El factor g (también conocido como inteligencia general , habilidad mental general o factor de inteligencia general ) es un constructo desarrollado en investigaciones psicométricas de habilidades cognitivas e inteligencia humana . Es una variable que resume las correlaciones positivas entre diferentes tareas cognitivas, lo que refleja el hecho de que el desempeño de un individuo en un tipo de tarea cognitiva tiende a ser comparable al desempeño de esa persona en otro tipo de tareas cognitivas. El factor g generalmente representa del 40 al 50 por ciento de las diferencias de desempeño entre individuos en un determinadopruebas cognitivas y puntuaciones compuestas ("puntuaciones de CI") basadas en muchas pruebas se consideran con frecuencia como estimaciones de la posición de los individuos en el factor g . [1] Los términos CI, inteligencia general, capacidad cognitiva general, capacidad mental general y simplemente inteligencia se usan a menudo de manera intercambiable para referirse a este núcleo común compartido por las pruebas cognitivas. [2] El factor g apunta a una medida particular de inteligencia general .
La existencia del factor g fue propuesta originalmente por el psicólogo inglés Charles Spearman en los primeros años del siglo XX. Observó que las calificaciones de desempeño de los niños, en materias escolares aparentemente no relacionadas, estaban correlacionadas positivamente y razonó que estas correlaciones reflejaban la influencia de una habilidad mental general subyacente que entraba en el desempeño en todo tipo de pruebas mentales. Spearman sugirió que todo el rendimiento mental podría conceptualizarse en términos de un único factor de capacidad general, al que denominó g , y muchos factores de capacidad específicos de la tarea. Poco después de que Spearman propusiera la existencia de g , fue desafiado por Godfrey Thomson , quien presentó evidencia de que tales intercorrelaciones entre los resultados de las pruebas podrían surgir incluso si no existiera el factor g . [3] Los modelos factoriales de inteligencia actuales suelen representar las habilidades cognitivas como una jerarquía de tres niveles, donde hay muchos factores estrechos en la parte inferior de la jerarquía, un puñado de factores amplios y más generales en el nivel intermedio y en el vértice un factor único, denominado factor g , que representa la varianza común a todas las tareas cognitivas.
Tradicionalmente, la investigación sobre g se ha concentrado en investigaciones psicométricas de datos de prueba, con un énfasis especial en enfoques analíticos de factores . Sin embargo, la investigación empírica sobre la naturaleza de g también se ha basado en la psicología cognitiva experimental y la cronometría mental , la anatomía y fisiología del cerebro, la genética cuantitativa y molecular y la evolución de los primates . [4] Algunos científicos consideran g como una regularidad estadística y no controvertida, y un factor cognitivo general aparece en los datos recopilados de personas en casi todas las culturas humanas. [5] Sin embargo, no hay consenso sobre las causas de las correlaciones positivas entre las pruebas.
La investigación en el campo de la genética del comportamiento ha establecido que la construcción de g es altamente heredable . Tiene una serie de otros correlatos biológicos, incluido el tamaño del cerebro . También es un predictor significativo de diferencias individuales en muchos resultados sociales, particularmente en educación y empleo. Las teorías contemporáneas de inteligencia más aceptadas incorporan el factor g . [6] Sin embargo, los críticos de g han sostenido que el énfasis en g está fuera de lugar y conlleva una devaluación de otras habilidades importantes. Stephen J. Gould denunció el concepto de g por apoyar una visión cosificada poco realista de la inteligencia humana.
Prueba de capacidad cognitiva
Clásicos | francés | inglés | Matemáticas | Terreno de juego | Música | |
---|---|---|---|---|---|---|
Clásicos | - | |||||
francés | .83 | - | ||||
inglés | .78 | .67 | - | |||
Matemáticas | .70 | .67 | .64 | - | ||
Discriminación de tono | .66 | .sesenta y cinco | .54 | .45 | - | |
Música | .63 | .57 | .51 | .51 | .40 | - |
gramo | .958 | .882 | .803 | .750 | .673 | .646 |
V | S | I | C | Pensilvania | BD | A | ordenador personal | DSp | OA | DS | |
---|---|---|---|---|---|---|---|---|---|---|---|
V | - | ||||||||||
S | .67 | - | |||||||||
I | .72 | .59 | - | ||||||||
C | .70 | .58 | .59 | - | |||||||
Pensilvania | .51 | .53 | .50 | .42 | - | ||||||
BD | .45 | .46 | .45 | .39 | .43 | - | |||||
A | .48 | .43 | .55 | .45 | .41 | .44 | - | ||||
ordenador personal | .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 | - |
gramo | .83 | .80 | .80 | 0,75 | .70 | .70 | .68 | .68 | .56 | .56 | .48 |
Las pruebas de capacidad cognitiva están diseñadas para medir diferentes aspectos de la cognición. Los dominios específicos evaluados por las pruebas incluyen habilidad matemática, fluidez verbal, visualización espacial y memoria, entre otros. Sin embargo, los individuos que sobresalen en un tipo de prueba tienden a sobresalir en otros tipos de pruebas también, mientras que aquellos que obtienen malos resultados en una prueba tienden a hacerlo en todas las pruebas, independientemente del contenido de las pruebas. [9] El psicólogo inglés Charles Spearman fue el primero en describir este fenómeno. [10] En un famoso artículo de investigación publicado en 1904, [11] observó que las medidas de rendimiento de los niños en materias escolares aparentemente no relacionadas estaban correlacionadas positivamente. Desde entonces, este hallazgo se ha replicado en numerosas ocasiones. El hallazgo constante de matrices de correlación universalmente positivas de los resultados de las pruebas mentales (o la "variedad positiva"), a pesar de las grandes diferencias en el contenido de las pruebas, se ha descrito como "posiblemente el resultado más replicado en toda la psicología". [12] Las correlaciones nulas o negativas entre las pruebas sugieren la presencia de un error de muestreo o una restricción del rango de capacidad en la muestra estudiada. [13]
Utilizando el análisis factorial o métodos estadísticos relacionados, es posible calcular un único factor común que puede considerarse como una variable de resumen que caracteriza las correlaciones entre todas las diferentes pruebas en una batería de pruebas. Spearman se refirió a este factor común como el factor general , o simplemente g . (Por convención, g siempre se imprime en cursiva minúscula.) Matemáticamente, el factor g es una fuente de variación entre los individuos , lo que implica que no se puede hablar de manera significativa de las capacidades mentales de un individuo que consisten en go otros factores para cualquier especificación. grados. Solo se puede hablar de la posición de un individuo en g (u otros factores) en comparación con otros individuos en una población relevante. [13] [14] [15]
Diferentes pruebas en una batería de prueba pueden correlacionarse con (o "cargarse") con el factor g de la batería en diferentes grados. Estas correlaciones se conocen como cargas g . El puntaje del factor g de un examinado individual , que representa su posición relativa en el factor g en el grupo total de individuos, se puede estimar usando las cargas g . Los puntajes de CI a escala completa de una batería de pruebas generalmente estarán altamente correlacionados con los puntajes del factor g , y a menudo se los considera como estimaciones de g . Por ejemplo, se ha encontrado que las correlaciones entre los puntajes del factor g y los puntajes de CI de escala completa de las pruebas de David Wechsler son mayores que .95. [1] [13] [16] Los términos CI, inteligencia general, capacidad cognitiva general, capacidad mental general o simplemente inteligencia se utilizan con frecuencia de manera intercambiable para referirse al núcleo común compartido por las pruebas cognitivas. [2]
Las cargas g de las pruebas mentales siempre son positivas y suelen oscilar entre 0,10 y 0,90, con una media de alrededor de 0,60 y una desviación estándar de alrededor de 0,15. Las matrices progresivas de Raven se encuentran entre las pruebas con las cargas de g más altas , alrededor de .80. Las pruebas de vocabulario e información general también suelen tener cargas de g altas . [17] [18] Sin embargo, la carga g de la misma prueba puede variar algo dependiendo de la composición de la batería de prueba. [19]
La complejidad de las pruebas y las exigencias que imponen a la manipulación mental están relacionadas con las cargas g de las pruebas . Por ejemplo, en la prueba de extensión de dígitos hacia adelante, se le pide al sujeto que repita una secuencia de dígitos en el orden de su presentación después de escucharlos una vez a una velocidad de un dígito por segundo. Por lo demás, la prueba de extensión de dígitos hacia atrás es la misma, excepto que se le pide al sujeto que repita los dígitos en el orden inverso al que se presentaron. La prueba de extensión de dígitos hacia atrás es más compleja que la prueba de extensión de dígitos hacia adelante y tiene una carga g significativamente mayor . De manera similar, las cargas g de las pruebas de cálculo aritmético, ortografía y lectura de palabras son más bajas que las de las pruebas de resolución de problemas aritméticos, composición de textos y comprensión de lectura, respectivamente. [13] [20]
La dificultad de la prueba y las cargas g son conceptos distintos que pueden o no estar relacionados empíricamente en una situación específica. Las pruebas que tienen el mismo nivel de dificultad, según el índice de la proporción de elementos de prueba que fallan por los examinados, pueden exhibir una amplia gama de cargas g . Por ejemplo, se ha demostrado que las pruebas de memoria de memoria tienen el mismo nivel de dificultad pero cargas g considerablemente más bajas que muchas pruebas que involucran razonamiento. [20] [21]
Teorías
Si bien la existencia de g como una regularidad estadística está bien establecida y no es controvertida entre los expertos, no hay consenso sobre las causas de las intercorrelaciones positivas. Se han propuesto varias explicaciones. [22]
Energía o eficiencia mental
Charles Spearman razonó que las correlaciones entre las pruebas reflejaban la influencia de un factor causal común, una capacidad mental general que entra en el desempeño de todo tipo de tareas mentales. Sin embargo, pensó que los mejores indicadores de g eran aquellas pruebas que reflejaban lo que él llamaba la educación de relaciones y correlatos , que incluían habilidades como la deducción , la inducción , la resolución de problemas, la comprensión de relaciones, la inferencia de reglas y la detección de diferencias y similitudes. Spearman planteó la hipótesis de que g era equivalente a "energía mental". Sin embargo, esto era más una explicación metafórica, y permaneció agnóstico sobre la base física de esta energía, esperando que la investigación futura descubriera la naturaleza fisiológica exacta de g . [23]
Siguiendo a Spearman, Arthur Jensen sostuvo que todas las tareas mentales se relacionan con g hasta cierto punto. Según Jensen, el factor g representa un "destilado" de puntajes en diferentes pruebas en lugar de una suma o un promedio de tales puntajes, con el análisis factorial actuando como el procedimiento de destilación . [18] Argumentó que g no se puede describir en términos de las características del ítem o el contenido de información de las pruebas, señalando que las tareas mentales muy diferentes pueden tener cargas g casi iguales . Wechsler sostuvo de manera similar que g no es una habilidad en absoluto, sino más bien una propiedad general del cerebro. Jensen planteó la hipótesis de que g corresponde a diferencias individuales en la velocidad o eficiencia de los procesos neuronales asociados con las habilidades mentales. [24] También sugirió que, dadas las asociaciones entre g y tareas cognitivas elementales , debe ser posible construir una escala de razón de prueba de g que los usos tiempo como la unidad de medida. [25]
Teoría de muestreo
La llamada teoría de muestreo de g , desarrollada originalmente por Edward Thorndike y Godfrey Thomson , propone que la existencia de la variedad positiva puede explicarse sin referencia a una capacidad subyacente unitaria. Según esta teoría, hay varios procesos mentales no correlacionados y todas las pruebas se basan en diferentes muestras de estos procesos. Las intercorrelaciones entre las pruebas se deben a una superposición entre los procesos aprovechados por las pruebas. [26] [27] Por lo tanto, la variedad positiva surge debido a un problema de medición, una incapacidad para medir procesos mentales más detallados y presumiblemente no correlacionados. [15]
Se ha demostrado que no es posible distinguir estadísticamente entre el modelo de g de Spearman y el modelo de muestreo; ambos son igualmente capaces de explicar las intercorrelaciones entre las pruebas. [28] La teoría del muestreo también es consistente con la observación de que las tareas mentales más complejas tienen cargas g más altas , porque se espera que las tareas más complejas involucren una muestra mayor de elementos neuronales y, por lo tanto, tengan más de ellos en común con otras tareas. [29]
Algunos investigadores han argumentado que el modelo de muestreo invalida g como concepto psicológico, porque el modelo sugiere que los factores g derivados de diferentes baterías de prueba simplemente reflejan los elementos compartidos de las pruebas particulares contenidas en cada batería en lugar de una g que es común a todas las pruebas. . De manera similar, las altas correlaciones entre diferentes baterías podrían deberse a que miden el mismo conjunto de habilidades en lugar de la misma habilidad. [30]
Los críticos han argumentado que la teoría del muestreo es incongruente con ciertos hallazgos empíricos. Con base en la teoría del muestreo, uno podría esperar que las pruebas cognitivas relacionadas compartan muchos elementos y, por lo tanto, estén altamente correlacionadas. Sin embargo, algunas pruebas estrechamente relacionadas, como el intervalo de dígitos hacia adelante y hacia atrás, están solo modestamente correlacionadas, mientras que algunas pruebas aparentemente completamente diferentes, como las pruebas de vocabulario y las matrices de Raven, están constantemente altamente correlacionadas. Otro hallazgo problemático es que el daño cerebral con frecuencia conduce a deterioros cognitivos específicos en lugar de un deterioro general que uno podría esperar según la teoría del muestreo. [15] [31]
Mutualismo
El modelo de "mutualismo" de g propone que los procesos cognitivos inicialmente no están correlacionados, pero que la variedad positiva surge durante el desarrollo individual debido a las relaciones mutuamente beneficiosas entre los procesos cognitivos. Por tanto, no existe un único proceso o capacidad subyacente a las correlaciones positivas entre las pruebas. Durante el curso del desarrollo, sostiene la teoría, cualquier proceso particularmente eficiente beneficiará a otros procesos, con el resultado de que los procesos terminarán correlacionados entre sí. Por lo tanto, los coeficientes intelectuales igualmente altos en diferentes personas pueden deberse a ventajas iniciales bastante diferentes de las que tenían. [15] [32] Los críticos han argumentado que las correlaciones observadas entre las cargas gy los coeficientes de heredabilidad de las subpruebas son problemáticas para la teoría del mutualismo. [33]
Estructura factorial de las habilidades cognitivas
El análisis factorial es una familia de técnicas matemáticas que se pueden utilizar para representar correlaciones entre pruebas de inteligencia en términos de un número menor de variables conocidas como factores. El propósito es simplificar la matriz de correlación mediante el uso de factores subyacentes hipotéticos para explicar los patrones en ella. Cuando todas las correlaciones en una matriz son positivas, como lo son en el caso del CI, el análisis factorial arrojará un factor general común a todas las pruebas. El factor general de las pruebas de IQ se conoce como factor g , y generalmente representa del 40 al 50 por ciento de la variación en las baterías de prueba de IQ. [34] La presencia de correlaciones entre muchas pruebas cognitivas que varían ampliamente se ha tomado a menudo como evidencia de la existencia de g , pero McFarland (2012) mostró que tales correlaciones no brindan más o menos apoyo para la existencia de g que para el existencia de múltiples factores de inteligencia. [35]
Charles Spearman desarrolló el análisis factorial para estudiar las correlaciones entre las pruebas. Inicialmente, desarrolló un modelo de inteligencia en el que las variaciones en todos los puntajes de las pruebas de inteligencia se explican por sólo dos tipos de variables: primero, factores que son específicos de cada prueba (denotados por s ); y segundo, un factor g que da cuenta de las correlaciones positivas entre las pruebas. Esto se conoce como la teoría de los dos factores de Spearman. Investigaciones posteriores basadas en baterías de prueba más diversas que las utilizadas por Spearman demostraron que g por sí solo no podía explicar todas las correlaciones entre las pruebas. Específicamente, se encontró que incluso después de controlar por g , algunas pruebas todavía estaban correlacionadas entre sí. Esto llevó a la postulación de factores grupales que representan la varianza que los grupos de pruebas con demandas de tareas similares (por ejemplo, verbales, espaciales o numéricas) tienen en común además de la varianza g compartida . [36]
A través de la rotación de factores , en principio, es posible producir un número infinito de soluciones de factores diferentes que son matemáticamente equivalentes en su capacidad para explicar las intercorrelaciones entre pruebas cognitivas. Estos incluyen soluciones que no contienen un factor g . Por tanto, el análisis factorial por sí solo no puede establecer cuál es la estructura subyacente de la inteligencia. Al elegir entre diferentes soluciones de factores, los investigadores deben examinar los resultados del análisis de factores junto con otra información sobre la estructura de las habilidades cognitivas. [37]
Hay muchas razones psicológicamente relevantes para preferir soluciones factoriales que contienen un factor g . Estos incluyen la existencia de la variedad positiva, el hecho de que ciertos tipos de pruebas (generalmente las más complejas) tienen cargas g consistentemente mayores , la invariancia sustancial de los factores g en diferentes baterías de prueba, la imposibilidad de construir baterías de prueba que no rinden un g de factores y la validez práctica generalizada de g como un predictor de los resultados individuales. El factor g , junto con los factores de grupo, representa mejor el hecho establecido empíricamente de que, en promedio, las diferencias generales de capacidad entre los individuos son mayores que las diferencias entre las capacidades dentro de los individuos, mientras que una solución de factores con factores ortogonales sin g oscurece este hecho. Además, g parece ser el componente de inteligencia más heredable. [38] Las investigaciones que utilizan las técnicas de análisis factorial confirmatorio también han respaldado la existencia de g . [37]
Se puede calcular un factor g a partir de una matriz de correlación de los resultados de las pruebas utilizando varios métodos diferentes. Estos incluyen análisis factorial exploratorio, análisis de componentes principales (PCA) y análisis factorial confirmatorio. Los diferentes métodos de extracción de factores producen resultados muy consistentes, aunque a veces se ha encontrado que el PCA produce estimaciones infladas de la influencia de g en los puntajes de las pruebas. [19] [39]
Existe un amplio consenso contemporáneo de que la variación cognitiva entre personas se puede conceptualizar en tres niveles jerárquicos, que se distinguen por su grado de generalidad. En el nivel más bajo, menos general, hay muchos factores estrechos de primer orden; en un nivel más alto, hay un número relativamente pequeño - entre cinco y diez - de factores amplios (es decir, más generales) de segundo orden (o factores de grupo); y en el vértice, hay un solo factor de tercer orden, g , el factor general común a todas las pruebas. [40] [41] [42] El factor g generalmente representa la mayor parte de la varianza del factor común total de las baterías de prueba de CI. [43] Los modelos jerárquicos contemporáneos de inteligencia incluyen la teoría de los tres estratos y la teoría de Cattell-Horn-Carroll . [44]
"Indiferencia del indicador"
Spearman propuso el principio de la indiferencia del indicador , según el cual el contenido preciso de las pruebas de inteligencia no es importante para identificar g , porque g entra en el desempeño en todo tipo de pruebas. Por tanto, cualquier prueba puede utilizarse como indicador de g . [5] Siguiendo a Spearman, Arthur Jensen argumentó más recientemente que un factor g extraído de una batería de prueba siempre será el mismo, dentro de los límites del error de medición, que el extraído de otra batería, siempre que las baterías sean grandes y diversas. [45] Según este punto de vista, toda prueba mental, por distintiva que sea, recurre a g hasta cierto punto. Por lo tanto, una puntuación compuesta de varias pruebas diferentes se cargará en g con más fuerza que cualquiera de las puntuaciones de las pruebas individuales, porque los componentes g se acumulan en la puntuación compuesta, mientras que los componentes no g no correlacionados se cancelarán entre sí. En teoría, la puntuación compuesta de una batería de pruebas diversa e infinitamente grande sería, entonces, una medida perfecta de g . [46]
Por el contrario, LL Thurstone argumentó que un factor g extraído de una batería de prueba refleja el promedio de todas las habilidades requeridas por la batería en particular y que, por lo tanto, g varía de una batería a otra y "no tiene un significado psicológico fundamental". [47] En líneas similares, John Horn argumentó que los factores g no tienen sentido porque no son invariantes entre las baterías de prueba, manteniendo que las correlaciones entre diferentes medidas de habilidad surgen porque es difícil definir una acción humana que depende de una sola habilidad. [48] [49]
Para demostrar que diferentes baterías reflejan la misma g , se deben administrar varias baterías de prueba a las mismas personas, extraer factores g de cada batería y demostrar que los factores están altamente correlacionados. Esto se puede hacer dentro de un marco de análisis factorial confirmatorio. [22] Wendy Johnson y sus colegas han publicado dos de esos estudios. [50] [51] El primero encontró que las correlaciones entre los factores g extraídos de tres baterías diferentes eran .99, .99 y 1.00, apoyando la hipótesis de que los factores g de diferentes baterías son iguales y que la identificación de g no es dependiendo de las habilidades específicas evaluadas. El segundo estudio encontró que los factores g derivados de cuatro de las cinco baterías de prueba se correlacionaron entre .95-1.00, mientras que las correlaciones variaron de .79 a .96 para la quinta batería, la prueba de inteligencia de la cultura justa de Cattell (CFIT). Atribuyeron las correlaciones algo más bajas con la batería CFIT a su falta de diversidad de contenido, ya que contiene solo elementos de tipo matriz, e interpretaron que los hallazgos respaldan la afirmación de que los factores g derivados de diferentes baterías de prueba son los mismos siempre que las baterías sean diversas. suficiente. Los resultados sugieren que el mismo g puede identificarse consistentemente a partir de diferentes baterías de prueba. [40] [52]
Distribución de la población
Se desconoce la forma de distribución de la población de g , porque g no se puede medir en una escala de razón [se necesita aclaración ] . (Las distribuciones de los puntajes en las pruebas de CI típicas son aproximadamente normales, pero esto se logra mediante la construcción, es decir, normalizando los puntajes brutos). Se ha argumentado [ ¿quién? ] que, no obstante, existen buenas razones para suponer que g se distribuye normalmente en la población general, al menos dentro de un rango de ± 2 desviaciones estándar de la media. En particular, se puede pensar en g como una variable compuesta que refleja los efectos aditivos de muchas influencias genéticas y ambientales independientes, y tal variable debería, de acuerdo con el teorema del límite central , seguir una distribución normal. [53]
Ley de Spearman de rendimientos decrecientes
Varios investigadores han sugerido que la proporción de variación explicada por g puede no ser uniforme en todos los subgrupos de una población. La ley de Spearman de rendimientos decrecientes ( SLODR ), también denominada hipótesis de diferenciación de la capacidad cognitiva , predice que las correlaciones positivas entre las diferentes capacidades cognitivas son más débiles entre los subgrupos de individuos más inteligentes. Más específicamente, (SLODR) predice que el factor g explicará una menor proporción de las diferencias individuales en las puntuaciones de las pruebas cognitivas en puntuaciones más altas en el factor g .
(SLODR) fue propuesto originalmente por Charles Spearman , [54] quien informó que la correlación promedio entre 12 pruebas de capacidad cognitiva era .466 en 78 niños normales y .782 en 22 niños "defectuosos". Detterman y Daniel redescubrieron este fenómeno en 1989. [55] Informaron que para las subpruebas tanto del WAIS como del WISC , las intercorrelaciones de las subpruebas disminuyeron monótonamente con el grupo de capacidad, que van desde aproximadamente una intercorrelación promedio de 0,7 entre los individuos con un CI menor de 78 a .4 entre personas con un coeficiente intelectual superior a 122. [56]
(SLODR) se ha replicado en una variedad de muestras de niños y adultos que se han medido utilizando una amplia gama de pruebas cognitivas. El enfoque más común ha sido dividir a los individuos en múltiples grupos de habilidades usando un proxy observable para su habilidad intelectual general y luego comparar la interrelación promedio entre las subpruebas en los diferentes grupos o comparar la proporción de variación explicada por una factor común único, en los diferentes grupos. [57] Sin embargo, tanto Deary et al. (1996). [57] y Tucker-Drob (2009) [58] han señalado que dividir la distribución continua de la inteligencia en un número arbitrario de grupos de capacidad discretos es menos que ideal para examinar (SLODR). Tucker-Drob (2009) [58] revisó extensamente la literatura sobre (SLODR) y los diversos métodos por los cuales se había probado previamente, y propuso que (SLODR) podría capturarse de manera más apropiada ajustando un modelo de factor común que permita las relaciones entre el factor y sus indicadores sea de naturaleza no lineal. Aplicó tal modelo de factores a datos representativos a nivel nacional de niños y adultos en los Estados Unidos y encontró evidencia consistente para (SLODR). Por ejemplo, Tucker-Drob (2009) encontró que un factor general explicaba aproximadamente el 75% de la variación en siete habilidades cognitivas diferentes entre adultos con un coeficiente intelectual muy bajo, pero solo explicaba aproximadamente el 30% de la variación en las habilidades entre un coeficiente intelectual muy alto. adultos.
Un reciente estudio metaanalítico de Blum y Holling [59] también apoyó la hipótesis de la diferenciación. A diferencia de la mayoría de las investigaciones sobre el tema, este trabajo hizo posible estudiar las variables de capacidad y edad como predictores continuos de la saturación g , y no solo para comparar grupos de testeados con menor o mayor nivel de habilidad o más joven con mayor edad. Los resultados demuestran que la correlación media y las cargas g de las pruebas de capacidad cognitiva disminuyen con el aumento de la capacidad, pero aumentan con la edad del encuestado. (SLODR), como lo describió Charles Spearman , podría confirmarse mediante una disminución de la saturación g en función del coeficiente intelectual, así como un aumento de la saturación g desde la mediana edad hasta la senescencia. Específicamente hablando, para muestras con una inteligencia media que es dos desviaciones estándar (es decir, 30 puntos de CI) más alta, la correlación media esperada se reduce en aproximadamente 0,15 puntos. La pregunta sigue siendo si una diferencia de esta magnitud podría resultar en una mayor complejidad factorial aparente cuando los datos cognitivos se factorizan para la muestra de mayor capacidad, en contraposición a la muestra de menor capacidad. Parece probable que se tienda a observar una mayor dimensionalidad de los factores para el caso de mayor capacidad, pero la magnitud de este efecto (es decir, cuánto más probable y cuántos factores más) sigue siendo incierta.
Validez práctica
La validez práctica de g como predictor de resultados educativos, económicos y sociales es objeto de un debate continuo. [60] Algunos investigadores han argumentado que es más amplio y universal que cualquier otra variable psicológica conocida, [61] y que la validez de g aumenta a medida que aumenta la complejidad de la tarea medida. [62] [63] Otros han argumentado que las pruebas de habilidades específicas superan al factor g en análisis ajustados a situaciones del mundo real. [64] [65] [66]
La validez práctica de una prueba se mide por su correlación con el desempeño en algún criterio externo a la prueba, como el promedio de calificaciones de la universidad o una calificación del desempeño laboral. La correlación entre las puntuaciones de las pruebas y la medida de algún criterio se denomina coeficiente de validez . Una forma de interpretar un coeficiente de validez es cuadrarlo para obtener la varianza contabilizada por la prueba. Por ejemplo, un coeficiente de validez de .30 corresponde al 9 por ciento de la varianza explicada. Sin embargo, este enfoque ha sido criticado por ser engañoso y poco informativo, y se han propuesto varias alternativas. Un enfoque posiblemente más interpretable es observar el porcentaje de examinados en cada quintil de calificaciones de exámenes que cumplen con algún estándar de éxito acordado. Por ejemplo, si la correlación entre los puntajes de las pruebas y el desempeño es .30, la expectativa es que el 67 por ciento de los que se encuentran en el quintil superior tendrán un desempeño superior al promedio, en comparación con el 33 por ciento de los del quintil inferior. [67] [68]
Logro académico
La validez predictiva de g es más notoria en el dominio del rendimiento escolar. Aparentemente, esto se debe a que g está estrechamente relacionado con la capacidad de aprender material novedoso y comprender conceptos y significados. [62]
En la escuela primaria, la correlación entre el coeficiente intelectual y las calificaciones y los puntajes de rendimiento se encuentra entre .60 y .70. En los niveles educativos más avanzados, más estudiantes del extremo inferior de la distribución del CI abandonan, lo que restringe el rango de CI y da como resultado coeficientes de validez más bajos. En la escuela secundaria, la universidad y la escuela de posgrado, los coeficientes de validez son .50 – .60, .40 – .50 y .30 – .40, respectivamente. Las cargas g de los puntajes de CI son altas, pero es posible que parte de la validez del CI para predecir el rendimiento escolar sea atribuible a factores medidos por el CI independientes de g . Según una investigación de Robert L. Thorndike , del 80 al 90 por ciento de la varianza predecible en el rendimiento escolar se debe a g , y el resto se atribuye a factores no g medidos por el coeficiente intelectual y otras pruebas. [69]
Los puntajes de las pruebas de rendimiento están más correlacionados con el coeficiente intelectual que con las calificaciones escolares. Esto puede deberse a que las calificaciones están más influenciadas por las percepciones idiosincrásicas del profesor sobre el alumno. [70] En un estudio longitudinal en inglés, los puntajes g medidos a los 11 años se correlacionaron con las 25 pruebas de materias del examen nacional GCSE tomado a los 16. Las correlaciones variaron de .77 para la prueba de matemáticas a .42 para la prueba de arte. La correlación entre g y un factor educativo general calculado a partir de las pruebas GCSE fue de .81. [71]
La investigación sugiere que el SAT , ampliamente utilizado en las admisiones universitarias, es principalmente una medida de g . Se ha encontrado una correlación de .82 entre las puntuaciones g calculadas a partir de una batería de pruebas de CI y las puntuaciones del SAT. En un estudio de 165,000 estudiantes en 41 universidades de EE. UU., Se encontró que los puntajes del SAT estaban correlacionados en .47 con el promedio de calificaciones de la universidad de primer año después de corregir la restricción de rango en los puntajes del SAT (la correlación aumenta a .55 cuando se mantiene la dificultad del curso constante, es decir, si todos los estudiantes asistieron al mismo conjunto de clases). [67] [72]
Logro laboral
Existe una alta correlación de .90 a .95 entre las clasificaciones de prestigio de las ocupaciones, según la clasificación de la población general, y las puntuaciones de inteligencia general promedio de las personas empleadas en cada ocupación. A nivel de empleados individuales, la asociación entre el prestigio laboral y g es menor: un gran estudio de EE. UU. Informó una correlación de .65 (.72 corregido por atenuación ). Por tanto, el nivel medio de g aumenta con el prestigio laboral percibido. También se ha encontrado que la dispersión de las puntuaciones de inteligencia general es menor en las ocupaciones más prestigiosas que en las ocupaciones de nivel inferior, lo que sugiere que las ocupaciones de nivel superior tienen requisitos mínimos de g . [73] [74]
Desempeño laboral
Las investigaciones indican que las pruebas de g son los mejores predictores individuales del desempeño laboral, con un coeficiente de validez promedio de .55 en varios metanálisis de estudios basados en calificaciones de supervisores y muestras de trabajo. El coeficiente de validez metaanalítica promedio para el desempeño en la capacitación laboral es de .63. [75] Se ha encontrado que la validez de g en los trabajos de mayor complejidad (trabajos profesionales, científicos y de alta dirección) es mayor que en los trabajos de menor complejidad, pero g tiene validez predictiva incluso para los trabajos más simples. La investigación también muestra que las pruebas de aptitud específicas diseñadas para cada trabajo proporcionan poco o ningún aumento en la validez predictiva sobre las pruebas de inteligencia general. Se cree que g afecta el desempeño laboral principalmente al facilitar la adquisición de conocimientos relacionados con el trabajo. La validez predictiva de g es mayor que la de la experiencia laboral, y una mayor experiencia en el trabajo no disminuye la validez de g . [62] [73]
En un metanálisis de 2011, los investigadores encontraron que la capacidad cognitiva general (ACG) predijo el desempeño laboral mejor que la personalidad ( modelo de cinco factores ) y tres corrientes de inteligencia emocional . Examinaron la importancia relativa de estos constructos en la predicción del desempeño laboral y encontraron que la capacidad cognitiva explicaba la mayor parte de la variación en el desempeño laboral. [76] Otros estudios sugirieron que la ACG y la inteligencia emocional tienen una contribución lineal independiente y complementaria al desempeño laboral. Côté y Miners (2015) [77] encontraron que estos constructos están interrelacionados al evaluar su relación con dos aspectos del desempeño laboral: el comportamiento de ciudadanía organizacional (OCB) y el desempeño de tareas. La inteligencia emocional es un mejor predictor del desempeño de la tarea y OCB cuando GCA es bajo y viceversa. Por ejemplo, un empleado con un GCA bajo compensará su desempeño en la tarea y OCB, si la inteligencia emocional es alta.
Aunque estos efectos compensatorios favorecen la inteligencia emocional , la ACG sigue siendo el mejor predictor del desempeño laboral. Varios investigadores han estudiado la correlación entre GCA y el desempeño laboral entre diferentes puestos de trabajo. Por ejemplo, Ghiselli (1973) [78] encontró que los vendedores tenían una correlación más alta que los vendedores. El primero obtuvo una correlación de 0.61 para ACG, 0.40 para habilidad perceptiva y 0.29 para habilidades psicomotoras; mientras que el dependiente obtuvo una correlación de 0.27 para GCA, 0.22 para habilidad perceptiva y 0.17 para habilidades psicomotoras. [79] Otros estudios compararon GCA - correlación de desempeño laboral entre trabajos de diferente complejidad. Hunter y Hunter (1984) [80] desarrollaron un metaanálisis con más de 400 estudios y encontraron que esta correlación era mayor para trabajos de alta complejidad (0,57). Seguido de trabajos de mediana complejidad (0,51) y baja complejidad (0,38).
El desempeño laboral se mide mediante calificaciones objetivas y subjetivas. Aunque la primera es mejor que las calificaciones subjetivas, la mayoría de los estudios sobre desempeño laboral y GCA se han basado en calificaciones de desempeño de los supervisores. Este criterio de calificación se considera problemático y poco confiable, principalmente por su dificultad para definir qué es un buen y mal desempeño. La calificación de los supervisores tiende a ser subjetiva e inconsistente entre los empleados. [81] Además, la calificación del supervisor sobre el desempeño laboral está influenciada por diferentes factores, como el efecto halo , [82] el atractivo facial , [83] el sesgo racial o étnico y la altura de los empleados. [84] Sin embargo, Vinchur, Schippmann, Switzer y Roth (1998) [79] encontraron en su estudio con empleados de ventas que el desempeño de ventas objetivo tenía una correlación de 0.04 con GCA, mientras que la calificación de desempeño del supervisor tenía una correlación de 0.40. Estos hallazgos fueron sorprendentes, considerando que el principal criterio para evaluar a estos empleados serían las ventas objetivas.
Al comprender cómo la GCA está asociada al desempeño laboral, varios investigadores concluyeron que la GCA afecta la adquisición de conocimientos laborales, lo que a su vez mejora el desempeño laboral . En otras palabras, las personas con un alto nivel de ACG son capaces de aprender más rápido y adquirir más conocimientos laborales con facilidad, lo que les permite desempeñarse mejor. Por el contrario, la falta de capacidad para adquirir conocimientos laborales afectará directamente el desempeño laboral. Esto se debe a los bajos niveles de ACG. Además, GCA tiene un efecto directo sobre el desempeño laboral. Diariamente, los empleados están expuestos constantemente a desafíos y tareas de resolución de problemas, cuyo éxito depende únicamente de su GCA. Estos hallazgos son desalentadores para las entidades gubernamentales encargadas de proteger los derechos de los trabajadores. [85] Debido a la alta correlación de GCA en el desempeño laboral, las empresas están contratando empleados basándose en los puntajes de las pruebas de GCA. Inevitablemente, esta práctica está negando la oportunidad de trabajar a muchas personas con GCA bajo. [86] Investigadores anteriores han encontrado diferencias significativas en la ACG entre grupos raciales / étnicos. Por ejemplo, existe un debate sobre si los estudios estaban sesgados en contra de los afroamericanos, que puntuaron significativamente más bajo que los estadounidenses blancos en las pruebas de GCA. [87] Sin embargo, las conclusiones sobre la correlación entre ACG y desempeño laboral deben tomarse con cuidado. Algunos investigadores han advertido sobre la existencia de artefactos estadísticos relacionados con las medidas de desempeño laboral y los puntajes de las pruebas GCA. Por ejemplo, Viswesvaran, Ones y Schmidt (1996) [88] argumentaron que es bastante imposible obtener medidas perfectas del desempeño laboral sin incurrir en ningún error metodológico. Además, los estudios sobre GCA y el desempeño laboral siempre son susceptibles de restricción de rango, porque los datos se recopilan principalmente de los empleados actuales, descuidando a los que no fueron contratados. Por lo tanto, la muestra proviene de empleados que aprobaron con éxito el proceso de contratación, incluidas las medidas de GCA. [89]
Ingreso
La correlación entre los ingresos y g , medida por los puntajes de CI, promedia alrededor de .40 en todos los estudios. La correlación es mayor en los niveles educativos superiores y aumenta con la edad, estabilizándose cuando las personas alcanzan su mayor potencial profesional en la mediana edad. Incluso cuando la educación, la ocupación y el entorno socioeconómico se mantienen constantes, la correlación no desaparece. [90]
Otros correlatos
El factor g se refleja en muchos resultados sociales. Muchos problemas de conducta social, como el abandono escolar, la dependencia crónica del bienestar, la propensión a sufrir accidentes y la delincuencia, se correlacionan negativamente con g independientemente de la clase social de origen. [91] Los resultados de salud y mortalidad también están vinculados con g , con puntuaciones más altas en las pruebas de la niñez que predicen mejores resultados de salud y mortalidad en la edad adulta (consulte Epidemiología cognitiva ). [92]
En 2010, el psicólogo Satoshi Kanazawa argumentó que g se correlacionó solo con el desempeño en problemas evolutivamente desconocidos en lugar de evolutivamente familiares , proponiendo lo que denominó la "hipótesis de interacción Savanna-IQ". [93] [94] En respuesta, los psicólogos Scott Barry Kaufman , Colin G. DeYoung , Deirdre Reis y Jeremy R. Gray dieron a 112 sujetos una versión computarizada de 70 ítems de la tarea de selección de Wason (un acertijo lógico ) en una relación social. contexto propuesto por los psicólogos evolutivos Leda Cosmides y John Tooby en The Adapted Mind , [95] y encontró en cambio que "el desempeño en problemas evolutivamente familiares no arbitrarios está más fuertemente relacionado con la inteligencia general que el desempeño en problemas arbitrarios y evolutivamente novedosos". [96] [97]
Determinantes genéticos y ambientales
La heredabilidad es la proporción de variación fenotípica en un rasgo en una población que puede atribuirse a factores genéticos. Se ha estimado que la heredabilidad de g cae entre el 40 y el 80 por ciento utilizando diseños de estudios de gemelos, adopción y otros estudios familiares, así como métodos genéticos moleculares. Las estimaciones basadas en la totalidad de la evidencia sitúan la heredabilidad de g en aproximadamente el 50%. [98] Se ha encontrado que aumenta linealmente con la edad. Por ejemplo, un gran estudio en el que participaron más de 11.000 pares de gemelos de cuatro países informó que la heredabilidad de g era del 41 por ciento a los nueve años, del 55 por ciento a los doce y del 66 por ciento a los diecisiete años. Otros estudios han estimado que la heredabilidad llega al 80 por ciento en la edad adulta, aunque puede disminuir en la vejez. La mayor parte de la investigación sobre la heredabilidad de g se ha realizado en los Estados Unidos y Europa occidental , pero los estudios en Rusia ( Moscú ), la antigua Alemania Oriental , Japón y la India rural han arrojado estimaciones de heredabilidad similares a las de los estudios occidentales. [40] [99] [100] [101]
La investigación genética del comportamiento también ha establecido que los efectos ambientales compartidos (o entre familias) sobre g son fuertes en la infancia, pero disminuyen a partir de entonces y son insignificantes en la edad adulta. Esto indica que los efectos ambientales que son importantes para el desarrollo de g son únicos y no compartidos entre miembros de la misma familia. [100]
La correlación genética es una estadística que indica hasta qué punto los mismos efectos genéticos influyen en dos rasgos diferentes. Si la correlación genética entre dos rasgos es cero, los efectos genéticos sobre ellos son independientes, mientras que una correlación de 1.0 significa que el mismo conjunto de genes explica la heredabilidad de ambos rasgos (independientemente de cuán alta o baja sea la heredabilidad de cada uno). Las correlaciones genéticas entre habilidades mentales específicas (como la habilidad verbal y la habilidad espacial) se han encontrado consistentemente muy altas, cercanas a 1.0. Esto indica que la variación genética en las habilidades cognitivas se debe casi por completo a la variación genética en lo que sea g . También sugiere que lo que es común entre las habilidades cognitivas es causado en gran parte por los genes, y que la independencia entre las habilidades se debe en gran medida a los efectos ambientales. Por tanto, se ha argumentado que cuando se identifiquen los genes de la inteligencia, serán "genes generalistas", cada uno de los cuales afectará a muchas capacidades cognitivas diferentes. [100] [102] [103]
Muchas investigaciones apuntan a que g es un rasgo altamente poligénico influenciado por muchas variantes genéticas comunes, cada una de las cuales tiene solo pequeños efectos. Otra posibilidad es que las diferencias hereditarias en g se deban a que los individuos tienen diferentes "cargas" de mutaciones raras y deletéreas, y que la variación genética entre los individuos persiste debido al equilibrio mutación-selección . [103] [104]
Se ha informado que varios genes candidatos están asociados con diferencias de inteligencia, pero los tamaños del efecto han sido pequeños y casi ninguno de los hallazgos se ha replicado. Hasta ahora, ninguna variante genética individual se ha relacionado de manera concluyente con la inteligencia en el rango normal. Muchos investigadores creen que se necesitarán muestras muy grandes para detectar de manera confiable los polimorfismos genéticos individuales asociados con g . [40] [104] Sin embargo, aunque los genes que influyen en la variación de g en el rango normal han resultado difíciles de encontrar, se han descubierto muchos trastornos de un solo gen con retraso mental entre sus síntomas. [105]
Se ha sugerido que se ha encontrado que la carga g de las pruebas mentales se correlaciona con la heredabilidad, [33] pero tanto los datos empíricos como la metodología estadística relacionada con esta cuestión son materia de activa controversia. [106] [107] [108] Varios estudios sugieren que las pruebas con cargas g más grandes se ven más afectadas por la depresión endogámica que reduce los puntajes de las pruebas. [ cita requerida ] También hay evidencia de que las pruebas con cargas de g más grandes están asociadas con efectos heteróticos positivos más grandes en las puntuaciones de las pruebas, lo que se ha sugerido para indicar la presencia de efectos de dominancia genética para g . [109]
Hallazgos neurocientíficos
g tiene varios correlatos en el cerebro. Los estudios que utilizan imágenes por resonancia magnética (IRM) han establecido que gy el volumen cerebral total están correlacionados moderadamente (r ~ .3 – .4). El tamaño externo de la cabeza tiene una correlación de ~ .2 con g . La investigación de resonancia magnética en las regiones del cerebro indica que los volúmenes de las cortezas frontal , parietal y temporal , y el hipocampo también se correlacionan con g , generalmente en .25 o más, mientras que las correlaciones, promediadas en muchos estudios, con la materia gris en general y la materia blanca en general. se han encontrado en .31 y .27, respectivamente. Algunos estudios, aunque no todos, también han encontrado correlaciones positivas entre g y el grosor cortical. Sin embargo, las razones subyacentes de estas asociaciones entre la cantidad de tejido cerebral y las diferencias en las capacidades cognitivas siguen siendo en gran parte desconocidas. [2]
La mayoría de los investigadores creen que la inteligencia no se puede localizar en una sola región del cerebro, como el lóbulo frontal. Los estudios de lesiones cerebrales han encontrado asociaciones pequeñas pero consistentes que indican que las personas con más lesiones de materia blanca tienden a tener una menor capacidad cognitiva. La investigación que utiliza espectroscopía de RMN ha descubierto correlaciones algo inconsistentes pero generalmente positivas entre la inteligencia y la integridad de la materia blanca, lo que respalda la idea de que la materia blanca es importante para la inteligencia. [2]
Some research suggests that aside from the integrity of white matter, also its organizational efficiency is related to intelligence. The hypothesis that brain efficiency has a role in intelligence is supported by functional MRI research showing that more intelligent people generally process information more efficiently, i.e., they use fewer brain resources for the same task than less intelligent people.[2]
Small but relatively consistent associations with intelligence test scores include also brain activity, as measured by EEG records or event-related potentials, and nerve conduction velocity.[110][111]
g en no humanos
Evidence of a general factor of intelligence has also been observed in non-human animals. Studies have shown that g is responsible for 47% of the variance at the species level in primates[112] and around 55% of the individual variance observed in mice.[113][114] A review and meta-analysis of general intelligence, however, found that the average correlation among cognitive abilities was 0.18 and suggested that overall support for g is weak in non-human animals.[115]
While not able to be assessed using the same intelligence measures used in humans, cognitive ability can be measured with a variety of interactive and observational tools focusing on innovation, habit reversal, social learning, and responses to novelty. Non-human models of g such as mice are used to study genetic influences on intelligence and neurological developmental research into the mechanisms behind and biological correlates of g.[116]
g ( oc ) en grupos humanos
Similar to g for individuals, a new research path aims to extract a general collective intelligence factor c for groups displaying a group's general ability to perform a wide range of tasks.[117] Definition, operationalization and statistical approach for this c factor are derived from and similar to g. Causes, predictive validity as well as additional parallels to g are investigated.[118]
Otras asociaciones biológicas
Height is correlated with intelligence (r~.2), but this correlation has not generally been found within families (i.e., among siblings), suggesting that it results from cross-assortative mating for height and intelligence, or from another factor that correlates with both (e.g. nutrition). Myopia is known to be associated with intelligence, with a correlation of around .2 to .25, and this association has been found within families, too.[119]
Similitudes y diferencias de grupo
Cross-cultural studies indicate that the g factor can be observed whenever a battery of diverse, complex cognitive tests is administered to a human sample. The factor structure of IQ tests has also been found to be consistent across sexes and ethnic groups in the U.S. and elsewhere.[111] The g factor has been found to be the most invariant of all factors in cross-cultural comparisons. For example, when the g factors computed from an American standardization sample of Wechsler's IQ battery and from large samples who completed the Japanese translation of the same battery were compared, the congruence coefficient was .99, indicating virtual identity. Similarly, the congruence coefficient between the g factors obtained from white and black standardization samples of the WISC battery in the U.S. was .995, and the variance in test scores accounted for by g was highly similar for both groups.[120]
Most studies suggest that there are negligible differences in the mean level of g between the sexes, but that sex differences in cognitive abilities are to be found in more narrow domains. For example, males generally outperform females in spatial tasks, while females generally outperform males in verbal tasks.[121] Another difference that has been found in many studies is that males show more variability in both general and specific abilities than females, with proportionately more males at both the low end and the high end of the test score distribution.[122]
Differences in g between racial and ethnic groups have been found, particularly in the U.S. between black- and white-identifying test takers, though these differences appear to have diminished significantly over time,[107] and to be attributable to environmental (rather than genetic) causes.[107][123] Some researchers have suggested that the magnitude of the black-white gap in cognitive test results is dependent on the magnitude of the test's g loading, with tests showing higher g loading producing larger gaps (see Spearman's hypothesis),[124] while others have criticized this view as methodologically unfounded.[125][126] Still others have noted that despite the increasing g loading of IQ test batteries over time, the performance gap between racial groups continues to diminish.[107] Comparative analysis has shown that while a gap of approximately 1.1 standard deviation in mean IQ (around 16 points) between white and black Americans existed in the late 1960s, between 1972 and 2002 black Americans gained between 4 and 7 IQ points relative to non-Hispanic Whites, and that "the g gap between Blacks and Whites declined virtually in tandem with the IQ gap."[107] In contrast, Americans of East Asian descent generally slightly outscore white Americans.[127] It has been claimed that racial and ethnic differences similar to those found in the U.S. can be observed globally,[128] but the significance, methodological grounding, and truth of such claims have all been disputed.[129][130][131][132][133][134]
Relación con otros constructos psicológicos
Elementary cognitive tasks
Elementary cognitive tasks (ECTs) also correlate strongly with g. ECTs are, as the name suggests, simple tasks that apparently require very little intelligence, but still correlate strongly with more exhaustive intelligence tests. Determining whether a light is red or blue and determining whether there are four or five squares drawn on a computer screen are two examples of ECTs. The answers to such questions are usually provided by quickly pressing buttons. Often, in addition to buttons for the two options provided, a third button is held down from the start of the test. When the stimulus is given to the subject, they remove their hand from the starting button to the button of the correct answer. This allows the examiner to determine how much time was spent thinking about the answer to the question (reaction time, usually measured in small fractions of second), and how much time was spent on physical hand movement to the correct button (movement time). Reaction time correlates strongly with g, while movement time correlates less strongly.[135] ECT testing has allowed quantitative examination of hypotheses concerning test bias, subject motivation, and group differences. By virtue of their simplicity, ECTs provide a link between classical IQ testing and biological inquiries such as fMRI studies.
Working memory
One theory holds that g is identical or nearly identical to working memory capacity. Among other evidence for this view, some studies have found factors representing g and working memory to be perfectly correlated. However, in a meta-analysis the correlation was found to be considerably lower.[136] One criticism that has been made of studies that identify g with working memory is that "we do not advance understanding by showing that one mysterious concept is linked to another."[137]
Piagetian tasks
Psychometric theories of intelligence aim at quantifying intellectual growth and identifying ability differences between individuals and groups. In contrast, Jean Piaget's theory of cognitive development seeks to understand qualitative changes in children's intellectual development. Piaget designed a number of tasks to verify hypotheses arising from his theory. The tasks were not intended to measure individual differences, and they have no equivalent in psychometric intelligence tests.[138][139] For example, in one of the best-known Piagetian conservation tasks a child is asked if the amount of water in two identical glasses is the same. After the child agrees that the amount is the same, the investigator pours the water from one of the glasses into a glass of different shape so that the amount appears different although it remains the same. The child is then asked if the amount of water in the two glasses is the same or different.
Notwithstanding the different research traditions in which psychometric tests and Piagetian tasks were developed, the correlations between the two types of measures have been found to be consistently positive and generally moderate in magnitude. A common general factor underlies them. It has been shown that it is possible to construct a battery consisting of Piagetian tasks that is as good a measure of g as standard IQ tests.[138][140]
Personality
The traditional view in psychology is that there is no meaningful relationship between personality and intelligence, and that the two should be studied separately. Intelligence can be understood in terms of what an individual can do, or what his or her maximal performance is, while personality can be thought of in terms of what an individual will typically do, or what his or her general tendencies of behavior are. Research has indicated that correlations between measures of intelligence and personality are small, and it has thus been argued that g is a purely cognitive variable that is independent of personality traits. In a 2007 meta-analysis the correlations between g and the "Big Five" personality traits were found to be as follows:
- conscientiousness −.04
- agreeableness .00
- extraversion .02
- openness .22
- emotional stability .09
The same meta-analysis found a correlation of .20 between self-efficacy and g.[141][142][143]
Some researchers have argued that the associations between intelligence and personality, albeit modest, are consistent. They have interpreted correlations between intelligence and personality measures in two main ways. The first perspective is that personality traits influence performance on intelligence tests. For example, a person may fail to perform at a maximal level on an IQ test due to his or her anxiety and stress-proneness. The second perspective considers intelligence and personality to be conceptually related, with personality traits determining how people apply and invest their cognitive abilities, leading to knowledge expansion and greater cognitive differentiation.[141][144]
Creativity
Some researchers believe that there is a threshold level of g below which socially significant creativity is rare, but that otherwise there is no relationship between the two. It has been suggested that this threshold is at least one standard deviation above the population mean. Above the threshold, personality differences are believed to be important determinants of individual variation in creativity.[145][146]
Others have challenged the threshold theory. While not disputing that opportunity and personal attributes other than intelligence, such as energy and commitment, are important for creativity, they argue that g is positively associated with creativity even at the high end of the ability distribution. The longitudinal Study of Mathematically Precocious Youth has provided evidence for this contention. It has showed that individuals identified by standardized tests as intellectually gifted in early adolescence accomplish creative achievements (for example, securing patents or publishing literary or scientific works) at several times the rate of the general population, and that even within the top 1 percent of cognitive ability, those with higher ability are more likely to make outstanding achievements. The study has also suggested that the level of g acts as a predictor of the level of achievement, while specific cognitive ability patterns predict the realm of achievement.[147][148]
Desafíos
Gf-Gc theory
Raymond Cattell, a student of Charles Spearman's, rejected the unitary g factor model and divided g into two broad, relatively independent domains: fluid intelligence (Gf) and crystallized intelligence (Gc). Gf is conceptualized as a capacity to figure out novel problems, and it is best assessed with tests with little cultural or scholastic content, such as Raven's matrices. Gc can be thought of as consolidated knowledge, reflecting the skills and information that an individual acquires and retains throughout his or her life. Gc is dependent on education and other forms of acculturation, and it is best assessed with tests that emphasize scholastic and cultural knowledge.[2][44][149] Gf can be thought to primarily consist of current reasoning and problem solving capabilities, while Gc reflects the outcome of previously executed cognitive processes.[150]
The rationale for the separation of Gf and Gc was to explain individuals' cognitive development over time. While Gf and Gc have been found to be highly correlated, they differ in the way they change over a lifetime. Gf tends to peak at around age 20, slowly declining thereafter. In contrast, Gc is stable or increases across adulthood. A single general factor has been criticized as obscuring this bifurcated pattern of development. Cattell argued that Gf reflected individual differences in the efficiency of the central nervous system. Gc was, in Cattell's thinking, the result of a person "investing" his or her Gf in learning experiences throughout life.[2][30][44][151]
Cattell, together with John Horn, later expanded the Gf-Gc model to include a number of other broad abilities, such as Gq (quantitative reasoning) and Gv (visual-spatial reasoning). While all the broad ability factors in the extended Gf-Gc model are positively correlated and thus would enable the extraction of a higher order g factor, Cattell and Horn maintained that it would be erroneous to posit that a general factor underlies these broad abilities. They argued that g factors computed from different test batteries are not invariant and would give different values of g, and that the correlations among tests arise because it is difficult to test just one ability at a time.[2][48][152]
However, several researchers have suggested that the Gf-Gc model is compatible with a g-centered understanding of cognitive abilities. For example, John B. Carroll's three-stratum model of intelligence includes both Gf and Gc together with a higher-order g factor. Based on factor analyses of many data sets, some researchers have also argued that Gf and g are one and the same factor and that g factors from different test batteries are substantially invariant provided that the batteries are large and diverse.[44][153][154]
Several theorists have proposed that there are intellectual abilities that are uncorrelated with each other. Among the earliest was L.L. Thurstone who created a model of primary mental abilities representing supposedly independent domains of intelligence. However, Thurstone's tests of these abilities were found to produce a strong general factor. He argued that the lack of independence among his tests reflected the difficulty of constructing "factorially pure" tests that measured just one ability. Similarly, J.P. Guilford proposed a model of intelligence that comprised up to 180 distinct, uncorrelated abilities, and claimed to be able to test all of them. Later analyses have shown that the factorial procedures Guilford presented as evidence for his theory did not provide support for it, and that the test data that he claimed provided evidence against g did in fact exhibit the usual pattern of intercorrelations after correction for statistical artifacts.[155][156]
More recently, Howard Gardner has developed the theory of multiple intelligences. He posits the existence of nine different and independent domains of intelligence, such as mathematical, linguistic, spatial, musical, bodily-kinesthetic, meta-cognitive, and existential intelligences, and contends that individuals who fail in some of them may excel in others. According to Gardner, tests and schools traditionally emphasize only linguistic and logical abilities while neglecting other forms of intelligence. While popular among educationalists, Gardner's theory has been much criticized by psychologists and psychometricians. One criticism is that the theory does violence to both scientific and everyday usages of the word "intelligence." Several researchers have argued that not all of Gardner's intelligences fall within the cognitive sphere. For example, Gardner contends that a successful career in professional sports or popular music reflects bodily-kinesthetic intelligence and musical intelligence, respectively, even though one might usually talk of athletic and musical skills, talents, or abilities instead. Another criticism of Gardner's theory is that many of his purportedly independent domains of intelligence are in fact correlated with each other. Responding to empirical analyses showing correlations between the domains, Gardner has argued that the correlations exist because of the common format of tests and because all tests require linguistic and logical skills. His critics have in turn pointed out that not all IQ tests are administered in the paper-and-pencil format, that aside from linguistic and logical abilities, IQ test batteries contain also measures of, for example, spatial abilities, and that elementary cognitive tasks (for example, inspection time and reaction time) that do not involve linguistic or logical reasoning correlate with conventional IQ batteries, too.[71][157][158][159]
Robert Sternberg, working with various colleagues, has also suggested that intelligence has dimensions independent of g. He argues that there are three classes of intelligence: analytic, practical, and creative. According to Sternberg, traditional psychometric tests measure only analytic intelligence, and should be augmented to test creative and practical intelligence as well. He has devised several tests to this effect. Sternberg equates analytic intelligence with academic intelligence, and contrasts it with practical intelligence, defined as an ability to deal with ill-defined real-life problems. Tacit intelligence is an important component of practical intelligence, consisting of knowledge that is not explicitly taught but is required in many real-life situations. Assessing creativity independent of intelligence tests has traditionally proved difficult, but Sternberg and colleagues have claimed to have created valid tests of creativity, too. The validation of Sternberg's theory requires that the three abilities tested are substantially uncorrelated and have independent predictive validity. Sternberg has conducted many experiments which he claims confirm the validity of his theory, but several researchers have disputed this conclusion. For example, in his reanalysis of a validation study of Sternberg's STAT test, Nathan Brody showed that the predictive validity of the STAT, a test of three allegedly independent abilities, was almost solely due to a single general factor underlying the tests, which Brody equated with the g factor.[160][161]
Flynn's model
James Flynn has argued that intelligence should be conceptualized at three different levels: brain physiology, cognitive differences between individuals, and social trends in intelligence over time. According to this model, the g factor is a useful concept with respect to individual differences but its explanatory power is limited when the focus of investigation is either brain physiology, or, especially, the effect of social trends on intelligence. Flynn has criticized the notion that cognitive gains over time, or the Flynn effect, are "hollow" if they cannot be shown to be increases in g. He argues that the Flynn effect reflects shifting social priorities and individuals' adaptation to them. To apply the individual differences concept of g to the Flynn effect is to confuse different levels of analysis. On the other hand, according to Flynn, it is also fallacious to deny, by referring to trends in intelligence over time, that some individuals have "better brains and minds" to cope with the cognitive demands of their particular time. At the level of brain physiology, Flynn has emphasized both that localized neural clusters can be affected differently by cognitive exercise, and that there are important factors that affect all neural clusters.[162]
Other criticisms
Perhaps the most famous critique of the construct of g is that of the paleontologist and biologist Stephen Jay Gould, presented in his 1981 book The Mismeasure of Man. He argued that psychometricians have fallaciously reified the g factor as a physical thing in the brain, even though it is simply the product of statistical calculations (i.e., factor analysis). He further noted that it is possible to produce factor solutions of cognitive test data that do not contain a g factor yet explain the same amount of information as solutions that yield a g. According to Gould, there is no rationale for preferring one factor solution to another, and factor analysis therefore does not lend support to the existence of an entity like g. More generally, Gould criticized the g theory for abstracting intelligence as a single entity and for ranking people "in a single series of worthiness", arguing that such rankings are used to justify the oppression of disadvantaged groups.[37][163]
Many researchers have criticized Gould's arguments. For example, they have rejected the accusation of reification, maintaining that the use of extracted factors such as g as potential causal variables whose reality can be supported or rejected by further investigations constitutes a normal scientific practice that in no way distinguishes psychometrics from other sciences. Critics have also suggested that Gould did not understand the purpose of factor analysis, and that he was ignorant of relevant methodological advances in the field. While different factor solutions may be mathematically equivalent in their ability to account for intercorrelations among tests, solutions that yield a g factor are psychologically preferable for several reasons extrinsic to factor analysis, including the phenomenon of the positive manifold, the fact that the same g can emerge from quite different test batteries, the widespread practical validity of g, and the linkage of g to many biological variables.[37][38][164]
John Horn and John McArdle have argued that the modern g theory, as espoused by, for example, Arthur Jensen, is unfalsifiable, because the existence of a common factor like g follows tautologically from positive correlations among tests. They contrasted the modern hierarchical theory of g with Spearman's original two-factor theory which was readily falsifiable (and indeed was falsified).[30]
Joseph Graves Jr. and Amanda Johnson have argued that g "...is to the psychometricians what Huygens' ether was to early physicists: a nonentity taken as an article of faith instead of one in need of verification by real data."[165]
Ver también
- Charles Spearman
- Factor analysis in psychometrics
- Fluid and crystallized intelligence
- Flynn effect
- Intelligence
- Intelligence quotient
- Malleability of intelligence
- Spearman's hypothesis
- Eugenics
Referencias
- ^ a b Kamphaus et al. 2005
- ^ a b c d e f g h Deary et al. 2010
- ^ 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.
- ^ Jensen 1998, 545
- ^ 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.
- ^ Neisser et al. 1996
- ^ Adapted from Jensen 1998, 24. The correlation matrix was originally published in Spearman 1904, and it is based on the school performance of a sample of English children. While this analysis is historically important and has been highly influential, it does not meet modern technical standards. See Mackintosh 2011, 44ff. and Horn & McArdle 2007 for discussion of Spearman's methods.
- ^ Adapted from Chabris 2007, Table 19.1.
- ^ Gottfredson 1998
- ^ Deary, I. J. (2001). Intelligence. A Very Short Introduction. Oxford University Press. p. 12. ISBN 9780192893215.
- ^ Spearman 1904
- ^ Deary 2000, 6
- ^ a b c d Jensen 1992
- ^ Jensen 1998, 28
- ^ a b c d van deer Maas et al. 2006
- ^ Jensen 1998, 26, 36–39
- ^ Jensen 1998, 26, 36–39, 89–90
- ^ a b Jensen 2002
- ^ a b Floyd et al. 2009
- ^ a b Jensen 1980, 213
- ^ Jensen 1998, 94
- ^ a b Hunt 2011, 94
- ^ Jensen 1998, 18–19, 35–36, 38. The idea of a general, unitary mental ability was introduced to psychology by Herbert Spencer and Francis Galton in the latter half of the 19th century, but their work was largely speculative, with little empirical basis.
- ^ Jensen 1998, 91–92, 95
- ^ Jensen 2000
- ^ Mackintosh 2011, 157
- ^ Jensen 1998, 117
- ^ Bartholomew et al. 2009
- ^ Jensen 1998, 120
- ^ a b c Horn & McArdle 2007
- ^ Jensen 1998, 120–121
- ^ Mackintosh 2011, 157–158
- ^ a b Rushton & Jensen 2010
- ^ Mackintosh 2011, 44–45
- ^ 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.
- ^ Jensen 1998, 18, 31–32
- ^ a b c d Carroll 1995
- ^ a b Jensen 1982
- ^ Jensen 1998, 73
- ^ a b c d Deary 2012
- ^ Mackintosh 2011, 57
- ^ Jensen 1998, 46
- ^ Carroll 1997. The total common factor variance consists of the variance due to the g factor and the group factors considered together. The variance not accounted for by the common factors, referred to as uniqueness, comprises subtest-specific variance and measurement error.
- ^ a b c d Davidson & Kemp 2011
- ^ Mackintosh 2011, 151
- ^ Jensen 1998, 31
- ^ Mackintosh 2011, 151–153
- ^ a b McGrew 2005
- ^ Kvist & Gustafsson 2008
- ^ Johnson et al. 2004
- ^ Johnson et al. 2008
- ^ Mackintosh 2011, 150–153. See also Keith et al. 2001 where the g factors from the CAS and WJ III test batteries were found to be statistically indistinguishable, and Stauffer et al. 1996 where similar results were found for the ASVAB battery and a battery of cognitive-components-based tests.
- ^ Jensen 1998, 88, 101–103
- ^ Spearman, C. (1927). The abilities of man. New York: MacMillan.
- ^ 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.
- ^ Deary & Pagliari 1991
- ^ a b Deary et al. 1996
- ^ a b Tucker-Drob 2009
- ^ 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.
- ^ 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.
- ^ 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.
- ^ a b c Jensen 1998, 270
- ^ Gottfredson 2002
- ^ 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.
- ^ 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.
- ^ 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.
- ^ a b Sackett et al. 2008
- ^ Jensen 1998, 272, 301
- ^ Jensen 1998, 279–280
- ^ Jensen 1998, 279
- ^ a b Brody 2006
- ^ Frey & Detterman 2004
- ^ a b Schmidt & Hunter 2004
- ^ Jensen 1998, 292–293
- ^ Schmidt & Hunter 2004. These validity coefficients have been corrected for measurement error in the dependent variable (i.e., job or training performance) and for range restriction but not for measurement error in the independent variable (i.e., measures of g).
- ^ 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.
- ^ 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.
- ^ 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.
- ^ 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.
- ^ 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.
- ^ Gottfredson, L. S. (1991). "The evaluation of alternative measures of job performance". Performance Assessment for the Workplace: 75–126.
- ^ 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.
- ^ 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.
- ^ 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.
- ^ 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.
- ^ 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.
- ^ 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.
- ^ 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.
- ^ 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.
- ^ Jensen 1998, 568
- ^ Jensen 1998, 271
- ^ Gottfredson 2007
- ^ 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.
- ^ 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.
- ^ 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.
- ^ 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.
- ^ Kaufman, Scott Barry (2 July 2011). "Is General Intelligence Compatible with Evolutionary Psychology?". Psychology Today. Sussex Publishers. Retrieved 16 February 2018.
- ^ 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.
- ^ Deary et al. 2006
- ^ a b c Plomin & Spinath 2004
- ^ Haworth et al. 2010
- ^ Kovas & Plomin 2006
- ^ a b Penke et al. 2007
- ^ a b Chabris et al. 2012
- ^ Plomin 2003
- ^ Ashton, M. C., & Lee, K. (2005). Problems with the method of correlated vectors. Intelligence, 33(4), 431–444.
- ^ 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.
- ^ Flynn, J. R. (2010). The spectacles through which I see the race and IQ debate. Intelligence, 38(4), 363–366.
- ^ Jensen 1998, 189–197
- ^ Mackintosh 2011, 134–138
- ^ a b Chabris 2007
- ^ 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.
- ^ Locurto, C., & Durkin, E. Problem-solving and individual differences in mice (Mus musculus) using water reinforcement. J Comp Psychol.
- ^ Locurto, C. & Scanlon, C. Individual differences and a spatial learning factor in two strains of mice (Mus musculus). J. Comp. Psychol. 112, 344–352 (1998).
- ^ 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.
- ^ Anderson, B. (2000). The g factor in non-human animals. The nature of intelligence, (285), 79.
- ^ 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.
- ^ 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.
- ^ Jensen 1998, 146, 149–150
- ^ Jensen 1998, 87–88
- ^ Hunt, Earl B. (2010). Human Intelligence. Cambridge University Press. pp. 378–379. ISBN 978-1139495110.
- ^ Mackintosh 2011, 360–373
- ^ 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).
- ^ Jensen 1998, 369–399
- ^ Schönemann, Peter (1997). "Famous artefacts: Spearman's hypothesis" (PDF). Current Psychology of Cognition. 16 (6): 665–694.[dead link]
- ^ 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.
- ^ Hunt 2011, 421
- ^ Lynn 2003
- ^ 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.
- ^ 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.
- ^ 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.
- ^ Case for Non-Biased Intelligence Testing Against Black Africans Has Not Been Made: A Comment on Rushton, Skuy, and Bons (2004) 1*, Leah K. Hamilton1, Betty R. Onyura1 and Andrew S. Winston International Journal of Selection and Assessment Volume 14 Issue 3 Page 278 - September 2006
- ^ Culture-Fair Cognitive Ability Assessment Steven P. Verney Assessment, Vol. 12, No. 3, 303-319 (2005)
- ^ The attack of the psychometricians Archived 2007-06-08 at the Wayback Machine. DENNY BORSBOOM. PSYCHOMETRIKA VOL 71, NO 3, 425–440. SEPTEMBER 2006.
- ^ Jensen 1998, 213
- ^ Ackerman et al. 2005
- ^ Mackintosh 2011, 158
- ^ a b Weinberg 1989
- ^ Lautrey 2002
- ^ Humphreys et al. 1985
- ^ a b von Stumm et al. 2011
- ^ Jensen 1998, 573
- ^ Judge et al. 2007
- ^ von Stumm et al. 2009
- ^ Jensen 1998, 577
- ^ Eysenck 1995
- ^ Lubinski 2009
- ^ Robertson et al. 2010
- ^ Jensen 1998, 122–123
- ^ Sternberg et al. 1981
- ^ Jensen 1998, 123
- ^ Jensen 1998, 124
- ^ Jensen 1998, 125
- ^ Mackintosh 2011, 152–153
- ^ Jensen 1998, 77–78, 115–117
- ^ Mackintosh 2011, 52, 239
- ^ Jensen 1998, 128–132
- ^ Deary 2001, 15–16
- ^ Mackintosh 2011, 236–237
- ^ Hunt 2011, 120–130
- ^ Mackintosh 2011, 223–235
- ^ Flynn 2011
- ^ Gould 1996, 56–57
- ^ Korb 1994
- ^ 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.
- Bundled references
Bibliografía
- Ackerman, P. L.; Beier, M. E.; Boyle, M. O. (2005). "Working memory and intelligence: The same or different constructs?". Psychological Bulletin. 131 (1): 30–60. doi:10.1037/0033-2909.131.1.30. PMID 15631550. S2CID 14087289.
- Bartholomew, D.J.; Deary, I.J.; Lawn, M. (2009). "A New Lease of Life for Thomson's Bonds Model of Intelligence" (PDF). Psychological Review. 116 (3): 567–579. doi:10.1037/a0016262. PMID 19618987.
- Brody, N. (2006). Geocentric theory: A valid alternative to Gardner's theory of intelligence. In Schaler J. A. (Ed.), Howard Gardner under fire: The rebel psychologist faces his critics. Chicago: Open Court.
- Carroll, J.B. (1995). "Reflections on Stephen Jay Gould's The Mismeasure of Man (1981) A Retrospective Review". Intelligence. 21 (2): 121–134. doi:10.1016/0160-2896(95)90022-5.
- Carroll, J.B. (1997). "Psychometrics, Intelligence, and Public Perception" (PDF). Intelligence. 24: 25–52. CiteSeerX 10.1.1.408.9146. doi:10.1016/s0160-2896(97)90012-x.
- Chabris, C.F. (2007). Cognitive and Neurobiological Mechanisms of the Law of General Intelligence. In Roberts, M. J. (Ed.) Integrating the mind: Domain general versus domain specific processes in higher cognition. Hove, UK: Psychology Press.
- Chabris, C.F.; Hebert, B.M.; Benjamin, D.J.; Beauchamp, J.P.; Cesarini, D.; van der Loos, M.J.H.M.; Johannesson, M.; Magnusson, P.K.E.; Lichtenstein, P.; Atwood, C.S.; Freese, J.; Hauser, T.S.; Hauser, R.M.; Christakis, N.A. & Laibson, D. (2012). "Most Reported Genetic Associations with General Intelligence Are Probably False Positives" (PDF). Psychological Science. 23 (11): 1314–1323. doi:10.1177/0956797611435528. PMC 3498585. PMID 23012269. Archived from the original (PDF) on 21 October 2012. Retrieved 28 September 2012.
- Davidson, J.E. & Kemp, I.A. (2011). Contemporary models of intelligence. In R.J. Sternberg & S.B. Kaufman (Eds.), The Cambridge Handbook of Intelligence. New York, NY: Cambridge University Press.
- Deary, I.J. (2012). "Intelligence" (PDF). Annual Review of Psychology. 63: 453–482. doi:10.1146/annurev-psych-120710-100353. PMID 21943169. Archived (PDF) from the original on 25 February 2021. Retrieved 25 February 2021.
- Deary, I.J. (2001). Intelligence. A Very Short Introduction. Oxford: Oxford University Press. doi:10.1093/actrade/9780192893215.001.0001
- Deary I.J. (2000). Looking Down on Human Intelligence: From Psychometrics to the Brain. Oxford, England: Oxford University Press. doi:10.1093/acprof:oso/9780198524175.001.0001
- Deary, I.J.; Pagliari, C. (1991). "The strength of g at different levels of ability: Have Detterman and Daniel rediscovered Spearman's "law of diminishing returns"?". Intelligence. 15 (2): 247–250. doi:10.1016/0160-2896(91)90033-A.
- Deary, I.J.; Egan, V.; Gibson, G.J.; Brand, C.R.; Austin, E.; Kellaghan, T. (1996). "Intelligence and the differentiation hypothesis". Intelligence. 23 (2): 105–132. doi:10.1016/S0160-2896(96)90008-2.
- Deary, I.J.; Spinath, F.M.; Bates, T.C. (2006). "Genetics of intelligence". Eur J Hum Genet. 14 (6): 690–700. doi:10.1038/sj.ejhg.5201588. PMID 16721405.
- Deary, I.J.; Penke, L.; Johnson, W. (2010). "The neuroscience of human intelligence differences" (PDF). Nature Reviews Neuroscience. 11 (3): 201–211. doi:10.1038/nrn2793. hdl:20.500.11820/9b11fac3-47d0-424c-9d1c-fe6f9ff2ecac. PMID 20145623. S2CID 5136934.
- 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.
- Eysenck, H.J. (1995). Creativity as a product of intelligence and personality. In Saklofske, D.H. & Zeidner, M. (Eds.), International Handbook of Personality and Intelligence (pp. 231–247). New York, NY, US: Plenum Press.
- Floyd, R. G.; Shands, E. I.; Rafael, F. A.; Bergeron, R.; McGrew, K. S. (2009). "The dependability of general-factor loadings: The effects of factor-extraction methods, test battery composition, test battery size, and their interactions" (PDF). Intelligence. 37 (5): 453–465. doi:10.1016/j.intell.2009.05.003.
- Flynn, J. (2011). Secular changes in intelligence. Pages 647–665 in R.J. Sternberg & S.B. Kaufman (eds.), Cambridge Handbook of Intelligence. New York, NY: Cambridge University Press.
- Frey, M. C.; Detterman, D. K. (2004). "Scholastic Assessment or g? The Relationship Between the Scholastic Assessment Test and General Cognitive Ability" (PDF). Psychological Science. 15 (6): 373–378. doi:10.1111/j.0956-7976.2004.00687.x. PMID 15147489. S2CID 12724085.
- Gottfredson, L. S. (1998). "Winter). The general intelligence factor". Scientific American Presents. 9 (4): 24–29.
- Gottfredson, L. S. (2002). g: Highly general and highly practical. Pages 331–380 in R. J. Sternberg & E. L. Grigorenko (Eds.), The general factor of intelligence: How general is it? Mahwah, NJ: Erlbaum.
- Gottfredson, L.S. (2007). Innovation, fatal accidents, and the evolution of general intelligence. In M. J. Roberts (Ed.), Integrating the mind: Domain general versus domain specific processes in higher cognition (pp. 387–425). Hove, UK: Psychology Press.
- Gottfredson, L.S. (2011). Intelligence and social inequality: Why the biological link? pp. 538–575 in T. Chamorro-Premuzic, A. Furhnam, & S. von Stumm (Eds.), Handbook of Individual Differences. Wiley-Blackwell.
- Gould, S.J. (1996, Revised Edition). The Mismeasure of Man. New York: W. W. Norton & Company.
- Haworth, C.M.A.; et al. (2010). "The heritability of general cognitive ability increases linearly from childhood to young adulthood". Mol Psychiatry. 15 (11): 1112–1120. doi:10.1038/mp.2009.55. PMC 2889158. PMID 19488046.
- Horn, J. L. & McArdle, J.J. (2007). Understanding human intelligence since Spearman. In R. Cudeck & R. MacCallum, (Eds.). Factor Analysis at 100 years (pp. 205–247). Mahwah, NJ: Lawrence Erlbaum Associates, Inc.
- Humphreys, L.G.; Rich, S.A.; Davey, T.C. (1985). "A Piagetian Test of General Intelligence". Developmental Psychology. 21 (5): 872–877. doi:10.1037/0012-1649.21.5.872.
- Hunt, E.B. (2011). Human Intelligence. Cambridge, UK: Cambridge University Press.
- Jensen, A.R. (1980). Bias in Mental Testing. New York: The Free Press.
- Jensen, A.R. (1982). "The Debunking of Scientific Fossils and Straw Persons". Contemporary Education Review. 1: 121–135.
- Jensen, A.R. (1992). "Understanding g in terms of information processing". Educational Psychology Review. 4 (3): 271–308. doi:10.1007/bf01417874. S2CID 54739564.
- Jensen, A.R. (1998). The g factor: The science of mental ability. Westport, CT: Praeger. ISBN 0-275-96103-6
- Jensen, A.R. (2000). A Nihilistic Philosophy of Science for a Scientific Psychology? Psycoloquy, 11, Issue 088, Article 49.
- Jensen, A.R. (2002). Psychometric g: Definition and substantiation. In R.J. Sternberg & E.L. Grigorenko (Eds.), General factor of intelligence: How general is it? (pp. 39–54). Mahwah, NJ: Erlbaum.
- Johnson, W.; Bouchard, T.J.; Krueger, R.F.; McGue, M.; Gottesman, I.I. (2004). "Just one g: Consistent results from three test batteries". Intelligence. 32: 95–107. doi:10.1016/S0160-2896(03)00062-X.
- Johnson, W.; te Nijenhuis, J.; Bouchard Jr, T. (2008). "Still just 1 g: Consistent results from five test batteries". Intelligence. 36: 81–95. doi:10.1016/j.intell.2007.06.001.
- Judge, T. A.; Jackson, C. L.; Shaw, J. C.; Scott, B. A.; Rich, B. L. (2007). "Self-efficacy and work-related performance: The integral role of individual differences". Journal of Applied Psychology. 92 (1): 107–127. doi:10.1037/0021-9010.92.1.107. PMID 17227155. S2CID 333238.
- Kamphaus, R.W., Winsor, A.P., Rowe, E.W., & Kim, S. (2005). A history of intelligence test interpretation. In D.P. Flanagan and P.L. Harrison (Eds.), Contemporary intellectual assessment: Theories, tests, and issues (2nd Ed.) (pp. 23–38). New York: Guilford.
- Kane, M. J.; Hambrick, D. Z.; Conway, A. R. A. (2005). "Working memory capacity and fluid intelligence are strongly related constructs: Comment on Ackerman, Beier, and Boyle (2004)" (PDF). Psychological Bulletin. 131 (1): 66–71. doi:10.1037/0033-2909.131.1.66. PMID 15631552.
- Keith, T.Z.; Kranzler, J.H.; Flanagan, D.P. (2001). "What does the Cognitive Assessment System (CAS) measure? Joint confirmatory factor analysis of the CAS and the Woodcock-Johnson Tests of Cognitive Ability (3rd Edition)". School Psychology Review. 30: 89–119. doi:10.1080/02796015.2001.12086102. S2CID 141437006.
- Korb, K. B. (1994). "Stephen Jay Gould on intelligence". Cognition. 52 (2): 111–123. CiteSeerX 10.1.1.22.9513. doi:10.1016/0010-0277(94)90064-7. PMID 7924200. S2CID 10514854.
- Kovas, Y.; Plomin, R. (2006). "Generalist genes: implications for the cognitive sciences". Trends in Cognitive Sciences. 10 (5): 198–203. doi:10.1016/j.tics.2006.03.001. PMID 16580870. S2CID 13943225.
- Kvist, A. & Gustafsson, J.-E. (2008). The relation between fluid intelligence and the general factor as a function of cultural background: A test of Cattell's Investment theory. Intelligence 36, 422–436.
- Lautrey, J. (2002). Is there a general factor of cognitive development? In Sternberg, R.J. & Grigorenko, E.L. (Eds.), The general factor of intelligence: How general is it? Mahwah, NJ: Erlbaum.
- Lubinski, D (2009). "Exceptional Cognitive Ability: The Phenotype". Behavior Genetics. 39 (4): 350–358. doi:10.1007/s10519-009-9273-0. PMID 19424784. S2CID 7900602.
- Lynn, R. (2003). The Geography of Intelligence. In Nyborg, H. (ed.), The Scientific Study of General Intelligence: Tribute to Arthur R. Jensen (pp. 126–146). Oxford: Pergamon.
- Mackintosh, N.J. (2011). IQ and Human Intelligence. Oxford, UK: Oxford University Press.
- McGrew, K.S. (2005). The Cattell-Horn-Carroll Theory of Cognitive Abilities: Past, Present, and Future. Contemporary Intellectual Assessment: Theories, Tests, and Issues. (pp. 136–181) New York, NY, US: Guilford Press Flanagan, Dawn P. (Ed); Harrison, Patti L. (Ed), (2005). xvii, 667 pp.
- Neisser, U.; Boodoo, G.; Bouchard Jr, T.J.; Boykin, A.W.; Brody, N.; Ceci, S.J.; Halpern, D.F.; Loehlin, J.C.; Perloff, R. (1996). "Intelligence: Knowns and Unknowns". American Psychologist. 51 (2): 77–101. CiteSeerX 10.1.1.322.5525. doi:10.1037/0003-066x.51.2.77.
- Oberauer, K.; Schulze, R.; Wilhelm, O.; Süß, H.-M. (2005). "Working memory and intelligence – their correlation and their relation: A comment on Ackerman, Beier, and Boyle (2005)". Psychological Bulletin. 131 (1): 61–65. doi:10.1037/0033-2909.131.1.61. PMID 15631551. S2CID 2508020.
- Penke, L.; Denissen, J.J.A.; Miller, G.F. (2007). "The Evolutionary Genetics of Personality" (PDF). European Journal of Personality. 21 (5): 549–587. doi:10.1002/per.629. S2CID 13403823.
- Plomin, R (2003). "Genetics, genes, genomics and g." Molecular Psychiatry. 8 (1): 1–5. doi:10.1038/sj.mp.4001249. PMID 12556898.
- Plomin, R.; Spinath, F.M. (2004). "Intelligence: genetics, genes, and genomics". J Pers Soc Psychol. 86 (1): 112–129. doi:10.1037/0022-3514.86.1.112. PMID 14717631. S2CID 5734393.
- Robertson, K.F.; Smeets, S.; Lubinski, D.; Benbow, C.P. (2010). "Beyond the Threshold Hypothesis: Even Among the Gifted and Top Math/Science Graduate Students, Cognitive Abilities, Vocational Interests, and Lifestyle Preferences Matter for Career Choice, Performance, and Persistence". Current Directions in Psychological Science. 19 (6): 346–351. doi:10.1177/0963721410391442. S2CID 46218795.
- Roth, P.L.; Bevier, C.A.; Bobko, P.; Switzer III, F.S.; Tyler, P. (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.
- Rushton, J.P.; Jensen, A.R. (2010). "The rise and fall of the Flynn Effect as a reason to expect a narrowing of the Black–White IQ gap". Intelligence. 38 (2): 213–219. doi:10.1016/j.intell.2009.12.002.
- Sackett, P.R.; Borneman, M.J.; Connelly, B.S. (2008). "High-Stakes Testing in Higher Education and Employment. Appraising the Evidence for Validity and Fairness". American Psychologist. 63 (4): 215–227. CiteSeerX 10.1.1.189.2163. doi:10.1037/0003-066x.63.4.215. PMID 18473607.
- Schmidt, F.L.; Hunter, J. (2004). "General Mental Ability in the World of Work: Occupational Attainment and Job Performance" (PDF). Journal of Personality and Social Psychology. 86 (1): 162–173. CiteSeerX 10.1.1.394.8878. doi:10.1037/0022-3514.86.1.162. PMID 14717634.
- Spearman, C.E. (1904). "'General intelligence', Objectively Determined And Measured" (PDF). American Journal of Psychology. 15 (2): 201–293. doi:10.2307/1412107. JSTOR 1412107. Archived from the original (PDF) on 7 April 2014.
- Spearman, C.E. (1927). The Abilities of Man. London: Macmillan.
- Stauffer, J.; Ree, M.J.; Carretta, T.R. (1996). "Cognitive-Components Tests Are Not Much More than g: An Extension of Kyllonen's Analyses". The Journal of General Psychology. 123 (3): 193–205. doi:10.1080/00221309.1996.9921272.
- Sternberg, R. J.; Conway, B. E.; Ketron, J. L.; Bernstein, M. (1981). "People's conception of intelligence". Journal of Personality and Social Psychology. 41: 37–55. doi:10.1037/0022-3514.41.1.37.
- von Stumm, S.; Chamorro-Premuzic, T.; Quiroga, M.Á.; Colom, R. (2009). "Separating narrow and general variances in intelligence-personality associations". Personality and Individual Differences. 47 (4): 336–341. doi:10.1016/j.paid.2009.03.024.
- von Stumm, S., Chamorro-Premuzic, T., Ackerman, P. L. (2011). Re-visiting intelligence-personality associations: Vindicating intellectual investment. In T. Chamorro-Premuzic, S. von Stumm, & A. Furnham (eds.), Handbook of Individual Differences. Chichester, UK: Wiley-Blackwell.
- Tucker-Drob, E.M. (2009). "Differentiation of cognitive abilities across the life span". Developmental Psychology. 45 (4): 1097–1118. doi:10.1037/a0015864. PMC 2855504. PMID 19586182.
- van der Maas, H. L. J.; Dolan, C. V.; Grasman, R. P. P. P.; Wicherts, J. M.; Huizenga, H. M.; Raaijmakers, M. E. J. (2006). "A dynamical model of general intelligence: The positive manifold of intelligence by mutualism" (PDF). Psychological Review. 13 (4): 842–860. doi:10.1037/0033-295x.113.4.842. PMID 17014305. Archived from the original (PDF) on 17 April 2012. Retrieved 1 August 2012.
- Weinberg, R.A. (1989). "Intelligence and IQ. Landmark Issues and Great Debates". American Psychologist. 44 (2): 98–104. doi:10.1037/0003-066X.44.2.98.