g 인자(계량법)

g factor (psychometrics)
"일반 정보"가 여기로 리디렉션된다. 인텔리전스, 인공지능,인텔리전스 지수와 혼동해서는안 된다.

g 인자(일반 지능, 일반 정신 능력 또는 일반 지능 인자라고도 한다)는 인지 능력과 인간 지능의 심리학적 조사에서 개발된 구성물이다. 그것은 한 종류의 인지 과제에 대한 개인의 수행이 다른 종류의 인지 과제에 대한 그 사람의 수행과 비교될 수 있는 경향이 있다는 사실을 반영하여 다른 인지 과제들 간의 긍정적인 상관관계를 요약한 변수다. g 인자는 일반적으로 주어진 인지 테스트에서 개인 간 성능 차이의 40~50%를 차지하며, 많은 테스트에 기초한 종합 점수("IQ 점수")는 종종 g 인자에 대한 개인의 지위에 대한 추정치로 간주된다.[1] IQ, 일반 지능, 일반 인지 능력, 일반 정신 능력, 단순 지능이라는 용어는 흔히 인지 테스트가 공유하는 이 공통의 핵심을 가리키기 위해 서로 바꾸어 사용된다.[2] g 인자는 일반적인 지능의 특정 척도를 목표로 한다.

g 인자의 존재는 원래 20세기 초 영국의 심리학자 찰스 스피어맨이 제안한 것이다. 그는 아이들의 성적평가가, 겉보기에 무관해 보이는 학교 과목에 걸쳐, 긍정적으로 상관관계가 있다고 관찰했고, 이러한 상관관계는 모든 종류의 정신 테스트에 성과에 들어간 기본적인 일반적 정신 능력의 영향을 반영한다고 추론했다. 스피어맨은 모든 정신적 수행은 그가 g라고 이름 붙인 하나의 일반적인 능력 요소와 많은 좁은 직무별 능력 요인의 관점에서 개념화할 수 있다고 제안했다. 스피어맨이 g의 존재를 제안한 직후 고드프리 톰슨에 의해 도전을 받게 되었는데, 고드프리 톰슨은 g-요인이 존재하지 않더라도 시험 결과 사이의 그러한 상호관계가 발생할 수 있다는 증거를 제시했다.[3] 오늘날 지성의 요소 모델은 일반적으로 3단계 계층 구조로서 인지 능력을 나타내며, 여기서 계층 구조 하단에 다수의 좁은 요인이 있고, 중간 수준에는 보다 넓고 일반적인 요인이 있으며, 그 정점에 G 인자라고 하는 단일 인자가 있는데, 이는 모든 c에 공통되는 분산을 나타낸다.귀속적인 일

전통적으로 g에 대한 연구는 인자 분석 접근법에 특별히 중점을 두고 시험 데이터의 심리학적 조사에 집중되어 왔다. 그러나 g의 성격에 대한 경험적 연구도 실험 인지심리학 및 정신 연대측정학, 뇌 해부학과 생리학, 양적 및 분자 유전학, 영장류 진화에 바탕을 두고 있다.[4] 일부 과학자들은 g를 통계적 규칙성과 논란의 여지가 없는 것으로 간주하고 있으며, 일반적인 인지 요인은 거의 모든 인간 문화의 사람들로부터 수집된 데이터에 나타난다.[5] 그러나, 무엇이 시험들 사이의 긍정적인 상관관계를 유발하는지에 대해서는 합의가 이루어지지 않고 있다.

행동유전학 분야의 연구는 g의 구조가 유전성이 높다는 것을 입증했다. 그것은 뇌의 크기를 포함하여 많은 다른 생물학적 상관관계를 가지고 있다. 그것은 또한 많은 사회적 결과들, 특히 교육과 고용에서 개인의 차이를 나타내는 중요한 예측 변수다. 가장 널리 받아들여지는 현대 지능 이론은 g 요소를 포함하고 있다.[6] 그러나 g의 비평가들은 g에 대한 강조가 잘못되어 다른 중요한 능력들의 평가 절하를 수반한다고 주장해왔다. Stephen J. Gould는 g의 개념을 비현실적인 인간 지능의 재인증된 관점을 지지하는 것으로 유명하게 비난했다.

인지능력시험

학교 성적의 6가지 척도를 위한 스피어맨의 상관 행렬.
고전 프랑스어 영어 수학 피치 음악
고전 –
프랑스어 .83 –
영어 .78 .67 –
수학 .70 .67 .64 –
피치차별 .66 .65 .54 .45 –
음악 .63 .57 .51 .51 .40 –
g .958 .882 .803 .750 .673 .646
WAIS-R 배터리를 완성한 스코틀랜드 피험자의 샘플에서 상호 연관성을 하위 테스트한다.
V S I C PA BD A PC DSp OA DS
V –
S .67 -
I .72 .59 -
C .70 .58 .59 -
PA .51 .53 .50 .42 -
BD .45 .46 .45 .39 .43 -
A .48 .43 .55 .45 .41 .44 –
PC .49 .52 .52 .46 .48 .45 .30 -
DSp .46 .40 .36 .36 .31 .32 .47 .23 -
OA .32 .40 .32 .29 .36 .58 .33 .41 .14 -
DS .32 .33 .26 .30 .28 .36 .28 .26 .27 .25 -
g .83 .80 .80 .75 .70 .70 .68 .68 .56 .56 .48
정신검사 사이의 상관관계

인지 능력 시험은 인식의 다른 측면을 측정하도록 설계된다. 시험으로 평가되는 특정 영역에는 수학적 기술, 언어적 유창성, 공간적 시각화, 기억력이 포함된다. 그러나 한 가지 유형의 시험을 잘 보는 사람들은 다른 종류의 시험에서도 잘 하는 경향이 있는 반면, 한 가지 시험을 잘 못 보는 사람들은 시험의 내용과 상관없이 모든 시험에서 잘 하는 경향이 있다.[9] 영국의 심리학자 찰스 스피어맨은 이 현상을 가장 먼저 묘사했다.[10] 1904년에 발표된 유명한 연구 논문에서,[11] 그는 관련이 없어 보이는 학교 과목에 걸쳐 아이들의 수행 방법이 긍정적으로 상관관계가 있다고 관찰했다. 이 발견은 그 이후로 수없이 반복되었다. 정신검사 결과의 보편적 양의 상관관계 매트릭스(또는 "양성의 다지관")에 대한 일관성 있는 발견은, 시험 내용의 큰 차이에도 불구하고, "논의할 수 없이 모든 심리학에서 가장 복제된 결과"로 설명되어 왔다.[12] 시험들 사이의 0 또는 음의 상관관계는 표본오차의 존재 또는 연구된 표본의 능력범위의 제한을 시사한다.[13]

인자 분석이나 관련 통계적 방법을 사용하면 시험 배터리의 모든 다른 시험 사이의 상관 관계를 특징짓는 요약 변수로 간주할 수 있는 단일 공통 인자를 계산할 수 있다. 스피어맨은 이 공통인자를 일반인자 또는 간단히 g. (통념상 g는 항상 소문자 이탤릭체로 인쇄된다.) 수학적으로, g 인자는 개인들 사이의 분산의 원천이며, 이는 g 또는 다른 인자로 구성된 한 개인의 정신적 능력에 대해 어떤 특정한 정도까지 의미 있게 말할 수 없다는 것을 수반한다. 특정 집단의 다른 개인에 비해 g(또는 다른 요인)에 대한 개인의 지위에 대해서만 말할 수 있다.[13][14][15]

테스트 배터리의 다른 테스트는 다른 도에 대한 배터리 g 계수와 상관(또는 "부하")할 수 있다. 이러한 상관 관계를 g 적재라고 한다. 전체 개인 그룹에서 g 인자 위에 서 있는 자신의 친척을 나타내는 개별 시험 응시자의 g 인자 점수는 g 적재를 사용하여 추정할 수 있다. 테스트 배터리의 전체 IQ 점수는 일반적으로 g 인자 점수와 높은 상관관계를 가지며, g의 추정치로 간주되는 경우가 많다. 예를 들어, 데이비드 웩슬러의 테스트에서 얻은 g 인자 점수와 전체 IQ 점수의 상관관계는 .95보다 큰 것으로 밝혀졌다.[1][13][16] IQ, 일반지능, 일반인지능력, 일반정신능력, 또는 단순지능이라는 용어는 인지검사에서 공유하는 공통의 핵심을 가리키기 위해 상호 교환적으로 자주 사용된다.[2]

정신 테스트의 g 적재는 항상 양성이며 보통 .10과 .90 사이의 범위로 평균은 약 .60이고 표준 편차는 약 .15이다. 레이븐의 프로그레시브 매트릭스는 약 0.80의 가장 높은 g 적재를 가진 테스트 중 하나이다. 어휘와 일반 정보에 대한 시험도 일반적으로 g 적재가 높은 것으로 확인된다.[17][18] 단, 동일한 시험의 g 하중은 시험 배터리의 구성에 따라 다소 달라질 수 있다.[19]

시험의 복잡성과 정신적 조작에 대한 요구는 시험의 g 적재와 관련이 있다. 예를 들어, 앞자리 스팬 테스트에서 피험자는 초당 한 자릿수의 비율로 한 번 들은 후 표시 순서대로 자릿수 순서를 반복하도록 요청 받는다. 역자리 스팬 테스트는 피험자가 제시된 숫자와 역순으로 숫자를 반복하도록 요청된 경우를 제외하고 동일하다. 후방 자릿수 스팬 테스트는 전방 자릿수 스팬 테스트보다 복잡하며 g 로딩이 현저히 높다. 마찬가지로 산술 연산, 철자법, 단어 읽기 시험의 g 적재는 산술 문제 풀이, 텍스트 구성, 독해 시험의 적재가 각각 낮다.[13][20]

시험 난이도와 g 적재는 특정한 상황에서 경험적으로 관련이 있을 수도 있고 없을 수도 있는 구별되는 개념이다. 시험 응시자가 불합격하는 시험 항목의 비율에 따라 지수화한 것과 동일한 난이도를 가지는 시험은 광범위한 g 적재를 보일 수 있다. 예를 들어, 로트 메모리 테스트는 난이도는 같지만 g 로딩이 추론을 수반하는 많은 테스트보다 상당히 낮은 것으로 나타났다.[20][21]

이론들

통계적 규칙성으로서의 g의 존재는 잘 정립되어 있고 전문가들 사이에 논쟁의 여지가 없는 반면, 무엇이 긍정적인 상호관계를 유발하는가에 대해서는 합의가 이루어지지 않고 있다. 몇 가지 설명이 제안되었다.[22]

정신 에너지 또는 효율성

찰스 스피어맨은 시험들 사이의 상관관계가 모든 종류의 정신적 과제에 대해 수행을 시작하는 일반적인 정신 능력인 공통 인과 인자의 영향을 반영하고 있다고 추론했다. 그러나 g의 가장 좋은 지표는 소위 관계의 에듀케이션과 상관관계를 반영하는 시험이라고 생각했고, 여기에는 추론, 유도, 문제 해결, 관계 파악, 규칙 추론, 차이와 유사성 발견 등의 능력이 포함되어 있었다. 스피어맨은 g가 "정신 에너지"와 동등하다는 가설을 세웠다. 그러나 이것은 은유적인 설명에 가까웠고, 그는 향후의 연구가 g의 정확한 생리학적 성질을 밝혀낼 것으로 기대하면서 이 에너지의 물리적 기초에 대해 불가지론자였다.[23]

스피어맨에 이어 아서 젠슨은 모든 정신적 작업이 어느 정도 g를 두드린다고 주장했다. 젠센에 따르면, g 인자는 그러한 점수의 합계 또는 평균이 아닌 다른 시험에서 점수의 "변형"을 나타내며, 인자 분석은 증류 절차로 작용한다.[18] 그는 매우 다른 정신적 과업들이 거의 동일한 g 적재를 가지고 있을 수 있다고 지적하면서, g는 시험의 항목 특성이나 정보 내용 면에서 설명될 수 없다고 주장했다. 웩슬러도 마찬가지로 g는 전혀 능력이 아니라 뇌의 어떤 일반적인 특성이라고 주장했다. 젠슨은 g가 정신적 능력과 관련된 신경 과정의 속도나 효율성의 개별적 차이에 해당한다고 가설을 세웠다.[24] 그는 또한 g와 기본적인 인지 과제 사이의 연관성을 고려할 때 시간을 측정 단위로 사용하는 g의 비율 척도 시험을 구성할 수 있어야 한다고 제안했다.[25]

샘플링 이론

원래 에드워드 쏜디케와 고드프리 톰슨에 의해 개발된 g의 소위 샘플링 이론은 양성 다지관의 존재를 단일 기저 역량에 대한 언급 없이 설명할 수 있다고 제안한다. 이 이론에 따르면, 많은 관계없는 정신적 과정이 있으며, 모든 테스트는 이러한 과정들의 다른 샘플에 의존한다. 시험 사이의 상호관계는 시험으로 두드려진 공정들 사이의 중복에 의해 야기된다.[26][27] 따라서 양성 다지관은 측정 문제로 인해 발생하는데, 이는 더 미세하고 아마도 상관관계가 없는 정신적 과정을 측정할 수 없기 때문이다.[15]

스피어맨의 g 모델과 샘플링 모델을 통계적으로 구별할 수 없는 것으로 나타났다. 두 모델 모두 테스트 간의 상호 관계를 동등하게 설명할 수 있다.[28] 샘플링 이론은 또한 더 복잡한 작업이 더 큰 신경 원소의 샘플링을 수반할 것으로 예상되기 때문에 더 복잡한 정신 작용이 더 높은 g 적재를 가지고 있다는 관측과 일치한다.[29]

일부 연구자들은 샘플링 모델이 심리학적 개념으로 g를 무효화한다고 주장해 왔는데, 이는 다른 테스트 배터리에서 파생된 g 요인이 모든 테스트에 공통적인 g가 아니라 각 테스트에 포함된 특정 테스트의 공유 요소만을 반영한다는 것을 시사하기 때문이다. 마찬가지로, 서로 다른 배터리 간의 높은 상관관계는 동일한 능력보다는 동일한 능력 집합을 측정하기 때문일 수 있다.[30]

비평가들은 표본 추출 이론이 특정한 경험적 발견과 일치하지 않는다고 주장해왔다. 표본추출이론에 근거해 관련 인지검사가 많은 요소를 공유해 상호 연관성이 높다고 기대할 수 있다. 그러나 앞자리 스팬과 뒤자리 스팬과 같이 밀접하게 연관된 일부 시험은 중간 정도의 상관관계일 뿐 어휘시험이나 레이븐의 행렬과 같이 겉으로 보기에 완전히 다른 일부 시험은 일관되게 높은 상관관계로 나타난다. 또 다른 문제점은 뇌 손상이 샘플링 이론에 근거하여 예상할 수 있는 일반적인 손상보다는 특정한 인지 손상으로 이어지는 경우가 많다는 것이다.[15][31]

상호주의

g의 "상호주의" 모델은 인지 과정이 초기에는 상관관계가 없지만, 인지 과정 간의 상호 유익한 관계 때문에 개인 발달 중에 긍정적인 다지관이 발생한다는 것을 제안한다. 따라서 시험 사이의 양의 상관관계에는 단일 프로세스나 용량이 없다. 개발 과정 동안, 이론은 어떤 특정한 한 과정이라도 다른 과정들에 이익이 될 것이며, 그 결과 그 과정들이 서로 상관관계가 있을 것이라고 주장한다. 따라서 유사하게 다른 사람들의 높은 IQ는 그들이 가지고 있던 상당히 다른 초기 장점으로부터 기인할 수 있다.[15][32] 비평가들은 g 적하와 하위 테스트의 유전성 계수 사이의 관찰된 상관관계가 상호주의 이론에 문제가 있다고 주장해왔다.[33]

인지 능력의 요소 구조

스피어맨의 2인자 지능 이론의 삽화. 각각의 작은 타원형은 가상의 정신적 시험이다. 파란색 영역은 테스트별 분산(s)에 해당하는 반면 보라색 영역은 g로 인한 분산을 나타낸다.

인자 분석은 인자로 알려진 적은 수의 변수의 관점에서 지능 검사 사이의 상관관계를 나타내는 데 사용될 수 있는 수학 기법의 계열이다. 그 목적은 가상의 기초 요인을 사용하여 그 안에 있는 패턴을 설명함으로써 상관 행렬을 단순화하는 것이다. 행렬의 모든 상관관계가 양수일 때 IQ의 경우와 마찬가지로 요인 분석은 모든 검정에 공통적인 일반 요인을 산출할 것이다. IQ 테스트의 일반적인 요인을 g 인자라고 하며, 일반적으로 IQ 테스트 배터리의 분산의 40~50%를 차지한다.[34] 매우 다양한 많은 인지 시험들 사이의 상관관계의 존재는 종종 g의 존재에 대한 증거로 채택되어 왔지만, McFarland(2012)는 그러한 상관관계가 지능의 복수 요인의 존재보다는 g의 존재에 대한 더 이상 또는 더 적은 지지를 제공하지 않는다는 것을 보여주었다.[35]

찰스 스피어맨은 시험 사이의 상관관계를 연구하기 위해 인자 분석을 개발했다. 처음에 그는 모든 지능 테스트 점수의 변동이 두 가지 종류의 변수, 즉 각 테스트에 특정되는 요인(표시가 된 s)과 테스트 전반에 걸친 양의 상관관계를 설명하는 g 요인만으로 설명되는 지능 모델을 개발했다. 이것은 스피어맨의 2요소 이론으로 알려져 있다. 스피어맨이 사용한 것보다 더 다양한 테스트 배터리를 기반으로 한 후기 연구는 g만으로는 테스트 간의 모든 상관관계를 설명할 수 없다는 것을 보여주었다. 구체적으로는 g에 대한 대조 후에도 일부 테스트는 여전히 서로 상관관계가 있는 것으로 조사됐다. 이는 유사한 직무 요구(예: 구두, 공간 또는 숫자)를 가진 시험 그룹이 공유된 g분산 외에 공통적으로 갖는 분산을 나타내는 그룹 인자의 포고로 이어졌다.[36]

존 B의 삽화. 캐롤의 세가지 계층 이론은 인지기능의 현대적인 영향력 있는 모델이다. 모델이 인정하는 넓은 능력은 유동 지능(Gf), 결정화된 지능(Gc), 일반 기억과 학습(Gy), 넓은 시각 지각(Gv), 넓은 청각 지각(Gu), 넓은 인지 능력(Gr), 넓은 인지 속도(Gg), 처리 속도(Gt) 등이다.캐롤은 넓은 능력을 다른 "유체 지능(flavors)"으로 여겼다.g의 "

인자 회전을 통해 인지 시험 사이의 상호관계를 설명하는 능력에서 수학적으로 동등한 무한한 수의 서로 다른 인자 해답이 만들어지는 것이 원칙적으로 가능하다. 여기에는 g 인자를 포함하지 않는 솔루션이 포함된다. 따라서 요소 분석만으로는 지능의 기본 구조가 무엇인지 규명할 수 없다. 서로 다른 요인 해결책들 사이에서, 연구자들은 인지 능력의 구조에 대한 다른 정보와 함께 요인 분석의 결과를 조사해야 한다.[37]

G 인자를 포함하는 인자 솔루션을 선호하는 데에는 심리적으로 관련된 많은 이유가 있다. 여기에는 양성 다지관의 존재, 특정 종류의 시험(일반적으로 더 복잡한 시험)이 지속적으로 더 큰 g 적재를 가지고 있다는 사실, 서로 다른 시험 배터리에 걸쳐 g 인자의 상당한 불변성, g 인자를 산출하지 않는 시험 배터리 구성의 불가능성, 광범위한 실제 유효성이 포함된다.개별 결과의 예측 변수로서 g의 ty. g 인자는 집단 인자와 함께 경험적으로 확립된 사실을 가장 잘 나타내는데, 평균적으로 개인 간의 전반적인 능력 차이가 개인 내 능력 차이보다 큰 반면, g가 없는 직교 인자가 있는 요인 솔루션은 이 사실을 모호하게 한다. 더욱이 g는 지능의 가장 유전적인 요소로 보인다.[38] 확인 인자 분석 기법을 활용한 연구도 g의 존재를 뒷받침했다.[37]

g 계수는 여러 가지 다른 방법을 사용하여 시험 결과의 상관 행렬에서 계산할 수 있다. 여기에는 탐색적 요인 분석, 주성분 분석(PCA) 및 확인 요인 분석이 포함된다. PCA는 때때로 시험 점수에 대한 g의 영향의 부풀린 추정치를 산출하는 것으로 밝혀졌지만, 서로 다른 인자 추출 방법은 매우 일관된 결과를 산출한다.[19][39]

사람 사이의 인지적 분산이 일반성의 정도에 의해 구별되는 세 가지 계층적 수준에서 개념화될 수 있다는 광범위한 현대의 합의가 있다. 가장 낮은 수준의 최소 일반적 수준에는 좁은 1차 요인 여러 가지가 있다. 높은 수준에서는 넓은(즉, 더 일반적인) 2차 요인(또는 그룹 요인)의 5와 10 사이의 숫자가 상대적으로 작으며, 정점에는 모든 시험에 공통되는 단일 3차 요인 g가 있다.[40][41][42] g 인자는 일반적으로 IQ 테스트 배터리의 총 공통 인자 분산의 대부분을 차지한다.[43] 현대 지능의 계층적 모델에는 3가지 계층 이론과 캣텔-이 포함된다.혼-캐럴 이론.[44]

"지표 추론"

스피어맨은 g가 모든 종류의 시험에서 성능을 발휘하기 때문에 g를 식별할 목적으로 지능검사의 정확한 내용은 중요하지 않은 지표의 무관심의 원리를 제안했다. 따라서 모든 시험은 g의 지표로 사용될 수 있다.[5] 스피어맨에 이어 아서 젠슨은 최근 한 테스트 배터리에서 추출한 g 계수는 배터리가 크고 다양할 경우 다른 배터리에서 추출한 것과 측정 오류 한계 내에서 항상 동일할 것이라고 주장했다.[45] 이 견해에 따르면 모든 정신 검사는 아무리 특이하다고 해도 어느 정도 g를 필요로 한다. 따라서 여러 가지 다른 시험의 종합 점수는 개별 시험 점수보다 더 강하게 g에 적재될 것이다. 왜냐하면 g 구성요소는 종합 점수로 누적되는 반면, 상관 관계가 없는 비 g 구성요소는 서로 상쇄되기 때문이다. 이론적으로 무한히 크고 다양한 시험 배터리의 복합 점수는 g의 완벽한 척도가 될 것이다.[46]

반면 L.L. Thurstone은 시험 배터리에서 추출한 g 인자는 특정 배터리에서 요구되는 모든 능력의 평균을 반영하고 있으며, 따라서 g는 배터리마다 다르며 "근본적인 심리적 의미는 없다"[47]고 주장했다. 비슷한 선에서 존 혼은 g 요인은 시험 배터리 전반에 걸쳐 불변성이 아니기 때문에 의미가 없다고 주장하면서, 한 가지 능력에만 의존하는 인간의 행동을 정의하기 어렵기 때문에 서로 다른 능력 측정 사이의 상관관계가 발생한다는 것을 유지했다.[48][49]

서로 다른 배터리가 동일한 g를 반영한다는 것을 보여주려면 동일한 개인에게 여러 개의 테스트 배터리를 투여하고 각 배터리에서 g 인자를 추출하며 인자가 높은 상관 관계를 가지고 있음을 보여줘야 한다. 이것은 확인 요인 분석 프레임워크 내에서 수행될 수 있다.[22] 웬디 존슨과 동료들은 그러한 두 가지 연구를 발표하였다.[50][51] 첫 번째 연구에서는 세 개의 다른 배터리에서 추출한 g 인자 간의 상관관계가 .99, .99, 1.00이라는 것을 밝혀내면서, 서로 다른 배터리에서 추출한 g 인자는 동일하고 g의 식별은 평가된 특정 능력에 의존하지 않는다는 가설을 뒷받침했다. 두 번째 연구에서는 다섯 번째 배터리인 CFIT(Cattell Culture Fair Intelligence Test)의 상관관계는 .95–1.00 사이에 상관관계가 있는 다섯 가지 테스트 배터리 중 네 개에서 도출된 g 요인을 발견했다. 이들은 CFIT 배터리와의 상관관계가 다소 낮은 것은 매트릭스형 항목만 들어 있어 콘텐츠 다양성이 부족하기 때문이라고 보고, 배터리 다양성이 충분하다면 다른 테스트 배터리에서 파생된 g 요인이 동일하다는 주장을 뒷받침하는 것으로 해석했다. 결과는 동일한 g가 다른 시험 배터리에서 일관되게 식별될 수 있음을 시사한다.[40][52]

인구분포

g는 비율 척도로[clarification needed] 측정할 수 없기 때문에 g의 모집단 분포의 형태를 알 수 없다.(일반적인 IQ 테스트에서 점수의 분포는 대략 정상이지만, 이는 시공, 즉 원점수 정상화를 통해 달성된다.) 그럼에도 불구하고 g가 적어도 평균으로부터 ±2 표준 편차의 범위 내에서 일반 모집단에 정상적으로 분포한다고 가정할 수 있는 타당한 이유가 있다고 주장되어[who?] 왔다. 특히 g는 많은 독립적인 유전적, 환경적 영향의 부가적 효과를 반영하는 복합적 변수로 생각할 수 있으며, 그러한 변수는 중심적 한계 정리에 따라 정규 분포를 따라야 한다.[53]

스피어맨의 수익 감소 법칙

많은 연구자들은 g가 설명하는 변동 비율이 모집단 내의 모든 하위 그룹에 걸쳐 균일하지 않을 수 있다고 제안했다. 인지 능력 분화 가설이라고도 불리는 스피어맨의 수익 감소 법칙(SLODR)은 서로 다른 인지 능력 간의 긍정적인 상관관계가 보다 지능적인 개인 하위 집단들 사이에서 약하다고 예측한다. 좀 더 구체적으로, (SLODR)은 g 인자가 g 인자의 높은 점수에서 인지 시험 점수의 개인 차이의 작은 부분을 차지할 것이라고 예측한다.

(SLODR)은 원래 찰스 스피어맨에 의해 제안된 것으로,[54] 12개의 인지 능력 시험 사이의 평균 상관관계는 정상 어린이 78명의 .466과 22명의 "불량" 어린이의 .782로 보고되었다. 데터맨과 다니엘은 1989년에 이 현상을 재발견했다.[55] 그들은 WAIS와 WISC의 하위 테스트의 경우, IQ가 78 미만인 개인에서 약 .7의 평균 상호 관계에서 122보다 큰 개인에서 .4에 이르는 능력 그룹과 하위 테스트 상호 관계가 단조롭게 감소했다고 보고했다.[56]

(SLODR)은 광범위한 인지 테스트 어레이를 사용하여 측정된 다양한 아동 및 성인 샘플에서 복제되었다. 가장 일반적인 접근방식은 일반적 지적 능력에 대해 관측 가능한 대리인을 사용하여 개인을 여러 능력 그룹으로 나눈 다음, 여러 그룹에 걸친 하위 테스트 사이의 평균 상호 연관성을 비교하거나, 또는 단일 공통 요인에 의해 설명되는 변동 비율을 비교하는 것이었습니다.무리를 [57]짓다 그러나, Deary 외 연구진(1996)으로서.[57] 그리고 [58]터커-드로브(2009)는 지능의 지속적인 분포를 임의의 수의 이산 능력 집단으로 나누는 것은 (SLODR) 검사에 이상적이지 않다고 지적했다. 터커-드로브(2009)는 [58](SLODR)에 관한 문헌과 이전에 시험한 다양한 방법을 광범위하게 검토했으며, 요인과 그 지표 사이의 관계가 자연에서 비선형적일 수 있도록 하는 공통 인자 모델을 적합시켜 (SLODR)을 가장 적절하게 포착할 수 있다고 제안했다. 그는 그러한 요소 모델을 미국의 아동과 성인의 국가 대표 데이터에 적용했고 (SLODR)에 대한 일관된 증거를 찾아냈다. 예를 들어, 터커-드로브(2009)는 매우 낮은 IQ 성인의 7가지 인지 능력 변동의 약 75%를 일반 요인이 차지했지만, 매우 높은 IQ 성인의 능력 변동의 약 30%만 차지한다는 것을 발견했다.

블럼과 홀링의[59] 최근 메타분석 연구도 분화 가설을 뒷받침했다. 주제에 대한 대부분의 연구와는 달리, 이 연구는 G 포화도의 연속적인 예측 변수로서 능력과 나이 변수를 연구하는 것을 가능하게 했고, 단지 낮은-대-높은-숙련 혹은 젊은-대-고령-고령 집단과 고참-고령 집단들을 비교하는 것만이 아니었다. 결과는 인지 능력 시험의 평균 상관관계와 g 적재가 능력이 증가함에 따라 감소하지만 응답자 연령에 따라 증가한다는 것을 보여준다. (SLODR) 찰스 스피어맨이 설명한 대로, 중년기부터 노년기까지의 g-성 증가뿐만 아니라 IQ의 함수로서 g-포토 감소에 의해 확인될 수 있다. 구체적으로 말하면, 평균 지능이 2 표준 편차(즉, 30 IQ 포인트) 높은 표본의 경우 예상 평균 상관관계가 약 .15 포인트 감소한다. 문제는 인지 데이터가 낮은 능력 표본과 반대로 높은 능력 표본에 대해 고려되었을 때 이 크기의 차이가 명백한 요인 복잡성을 야기할 수 있는지 여부다. 더 높은 능력의 경우 더 큰 인자 차원성이 관찰되는 경향이 있는 것 같지만, 이 효과의 크기(즉, 얼마나 더 가능성이 높고 얼마나 더 많은 요인)는 여전히 불확실하다.

실용성

교육, 경제, 사회적 결과의 예측자로서 g의 실질적인 타당성은 현재 진행 중인 논쟁의 대상이다.[60] 일부 연구자들은 다른 알려진 심리적 변수보다 더 광범위하고 보편적이며,[61] 측정된 과제의 복잡성이 증가할수록 g의 유효성이 증가한다고 주장해왔다.[62][63] 다른 이들은 실제 상황에 적합한 분석에서 특정 능력의 테스트가 g 요소를 능가한다고 주장해왔다.[64][65][66]

시험의 실제 유효성은 대학 성적 평균과 같은 시험 외적인 일부 기준에 대한 성과와의 상관관계 또는 직무 수행 등급에 의해 측정된다. 시험 점수와 일부 기준의 척도 사이의 상관관계를 유효 계수라고 한다. 유효성 계수를 해석하는 한 가지 방법은 검정에서 설명하는 분산을 얻기 위해 제곱하는 것이다. 예를 들어, 유효 계수 .30은 설명된 분산의 9퍼센트에 해당한다. 그러나 이러한 접근법은 오해의 소지가 있고 비정보적이라는 비판을 받아왔으며, 몇 가지 대안이 제시되었다. 논쟁의 여지가 있는 한 가지 더 많은 해석 가능한 접근방식은 각 시험 점수 5분위수에서 어느 정도 합의된 성공 기준을 충족하는 수험생의 비율을 살펴보는 것이다. 예를 들어, 시험 점수와 성적의 상관관계가 .30일 경우 상위 5분위의 67%가 평균 이상의 성적을 기록할 것으로 예상되며, 하위 5분위의 경우는 33%가 평균 이상의 성적을 기록할 것으로 예상된다.[67][68]

학업성취도

g의 예측 타당성은 학업성취도 영역에서 가장 두드러진다. g가 참신한 소재를 익히고 개념과 의미를 이해하는 능력과 밀접하게 연관돼 있기 때문으로 보인다.[62]

초등학교에서 IQ와 성적, 성취도 점수의 상관관계는 .60과 .70 사이에 있다. 더 높은 수준의 교육 수준에서는 IQ 분포의 하위 끝에서 더 많은 학생들이 탈락하는데, 이것은 IQ의 범위를 제한하고 유효 계수를 더 낮게 만든다. 고등학교, 대학교 및 대학원에서 유효 계수는 각각 .50–60, .40–.50, .30–.40이다. IQ 점수의 g 적재는 높지만 학업성취도 예측에서 IQ의 타당성 중 일부는 g와 무관하게 IQ가 측정한 요인 때문일 가능성이 있다. 로버트 L의 연구에 따르면. 손디케는 학업성취도 예측 가능한 변동의 80~90%는 g에 기인하고 나머지는 IQ와 다른 시험으로 측정한 비g 요인에 기인한다.[69]

성취도 시험 점수는 학교 성적보다 IQ와 높은 상관관계가 있다. 이것은 성적은 그 학생에 대한 선생님의 독특한 인식에 더 영향을 받기 때문일 것이다.[70] 세로방향 영어 연구에서, 11살 때 측정한 g 점수는 16살 때 실시된 전국 GCSE 시험의 모든 25개 과목 시험과 상관관계가 있다. 그 상관관계는 수학 시험의 .77에서 미술 시험의 .42까지 다양했다. g와 GCSE 시험에서 계산된 일반 교육 요소 사이의 상관관계는 .81이었다.[71]

연구에 따르면, 대학 입학에서 널리 사용되는 SAT는 주로 g의 척도라고 한다. IQ 테스트 배터리로 계산한 g점수와 SAT 점수 사이에서 .82의 상관관계가 발견되었다. 미국 41개 대학의 165,000명의 학생을 대상으로 한 연구에서, SAT 점수는 SAT 점수의 범위 제한에 대한 수정 후 1학년 대학 학년 평균과 .47로 상관관계가 있는 것으로 나타났다(과정 난이도가 일정하게 유지될 경우, 즉 모든 학생이 같은 수업을 듣는 경우 .55로 상관관계가 상승한다).[67][72]

직업성취도

일반 대중이 평가한 직업의 명성 순위와 각 직업에 고용된 사람들의 평균 일반 지능 점수 사이에는 .90에서 .95 사이의 높은 상관관계가 있다. 개별 직원 수준에서 직위와 g 사이의 연관성은 더 낮다 – 미국의 한 대규모 연구에서 감쇠에 대해 보정된 65.72의 상관관계가 있다고 보고되었다. 따라서 평균 g 수준은 인식된 직업의 위상에 따라 증가한다. 또한 일반지능점수의 분산은 하위직종보다 더 권위 있는 직종에서 작다는 것이 밝혀져 상위직종이 최소 g 요구사항이 있음을 시사했다.[73][74]

직무수행

연구에 따르면 g의 테스트는 감독자 등급과 직무 샘플에 근거한 연구의 여러 메타 분석에서 평균 유효도 계수가 0.55인 최고의 단일 예측 변수다. 직무교육 수행에 대한 평균 메타분석 유효성 계수는 .63이다.[75] 가장 복잡한 직업(전문직, 과학직, 상위관리직)에서 g의 유효성은 가장 낮은 복잡도 직업보다 큰 것으로 나타났지만, g는 가장 단순한 직업에서도 예측 유효성을 가지고 있다. 연구 결과도 직업별로 맞춤화된 특정 적성검사는 일반 지능검사에 비해 예측 타당성이 거의 또는 전혀 증가하지 않는다는 것을 보여준다. g는 주로 직무 관련 지식의 습득을 촉진함으로써 직무 수행에 영향을 미친다고 생각된다. g의 예측타당성은 업무경험보다 크며, 직무경험이 증가해도 g의 타당성은 감소하지 않는다.[62][73]

연구진은 2011년 메타분석에서 일반인지능력(GCA)이 성격(5인자 모델)보다 직무수행능력을 더 잘 예측하고 감정지능의 3가지 흐름을 예측했다는 사실을 밝혀냈다. 그들은 직무 성과 예측에 대한 이러한 구성의 상대적 중요성을 조사했고 인지 능력이 직무 성과에 대한 변동의 대부분을 설명한다는 것을 발견했다.[76] 다른 연구들은 GCA와 감정 지능이 직업 성과에 선형적으로 독립적이고 보완적인 기여를 한다고 제안했다. Côté와 광부(2015)[77]는 이러한 구조들이 업무 수행의 두 가지 측면인 조직적 시민권 행동과 업무 수행과 상호 연관되어 있다는 것을 발견했다. 감성 지능은 GCA가 낮을 때 작업 성과와 OCB의 더 나은 예측 변수다. 예를 들어 GCA가 낮은 직원은 감성 지능이 높을 경우 업무 성과와 OCB를 보상한다.

비록 이러한 보상 효과가 감정 지능을 선호하지만, GCA는 여전히 직업 성과의 최고의 예측자로 남아 있다. 여러 연구자들이 직급별로 GCA와 직무수행과의 상관관계를 연구했다. 예를 들어,[78] 지젤리(1973)는 영업 사원이 영업사원보다 더 높은 상관관계를 가지고 있다는 것을 발견했다. 전자는 CCA의 경우 0.61, 지각능력의 경우 0.40, 정신능력자의 경우 0.29의 상관관계를 얻었고, 판매원은 CCA의 경우 0.27, 지각능력의 경우 0.22, 정신능력자의 경우 0.17의 상관관계를 얻었다.[79] 다른 연구들은 GCA를 비교했다 – 서로 다른 복잡성을 가진 직업들 간의 직무 성과 상관 관계. 헌터와 헌터([80]1984)는 400개 이상의 연구를 통해 메타분석을 개발했고, 이 상관관계가 복잡성이 높은 직업(0.57)에서 더 높다는 것을 발견했다. 그 다음으로는 중간 정도의 복잡성(0.51)과 낮은 복잡성(0.38)의 작업이 뒤따른다.

직무 수행은 객관적 평가 성과와 주관적 평가로 측정한다. 주관적 평가보다는 전자가 낫지만 그동안 직무수행과 GCA에 대한 연구는 대부분 감독자 수행평가에 기반을 두고 있었다. 이 등급 기준은 주로 어떤 것이 좋고 나쁜지 정의하기 어렵기 때문에 문제가 있고 신뢰할 수 없는 것으로 간주된다. 상사의 등급은 직원들 사이에서 주관적이고 일관성이 없는 경향이 있다.[81] 또한, 직무 수행에 대한 감독 등급은 후광 효과,[82] 안면 매력,[83] 인종 또는 민족적 편견, 직원 키와 같은 다양한 요인에 의해 영향을 받는다.[84] 그러나 [79]빈추르, 쉬프만, 스위처, 로스(1998)는 영업사원과의 연구에서 객관적 판매실적이 0.04와 CCA와의 상관관계가 있는 반면 감독자 수행등급은 0.40의 상관관계가 있는 것으로 나타났다. 이들 직원을 평가하는 주요 기준이 객관적 영업이라는 점을 고려하면 이러한 결과는 놀라웠다.

GCA가 직무성과와 어떻게 연관되어 있는지를 이해하면서, 몇몇 연구자들은 GCA가 직무지식 습득에 영향을 미치고, 이는 결국 직무성과를 향상시킨다고 결론지었다. 다시 말해, GCA에 높은 사람들은 더 빨리 배울 수 있고 더 많은 직업 지식을 쉽게 습득할 수 있기 때문에 더 나은 성과를 낼 수 있다. 반대로 직무지식을 습득할 수 있는 능력이 부족하면 직무능력에 직접적인 영향을 미칠 수밖에 없다. 이는 낮은 수준의 GCA 때문이다. 또한, GCA는 직무 수행에 직접적인 영향을 미친다. 일상적으로 직원들은 끊임없이 도전과 문제 해결 과제에 노출되는데 성공은 오로지 자신의 GCA에 달려 있다. 이러한 발견은 노동자의 권리 보호를 담당하는 정부 기관들에게 좌절감을 주고 있다.[85] GCA의 직무수행 상관관계가 높아 기업들이 GCA 시험성적을 바탕으로 직원을 채용하고 있다. 불가피하게, 이러한 관행은 낮은 GCA를 가진 많은 사람들에게 일할 기회를 부정하고 있다.[86] 이전의 연구자들은 인종/민족 집단 간의 GCA에서 상당한 차이를 발견했다. 예를 들어, GCA 시험에서 백인보다 훨씬 낮은 점수를 받은 아프리카계 미국인들에 대한 연구가 편향된 것이 아니냐는 논란이 있다.[87] 단, GCA-작업 성과 상관관계에 대한 발견은 주의 깊게 다루어야 한다. 일부 연구자들은 직무 성과 측정 및 GCA 시험 점수와 관련된 통계 유물의 존재를 경고했다. 예를 들어 비스위스바란,[88] 원스, 슈미트(1996)는 어떠한 방법론적 오류도 일으키지 않고서는 직무 수행의 완벽한 척도를 얻는 것은 상당히 불가능하다고 주장했다. 게다가, GCA와 직무 수행에 관한 연구는 고용되지 않은 사람들을 무시한 채 대부분 현직 직원들로부터 데이터를 수집하기 때문에 항상 범위 제한에 취약하다. 따라서 GCA의 대책을 포함해 채용 절차를 성공적으로 통과한 직원들로부터 표본이 나온다.[89]

수입

IQ 점수로 측정한 소득과 g의 상관관계는 연구 전체에서 평균 약 .40이다. 이 상관관계는 높은 수준의 교육에서 더 높으며 연령에 따라 증가하며, 중년에 가장 높은 직업 잠재력에 도달하면 안정된다. 교육과 직업, 사회경제적 배경을 일정하게 유지해도 상관관계가 사라지지 않는다.[90]

기타 상관 관계

참고 항목: 인간 지능의 진화 § 사회교류론, 진화미학, 진화언어학, 진화음악학, 인간의 성선택, 사회선택, 와슨선정 과제

G요인은 많은 사회적 결과에 반영되어 있다. 중퇴, 만성적인 복지 의존성, 사고 발생성, 범죄 등 많은 사회 행동 문제들은 출신 사회 계층과 무관한 g와 부정적으로 상관되어 있다.[91] 건강 및 사망률 결과는 또한 g와 연관되어 있으며, 유아 시험 점수가 높을수록 성인기에 더 나은 건강 및 사망률 결과를 예측한다(인지역학 참조).[92]

2004년에서 심리학자 사토시 가나자와는 g는 영역 특수적,species-typical, 정보 심리적 adaptation,[93]를 처리하는 것 2010년에 가나자와는 g진화적으로보다는 진화적으로 낯선 친숙한 문제에 대한 성과만 가지며, 그는 "Savanna-IQ 상호 작용 담보권이라는 미명하 제안하고 연관이 있는 것이 논쟁했습니다.sis"2006년 .[94][95], 심리학 개관 학술지 발언하는 g의 가나자와의 개념 실증적으로, 순전히 가상적인, g의 진화적인 계정 개인 differences,[96]의 원천으로, 반응의 대상으로 하는 지원되지 않는 것이라고 주장했다 심리학자들은 데니 Borsboom 코너 돌란에 의해 가나자와의 2004년 기사를 검토했다.가나자와에심리학자 스콧 배리 카우프만, 콜린 G. 드영, 디어드레 레이스, 제레미 R. 그레이 2011년에서 112개 과목은 사회적 관계 맥락에서(논리적인 퍼즐)로 진화 심리학자들 레다 Cosmides과 존 Tooby에 의한 장애인 Mind,[97]에서 제안한 Wason 선택 작업을70-item 컴퓨터 버전의 정보국에서고 대신에 "non-arbitrary을 수행하는 것은, 진화적으로 친숙한 prob을 발견한 연구를 발표했다.lems는 임의적이고 진화적으로 새로운 문제들에 대한 수행보다 일반적인 지능과 더 강하게 관련되어 있다."[98][99]

유전적 및 환경적 결정요인

주요 기사: IQ의 유전성

유전성은 유전적 요인에 기인할 수 있는 모집단의 특성에서 표현형 분산의 비율이다. g의 유전성은 분자 유전적 방법뿐만 아니라 쌍둥이, 입양, 그리고 다른 가족 연구 설계를 사용하여 40-80% 사이로 감소하는 것으로 추정되었다. 증거의 총합성에 근거한 추정치는 g의 유전성을 [100]약 50%로 한다. 연령에 따라 선형적으로 증가하는 것으로 나타났다. 예를 들어 4개국에서 온 1만1000쌍 이상의 쌍둥이를 대상으로 한 대규모 연구에서 g의 유전율은 9세 41%, 12세 55%, 17세 66%로 나타났다. 다른 연구들은 비록 노후에 감소할지 모르지만, 그 유전성은 성인기에 80%에 달한다고 추정했다. g의 유전성에 대한 연구는 대부분 미국과 서유럽에서 이뤄졌지만 러시아(모스크바), 구 동독, 일본, 인도 농촌에서의 연구는 서구 연구와 유사한 유전성 추정치를 산출했다.[40][101][102][103]

행동유전학 연구는 또한 g에 대한 공유(또는 가족간) 환경적 영향이 유년기에는 강하지만 그 이후에는 감소하고 성인기에는 무시해도 된다는 것을 입증했다. g의 발전에 중요한 환경적 영향이 고유하고 동일가족 구성원 간에 공유되지 않는다는 의미다.[102]

유전적 상관관계는 동일한 유전적 영향이 두 가지 다른 형질에 미치는 정도를 나타내는 통계량이다. 두 형질 간의 유전적 상관관계가 0이면 그들에 대한 유전적 영향은 독립적이지만, 1.0의 상관관계는 두 형질의 유전성을 설명하는 유전자가 동일하다는 것을 의미한다(각각의 유전성이 얼마나 높거나 낮는지에 관계없이). 특정 정신 능력(언어 능력과 공간 능력 등) 간의 유전적 상관관계는 1.0에 가까운 매우 높은 것으로 꾸준히 밝혀져 왔다. 이것은 인지 능력의 유전적 변화는 거의 전적으로 g가 무엇이든 유전적 변동에 기인한다는 것을 나타낸다. 또한 인지능력 중 공통적인 것은 유전자에 의한 것이 많고, 능력 사이의 독립성은 환경적 영향에 의한 것이 크다는 것을 시사한다. 따라서 지능을 위한 유전자가 확인되면 각각 다른 많은 인지 능력에 영향을 미치는 "일반적인 유전자"가 될 것이라는 주장이 제기되어 왔다.[102][104][105]

많은 연구에 따르면 g는 많은 일반적인 유전적 변형에 의해 영향을 받는 매우 다세대적 특성이며 각각은 작은 영향만 가지고 있다. 또 다른 가능성은 g의 유전적 차이가 희귀하고 유해한 돌연변이의 "부하"가 서로 다르기 때문이며, 개인들 간의 유전적 변화는 돌연변이-선택 균형으로 인해 지속된다.[105][106]

다수의 후보 유전자가 지능 차이와 연관되어 있다고 보고되었지만, 그 효과의 크기는 작았고 거의 어떤 결과도 복제되지 않았다. 지금까지 정상적인 범위에서 지능과 결정적으로 연계된 개별 유전자 변형은 없었다. 많은 연구자들은 g와 관련된 개별 유전적 다형성을 신뢰성 있게 검출하기 위해서는 매우 큰 표본이 필요할 것으로 보고 있다.[40][106] 그러나 정상범위에서 g의 변동에 영향을 미치는 유전자는 발견하기 어려운 것으로 판명된 반면, 그 증상 중 정신지체를 동반한 단일성 질환이 많이 발견되었다.[107]

정신검사의 g 로딩은 유전성과 상관관계가 있는 것으로 밝혀졌지만,[33] 이 문제와 관련된 경험적 자료와 통계적 방법론 모두 논란이 활발한 사안이다.[108][109][110] 몇몇 연구에서는 g 적재가 큰 시험은 시험 점수를 낮추는 교배 우울증의 영향을 더 많이 받는다고 제안한다.[citation needed] 또한 g 적재가 큰 시험이 시험 점수에 대한 더 큰 양의 이성애 효과와 관련이 있다는 증거가 있는데, 이는 g에 대한 유전적 우위 효과의 존재를 나타내는 것으로 제안되었다.[111]

신경과학적 소견

주요 기사: 신경과학과 지능

g는 뇌에 많은 상관관계를 가지고 있다. 자기공명영상(MRI)을 이용한 연구는 g와 총 뇌량이 적당히 상관관계가 있다는 것을 규명했다(r~.3–.4). 외부 머리 크기는 뇌 부위의 G. MRI 연구와 ~.2의 상관관계를 가지고 있어 전두엽, 두정엽 및 측두엽 피질의 부피도 g와 일반적으로 .25 이상 상관관계가 있는 반면, 상관관계는 많은 연구들에 걸쳐 평균적으로 나타나며 전반적인 회색 물질과 전체적인 백색 물질은 b로 밝혀졌다.e.31과 .27. 모든 연구는 아니지만 일부 연구에서도 g와 피질 두께 사이에 긍정적인 상관관계를 발견했다. 그러나 뇌 조직의 양과 인지 능력의 차이 사이의 이러한 연관성에 대한 근본적인 이유는 대부분 알려지지 않고 있다.[2]

대부분의 연구자들은 지능이 전두엽과 같은 단일 뇌 영역으로 국부화 될 수 없다고 믿는다. 뇌병변 연구는 백질병변이 더 많은 사람들이 인지능력이 더 낮은 경향이 있다는 것을 나타내는 작지만 일관된 연관성을 발견했다. NMR 분광법을 활용한 연구는 지능과 백질 간에는 다소 일관성이 없지만 일반적으로 긍정적인 상관관계를 발견해 백질이 지능에 중요하다는 개념을 뒷받침하고 있다.[2]

일부 연구에서는 백질의 무결성 외에도 그 조직의 효율성이 지능과 관련이 있다고 제안한다. 뇌 효율성이 지능에 대한 역할을 한다는 가설은 일반적으로 더 많은 지능이 있는 사람들이 정보를 더 효율적으로 처리한다는 기능적 MRI 연구에 의해 뒷받침된다. 즉, 그들은 덜 지능적인 사람들보다 같은 과제에 더 적은 두뇌 자원을 사용한다.[2]

지능 검사 점수와 작지만 비교적 일관된 연관성에는 EEG 기록이나 사건 관련 전위, 신경전도 속도 등이 있다.[112][113]

g in non-builts. g in non-built

주요기사 : 비인간의 g 인자

비인간의 동물들에서도 일반적인 지능 요인의 증거가 관찰되었다. 연구에 따르면 g는 영장류의[114] 종 수준에서 분산의 47%와 생쥐에서 관찰된 개별 분산의 약 55%를 담당한다.[115][116] 그러나 일반 지능에 대한 검토와 메타분석을 통해 인지 능력 간의 평균 상관관계는 0.18로 나타났으며, 인간 이외의 동물에서 g에 대한 전반적인 지원이 취약하다는 것을 시사했다.[117]

인간에게 사용되는 것과 동일한 지능척도를 사용하여 평가될 수는 없지만, 인지능력은 혁신, 습관 반전, 사회학습, 참신함에 대한 반응에 초점을 맞춘 다양한 상호작용적이고 관찰적인 도구로 측정할 수 있다. 쥐와 같은 인간 이외의 g 모델들은 g의 메커니즘과 생물학적 상관관계에 대한 지능과 신경학적 발달 연구에 대한 유전적 영향을 연구하기 위해 사용된다.[118]

g (또는 c) 인간 집단

주요기사 : 집단지성

개인에 대한 g와 비슷하게, 새로운 연구 경로는 광범위한 작업을 수행하는 그룹의 일반적인 능력을 보여주는 그룹에 대한 일반적인 집단 지능 인자 c를 추출하는 것을 목표로 한다.[119] 이 c 요인에 대한 정의, 운영화 및 통계적 접근방식은 g로부터 도출되며 g와 유사하다. 원인, 예측 타당성 및 g와 추가적인 유사성을 조사한다.[120]

기타 생물학적 연관성

키는 지능(r~.2)과 상관관계가 있지만, 이러한 상관관계는 일반적으로 가족 내에서(즉, 형제자매간에) 발견되지 않아 키와 지능에 대한 상호보완적 짝짓기 또는 둘 다(예: 영양)와 상관관계가 있는 또 다른 요인(예: 영양)에서 비롯된다는 것을 시사한다. 근시는 지능과 관련이 있는 것으로 알려져 있으며, 이 연관성은 가족 내에서도 발견되었다.[121]

그룹 유사성 및 차이점

참고 항목: 지능과 인종과 지능의 성별 차이

교차 문화 연구는 다양하고 복잡한 인지 테스트의 배터리가 인간 표본에 투여될 때마다 g 인자를 관찰할 수 있다는 것을 보여준다. IQ 테스트의 요인 구조는 미국 등지의 성(性)과 민족(族)에서도 일관성이 있는 것으로 나타났다.[113] g요인은 문화 간 비교에서 모든 요인 중 가장 불변적인 것으로 밝혀졌다. 예를 들어 웩슬러의 IQ 배터리의 미국 표준화 샘플과 동일 배터리의 일본어 번역을 완료한 대형 샘플로부터 계산된 g 인자를 비교했을 때, 응집 계수는 .99로 가상 정체성을 나타낸다. 마찬가지로 미국 WISC 배터리의 흰색과 검은색 표준화 표본에서 얻은 g 인자 사이의 일치 계수는 .995이었으며, g가 설명하는 시험 점수의 편차는 두 그룹 모두에서 매우 유사했다.[122]

대부분의 연구는 성별 간 g의 평균 수준에는 무시할 수 있는 차이가 있지만, 인지 능력의 성 차이는 더 좁은 영역에서 발견되어야 한다고 제시한다. 예를 들어, 공간 작업에서는 일반적으로 남성이 여성보다 높은 반면, 언어 작업에서는 여성이 남성보다 높은 것으로 나타났다.[123] 많은 연구에서 발견된 또 다른 차이점은 시험 점수 분포의 낮은 쪽과 높은 쪽 모두에서 상대적으로 더 많은 남성이 여성보다 일반적인 능력과 특정한 능력 모두에서 더 큰 가변성을 보인다는 것이다.[124]

비록 이러한 차이가 시간이 지남에 따라 현저하게 감소하고 [109]환경적(유전자보다는) 원인에 기인하는 것으로 보이지만, 특히 미국에서 흑인과 백인을 동일시하는 수험생들 사이의 g의 차이가 특히 발견되었다.[109][125] 일부 연구자들은 인지 테스트 결과에서 흑백 간극의 크기가 테스트 g 로딩의 크기에 따라 다르다고 제안했으며,[126] 다른 연구자들은 테스트 g 로딩이 더 높은 g 로딩으로 인해 더 큰 간극이 발생한다는 것을 보여주었고(Spearman의 가설 참조), 다른 연구자들은 이 관점이 방법론적으로 근거가 없다고 비판해왔다.[127][128] 다른 사람들은 시간이 지남에 따라 IQ 테스트 배터리의 g 로딩이 증가함에도 불구하고 인종 집단 간의 성능 차이는 계속해서 줄어들고 있다고 지적했다.[109] 비교 분석 결과 1960년대 후반 백인 및 흑인 사이의 평균 IQ(약 16점)에 약 1.1 표준 편차가 존재했지만 1972년부터 2002년 사이 흑인은 비 히스패닉 백인에 비해 4~7의 IQ를 얻었으며, "흑인과 백인 사이의 g 간격이 사실상 감소했다.아이큐 격차와 나란히."[109] 이와는 대조적으로 동아시아계 미국인들은 일반적으로 백인 미국인들보다 약간 더 높은 점수를 받는다.[129] 미국에서 발견된 것과 유사한 인종적, 민족적 차이를 세계적으로 관찰할 수 있다는 주장이 제기됐지만,[130] 그러한 주장의 의의와 방법론적 근거, 진실은 모두 논란이 됐다.[131][132][133][134][135][136]

다른 심리구조와의 관계

기초 인지 과제

주요 기사: 기초 인지 과제와 정신 연대 측정
선택 반응 시간 측정을 위한 장치인 젠슨 박스의 그림.

기본적인 인지 과제(ECTs)는 또한 g. ECTs와 강하게 상관관계가 있다. 이름에서 알 수 있듯이, ECTs는 분명 매우 적은 지능을 필요로 하지만 여전히 보다 철저한 지능 테스트와 강하게 상관관계가 있는 간단한 작업이다. 빛이 빨간색인지 파란색인지와 컴퓨터 화면에 네모 또는 다섯 개의 사각형이 그려져 있는지 여부를 결정하는 것은 ECT의 두 가지 예다. 그러한 질문에 대한 답은 대개 버튼을 빠르게 누름으로써 제공된다. 흔히 제공된 두 가지 옵션의 버튼 외에 세 번째 버튼은 시험 시작부터 눌려 있다. 자극이 피험자에게 주어지면 시작 단추부터 정답 단추까지 손을 떼게 된다. 이를 통해 시험관은 질문에 대한 답변에 대해 얼마나 많은 시간을 할애했는지(반응 시간, 보통 초의 작은 분수로 측정), 정확한 버튼(이동 시간)까지 물리적인 손 움직임에 얼마나 많은 시간을 할애했는지 판단할 수 있다. 반응 시간은 g와 강하게 상관되는 반면 이동 시간은 덜 강하게 상관된다.[137] ECT 시험을 통해 시험편향, 과목 동기 및 집단 차이에 관한 가설을 정량적으로 조사할 수 있었다. ECTs는 단순성 때문에 고전적인 IQ 테스트와 fMRI 연구와 같은 생물학적 질문 사이의 연관성을 제공한다.

워킹 메모리

한 이론은 g가 작동하는 메모리 용량과 동일하거나 거의 동일하다고 주장한다. 이러한 관점에 대한 다른 증거들 중에서, 일부 연구는 g와 작동 메모리를 나타내는 요소들이 완벽하게 상관관계가 있다는 것을 발견했다. 그러나 메타 분석에서는 상관관계가 상당히 낮은 것으로 밝혀졌다.[138] g를 작업기억과 동일시하는 연구를 통해 제기된 한 가지 비판은 "우리는 하나의 신비한 개념이 다른 개념과 연결되어 있다는 것을 보여줌으로써 이해를 진전시키지 않는다"[139]는 것이다.

피아제트 과제

지능의 심리학 이론은 지적 성장을 계량화하고 개인과 집단 간의 능력 차이를 식별하는 것을 목표로 한다. 이와는 대조적으로, 장 피아제의 인지 발달 이론은 아이들의 지적 발달의 질적 변화를 이해하고자 한다. 피아제는 자신의 이론에서 비롯되는 가설을 검증하기 위해 많은 작업을 설계했다. 업무는 개인의 차이를 측정하기 위한 것이 아니었으며, 정신계 지능 검사에서 동등한 것이 없다.[140][141] 예를 들어, 가장 잘 알려진 피아제트 보존 작업 중 하나에서 한 아이에게 동일한 두 개의 유리잔에 담긴 물의 양이 동일한지 여부를 물어본다. 아이가 양이 같다는 것에 동의한 후, 수사관은 한 잔의 물을 다른 모양의 잔에 부어 양이 다르지만 다르게 보이게 한다. 그리고 나서 아이는 두 개의 잔에 담긴 물의 양이 같은지 다른지 질문을 받는다.

사이코메트릭 테스트와 피아제트 과제가 개발되었던 서로 다른 연구 전통에도 불구하고, 두 가지 유형의 조치들 사이의 상관관계는 일관적으로 긍정적이고 일반적으로 크기가 중간인 것으로 밝혀졌다. 공통적인 일반적 요인은 그들의 기초가 된다. 표준 IQ 테스트만큼 g의 척도가 좋은 피아제트 작업으로 구성된 배터리 구성이 가능한 것으로 나타났다.[140][142]

성격

주요 기사: 지능과 성격

심리학에서 전통적인 견해는 성격과 지성 사이에는 의미 있는 관계가 없으며, 두 사람은 따로 연구해야 한다는 것이다. 지능은 개인이 무엇을 할 수 있는지, 또는 그 개인의 최대 수행 능력이 무엇인지의 관점에서 이해될 수 있는 반면, 성격은 개인이 전형적으로 무엇을 할 것인지, 또는 행동의 일반적인 경향은 무엇인지의 관점에서 생각할 수 있다. 연구 결과 지능과 성격 측정의 상관관계가 작다는 사실이 밝혀져 g는 성격 특성과는 무관한 순전히 인지적 변수라는 주장이 제기됐다. 2007년 메타 분석에서 g와 "빅 파이브" 성격 특성의 상관관계는 다음과 같은 것으로 밝혀졌다.

  • 양심성 -.04
  • 상냥함 .00
  • 엑스트라버전 0.02
  • 개방성.22
  • 정서 안정 .09

같은 메타분석은 자기효능성과 g의 상관관계를 발견했다.[143][144][145]

일부 연구자들은 비록 겸손하기는 하지만 지능과 성격 사이의 연관성은 일관된다고 주장해왔다. 그들은 지능과 성격 측정의 상관관계를 크게 두 가지로 해석했다. 첫 번째 관점은 성격 특성이 지능 테스트의 성능에 영향을 미친다는 것이다. 예를 들어, 사람은 불안과 스트레스-강박성 때문에 IQ 테스트에서 최대 수준으로 수행하지 못할 수 있다. 두 번째 관점은 지능과 성격이 개념적으로 연관되어 있다고 생각하는데, 성격 특성으로 인해 사람들이 인지 능력을 어떻게 적용하고 투자하는지가 결정되고, 지식의 확장과 인지 분화가 더 커지게 된다.[143][146]

창의성

일부 연구자들은 사회적으로 의미 있는 창의성이 드물게 g의 문턱값은 아래에 있지만, 그렇지 않으면 둘 사이에는 아무런 관계가 없다고 믿는다. 이 임계값이 모집단 평균보다 적어도 하나의 표준 편차인 것으로 제안되었다. 문턱을 넘어서면, 성격 차이는 창조성의 개별적 변동의 중요한 결정요인으로 여겨진다.[147][148]

다른 사람들은 문턱 이론에 도전했다. 에너지와 헌신 등 지능 이외의 기회와 개인적 속성에 대해서는 논쟁하지 않지만, g는 능력 분포의 높은 끝에서도 창의성과 긍정적으로 연관되어 있다고 주장한다. 수학적으로 조숙한 젊은이들의 종적 연구는 이 논쟁에 대한 증거를 제공했다. 청소년기 초반에 표준화된 시험에 의해 지적 영재로 확인된 개인이 일반 인구의 몇 배 비율로 창조적 성취(예를 들어 특허 확보나 문예·과학 작품 출판)를 달성하고, 인지능력 상위 1% 이내라도 상위 1% 이내에서 상위권을 가진 사람들이 창의적 성취(예: 특허 확보 또는 문예·과학적 저작물 출판)를 달성하는 것으로 나타났다. 능력은 뛰어난 업적을 남길 가능성이 더 높다. 이 연구는 또한 g의 수준이 성취 수준을 예측하는 반면, 특정한 인지 능력 패턴은 성취의 영역을 예측하는 역할을 한다고 제안했다.[149][150]

과제들

Gf-Gc 이론

주요 기사: 유동적이고 결정화된 지능

찰스 스피어맨의 제자 레이먼드 캐텔은 단일 g요소 모델을 거부하고 g를 유동 지능(gf)과 결정 지능(gc)의 두 개의 넓고 비교적 독립적인 영역으로 나누었다.gf는 새로운 문제를 알아낼 수 있는 역량으로 개념화되며, 문화나 학문적인 내용이 거의 없는 시험으로 가장 잘 평가된다.레이븐의 매트릭스 같은 거 말이야 gc는 개인이 평생 습득하고 유지하는 기술과 정보를 반영해 통합된 지식으로 생각할 수 있다. gc는 교육과 다른 형태의 변신에 의존하고 있으며, 학업과 문화적 지식을 강조하는 시험으로 가장 잘 평가된다.[2][44][151] Gf는 주로 현재의 추론과 문제해결 능력으로 구성된다고 생각할 수 있는 반면 Gc는 이전에 실행된 인지 과정의 결과를 반영한다.[152]

Gf와 Gc의 분리의 근거는 시간이 지남에 따라 개인의 인지발달을 설명하기 위해서였다. gf와 gc는 상관관계가 높은 것으로 밝혀졌지만, 평생에 걸쳐 변화하는 방식에는 차이가 있다. gf는 20세 전후에 절정을 이루는 경향이 있으며, 이후 서서히 쇠퇴한다. 이와는 대조적으로, gc는 성인기에 걸쳐 안정적이거나 증가한다. 하나의 일반적인 요인은 이 두 갈래로 갈라진 발전 패턴을 모호하게 한다는 비판을 받아왔다. 캣텔은 Gf가 중추신경계의 효율성에 개인차이를 반영했다고 주장했다. 캣텔의 생각에 따르면 Gc는 한 사람이 평생의 경험을 배우는 데 Gf를 "투자"한 결과였다.[2][30][44][153]

캣텔은 나중에 존 혼과 함께 Gf-Gc 모델을 확장하여 Gq(양적 추리), Gv(시각적 공간 추리)와 같은 많은 다른 광범위한 능력을 포함시켰다. 확장 Gf-Gc 모델에서 모든 광범위한 능력 요인은 양적으로 상관되어 있어 더 높은 순서의 g 요인을 추출할 수 있지만, Cattell과 Horn은 일반적인 요인이 이러한 광범위한 능력을 기초로 한다고 가정하는 것은 잘못된 것이라고 주장했다. 서로 다른 테스트 배터리로 계산된 g 인자는 불변성이 아니며 g 값을 다르게 부여할 것이며, 한 번에 한 가지 능력만 테스트하기 어렵기 때문에 테스트 간 상관관계가 발생한다고 주장했다.[2][48][154]

그러나 몇몇 연구자들은 Gf-Gc 모델이 인지능력에 대한 g중심적 이해와 양립할 수 있다고 제안했다. 예를 들어, 존 B. 캐롤의 3스트라텀 인텔리전스 모델에는 Gf와 Gc 모두 고차 g 인자와 함께 포함된다. 많은 데이터 세트에 대한 인자 분석에 기초하여, 일부 연구자들은 Gf와 g는 하나의 동일한 인자이며, 배터리가 크고 다양하다면 다른 시험 배터리의 g 인자는 실질적으로 불변한다고 주장하였다.[44][155][156]

상관없는 능력에 대한 이론

몇몇 이론가들은 서로 상관없는 지적 능력이 있다고 제안했다. 가장 이른 것 중에는 L.L.이 있었다. 지성의 독립적인 영역을 대표하는 일차적 정신 능력 모델을 만든 Thurstone. 그러나 이러한 능력에 대한 Thurstone의 테스트는 강한 일반적 요소를 만들어 내는 것으로 밝혀졌다. 그는 자신의 시험 중 독립성이 결여된 것은 오직 한 가지 능력만을 측정하는 '근본적으로 순수한' 시험을 구성하기 어렵다는 점을 반영했다고 주장했다. 마찬가지로 J.P. 길포드는 최대 180개의 뚜렷하고 상관없는 능력을 구성하는 지능의 모델을 제안했고, 그 모든 능력을 시험할 수 있다고 주장했다. 이후 분석 결과 길포드가 자신의 이론에 대한 증거로 제시한 요인적 절차가 이를 뒷받침하지 않았고, 그가 g에 대한 증거를 제공했다고 주장한 시험 데이터가 통계적 유물에 대한 수정 후 상호관계의 통상적인 패턴을 보인 것으로 나타났다.[157][158]

더 최근에 하워드 가드너는 다중지능 이론을 발전시켰다. 그는 수학적, 언어적, 공간적, 음악적, 신체운동적, 메타인지적, 실존적 지능과 같은 지능의 9개의 서로 다르고 독립적인 영역의 존재를 내세우며, 그 중 일부에서 실패하는 개인은 다른 것에서도 뛰어날 수 있다고 주장한다. 가드너에 따르면, 시험과 학교는 전통적으로 다른 형태의 지능은 무시하면서 언어와 논리적 능력만을 강조한다. 교육학자들 사이에서 인기가 있는 반면, 가드너의 이론은 심리학자들과 심리학자들로부터 많은 비판을 받아왔다. 한 가지 비판은 이 이론이 "지능"이라는 단어의 과학적 사용과 일상적 사용 모두에 폭력을 행사한다는 것이다. 몇몇 연구자들은 가드너의 모든 지능이 인지 영역에 속하는 것은 아니라고 주장해왔다. 예를 들어, 가드너는 프로 스포츠나 대중음악에서의 성공적인 경력은 보통 운동과 음악적 능력, 재능, 또는 능력에 대해 이야기할 수 있음에도 불구하고, 각각 신체 운동 지능과 음악 지능을 반영한다고 주장한다. 가드너의 이론에 대한 또 다른 비판은 그의 것으로 알려진 많은 독립적인 지능 영역들이 사실 서로 상관관계가 있다는 것이다. 영역 간의 상관관계를 보여주는 경험적 분석에 대응하여 가드너는 공통적인 시험 형식과 모든 시험에는 언어적, 논리적 기술이 필요하기 때문에 상관관계가 존재한다고 주장해 왔다. 그의 비평가들은 다시 모든 IQ 테스트가 종이와 연필 형태로 관리되는 것은 아니며, 언어와 논리적 능력 외에 IQ 테스트 배터리는 공간적 능력, 예를 들어 언어와 관련이 없는 기본적인 인지 작업(예를 들어 검사 시간과 반응 시간)도 포함한다고 지적했다. 또는 논리적 추론은 기존의 IQ 배터리와도 관련이 있다.[71][159][160][161]

다양한 동료들과 함께 일하는 로버트 스턴버그도 지능은 g와 독립된 차원을 가지고 있다고 제안했다. 그는 지능에는 분석적, 실용적, 창조적 세 부류가 있다고 주장한다. 스턴버그에 따르면 전통적인 정신측정학 검사는 분석 지능만 측정하고 창의적이고 실용적인 지능도 테스트하기 위해 증강해야 한다. 그는 이 효과를 위해 여러 가지 시험을 고안해 냈다. 스턴버그는 분석적 지능을 학문적 지능과 동일시하고, 잘못 정의된 현실적 문제를 다루는 능력으로 정의되는 실용적 지능과 대조한다. 암묵적 지능은 실제 지능의 중요한 요소로, 명시적으로 가르쳐지지는 않지만 많은 실생활 상황에서 요구되는 지식으로 구성된다. 지능 테스트와 무관하게 창의성을 평가하는 것은 전통적으로 어려운 것으로 판명되었지만, 스턴버그와 동료들은 또한 창의성에 대한 유효한 테스트를 만들었다고 주장했다. 스턴버그 이론의 검증은 시험한 세 가지 능력이 실질적으로 상관관계가 없고 독립적인 예측 타당성을 갖는 것을 요구한다. 스턴버그는 그의 이론의 타당성을 확인한다고 주장하는 많은 실험을 해왔지만, 몇몇 연구자들은 이 결론에 대해 이의를 제기했다. 예를 들어, 스턴버그의 STAT 테스트의 유효성 검사 연구를 재분석한 결과, 네이선 브로디는 세 가지 독립적 능력에 대한 테스트인 STAT의 예측 타당성이 거의 전적으로 테스트의 기초가 되는 단일 일반 요인 때문이라는 것을 보여주었는데, 이는 브로디가 g 요인과 동일시했다.[162][163]

플린의 모델

제임스 플린은 지능은 뇌 생리학, 개인 간의 인지적 차이, 그리고 시간이 지남에 따라 지능의 사회적 경향의 세 가지 다른 수준에서 개념화되어야 한다고 주장해왔다. 이 모델에 따르면 g요인은 개인의 차이에 관한 유용한 개념이지만, 조사의 초점이 뇌 생리학, 특히 사회적 추세가 지능에 미치는 영향일 때는 그 설명력이 제한된다. 플린은 시간이 지남에 따라 인지적 이득, 즉 플린 효과가 g에서 증가한다고 보여질 수 없다면 "할로우"라는 개념을 비판해 왔다. 그는 플린 효과가 사회적 우선순위 이동과 그에 대한 개인의 적응을 반영한다고 주장한다. g의 개별 차이 개념을 플린 효과에 적용하는 것은 다른 수준의 분석을 혼동하는 것이다. 반면에 플린에 따르면, 시간이 지남에 따라 지능의 추세를 언급함으로써, 일부 개인들이 특정한 시간의 인지적 요구에 대처하기 위해 "더 나은 두뇌와 정신을" 가지고 있다는 것을 부인하는 것도 잘못된 것이다. 플린은 뇌 생리학 수준에서 국부적 신경 성단은 인지 운동에 의해 다르게 영향을 받을 수 있으며, 모든 신경 성단에 영향을 미치는 중요한 요인이 있다는 점을 모두 강조해 왔다.[164]

기타 비판

아마도 g의 구조에 대한 가장 유명한 비평은 1981년 저서 '인간과 인간의 불일치'에서 제시된 고생물학자 겸 생물학자 스티븐 제이 굴드의 비평일 것이다. 그는 단순히 통계적 계산(즉 인자 분석)의 산물임에도 불구하고 정신측정학자들이 g 인자를 뇌의 물리적 물질로 낙상적으로 재조명했다고 주장했다. 그는 또한 g 인자를 포함하지는 않지만 g 인자를 산출하는 솔루션과 동일한 양의 정보를 설명하는 인지 테스트 데이터의 인자 솔루션을 생산하는 것이 가능하다고 언급했다. Gould에 따르면, 한 요인 솔루션을 다른 요인보다 선호한다는 근거는 없으며, 따라서 요인 분석은 g와 같은 기업의 존재를 뒷받침하지 않는다. 보다 일반적으로 굴드는 g 이론이 지능을 단일 개체로 추상화하고 사람들을 "단일한 가치의 연속"으로 순위를 매긴다고 비판하면서, 그러한 순위는 혜택 받지 못한 집단의 탄압을 정당화하는 데 이용된다고 주장했다.[37][165]

많은 연구자들이 굴드의 주장을 비판해왔다. 예를 들어, 그들은 추가 조사에 의해 현실을 지지하거나 거부할 수 있는 잠재적 인과변수로 g와 같은 추출된 인자를 사용하는 것이 결코 심리측정학을 다른 과학과 구별할 수 없는 정상적인 과학적 관행에 해당한다고 주장하면서 재화의 고발을 기각했다. 비판론자들은 굴드가 요인 분석의 목적을 이해하지 못했고, 그 분야의 관련 방법론적 진보에 대해 무지했다는 의견도 제시했다. 서로 다른 요인 해법은 시험들 사이의 상호관계를 설명하는 능력에서 수학적으로 동등할 수 있지만, g 인자를 산출하는 해법은 인자 분석보다 외부적인 여러 가지 이유로 심리적으로 선호된다. 여기에는 양성 다지관의 현상, 동일한 g가 상당히 다른 것에서 나타날 수 있다는 사실이 포함된다. 테스트 배터리, g의 광범위한 실제 유효성, g와 많은 생물학적 변수의 연결.[37][38][166]

John Horn과 John McArdle은 예를 들어 Arthur Jensen이 지지하는 현대 g 이론은 타당하지 않다고 주장해 왔다. 왜냐하면 g와 같은 공통 요인의 존재는 시험들 사이의 긍정적인 상관관계로부터 상호적으로 따르기 때문이다. 그들은 g의 현대적 위계 이론을 스피어맨의 독창적인 2인자 이론과 대조했는데, 그것은 쉽게 위조가 가능했다(실제로 위조가 되었다).[30]

조셉 그레이브스 주니어와 아만다 존슨은 g "...기존 물리학자들에게 후이겐스의 에테르가 무엇이었는가는 심리학자들에게 즉, 실제 데이터에 의한 검증이 필요한 것이 아니라 믿음의 기사로 받아들여지는 비엔티티"라고 주장해 왔다.[167]

참고 항목

참조

  1. ^ Jump up to: a b 캄파우스 외 2005년
  2. ^ Jump up to: a b c d e f g h 디리 외 2010
  3. ^ THOMSON, GODFREY H. (September 1916). "A Hierarchy Without a General Factor1". British Journal of Psychology. 8 (3): 271–281. doi:10.1111/j.2044-8295.1916.tb00133.x. ISSN 0950-5652.
  4. ^ 1998년 옌센, 545년
  5. ^ Jump up to: a b Warne, Russell T.; Burningham, Cassidy (2019). "Spearman's g found in 31 non-Western nations: Strong evidence that g is a universal phenomenon". Psychological Bulletin. 145 (3): 237–272. doi:10.1037/bul0000184. PMID 30640496. S2CID 58625266.
  6. ^ 네이서 외 1996년
  7. ^ 1998년, 24년 옌센에서 각색되었다. 상관행렬은 원래 스피어맨 1904년에 출판된 것으로, 영국 어린이 표본의 학교 성적에 바탕을 두고 있다. 이 분석은 역사적으로 중요하고 영향력이 컸지만, 현대적인 기술 표준에 부합하지 않는다. 스피어맨의 방법에 대한 자세한 내용은 매킨토시 2011, 44ff. 및 Horn & McArdle 2007을 참조하십시오.
  8. ^ 차브리스 2007, 표 19.1에서 각색하였다.
  9. ^ 고트프레드슨 1998
  10. ^ Deary, I. J. (2001). Intelligence. A Very Short Introduction. Oxford University Press. p. 12. ISBN 9780192893215.
  11. ^ 스피어맨 1904
  12. ^ 데어리 2000, 6
  13. ^ Jump up to: a b c d 옌센 1992
  14. ^ 젠센 1998, 28
  15. ^ Jump up to: a b c d 2006년 판 사슴 마스 외
  16. ^ 젠슨 1998, 26, 36–39
  17. ^ 젠센 1998, 26, 36–39, 89–90
  18. ^ Jump up to: a b 옌센 2002
  19. ^ Jump up to: a b 플로이드 외 2009
  20. ^ Jump up to: a b 젠센 1980, 213년
  21. ^ 젠센 1998, 94
  22. ^ Jump up to: a b 헌트 2011년, 94년
  23. ^ 젠슨 1998, 18–19, 35–36, 38. 일반적이고 단일적인 정신능력이라는 생각은 19세기 후반 허버트 스펜서와 프란시스 갤턴에 의해 심리학에 소개되었지만, 그들의 작품은 대체로 투기적이었으며, 경험적 근거는 거의 없었다.
  24. ^ 옌센 1998, 91-92, 95
  25. ^ 젠센 2000
  26. ^ 매킨토시 2011년, 157년
  27. ^ 젠센 1998, 117
  28. ^ 바르톨로뮤 외 2009
  29. ^ 젠센 1998, 120
  30. ^ Jump up to: a b c 혼 앤 매카들 2007
  31. ^ 젠센 1998, 120–121
  32. ^ 매킨토시 2011, 157–158
  33. ^ Jump up to: a b 러시턴 & 젠슨 2010
  34. ^ 매킨토시 2011, 44–45
  35. ^ McFarland, Dennis J. (2012). "A single g factor is not necessary to simulate positive correlations between cognitive tests". Journal of Clinical and Experimental Neuropsychology. 34 (4): 378–384. doi:10.1080/13803395.2011.645018. ISSN 1744-411X. PMID 22260190. S2CID 4694545. The fact that diverse cognitive tests tend to be positively correlated has been taken as evidence for a single general ability or "g" factor...the presence of a positive manifold in the correlations between diverse cognitive tests does not provide differential support for either single factor or multiple factor models of general abilities.
  36. ^ 젠센 1998, 18, 31-32
  37. ^ Jump up to: a b c d 캐롤 1995
  38. ^ Jump up to: a b 옌센 1982년
  39. ^ 옌센 1998년, 73년
  40. ^ Jump up to: a b c d 데리 2012
  41. ^ 매킨토시 2011년, 57년
  42. ^ 젠센 1998, 46
  43. ^ 캐롤 1997. 총 공통 인자 분산은 g 인자와 함께 고려된 그룹 인자로 인한 분산으로 구성된다. 공통 요인에 의해 설명되지 않은 분산(특이성)은 하위 테스트별 분산 및 측정 오차로 구성된다.
  44. ^ Jump up to: a b c d 데이비드슨 & 켐프 2011
  45. ^ 매킨토시 2011년, 151년
  46. ^ 1998년 옌센, 31
  47. ^ 매킨토시 2011, 151–153
  48. ^ Jump up to: a b 맥그루 2005
  49. ^ 크비스트 & 구스타프손 2008
  50. ^ 존슨 외 2004
  51. ^ 존슨 외 2008년
  52. ^ 맥킨토시 2011, 150–153. 또한 CAS 및 WJ III 테스트 배터리의 g 인자가 통계적으로 구별할 수 없는 것으로 밝혀진 Keith 등 2001과 ASVAB 배터리 및 인지 구성 요소 기반 테스트 배터리에 대해 유사한 결과가 발견된 Stauffer 등 1996을 참조하십시오.
  53. ^ 젠센 1998, 88, 101–103
  54. ^ 스피어맨, C. (1927년) 인간의 능력. 뉴욕: 맥밀런.
  55. ^ Detterman, D.K.; Daniel, M.H. (1989). "Correlations of mental tests with each other and with cognitive variables are highest for low IQ groups". Intelligence. 13 (4): 349–359. doi:10.1016/s0160-2896(89)80007-8.
  56. ^ 데어리 & 파글리아리 1991
  57. ^ Jump up to: a b 데리 외 1996년
  58. ^ Jump up to: a b 터커-드로브 2009
  59. ^ Blum, D.; Holling, H. (2017). "Spearman's Law of Diminishing Returns. A meta-analysis". Intelligence. 65: 60–66. doi:10.1016/j.intell.2017.07.004.
  60. ^ Kell, Harrison J.; Lang, Jonas W. B. (September 2018). "The Great Debate: General Ability and Specific Abilities in the Prediction of Important Outcomes". Journal of Intelligence. 6 (3): 39. doi:10.3390/jintelligence6030039. PMC 6480721. PMID 31162466.
  61. ^ Neubauer, Aljoscha C.; Opriessnig, Sylvia (January 2014). "The Development of Talent and Excellence - Do Not Dismiss Psychometric Intelligence, the (Potentially) Most Powerful Predictor". Talent Development & Excellence. 6 (2): 1–15.
  62. ^ Jump up to: a b c 젠센 1998, 270
  63. ^ 고트프레드슨 2002
  64. ^ Coyle, Thomas R. (September 2018). "Non-g Factors Predict Educational and Occupational Criteria: More than g". Journal of Intelligence. 6 (3): 43. doi:10.3390/jintelligence6030043. PMC 6480787. PMID 31162470.
  65. ^ Ziegler, Matthias; Peikert, Aaron (September 2018). "How Specific Abilities Might Throw 'g' a Curve: An Idea on How to Capitalize on the Predictive Validity of Specific Cognitive Abilities". Journal of Intelligence. 6 (3): 41. doi:10.3390/jintelligence6030041. PMC 6480727. PMID 31162468.
  66. ^ Kell, Harrison J.; Lang, Jonas W. B. (April 2017). "Specific Abilities in the Workplace: More Important Than g?". Journal of Intelligence. 5 (2): 13. doi:10.3390/jintelligence5020013. PMC 6526462. PMID 31162404.
  67. ^ Jump up to: a b 자켓 외 2008년
  68. ^ 젠센 1998, 272, 301
  69. ^ 젠센 1998, 279–280
  70. ^ 옌센 1998, 279년
  71. ^ Jump up to: a b 브로디 2006
  72. ^ 프리 앤 데터맨 2004
  73. ^ Jump up to: a b 슈미트 & 헌터 2004
  74. ^ 젠센 1998, 292–293
  75. ^ 슈미트 & 헌터 2004. 이러한 유효성 계수는 종속변수의 측정 오차(즉, 직무 또는 훈련 성과) 및 범위 제한에 대해 수정되었지만 독립변수의 측정 오차(즉, g의 측정치)에 대해서는 보정되지 않았다.
  76. ^ O'Boyle Jr., E. H.; Humphrey, R. H.; Pollack, J. M.; Hawver, T. H.; Story, P. A. (2011). "The relation between emotional intelligence and job performance : A meta-analysis". Journal of Organizational Behavior. 32 (5): 788–818. doi:10.1002/job.714. S2CID 6010387.
  77. ^ Côté, Stéphane; Miners, Christopher (2006). "Emotional Intelligence, Cognitive Intelligence and Job Performance". Administrative Science Quarterly. 51: 1–28. doi:10.2189/asqu.51.1.1. S2CID 142971341.
  78. ^ Ghiselli, E. E. (1973). "The validity of aptitude tests in personnel selection". Personnel Psychology. 26 (4): 461–477. doi:10.1111/j.1744-6570.1973.tb01150.x.
  79. ^ Jump up to: a b Vinchur, Andrew J.; Schippmann, Jeffery S.; S., Fred; Switzer, III; Roth, Philip L. (1998). "A meta-analytic review of predictors of job performance for salespeople". Journal of Applied Psychology. 83 (4): 586–597. doi:10.1037/0021-9010.83.4.586. S2CID 19093290.
  80. ^ Hunter, John E.; Hunter, Ronda F. (1984). "Validity and utility of alternative predictors of job performance". Psychological Bulletin. 96 (1): 72–98. doi:10.1037/0033-2909.96.1.72. S2CID 26858912.
  81. ^ Gottfredson, L. S. (1991). "The evaluation of alternative measures of job performance". Performance Assessment for the Workplace: 75–126.
  82. ^ Murphy, Kevin R.; Balzer, William K. (1986). "Systematic distortions in memory-based behavior ratings and performance evaluations: Consequences for rating accuracy". Journal of Applied Psychology. 71 (1): 39–44. doi:10.1037/0021-9010.71.1.39.
  83. ^ Hosoda, Megumi; Stone-Romero, Eugene F.; Coats, Gwen (1 June 2003). "The Effects of Physical Attractiveness on Job-Related Outcomes: A Meta-Analysis of Experimental Studies". Personnel Psychology. 56 (2): 431–462. doi:10.1111/j.1744-6570.2003.tb00157.x. ISSN 1744-6570.
  84. ^ Stauffer, Joseph M.; Buckley, M. Ronald (2005). "The Existence and Nature of Racial Bias in Supervisory Ratings". Journal of Applied Psychology. 90 (3): 586–591. doi:10.1037/0021-9010.90.3.586. PMID 15910152.
  85. ^ Schmidt, Frank L. (1 April 2002). "The Role of General Cognitive Ability and Job Performance: Why There Cannot Be a Debate". Human Performance. 15 (1–2): 187–210. doi:10.1080/08959285.2002.9668091. ISSN 0895-9285. S2CID 214650608.
  86. ^ Schmidt, Frank L.; Hunter, John E. (1998). "The validity and utility of selection methods in personnel psychology: Practical and theoretical implications of 85 years of research findings". Psychological Bulletin. 124 (2): 262–274. CiteSeerX 10.1.1.172.1733. doi:10.1037/0033-2909.124.2.262.
  87. ^ Roth, Philip L.; Bevier, Craig A.; Bobko, Philip; Switzer, Fred S.; Tyler, Peggy (1 June 2001). "Ethnic Group Differences in Cognitive Ability in Employment and Educational Settings: A Meta-Analysis". Personnel Psychology. 54 (2): 297–330. CiteSeerX 10.1.1.372.6092. doi:10.1111/j.1744-6570.2001.tb00094.x. ISSN 1744-6570.
  88. ^ Viswesvaran, Chockalingam; Ones, Deniz S.; Schmidt, Frank L. (1996). "Comparative analysis of the reliability of job performance ratings". Journal of Applied Psychology. 81 (5): 557–574. doi:10.1037/0021-9010.81.5.557.
  89. ^ Hunter, J. E.; Schmidt, F. L.; Le, H (2006). "Implications of direct and indirect range restriction for meta-analysis methods and findings". Journal of Applied Psychology. 91 (3): 594–612. doi:10.1037/0021-9010.91.3.594. PMID 16737357. S2CID 14897081.
  90. ^ 옌센 1998, 568년
  91. ^ 옌센 1998, 271년
  92. ^ 고트프레드슨 2007
  93. ^ Kanazawa, Satoshi (2004). "General Intelligence as a Domain-Specific Adaptation". Psychological Review. American Psychological Association. 111 (2): 512–523. doi:10.1037/0033-295X.111.2.512.
  94. ^ Kanazawa, Satoshi (16 February 2010). "Why Liberals and Atheists Are More Intelligent". Social Psychology Quarterly. 73 (1): 33–57. CiteSeerX 10.1.1.395.4490. doi:10.1177/0190272510361602. ISSN 0190-2725. S2CID 2642312.
  95. ^ Kanazawa, Satoshi (May–June 2010). "Evolutionary Psychology and Intelligence Research" (PDF). American Psychologist. 65 (4): 279–289. doi:10.1037/a0019378. PMID 20455621. Retrieved 16 February 2018.
  96. ^ Borsboom, Denny; Dolan, Conor V. (2006). "Why g is not an adaptation: a comment on Kanazawa (2004)". Psychological Review. 113 (2): 433–437. doi:10.1037/0033-295X.113.2.433. PMID 16637768.
  97. ^ Cosmides, Leda; Tooby, John (1995) [1992]. "3. Cognitive Adaptations for Social Exchange". In Barkow, Jerome H.; Cosmides, Leda; Tooby, John (eds.). The Adapted Mind: Evolutionary Psychology and the Generation of Culture. New York: Oxford University Press. pp. 179–206. ISBN 978-0195101072.
  98. ^ Kaufman, Scott Barry; DeYoung, Colin G.; Reis, Deidre L.; Gray, Jeremy R. (May–June 2010). "General intelligence predicts reasoning ability even for evolutionarily familiar content" (PDF). Intelligence. 39 (5): 311–322. doi:10.1016/j.intell.2011.05.002. Retrieved 16 February 2018.
  99. ^ Kaufman, Scott Barry (2 July 2011). "Is General Intelligence Compatible with Evolutionary Psychology?". Psychology Today. Sussex Publishers. Retrieved 16 February 2018.
  100. ^ Plomin, Robert; Spinath, Frank M. (April 2002). "Genetics and general cognitive ability (g)". Trends in Cognitive Sciences. 6 (4): 169–176. doi:10.1016/s1364-6613(00)01853-2. ISSN 1364-6613. PMID 11912040. S2CID 17720084.
  101. ^ 데리 외 2006년
  102. ^ Jump up to: a b c 플로민 & 스피나스 2004
  103. ^ Haworth et.
  104. ^ 코바스 & 플로민 2006
  105. ^ Jump up to: a b 2007년 펜케 외
  106. ^ Jump up to: a b 2012년 샤브리스 외
  107. ^ 플로민 2003
  108. ^ M. C. & Lee, K. (2005) 상관 벡터 방법에 대한 문제. 지능, 33(4), 431–444.
  109. ^ Jump up to: a b c d e Dickens, William T.; Flynn, James R. (2006). "Black Americans Reduce the Racial IQ Gap: Evidence from Standardization Samples" (PDF). Psychological Science. 17 (10): 913–920. doi:10.1111/j.1467-9280.2006.01802.x. PMID 17100793. S2CID 6593169.
  110. ^ 플린, J. R. (2010) 내가 인종과 아이큐 토론을 보는 안경. 정보, 38(4), 363–366.
  111. ^ 젠센 1998, 189–197
  112. ^ 매킨토시 2011, 134–138
  113. ^ Jump up to: a b 차브리스 2007
  114. ^ Reader, S. M.; Hager, Y.; Laland, K. N. (2011). "The evolution of primate general and cultural intelligence". Philosophical Transactions of the Royal Society B: Biological Sciences. 366 (1567): 1017–1027. doi:10.1098/rstb.2010.0342. PMC 3049098. PMID 21357224.
  115. ^ 로쿠르토, C, & Durkin, E. 물보강을 이용한 생쥐의 문제해결 및 개인차이(Mus music musculus) J 콤프 사이콜.
  116. ^ 로쿠르토, C. & 스캔론, C. 생쥐의 두 변종(Muss musculus)에서의 개별적 차이와 공간적 학습 인자. 제이 컴프 사이콜. 112, 344–352(1998)
  117. ^ Poirier, Marc-Antoine; Kozlovsky, Dovid Y.; Morand-Ferron, Julie; Careau, Vincent (9 December 2020). "How general is cognitive ability in non-human animals? A meta-analytical and multi-level reanalysis approach". Proceedings of the Royal Society B: Biological Sciences. 287 (1940): 20201853. doi:10.1098/rspb.2020.1853. PMC 7739923. PMID 33290683.
  118. ^ 앤더슨, B. (2000). 인간이 아닌 동물의 g인자. 지성의 성질, (285), 79.
  119. ^ Woolley, Anita Williams; Chabris, Christopher F.; Pentland, Alex; Hashmi, Nada; Malone, Thomas W. (29 October 2010). "Evidence for a Collective Intelligence Factor in the Performance of Human Groups". Science. 330 (6004): 686–688. Bibcode:2010Sci...330..686W. doi:10.1126/science.1193147. ISSN 0036-8075. PMID 20929725. S2CID 74579.
  120. ^ Woolley, Anita Williams; Aggarwal, Ishani; Malone, Thomas W. (1 December 2015). "Collective Intelligence and Group Performance". Current Directions in Psychological Science. 24 (6): 420–424. doi:10.1177/0963721415599543. ISSN 0963-7214. S2CID 146673541.
  121. ^ 젠슨 1998, 146, 149–150
  122. ^ 젠센 1998, 87-88
  123. ^ Hunt, Earl B. (2010). Human Intelligence. Cambridge University Press. pp. 378–379. ISBN 978-1139495110.
  124. ^ 매킨토시 2011, 360–373
  125. ^ Nisbett, Richard E.; Aronson, Joshua; Blair, Clancy; Dickens, William; Flynn, James; Halpern, Diane F.; Turkheimer, Eric (2012). "Group differences in IQ are best understood as environmental in origin" (PDF). American Psychologist. 67 (6): 503–504. doi:10.1037/a0029772. ISSN 0003-066X. PMID 22963427. Retrieved 22 July 2013. Lay summary (22 July 2013).
  126. ^ 젠센 1998, 369–399
  127. ^ Schönemann, Peter (1997). "Famous artefacts: Spearman's hypothesis" (PDF). Current Psychology of Cognition. 16 (6): 665–694.[데드링크]
  128. ^ Schönemann, Peter H. (1 May 1989). "Some new results on the Spearman hypothesis artifact". Bulletin of the Psychonomic Society. 27 (5): 462–464. doi:10.3758/BF03334656. ISSN 0090-5054.
  129. ^ 헌트 2011년, 421년
  130. ^ 린 2003
  131. ^ Tucker-Drob, Elliot M.; Bates, Timothy C. (February 2016). "Large Cross-National Differences in Gene x Socioeconomic Status Interaction on Intelligence". Psychological Science. 27 (2): 138–149. doi:10.1177/0956797615612727. ISSN 0956-7976. PMC 4749462. PMID 26671911.
  132. ^ Kamin, Leon J. (1 March 2006). "African IQ and Mental Retardation". South African Journal of Psychology. 36 (1): 1–9. doi:10.1177/008124630603600101. ISSN 0081-2463. S2CID 92984213.
  133. ^ Shuttleworth-Edwards, Ann B.; Van der Merwe, Adele S. (2002). "WAIS-III and WISC-IV South African Cross-Cultural Normative Data Stratified for Quality of Education". In Ferraro, F. Richard (ed.). Minority and cross-cultural aspects of neuropsychological assessment. Exton, PA: Swets & Zeitlinger. pp. 72–75. ISBN 9026518307.
  134. ^ 아프리카 흑인에 대한 편견 없는 지능 테스트 사례: 러시턴, 스쿠이, 본즈(2004) 1* 리아 K. 해밀턴1, 베티 R. 오뉴라1과 앤드류 S. Winston International Journal of Selection and Assessment Volume 14 Essue 3 페이지 278 - 2006년 9월
  135. ^ 문화-공정 인지 능력 평가 Stevenven P. 버니 평가, 12권, 3권, 303-319(2005)
  136. ^ 2007-06-08년 웨이백 머신에 보관된 정신측정학자들의 공격. 데니 보르스붐. 사이코메트리카 VOL 71, NO 3, 425–440. 2006년 9월.
  137. ^ 젠센 1998, 213
  138. ^ 애커먼 외 2005년
  139. ^ 매킨토시 2011, 158
  140. ^ Jump up to: a b 와인버그 1989년
  141. ^ 로트레이 2002
  142. ^ 험프리스 외 1985년
  143. ^ Jump up to: a b 폰 스툼 외 2011
  144. ^ 옌센 1998, 573년
  145. ^ 2007년 판사 등
  146. ^ 폰 스툼 외 2009
  147. ^ 1998년 옌센, 577년
  148. ^ 아이센크 1995
  149. ^ 루빈스키 2009
  150. ^ 로버슨 외 2010
  151. ^ 젠센 1998, 122-123
  152. ^ 스턴버그 외 1981년
  153. ^ 젠센 1998, 123
  154. ^ 옌센 1998, 124
  155. ^ 젠센 1998, 125
  156. ^ 매킨토시 2011, 152–153
  157. ^ 젠슨 1998, 77-78, 115-117
  158. ^ 매킨토시 2011, 52, 239
  159. ^ 젠센 1998, 128-132
  160. ^ 2001년 2월 15일-16일
  161. ^ 매킨토시 2011년, 236–237
  162. ^ 헌트 2011, 120–130
  163. ^ 매킨토시 2011, 223–235
  164. ^ 플린 2011
  165. ^ 굴드 1996, 56-57
  166. ^ 코브 1994
  167. ^ Graves, Joseph L.; Johnson, Amanda (1995). "The Pseudoscience of Psychometry and The Bell Curve". The Journal of Negro Education. 64 (3): 277–294. doi:10.2307/2967209. JSTOR 2967209.
참조 번들

참고 문헌 목록