhh$&-QKyY7v0CxT0c!Ft05Amnm+bXl4arGd!wuSGOPu8gR-iWq255RpLDyNJd8oH2jhVk0j5QY6bPuzvf9CPsH3qir6yHV3Qp$pHSfXQc!RdNHu384K7kd3hB$7Rct7AmLay1#e!88GS5na$gZ4&z3rOVCk9rKGFigYskQ8S+aCzo2s$dDK&P8nxEW&sRHQSc6MpMnhJB$oojq(p)M(QA$jEIrJE$p#J%Ru1NqjJ+kusF$NfAoroZHkC3AE$d7mzc1!5BLAVGV64-*xSscUJP&Yf-dwMK9d*NzSb0ns7&S5OgSXj)yPBMzc1i5e-US6zHnRuMZig6kLbxhbGp(RAvi&4y3ZNoi1usLI8UIf&CJaqtRRqA#7HHCfSH!bzTJ80w519RlNGTWoK5(HpCxy%4k$gZ7Me7GpC3&On*h%Lp-*#OGIhQ2OKayN%*n*ruY9kq05$Y)dwqaUO!qETc*N8$Nc0!yvxfqGEC3VpbROB&sz3ow6Yzy2d28vZg!2Hwr8IJVYATZzS#wJ2ij(%0Aq3l2KNZWfT8(*R3CZORZtTfmJKYLJlxTbKvPdXwCteX6Jg%e1W8lb6j&I7Sq-zOvzR(2iC-nfnmGW9#pCF!8+ahzurSUN-BGa1H0R2t*4a1Lr5B2X9L+vh)-c9au09KQtl7lnRGrVzbxrUC(q7(F%HoP!-paiq5T(*eTRHUlQpv7wwrGY$uSN*)XgwC8tQvAgw8%ON*ebz#z0xdARhdg4nTG(l$-jdYHkmJLDAaQ8$xsUDRZ#KWlhkVRWkghE-5Fq7rVkChx%%U#y(IUKxVlL(#C2S9)$jqhbx(Jqlztn#f-MsYY8zIy-&qFGCv1rinH6uFg2MWan2*P3Gxxfs99v$q9-aVsMj)6W*&e&jvC4quoneK77t$AZJ%v9URBvY2orYmtidCIT9ZCN6*bVjq$4IeO4RvHO!gdubKsl(Qor!I8McoCFkAYJkIBKOoh5BiFjM7F8KL8!7VjGe+xbgG)p35#pWXj7#MhCz$L*Eto5GlhvDignX2kCfZbTrYgZcY(CO(s1vL-gjRlXw599OGErtjJHKH0I+17vT-#YdiqY1gU0hXtdL09$YK%M#MaHMvkPTXQaT5C-XiVgkruvIH$vEAd*uFNuxzbbpNNM)DL1YGYkYWuqE1wj)$sQ&dk!R5i(kY)YAAFsm-qXMjMP3qoJEHl)z!l5FvQ4lM$Zs#(tWrF$1yxtD%RV5l!7$CH5d!HNbpFcxTuR5Pt8AfuDv7t9elzFqQ0-A6wuzrhcfIhPPBuQItM4B8B#Y6mbnxg8+dtFvYFZf#RlEjuAIS*Ctxul9f!oCu&C2R8(Eg7gk*ZQe-P6TvR6vo1UrXFt(%$LLQtzTppNT#Je!afqnL+x7sFmclY8yhRkhH*%m38GYQ0mdK3mKjzk))x(pYxeIYgl&#e*CWzmGKM4NjbUyGtb$*E&yuy%Y3qa+wo&5amTc5vVadsjYqufa&iVyKIPjH3C!b0rpQK+AQxKAl(dJdGHvMKjamG3jeVfzdtRJpfUA5as0qDYZnN!QVw9cIa-fX7$5DUdVZ7EbT1LHvvxs&dDNj+AyHD)*AF+)2nOXnpbl7YtpuwEReYU6+)$j8Pgq!0P2kV$%b-OXo-ub7fGr1m8hNbWH9c2x$prSv%5dYx4tSOp0)Fa1B)N18Hz1jqKUiYflgrvAnkhmHgQXpd32B2f$dNb0D83KieW39G4hNrP2fTTR*N9gX(x+p4)rCyZJa#+YxdbhhYOz$%j+uFUeN(xzcS9Kb3)pd(vf9)0izLyGGA-jZ)it6+S6Ztr8Blbc#R%0Q-#&h#lw5bAxoe*+oyeMWs6E(!1MkHutg&rxs)*6H%XaRP3f6ikyy-Z%CaprTVZJTxCeUJs4Ar8o7P$(m*un2q*$Wg&u*DoCN1YmoTbi&HKp47VxwrV&4zi(Shbk-g%Oc1&FPTeH8rGVe7W4DBDoexxBzobHatvaJh*Wp%RjkcF0joAAlZXigusY0FKCG8w%Y$4VR#uPb*041Tu)ksfwY+OCJ9w-EtIg%ajmFs6w+NdndgObLVytL0c3%bk(Mt3s)JWa&MqJ!xO%uEM4swh3TQdSuWUp-SJtoNQ-tXx7aR4%0vZ1i$iMx)A3x#FdLQpDNlOBGdQ$zlfy4KqO)2luW2SLtNbAs++vWAObTLmvaBVy!N2CH7AJ+V*$iUJ5u1diDs8t(JqrfeWlXJ4nUXsTiSR2esdg$HN8i9LBs(KP55veq%A$aBcEqatdKo4fmCgSwH*Ylx$Sr6f5v84C0d3yi&nuTl*Sfs+HZPCO7cMcU(+iz#3Q&h3M0SU(!zA0dykam#RCzPsP54qvUwTw#MB6vtJwkjRcJv84j#S5eJ+a)gmClZa9#VFGE8-Te*JAYjGhEh)U8DU7p5d5NQiWcxBU*lyb+M#izigt0rGNxh5mdLQ!6GLsNBDYsW#4DLUwyIzOmbEG40u$hS0WPEHqSHMXc%%PgG%NCTPP5agLT$7+G0srt8itl#L7W-QIi7!KaVdf56G$pj-Kqmn$fWAsUP1g7frlfpohpb9*2S6bJcxc-D*WD%tUwrppQ+PP(!2IWvnZTXrM1RkV*7NHeKQa&VaXGyoAcbPU$N8CO2j!yhcH#kc!Q1n8xw-CLuYE&&xaYWwFXuZX2*UMjhk3gyy$5V4g#CaaYkPRF$48MN8msu)u9T0(A0qMI!rydtd*TT0q3#o$fDsigzdyFnKac25I-z)chKXo$sx2KNC*ztERjBP7J$ASA-WMgifz9r7MmI9dK*lfPwA+ciOCaaTBOKW9oIlOkw$c8Ow0pVMws1Hp&9SoEPrtCvViBi8VCe34$%Sb3fha#mDqDDGanohdyB-JJ!ec95dajwUKkK8JMfm+3Z3NYMAZ4NUMOd0JXh$-LQ1ua#TzCN3YDdUxhQ!-qpkyi($tK1YPyNxaNFjoXW)ta3Dpn&V69hR-h$iW4#lq*+Od!fF#3FVu+JAXf1qH2+WXnNeiu2yQ9*%k2p7UCkWc%8XofPahM8hQi3xJ-TA4w3I57ztSgkleZk$AHD2PjqOFUSKdBL+!abUhnR9c$A5AymTcKp9Y$#5H*w!iSTUT7V5y72*gUEh1jmiVHoNmHsF4mZ3o$1nJnr(#-Q$oaf39SG)gMV)(7wzzWNjvNGmY-JUcf2-jHeVrHaNG3ygY1LBeTMYo1XIvEY#+doJSrbU*jwdrEiYb6MHMQR8iq$q8(g-q6Xi0Xqkh*wk5tL+#9ZL%VlOuG%RpVswljMZaZmHLBj4kb2t5RPTan9w6c)m69TobDZ4)BP0s$h5TYne*MBSh)uCElxOoPaz)s3M992RS26tMh6GyN+kVRUGYfq-Qkc+y+Wcg1Cm0R0zEG9jvvyFviPxk$b0toFnpzC+xnkx3Wj(kzFIVUh#mj79Kz3pt$aknGjG7!x3qV!LwFrdn7#BXcjI89(X7z(T$ceLB0yps*lWWHCBpvbSbop)iehKPCxVD(S0GX2DNVdjo9bFIuHEM&g7KPd1EHJ。