智商测验如何运作：题型与计分
智商测验看起来像一堆谜题，某种意义上确实如此。但这些谜题是精心挑选的：每一种题型被纳入， 是因为它上面的表现与其他题型的表现相关，而把它们组合起来估计一般推理能力，比任何单一题型 都更可靠。
设计上的难题
编制测验的人面对一个具体挑战。他们需要的题目要足够难，能把人区分开；不能依赖只有部分群体 才有机会获得的知识；也不能靠背诵解出。最重要的是，题目之间必须彼此相关——那份共享的变异 正是分数所要估计的东西。
这就是测验混合题型的原因。单一题型测量的是它自己加上大量噪声。多种不同题型汇总起来，噪声 大部分被抵消，留下共同因素。
主要题型
矩阵推理
一个图形网格遵循某种规则，其中一格留空。你要选出补全该规律的选项。规则可能是：图形每一步 旋转固定角度；元素沿行被添加或删除；两个图形合成第三个。
矩阵题是测验领域最接近"主力"的东西。它们不需要词汇、算术或文化知识，因此在不同语言和背景之间 异常通用——这正是瑞文渐进矩阵（该领域使用最广的工具之一）背后的原理。它们高度负荷于 流体推理：当场推断出一条陌生的规则。
数列
给出一个序列，你补出下一项：2, 6, 12, 20, 30, … 规则可能涉及差、比、交替运算，或者差本身的 二阶规律。
这需要基本算术，所以不像矩阵题那样不受文化影响。它们考察的是：在脑中同时保持若干候选规则、 用数据检验它们、淘汰不成立的那些——即在工作记忆负荷下的归纳推理。
空间与心理旋转
判断两个形状是否是同一物体的不同视角，或者选出哪个展开图能折成给定的立体。解这类题意味着 构建一个心理表征并对其进行变换——是可视化，不是计算。
空间能力本身就是一项独立的宽广能力，而且在测验所取样的各项能力中，它表现出最明显的可训练性： 练习能显著提升空间任务的表现，尽管这能在多大程度上迁移到无关推理是另一个问题。
言语类比与词汇
"医生之于医院，犹如教师之于___"。类比题考察你能否抽取一种关系并把它应用到新的一对上。词汇题 则直接问词义。
两者都依赖晶体知识——你积累起来的东西。尤其是词汇，在一般人群中属于测验总分 最强的单项预测因子之一，这常常出乎那些以为抽象谜题最重要的人的意料。问题也很明显：这类题目 高度依赖语言接触和学校教育，因此难以翻译，并且不利于用非母语作答的人。多数国际化的在线测验 要么略去它们，要么谨慎处理。
工作记忆与处理速度
完整的临床成套测验包含倒背数字序列、或在计时下把符号与数字快速配对之类的任务。在韦氏评估中， 这些是独立的指标，与推理一起构成总分。
计时的在线测验会附带地捕捉到一部分：只要测验有总时限，处理速度就会被折入你的表现，无论它是否 被单独测量。
从答案到分数
换算分几个阶段完成。
- 原始分。 统计答对的题数。在许多测验中题目权重不同，难题的贡献大于易题， 而不是每题等值。
- 与常模比较。 把原始分对照标准化样本形成的分布查表——对年龄常模的测验来说， 是你所在年龄段的样本。这一步把"答对 14 题"变成"处于参照组的第 N 百分位"。
- 换算刻度。 把该百分位位置表示在智商量表上，参照平均为 100，一个标准差 为 15 分。
一切都取决于第二步。常模样本小、不具代表性或已过时的测验，会产生看起来很权威却几乎没有意义的 数字——算术没错，错的是比较组。
题目难度与自适应测验
并非所有题目提供的信息量都相同。人人都答对、或人人都答错的题目区分不了任何人，也没有贡献。 信息量最大的题目，是在所探测的难度水平附近约有一半人答对的那些。
这就是专业测验采用项目反应理论开发的原因：为每道题的难度以及它区分相邻能力 水平的能力建模。表现不佳的题目会在测验发布前被剔除。
这也是自适应测验高效的原因。当下一题的难度依据你上一题的作答来选择时，测验 就把时间花在你真实能力水平附近，而不是对你来说过于简单或毫无希望的题目上。自适应测验能用 少得多的题目达到同样的精度——许多标准化考试的计算机版本正是基于这一原理。
什么样的测验算好
- 信度——一致性。同一个人在相似条件下做两次，得分是否接近？编制良好的工具 会报告较高的短期重测信度。
- 效度——它是否测量了它声称测量的东西。这通过与既有工具的相关，以及与该 构念应当预测的结果的相关来确立。
- 当前且具代表性的常模——如上所述，比较组决定了数字的含义。
- 标准化施测——对每个人使用相同的指导语、计时与条件。这正是无人监考的在线 测验在结构上无法满足的要求。
本站的测验是怎么构建的
本站的测验使用 20 道非言语题目，总时限 30 分钟，按难度加权，并在标准 SD 15 量表上报告分数。 它依靠图形规律与序列推理而非词汇，因此不会因为你用非母语作答而扣分。
由于无人监考且样本自选，它是一个合理的参考指标，而不是正式测量——读结果时值得把这个区别放在 心上。
想知道自己在分布中的位置吗？
开始测试