Opći faktor inteligencije (g): razvoj koncepta, empirijski dokazi i suvremene rasprave

Uvod: što označava g

Različite kognitivne mjere u pravilu pozitivno koreliraju. Taj se obrazac naziva pozitivni manifold. Osoba koja postiže bolje rezultate na jednoj skupini kognitivnih zadataka često postiže bolje rezultate i na drugim zadacima, iako korelacije nisu savršene.

Iz zajedničke kovarijacije među kognitivnim mjerama može se izdvojiti opća komponenta g kao statistički i mjerni sažetak. U ovom radu g ne označava dokazanu jedinstvenu kauzalnu sposobnost, nego faktor kojim se opisuje dio zajedničke varijance među mjerenjima. Otvoreno ostaje pitanje treba li tu zajedničku varijancu tumačiti kao latentnu sposobnost, razvojnu međusobnu povezanost, preklapanje procesa ili mrežu međusobnih odnosa (Deary, Penke i Johnson, 2010).

Ovo razgraničenje važno je za cijelu raspravu. Činjenica da se u korelacijskoj strukturi može izdvojiti faktor ne pokazuje sama po sebi da taj faktor postoji kao autonoman uzrok u mozgu ili da se može preslikati na jedan kognitivni proces.

Spearmanov doprinos psihometriji

Spearman je u radu General Intelligence, Objectively Determined and Measured analizirao povezanosti između različitih oblika diskriminacije, školskog postignuća i procjena inteligencije. U početnoj seriji izvijestio je da su promatrane korelacije bile pozitivne, s prosjekom od približno 0,38. Taj je obrazac protumačio kao pokazatelj da različite mentalne aktivnosti dijele nešto zajedničko (Spearman, 1904).

Spearman je razlikovao zajedničku funkciju g od specifičnih komponenti pojedinih zadataka. Jednadžba s λᵢ, sᵢ i εᵢ suvremena je formalizacija tog odnosa, a ne doslovni zapis iz rada iz 1904. Spearmanov model iz 1904. naglašavao je zajedničku i specifičnu funkciju, dok suvremeni hijerarhijski modeli eksplicitno uključuju i široke grupne sposobnosti.

Spearmanova „mentalna energija” bila je teorijska interpretacija g-a; otvoreni suvremeni izvori ne potvrđuju je kao izravno izmjereni fiziološki mehanizam. Njegov pristup imao je važan i trajan utjecaj na razvoj faktorske analize inteligencije, konstrukciju testova i istraživanje individualnih razlika.

Kasniji radovi pokazali su potrebu za modelima koji, osim opće i specifičnih sposobnosti, mogu opisati i šire grupne faktore. Hijerarhijski i grupno-faktorski modeli uvedeni su kako bi obuhvatili strukturu koju najjednostavniji g + s model ne obuhvaća potpuno.

Višefaktorski i hijerarhijski modeli

Thurstoneov višefaktorski pristup i odnos prema g-u

Thurstoneov pristup predstavlja važnu točku u povijesti rasprave o tome treba li inteligenciju opisivati jednim općim faktorom ili većim brojem sposobnosti. U tom okviru naglasak je na relativnoj odvojenosti primarnih sposobnosti i na pitanju razine analize. Kada su takve sposobnosti dovoljno pozitivno povezane, iznad njih se može pojaviti viši faktor. Zbog ograničenog sadržajnog dosega dostupnog zapisa, ovaj odjeljak ne rekonstruira detaljno Thurstoneovu teoriju, nego samo njezin odnos prema g-u (Thurstone, 1938).

Vernonov hijerarhijski model

Vernonov hijerarhijski model kombinirao je opći faktor, velike grupne faktore i uže sposobnosti. Time je g prikazan na vrhu hijerarhije, dok se niže razine odnose na šire i specifičnije obrasce kognitivne izvedbe (Vernon, 1950).

Carrollova teorija triju slojeva

Carrollova teorija triju slojeva razlikuje uske sposobnosti povezane s pojedinim zadacima, široke sposobnosti te opću sposobnost g na najvišoj razini. Široke sposobnosti uključuju, među ostalim, fluidno zaključivanje, kristalizirano znanje, memoriju i učenje, vizualnu i auditivnu percepciju, dohvat iz dugoročnog pamćenja te brzinu obrade.

Carrollova sinteza podupire hijerarhijsku interpretaciju faktorskih nalaza, ali ne dokazuje da je hijerarhija jedina moguća reprezentacija podataka. Njezina je važnost u tome što istodobno priznaje više razina organizacije kognitivnih razlika: g ne isključuje široke i uske sposobnosti, nego se može prikazati kao najviša razina hijerarhijske organizacije (Carroll, 1993).

Empirijski dokazi za g

Pozitivni manifold

Najrobustniji dokaz odnosi se na pojavu pozitivnog manifolda i mogućnost izdvajanja opće komponente. Različite kognitivne mjere obično nisu međusobno neovisne, nego pokazuju pozitivne korelacije različite veličine. Taj se obrazac pojavljuje u testovima verbalnog, numeričkog, prostornog, memorijskog i perceptivnog sadržaja.

Pozitivni manifold snažno podupire postojanje općeg obrasca individualnih razlika u uspješnosti na različitim kognitivnim mjerama. Sam po sebi, međutim, ne dokazuje da je g jedinstveni kauzalni mehanizam. Ista korelacijska matrica može biti kompatibilna s više teorijskih objašnjenja.

Ponavljanje kroz različite baterije

Opća komponenta ne pojavljuje se samo u jednoj konkretnoj bateriji. Istraživanja koja uspoređuju različite skupove kognitivnih testova nalaze relativno konzistentan obrazac zajedničke varijance, iako se veličina i interpretacija g-a mogu mijenjati ovisno o sadržaju baterije, uzorku i metodi ekstrakcije faktora.

g se pojavljuje kao rekurentan obrazac zajedničke varijance, ali njegova veličina i interpretacija nisu identične u svim baterijama i modelima. Sadržaj testova utječe na ono što se u rezultatu g-a nalazi: verbalni testovi mogu više uključivati znanje i jezik, dok neverbalni testovi mogu više naglašavati fluidno zaključivanje, prostornu obradu ili radno pamćenje.

Hijerarhijska struktura

Carrollova sinteza faktorsko-analitičkih istraživanja pružila je potporu hijerarhijskom uređenju kognitivnih sposobnosti. Nalaz nije da sve sposobnosti tvore jednu jednodimenzionalnu ljestvicu, nego da se uske sposobnosti mogu grupirati u šire domene, a široke domene mogu dijeliti višu razinu zajedničke varijance (Carroll, 1993).

Prediktivna vrijednost

Mjere opće kognitivne sposobnosti povezane su s određenim obrazovnim i radnim ishodima. Meta-analitička literatura u području selekcije zaposlenika izvještava da je opća mentalna sposobnost povezana s radnim učinkom, razinom zanimanja i radnim osposobljavanjem (Schmidt i Hunter, 1998; Schmidt i Hunter, 2004).

Ti nalazi podupiru praktičnu vrijednost mjere opće kognitivne sposobnosti, ali ne određuju psihološku prirodu g-a i ne dokazuju da je g jedini uzrok uspjeha. Longitudinalna meta-analiza pokazala je povezanost inteligencije s obrazovnim, profesionalnim i prihodovnim uspjehom, uz napomenu da odnosi ovise o kriteriju i društvenom kontekstu (Strenze, 2007).

Prediktivna vrijednost ovisi i o širini kriterija. g je osobito relevantan za široke ishode, poput ukupnog školskog uspjeha ili općeg radnog učinka. Za uže kriterije pojedinačna široka ili uska sposobnost može biti informativnija od ukupnog g-a. Specifične sposobnosti često daju malo dodatne prediktivne vrijednosti nakon uključivanja g-a u širokim kriterijima, ali mogu biti korisne kada su sadržajno usklađene s užim kriterijem (Kell i Lang, 2017).

Kritike i alternativni modeli

Thomsonov model veza

Thomsonov model bonds osporava zaključak da pozitivni manifold nužno zahtijeva jedan zajednički faktor. Prema tom pristupu, različiti testovi mogu dijeliti velik broj manjih kognitivnih elemenata ili veza. Ako zadaci uzorkuju preklapajuće skupove tih elemenata, pozitivne korelacije mogu nastati bez jedinstvenog g-faktora.

Analize Thomsonova modela pokazuju da se on može ozbiljno uspoređivati sa Spearmanovim modelom. To ne dokazuje da je Thomsonov model bolji, ali pokazuje da pozitivni manifold sam po sebi ne identificira jedinstveni mehanizam (Bartholomew, Deary i Lawn, 2009).

Mutualizam

Model dinamičkog mutualizma predlaže da kognitivni procesi u ranom razvoju mogu biti relativno odvojeni, ali da se međusobno podupiru kroz učenje i razvoj. Jezično znanje, zaključivanje i memorija u tom se modelu mogu međusobno pojačavati. Pozitivni manifold tada bi bio razvojni rezultat uzajamnog djelovanja, a ne nužno odraz jedne početne opće sposobnosti (van der Maas i sur., 2006).

Empirijski test Gignaca nije potvrdio očekivani razvojni obrazac mutualizma. Procjene su, međutim, ovisile o broju i strukturi podtestova. Kasniji mrežni radovi dobili su rezultate povoljnije za mutualizam od tradicionalnog g-modela, ali to je i dalje rasprava o tome koji model bolje opisuje određene kovarijacijske matrice, a ne konačna demonstracija da g ne postoji (Gignac, 2014; Kan, van der Maas i Levine, 2019).

Teorija preklapanja procesa

Kovacs i Conway predložili su teoriju preklapanja procesa. Prema tom pristupu, različiti testovi uključuju kombinacije domenski specifičnih i općih izvršnih procesa, osobito onih povezanih s radnim pamćenjem, pažnjom i kontrolom obrade.

Teorija preklapanja procesa g tumači kao psihometrijski obrazac koji može nastati iz kombinacija općih i domenski specifičnih procesa. Jedna je teorijska mogućnost da testovi dijele zahtjeve za pažnju, radno pamćenje i kontrolu obrade; u ovom radu ti procesi nisu potvrđeni kao jedinstveni uzrok g-a (Kovacs i Conway, 2016).

Mrežni modeli

Mrežni pristupi kognitivne sposobnosti modeliraju kao sustav međusobno povezanih procesa ili indikatora, a ne nužno kao posljedice jednog latentnog uzroka. Kan, van der Maas i Levine izvijestili su da su psihometrijski mrežni modeli u više skupova podataka prema nekim kriterijima prilagodbe nadmašili prethodno postavljene g-modele. To je suprotni nalaz važan za raspravu, ali nije konačna eliminacija g-modela (Kan, van der Maas i Levine, 2019).

Faktorski i mrežni modeli odgovaraju različitim načinima opisivanja podataka. Faktorski model pita koji latentni čimbenik može sažeti kovarijaciju, dok mrežni model ispituje kako se pojedine sposobnosti mogu međusobno povezivati. Korelacijska i faktorska analiza same po sebi ne rješavaju uzročnu interpretaciju zajedničke varijance.

g i individualne razlike

g-faktor je konstrukt populacijskih individualnih razlika: sažima zajedničke razlike među osobama na određenom skupu kognitivnih mjera, ali ne mora opisivati kognitivnu strukturu unutar pojedinca. Zato treba razlikovati prosječnu razinu uspješnosti na širokom rasponu zadataka, profil relativnih prednosti i slabosti te izvedbu na pojedinom zadatku.

g-faktor je najbliži prvoj od tih razina. Može opisati zašto pojedinci koji su općenito uspješniji na jednoj skupini zadataka često budu uspješniji i na drugoj, ali ne predviđa savršeno pojedinačne rezultate niti uklanja specifične profile. Hijerarhijski modeli zato organiziraju individualne razlike na različitim razinama općenitosti.

Prijelaz s grupnih podataka na pojedinca zahtijeva oprez. Faktor dobiven iz razlika među osobama ne mora imati istu strukturu unutar pojedinca. Statistički g može biti koristan sažetak populacijske kovarijacije, a da pritom ne predstavlja doslovno jedinstvenu sposobnost koja se u istoj formi pojavljuje u svakoj osobi.

Mehanizmi i metodološke ograde

Jedna je teorijska mogućnost da različiti testovi dijele opće zahtjeve za pažnju, radno pamćenje, kontrolu interferencije, brzinu obrade i fleksibilno zaključivanje. To je u skladu s teorijom preklapanja procesa, ali ne dokazuje da svi ti procesi imaju jedan zajednički temelj.

Prema mutualističkom pristupu, sposobnosti se mogu međusobno pojačavati tijekom razvoja. Empirijski status tog objašnjenja ostaje mješovit jer pojedini nalazi podržavaju, a drugi ne podržavaju očekivane razvojne obrasce.

Neuroznanstveni pregledi povezuju individualne razlike u inteligenciji s distribucijom moždanih mreža, integritetom bijele tvari, parijetalno-frontalnim sustavima i učinkovitošću obrade. Ti su nalazi uglavnom korelacijski. Ne pokazuju da je g smješten u jednoj regiji niti da je određena moždana mjera dovoljan uzrok psihometrijskog g-a (Deary, Penke i Johnson, 2010).

Individualne razlike u kognitivnim sposobnostima imaju genetske i okolišne komponente, ali heritabilnost populacijske varijance ne znači genetsku nepromjenjivost pojedinca niti određuje prirodu g-faktora. Čak i ako je g djelomično heritabilan, to ne rješava pitanje je li riječ o jednom uzroku ili statističkom rezultatu više razvojnih i bioloških procesa.

Veličina i sadržaj g-a ovise o bateriji testova, izboru modela i načinu raspodjele zajedničke i specifične varijance. Bolja prilagodba modela ne dokazuje da je model psihološki ili biološki istinit. Jednako tako, prediktivni odnos s obrazovanjem, radom ili prihodom ovisi o kriteriju, dobi, selekciji uzorka, socioekonomskom kontekstu i drugim uvjetima.

Zaključak

Literatura snažno podupire postojanje pozitivnog manifolda i opće komponente u korelacijama među kognitivnim testovima. U tom deskriptivnom i mjernom smislu g-faktor je robustan i rekurentan konstrukt u istraživanju kognitivnih sposobnosti.

Istodobno, suvremeni dokazi ne potvrđuju da je g nužno jedna izolirana mentalna energija koja izravno uzrokuje svu kognitivnu izvedbu. Hijerarhijski modeli pokazuju da postoje široke i uske sposobnosti; prediktivna istraživanja pokazuju da vrijednost mjere opće kognitivne sposobnosti ovisi o kriteriju; a mutualistički, procesno-preklapajući i mrežni modeli nude alternativne interpretacije pozitivnog manifolda.

Najodrživiji je zaključak dvojak: g je dobro potvrđen kao psihometrijski obrazac zajedničke varijance, ali nije potvrđen kao jedinstveni kauzalni mehanizam inteligencije. Ta razlika omogućuje istodobno uvažavanje Spearmanova doprinosa i ozbiljno razmatranje suvremenih kritika.

Literatura

1. Bartholomew, D. J., Deary, I. J., & Lawn, M. (2009). “A New Lease of Life for Thomson’s Bonds Model of Intelligence.” Psychological Review, 116(3), 567–579. DOI: 10.1037/a0016262. Poveznica
2. Carroll, J. B. (1993). Human Cognitive Abilities: A Survey of Factor-Analytic Studies. Cambridge: Cambridge University Press. DOI: 10.1017/CBO9780511571312.018. Poveznica
3. Deary, I. J., Penke, L., & Johnson, W. (2010). “The Neuroscience of Human Intelligence Differences.” Nature Reviews Neuroscience, 11, 201–211. Poveznica
4. Gignac, G. E. (2014). “Dynamic Mutualism versus g Factor Theory: An Empirical Test.” Intelligence, 42, 89–97. DOI: 10.1016/j.intell.2013.11.004. Poveznica
5. Kan, K.-J., van der Maas, H. L. J., & Levine, S. Z. (2019). “Extending Psychometric Network Analysis: Empirical Evidence Against g in Favor of Mutualism?” Intelligence, 73, 52–62. DOI: 10.1016/j.intell.2018.12.004. Poveznica
6. Kell, H. J., & Lang, J. W. B. (2017). “Specific Abilities in the Workplace: More Important Than g?” Journal of Intelligence, 5(2), 13. DOI: 10.3390/jintelligence5020013. Poveznica
7. Kovacs, K., & Conway, A. R. A. (2016). “Process Overlap Theory: A Unified Account of the General Factor of Intelligence.” Psychological Inquiry, 27(3), 151–177. DOI: 10.1080/1047840X.2016.1153946. Poveznica
8. Schmidt, F. L., & Hunter, J. 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. Poveznica
9. Schmidt, F. L., & Hunter, J. E. (2004). “General Mental Ability in the World of Work: Occupational Attainment and Job Performance.” Journal of Personality and Social Psychology, 86(1), 162–173. DOI: 10.1037/0022-3514.86.1.162. Poveznica
10. Spearman, C. (1904). “General Intelligence,” Objectively Determined and Measured. American Journal of Psychology, 15, 201–293. Poveznica
11. Strenze, T. (2007). “Intelligence and Socioeconomic Success: A Meta-Analytic Review of Longitudinal Research.” Intelligence, 35(5), 401–426. DOI: 10.1016/j.intell.2006.09.004. Poveznica
12. Thurstone, L. L. (1938). Primary Mental Abilities. Chicago: University of Chicago Press. Poveznica
13. van der Maas, H. L. J., Dolan, C. V., Grasman, R. P. P. P., Wicherts, J. M., Huizenga, H. M., & Raijmakers, M. E. J. (2006). “A Dynamical Model of General Intelligence: The Positive Manifold of Intelligence by Mutualism.” Psychological Review, 113(4), 842–861. DOI: 10.1037/0033-295X.113.4.842. Poveznica
14. Vernon, P. E. (1950). The Structure of Human Abilities. New York: Wiley. Poveznica