Chaos and Order

💡 왼쪽 원문을 읽으면서 오른쪽에 따라 써보세요. Tab 키로 힌트를 받을 수 있습니다.

引子

聪明这个词一天要用好几次，但里面至少混着三样不同的东西。

一样是心理测量学处理的统计规律。第二样是试图解释这个规律的理论模型。第三样是日常评价一个人时使用的社会用法。这三样彼此不同，混在一起，对话就不成立。

本文的目标不是判定哪一边正确，而是画出地形。这里仍然有敞开着的争论，我不会把它关上。

1. 开始之前要先说清楚的

本文是关于测验和模型的文章，不是关于人的文章。所以有三点要先钉住。

第一，测量到的能力不是人的价值。认知测验的分数，是在特定时点、特定条件下完成特定种类任务的一份记录。用那份记录说不了一个人的价值或尊严。这不是出于礼貌加上去的话，而是测量这个行为的逻辑边界。任何工具都只测它被造出来要测的那部分。

第二，本文不比较任何一个群体和另一个群体。那样的比较不是本文的主题，这里处理的任何资料都不能用作那类结论的依据。

第三，本文的内容不能用来给人排序。下面会看到，测量工具的预测力用在那种地方远远不够。

2. 正相关束这个观察

智力研究的出发点不是理论，而是资料里的模式：性质彼此不同的认知任务，分数大体上呈正相关。像词汇测验和图形推理这样表面上看不出关联的任务之间，也会出现正相关。

McGrew等人2023年发表在Journal of Intelligence的论文，正好点在这个位置。作者们写道，一般智力并不是主流智力研究的一次事实，一次事实是正相关束，而一般因子是对这个事实的一种解释（McGrew 等, 2023，2026-08-16 阅读）。

这个区分是本文最重要的一行。相关束存在，是被反复观察到的事实。那束相关的背后有一个单一原因，是解释。前者结实，后者还在争论中。

3. CHC这个主流模型

心理测量学里使用最广的结构模型是CHC。这个名字来自Cattell、Horn、Carroll三个人工作的整合。

这个模型把能力分成层。最上面是一般因子，下面是流体推理、晶体智力、视觉加工、听觉加工、工作记忆、提取流畅性、加工速度这些宽能力，再下面是数量多得多的窄能力。

McGrew等人2023年的研究报告说，用心理测量网络分析这种不同的方法去看同一批资料时，不预设一个支配性的一般因子，也确认出了七个宽的CHC维度。也就是说，宽能力之间的区分本身，换了方法之后仍然留着。

这里并不是说CHC就是理论真理。测验工具是照着CHC的框架造出来的，所以资料也有一部分是顺着那个框架出来的。模型和测量工具互相加强的结构，是这个领域长期背着的问题。

4. 一般因子的解释为什么还在争论中

McGrew等人把这场争论整理成两个阵营。一边认为，在层级模型里宽的CHC分数仍然具有解释价值；另一边认为，宽能力在总IQ之外提供的信息微乎其微。作者们把网络分析作为越过这个僵局的替代方案提出来。

同一篇论文点出的另一个区分，是心理测量意义上的一般因子和理论意义上的一般因子。前者是用因素分析抽出来的统计量，后者是主张它背后有某种生物学机制。作者们批评共同原因模型把这两者搅在一起，制造了理论上的混乱。

日常对话里发生的混乱，也正好在这里。说某人脑子好的时候，指的是测验分数，还是被假定在那个分数背后的某个东西，并没有被区分开。而且大多数情况下用的是后者。

5. 预测力在两个方向上都被夸大

这里有一件事要老实说明。这次我没能确认到给出认知能力测验与学业或收入这类结果之间具体相关系数的资料。所以那些数值不会写进本文。凭记忆写数字，是这个系列决定不做的事。

不过确认到了一件别的。那是一个方法论上的发现：预测力的估计值本身一直被高估。

Sackett等人2022年发表在Journal of Applied Psychology的论文，重新检查了人事选拔领域的元分析校正范围限制的方式（Sackett 等, 2022，2026-08-16 阅读）。

作者们检查了常用的五种校正方式之后得出结论：每一种都带有产生相当程度过度校正的问题，结果是许多选拔工具的效度实质上一直被高估。在重新计算的估计值里，原本排名高的工具大体上仍然高，但平均效度值下降了0.10到0.20左右。而结构化面试上升到了最高的位置。

这个发现为什么重要，要从两个方向读。

一个方向是把夸大降下来。被广泛引用的数值如果是因为方法论上的原因被吹大的，那么靠着这些数值立起来的主张也会一起变弱。

另一个方向是也要警惕反向的夸大。作者们的结论不是选拔工具没用，而是预测关系比以前认为的低得多。变低了和消失了不是一回事。

所以这一项准确的总结是这样：测量到的能力的预测力比常被引用的要小，同时也不是零。两个方向的夸大都很常见。

6. 多元智能为什么被广泛教授，又为什么依据薄弱

多元智能理论已经深深进入韩国的教育现场和自我提升话语。它是这样一个框架：语言智能、逻辑数学智能、身体运动智能等多种智能各自独立存在。

先要承认这个理论为什么有吸引力，然后再往下走。它出自对用一把尺子给人排序这种做法的反弹，而每个人有不同强项这条信息本身就是好信息。学过这个框架的人，不是因为愚蠢才学的。

问题在证据。Waterhouse在2023年写在Frontiers in Psychology的论文，把这个理论定性为神经神话，并指出三处空白（Waterhouse, 2023，2026-08-16 阅读）。

第一，不存在测量每一种智能的标准测量工具。第二，因素分析的结果显示，各种智能之间与其说是独立，不如说是彼此相关，这与理论的核心主张相冲突。第三，与每一种智能相对应的神经相关物没有得到确认。

同一篇论文引用了显示普及程度的调查。美国的师范生里有90%回答说打算在课堂上使用多元智能策略，魁北克的教师里有94%回答说实际在用。相反，加拿大、美国、英国的教师中把多元智能认作神经神话的比例是25%。

这个落差就是这一项的要点。被广泛相信和被验证过，是完全不同的两件事。

7. 学习风格这个更常见的神话

同样的结构以更大的规模出现在学习风格上。主张是：把人分成视觉型、听觉型、体验型，照着各自的类型去教，就能学得更好。

Brown在2023年写在Frontiers in Education的综述，把这个信念的普及率和证据状态放在一起梳理（Brown, 2023，2026-08-16 阅读）。

先看普及率。Dekker等人2012年的调查里，英国教师的93%、荷兰教师的96%支持这个假设。Newton和Salvi 2020年的调查里是89.1%。Hughes等人2020年的调查里，澳大利亚教师中有超过79%表示支持。

证据状态是这样。正如Pashler等人在2008年指出的，要正经检验这个假设，必须显示出交叉交互作用。也就是说，视觉型看视觉材料要更好，听觉型听听觉材料要更好，两条线要交叉。按Brown的梳理，被检视的研究里有75%没能产出那个交叉交互作用。此后的多项研究里，必需的交叉交互作用也没有出现。

也就是说，照着学习风格来教更有效这个主张，被分类为在大众中广泛流传但依据并不支持的主张。

这里有一点要小心。每个人有偏好的学习方式，这是另一回事。偏好确实存在。崩掉的不是偏好的存在，而是顺着偏好就能学得更好这个连接环节。

8. 专业性是附着在领域上的

这个系列前两篇里看过的内容，在这里也挂得上。

Sala等人2019年的二阶元分析得出结论：认知训练的效果不会越过训练过的任务及其近邻。控制安慰剂效应和发表偏倚之后，远迁移的效应量和真实方差都变成了零（Sala 等, 2019，2026-08-16 阅读）。

而且正如国际象棋研究所显示的，专家的优势出现在那个领域的模式还活着的时候（Bartlett 等, 2013，2026-08-16 阅读）。

把这两点合起来，会得出一个实用上重要的结论：某个人在一个领域里非常出色这个事实，能告诉我们的关于另一个领域的东西非常少。这不是在劝人谦虚，而是资料所说的。

9. 社会意义上使用的聪明

最后来看这个词在实际对话里是怎么用的。这一节不是研究结果而是观察，请这样来读。

日常里说某人聪明的时候，实际指的大体上是这些。

说话快，解释顺畅。
知道在这个场合通用的词汇和典故。
说话有自信。
用和我相似的方式思考。

这份清单里没有上面处理过的任何一个测量概念。流畅可以是能力的信号，但流畅本身不是能力；自信与能力独立地波动。而最后一项不是关于能力的判断，是关于相似性的判断。

这个观察在实用上重要，是因为人们把这种社会用法当作和心理测量概念同一个东西来对待。会议上说话顺畅的人是不是真的判断好，是另一个问题，要确认它就得看结果。

10. 各项主张的证据等级

主张	证据等级	依据
认知任务分数之间存在正相关束	多次验证	McGrew 等 2023
那束相关的背后有单一原因	争论中	McGrew 等 2023 梳理了两个阵营
CHC的宽能力区分换了方法仍然留着	多次验证	McGrew 等 2023 网络分析
宽能力分数能提供总IQ之外的信息	争论中	McGrew 等 2023 引用的对立阵营
选拔工具的效度一直被高估	方法论上的再分析	Sackett 等 2022
多元智能理论没有标准测量工具	批评文献的梳理	Waterhouse 2023
多元智能在教育现场被广泛使用	调查资料	Waterhouse 2023 引用的问卷
照着学习风格来教更有效	大众化但依据不足	Brown 2023, 引用 Pashler 等 2008
专业性不会越过领域一般化	多次验证	Sala 等 2019, Bartlett 等 2013
日常的聪明判断与测量概念一致	没有依据	本文的观察，无验证资料

哪些还没有得到验证

第一，如前面所说，我没有在本文里写认知能力与实际成果之间的具体相关系数，因为没能以可信的形式确认到。这是本文最大的空白。

第二，一般因子的解释之争是敞开的。我没有往任何一边下结论，我认为那样最准确地反映了当前的状态。不过，这场争论敞开着，和什么都不知道，是两回事。相关束的存在不是争论的对象。

第三，关于多元智能的判断，很大程度上靠着一篇批评文献。Waterhouse是这个理论长期的批评者，而我这次没能直接读到对立阵营的资料。要带着这个事实来读。不过，没有标准测量工具这个指摘，属于比较容易确认或反驳的那类主张。

第四，关于学习风格，我在检索过程中看到近几年也有带反驳性质的元分析发表。只是我没有直接读那些论文，所以不概括其内容。这一项的结论今后有被调整的可能，这一点我留着。

第五，本文没有处理能力的发展、环境的影响、教育的效果。关于结构模型的文章和关于发展的文章，是不同的文章。

结语

整理如下。

性质不同的认知任务分数呈正相关，这个观察是结实的。用什么来解释这个观察，还在争论中。在大众层面替代了这场争论的多元智能和学习风格，流传很广但依据薄弱。而且不管是哪一种测量值，预测力都比常被引用的要小。

把这四句话合起来，会得出一个实用的结论：无论对自己还是对别人，想用一般能力的大小来概括一个人，资料并不支持这种尝试。能够确认的是窄得多、具体得多的东西：能做什么，在什么条件下能做到，什么还做不到。

然后把开头写过的那句话再写一遍。测量到的能力不是人的价值。本文里出现的任何数值都不能用在那种地方。

参考资料

以下是写这篇文章时在2026-08-16直接确认过的资料。链接是实际读过的地址，其中一部分是Europe PMC和Semantic Scholar的公开API响应。