论文部分内容阅读
摘 要 学业成就与工作绩效之间的关系是教育领域、职业领域共同关心的问题。上个世纪初Spearman提出了一般能力的理论假设。之后的研究发现，在教育情境下一般能力与学业成就存在正相关，而在工作情境中一般能力可以预测工作绩效。因此，一般能力理论为教育和工作跨情境的测量提供了重要支持，并在实践应用中也得到了证实，即教育和工作交叉情境中一般能力具有可测量性。这也为高等教育人才培养、组织人力资源管理、个体能力发展以及心理测量学的理论创新等提供了启示，具体是要重视一般能力的培养和评估。
关键词 学业成就；工作绩效；一般能力；心理测量
中图分类号 G647 文献标识码 A 文章编号 1008-3219（2013）28-0061-06
长期以来，人们对于“教育情境中学生的学业成就（Academic Performance）与其在未来工作情境中工作绩效（Job Performance）之间有什么样的关系”这一问题存在很大争议。有些人认为，学生在学校课堂上所获得的成绩与其在实际工作中的绩效是根本不同的。与之相左的观点认为，个体的能力具有稳定性，学业成就与工作绩效之间存在正相关关系。直到现在，人们对这一争论仍然莫衷一是，但是这种争论对测量的发展却产生了重要影响。目前，对教育和工作交叉情境中测量问题的研究，一个关键问题就是一般认知能力测验能否对教育和职业交叉情境中个体的行为、绩效作出有效测量。
一个世纪的科学研究已经表明，存在着一种一般的、普遍的认知能力（G因素），这种一般的认知能力并不因情境的不同而发生变化，其具有一定的稳定性，因此可以作为测量交叉情境中人们行为成就的重要指标。也就是说，通过对一般认知能力的测量可以对学业成就、健康相关行为、社交成就、工作绩效以及创造性等作出较为准确的预期[1]。
尽管研究者找到了对教育和工作交叉情境中个体行为绩效进行测量的指标，但这并不等于应用一般的认知能力测量工具就可以进行交叉情境中认知能力的测量。因为从高尔顿笛、高尔顿棒到韦氏智力量表以及维斯曼人员分类测验等都不能很好地解决交叉情境中认知能力的测量问题。如何在学业成就测验和工作绩效测验之间架起一座联系的桥梁始终是两个领域交叉情境测量的瓶颈所在。
一、教育和工作跨情境中一般能力可测性的理论分析
（一）G因素的实质
通过对前人智力研究的回顾以及对学生的实证调查，Spearman（1904）提出，“若只从表现形式上来分析，就会发现不同领域的认知能力存在很大差异，但事实上所有的智力活动都有一个共同的基础。”[2] 他认为，人的能力由两种因素构成，即一般因素（G因素）和特殊因素（S因素）。一般因素是个体的基本能力，是一切智力活动的基础，而特殊因素是个体完成各种特殊活动所必须具备的能力。
尽管有一些证据支持Spearman提出的二因素说，一般因素的概念也被广泛接受，但是后来的很多智力模型则是建立在多因素观点基础上的[3]。比如，Thurstone（1938）应用因素分析方法发现存在七个方面的认知能力，智力是由这七个因素构成。而在Gurlford（1959）的智力结构模型中（SOI）则包含了100多个独立的认知能力因素[4]。这些独立区分出来的因素并没有得到数据上的支持，因此受到很多研究者的质疑。Spearman（1939）通过对Thurstone（1938）的研究数据进行元分析，再次强调存在着一般能力因素，而这一观点在他去世后不久又得到了Thurstone（1947）实证研究的支持[5]。后来Alliger（1988）在对Gurlford（1959）数据的元分析后发现，SOI测量内部各种独立能力因素之间存在显著性相关（平均相关为0.45）[6]。同时期的Stenberg（1985）在对其三元智力理论的分析中也发现成分智力（Componential intelligence）、经验智力（Experiential intelligence）、背景智力（Contextual intelligence）三者之间存在着正相关[7]。这就表明“独立的智力因素”实质上并不是完全独立的，那么这种相关源自哪里呢？研究者普遍认为，在对认知能力测量中存在着一个协变量，即G因素，不同能力因素之间的相关可能是由G因素这一潜在变量引起的。
通过大量实证研究，Vernon（1971）提出层次结构模型（Hierarchical Model），并最终代替Spearman的二因素模型，成为认知能力测量和解释的最好工具而被广泛接受。这一模型认为，能力结构是按层次排列的，智力的最高层次就是一般能力因素，第二层次既包括言语和教育方面的因素，又包括操作和机械方面的因素，第三层次则涉及更为具体的能力，如言语、数量、机械信息、空间信息等特殊因素。根据这一理论，一般认知能力的测量可以广泛应用于不同目的的能力测量，如学生学业成就的评估、实际行为能力的评估等；同时，在各种不同领域，如教育领域、职业领域也可得以应用。
（二）G因素与学业成就之间的关系
对于G因素和学习之间的关系，没有较大的争议，比如说Gerdner（1983）认为认知能力可以反映“个体学习过程中的一些差异”，并能够用来“预测个体以后生活中的成败”[8]。但是也有研究认为“G因素与学习是不同的两种操作”，据此将G因素定义为“获得新知识或新技能的一种能力”是较为恰当的。在此基础上，研究者也开始关注G因素和职业能力培训之间的关系问题，因为二者之间关系与实际生活有着密切的联系。
在过去不同时代的研究中，都有研究者认为认知能力测验和职业培训绩效之间存在正相关。早期的研究分析了认知能力测量对一些具体工作或工作种类培训结果预期的有效性，比如，Thorndike（1985）对35所军事技术学校学生训练成绩的测量发现，能力的获得与G因素之间存在显著的正相关关系（平均相关系数为0.65）[9]；另外在应用元分析方法评估职业培训不同模型的过程中，Colquit和Lepine（2000）作了这样的总结——认知能力对于陈述性知识和程序性知识有很重要的影响，技能的获得是以认知能力和工作情境中新技能的执行实施为中介的[10]。现有关于工作绩效的研究，无论是理论探索还是实证分析，都为G因素与工作相关知识和技能的获得之间存在着相关关系提供了支持。 （三）G因素与工作绩效之间的关系
在1977年之前，应用心理学家和职业管理者都普遍认为，工作绩效因工作的不同而不同。然而，Schmidt和Hunter（1998）的研究表明，不同工作中的变异很大程度上是由于抽样误差和其他统计误差引起的[11]。他们认为，认知能力测验对交叉情境中的绩效预期是有效的。Reeve和Hakel（2002）等人也发现认知能力测量对公务员和军事组织工作绩效的预期是有效的[12]，而且Gottfredson（1997）认为G因素对全面工作绩效的预期则具有更大潜力[13]。
目前对于G因素与工作绩效之间关系的一般性理论解释更多强调了一些中介变量的作用。比如说Compbell及其同事（1996）提出的工作绩效理论就认为工作绩效有8个纬度，而Mccfloy，Combell和Cudeck（1994）认为工作绩效是陈述性知识、程序性知识和动机的函数，一般的认知能力通过影响陈述性知识、程序性知识和动机而对工作绩效起作用。这些研究结果与Borman、Hanson和Oppler（1993）等人的观点较为相似，因为他们提出并验证了“工作知识（陈述性知识）和技能（程序性知识）是联系G因素与工作绩效的纽带”[14] 这一观点。他们的研究发现，与工作相关的知识是工作绩效的一个直接衡量指标，而G因素对工作绩效的影响是间接的。一般认知能力测验之所以能够预期交叉情境中的工作绩效，是因为其能够预期与工作相关知识的学习和获得。
总的来讲，大量研究结果表明，G因素对各种不同工作绩效的预期能力要优于凭借某一种特质而进行的预期。在G因素的测量中获得高分的人更有可能获得陈述性知识和程序性知识，除此之外还能够更为快捷地获得一些特殊工作的相关知识并进行复杂的信息加工。
二、国外关于教育和工作跨情境中一般能力测量的应用性研究
（一）相关研究的基本假设
对现有理论研究回顾不难发现：任何一个关于G因素的测量都可以应用于教育情境中的学业成就评价和工作情境中的工作绩效评价，而且在交叉领域也可以进行一般应用。但事实上，很多认知能力测验都不能应用于这两种情境，更不用说是在交叉情境中的应用。Miller（1960）修订Minnesota大学1926年开发的认知能力测验，他把解决学业问题和工作问题中的推理能力作为联系两个不同领域的纽带，并最终形成Miller推理测验（MAT，Miller Analogies Test）。那么MAT测验能否被应用于教育和职业交叉情境呢？回答这一问题就必须进行以下三方面的探讨：MAT对认知能力的测量；MAT对于教育情境中学习行为的评估；MAT对于工作情境中工作绩效的评估。
图1 MAT测验与学业成就、工作绩效考核标准之间的关系
如图1所示，MAT测验能否被应用于教育与工作两个不同领域，首先其必须满足第一个基本假设，即MAT测验既与学业成就考核标准存在显著性相关，又与工作绩效考核标准存在显著性相关。如果这一基本假设不能满足，那么关于MAT测验能应用于教育和工作交叉情境中的任何推论都是错误的。但是即使这一假设能够满足，并不能说明MAT测验就可以在教育和职业交叉情境中广泛应用。必须在教育情境和工作情境之间建立起某种联系，使二者存在共同的要素，而对这种共同要素能够进行有效测量的工具将可应用于教育和工作的交叉情境。尽管大量文献已经说明，在教育情境中知识获得和工作环境中的绩效都与G因素有关，这并不意味着任何一种认知能力的测量工具都可以有效预期学业成绩和工作绩效。在不同领域，绩效评估的纬度应该有所不同，因此更希望有一个只考虑G因素的测量工具，所以MAT能否在交叉情境中得以应用，就必须考察第二个基本假设——MAT测验在教育和职业情境中能够有效地反映G因素，如图2所示。
图2 交叉情境中MAT测验的应用图示
（二）基本研究方法
在任何科学研究中，研究者最关心的是对变量之间真实关系的揭示。换言之，就是在有效控制所有抽样误差、样本容量偏误、测量误差的前提下，对总体参数作出最佳估计。为确定这个估计值（p），就必须对前人的分析进行再分析。这就需要一种新的统计分析方法，即元分析方法。元分析是一种对个别研究进行定量综合分析的方法，可以有效量化前人不同质量的研究结果，并可以探索综合的结论。在对有关MAT测验研究文献的分析中，可以应用元分析的不同指标，如robs、SDobs、rop、SDres、SDp等来评估MAT测验和其他认知能力测验的相关关系，及其与学业成就和工作绩效考核标准之间的关系。
对样本容量偏误和测量误差的校正，robs和SDobs可以更精确地估计两个变量之间的关系，而且可判断系统误差变异对变量关系的影响。此外，SDobs也可以有效估计不同领域中抽样误差带来的影响。由于任何推论都应该是在对变量之间关系进行有效测量的基础上作出的，一个不恰当或不适宜的观测变量可能会导致整个研究的彻底失败，有必要对与MAT测验有关的研究进行操作有效性分析，rop对于操作有效性的评估是可信的，其可以回答测量工具的可应用性和操作性的问题。
由于SDp描述的是在这种误差变异被归因为样本误差、测量工具的不可信、测量标准的不可信以及抽样范围已经被取消或更改之后与标准误相联系的有效性问题，因此SDres就可以用来校正观察相关标准误统计中人为因素导致的误差。更为重要的是，其既可以作为中介变量的指标，也可以作为在交叉情境中一般关系测量的一个似然比指标。在对有关MAT测验研究的元分析中，可以应用这一指标来估计样本误差、测量工具等带来的误差变异。
（三）国外相关研究
现有有关认知能力的测验大致可以分为言语能力测验、数学能力测验、一般认知能力测验等三类。Kuncel和Hezlett（2004）通过对1887～2001年间有关学生学业成就与工作绩效文献的整理和元分析发现，MAT测验与一般认知能力测验之间存在相关关系。其与语言能力测验存在显著性相关，而与数学推理能力测验之间的相关尽管与前者相比要小一些（0.57<0.88），但二者之间的相关仍然非常显著[15]。对MAT测验与学业成就考核标准的相关性分析认为，MAT测验与不同年级学生的平均学分、教师评价、理解能力、创造力等标准之间的相关性较高，而这些标准与职业潜力、工作协调、创造力评价等工作绩效考核标准之间存在显著性相关。对学业成就和工作绩效考核的不同标准进行分析发现，这些标准之间也存在显著性相关。这说明，工作绩效和学业成就在考核标准上得分具有一致性。MAT测验与学校教育、工作两个不同情境中认知能力的测验存在显著相关关系，这为G因素普遍存在于多个领域提供了有力证据，同时也支持“可以开发一种测量工具，用以有效预期教育和工作交叉情境中的绩效”的假设。 [3]Ree M. J， Caretta T. R. General Cognitive Ability and Occupational Performance[J]. International Review of Industrial and Organizational Psychology， 1998，13：159-184.
[4]黄希庭.普通心理学[M].北京：人民教育出版社，1991：606-612.
[6]Alliger G. M.Do Zero Correlations Really Exist Among Measures of Different Intellectual Abilities？[J]. Educational
关键词 学业成就；工作绩效；一般能力；心理测量
中图分类号 G647 文献标识码 A 文章编号 1008-3219（2013）28-0061-06
长期以来，人们对于“教育情境中学生的学业成就（Academic Performance）与其在未来工作情境中工作绩效（Job Performance）之间有什么样的关系”这一问题存在很大争议。有些人认为，学生在学校课堂上所获得的成绩与其在实际工作中的绩效是根本不同的。与之相左的观点认为，个体的能力具有稳定性，学业成就与工作绩效之间存在正相关关系。直到现在，人们对这一争论仍然莫衷一是，但是这种争论对测量的发展却产生了重要影响。目前，对教育和工作交叉情境中测量问题的研究，一个关键问题就是一般认知能力测验能否对教育和职业交叉情境中个体的行为、绩效作出有效测量。
一个世纪的科学研究已经表明，存在着一种一般的、普遍的认知能力（G因素），这种一般的认知能力并不因情境的不同而发生变化，其具有一定的稳定性，因此可以作为测量交叉情境中人们行为成就的重要指标。也就是说，通过对一般认知能力的测量可以对学业成就、健康相关行为、社交成就、工作绩效以及创造性等作出较为准确的预期[1]。
尽管研究者找到了对教育和工作交叉情境中个体行为绩效进行测量的指标，但这并不等于应用一般的认知能力测量工具就可以进行交叉情境中认知能力的测量。因为从高尔顿笛、高尔顿棒到韦氏智力量表以及维斯曼人员分类测验等都不能很好地解决交叉情境中认知能力的测量问题。如何在学业成就测验和工作绩效测验之间架起一座联系的桥梁始终是两个领域交叉情境测量的瓶颈所在。
一、教育和工作跨情境中一般能力可测性的理论分析
（一）G因素的实质
通过对前人智力研究的回顾以及对学生的实证调查，Spearman（1904）提出，“若只从表现形式上来分析，就会发现不同领域的认知能力存在很大差异，但事实上所有的智力活动都有一个共同的基础。”[2] 他认为，人的能力由两种因素构成，即一般因素（G因素）和特殊因素（S因素）。一般因素是个体的基本能力，是一切智力活动的基础，而特殊因素是个体完成各种特殊活动所必须具备的能力。
尽管有一些证据支持Spearman提出的二因素说，一般因素的概念也被广泛接受，但是后来的很多智力模型则是建立在多因素观点基础上的[3]。比如，Thurstone（1938）应用因素分析方法发现存在七个方面的认知能力，智力是由这七个因素构成。而在Gurlford（1959）的智力结构模型中（SOI）则包含了100多个独立的认知能力因素[4]。这些独立区分出来的因素并没有得到数据上的支持，因此受到很多研究者的质疑。Spearman（1939）通过对Thurstone（1938）的研究数据进行元分析，再次强调存在着一般能力因素，而这一观点在他去世后不久又得到了Thurstone（1947）实证研究的支持[5]。后来Alliger（1988）在对Gurlford（1959）数据的元分析后发现，SOI测量内部各种独立能力因素之间存在显著性相关（平均相关为0.45）[6]。同时期的Stenberg（1985）在对其三元智力理论的分析中也发现成分智力（Componential intelligence）、经验智力（Experiential intelligence）、背景智力（Contextual intelligence）三者之间存在着正相关[7]。这就表明“独立的智力因素”实质上并不是完全独立的，那么这种相关源自哪里呢？研究者普遍认为，在对认知能力测量中存在着一个协变量，即G因素，不同能力因素之间的相关可能是由G因素这一潜在变量引起的。
通过大量实证研究，Vernon（1971）提出层次结构模型（Hierarchical Model），并最终代替Spearman的二因素模型，成为认知能力测量和解释的最好工具而被广泛接受。这一模型认为，能力结构是按层次排列的，智力的最高层次就是一般能力因素，第二层次既包括言语和教育方面的因素，又包括操作和机械方面的因素，第三层次则涉及更为具体的能力，如言语、数量、机械信息、空间信息等特殊因素。根据这一理论，一般认知能力的测量可以广泛应用于不同目的的能力测量，如学生学业成就的评估、实际行为能力的评估等；同时，在各种不同领域，如教育领域、职业领域也可得以应用。
（二）G因素与学业成就之间的关系
对于G因素和学习之间的关系，没有较大的争议，比如说Gerdner（1983）认为认知能力可以反映“个体学习过程中的一些差异”，并能够用来“预测个体以后生活中的成败”[8]。但是也有研究认为“G因素与学习是不同的两种操作”，据此将G因素定义为“获得新知识或新技能的一种能力”是较为恰当的。在此基础上，研究者也开始关注G因素和职业能力培训之间的关系问题，因为二者之间关系与实际生活有着密切的联系。
在过去不同时代的研究中，都有研究者认为认知能力测验和职业培训绩效之间存在正相关。早期的研究分析了认知能力测量对一些具体工作或工作种类培训结果预期的有效性，比如，Thorndike（1985）对35所军事技术学校学生训练成绩的测量发现，能力的获得与G因素之间存在显著的正相关关系（平均相关系数为0.65）[9]；另外在应用元分析方法评估职业培训不同模型的过程中，Colquit和Lepine（2000）作了这样的总结——认知能力对于陈述性知识和程序性知识有很重要的影响，技能的获得是以认知能力和工作情境中新技能的执行实施为中介的[10]。现有关于工作绩效的研究，无论是理论探索还是实证分析，都为G因素与工作相关知识和技能的获得之间存在着相关关系提供了支持。 （三）G因素与工作绩效之间的关系
在1977年之前，应用心理学家和职业管理者都普遍认为，工作绩效因工作的不同而不同。然而，Schmidt和Hunter（1998）的研究表明，不同工作中的变异很大程度上是由于抽样误差和其他统计误差引起的[11]。他们认为，认知能力测验对交叉情境中的绩效预期是有效的。Reeve和Hakel（2002）等人也发现认知能力测量对公务员和军事组织工作绩效的预期是有效的[12]，而且Gottfredson（1997）认为G因素对全面工作绩效的预期则具有更大潜力[13]。
目前对于G因素与工作绩效之间关系的一般性理论解释更多强调了一些中介变量的作用。比如说Compbell及其同事（1996）提出的工作绩效理论就认为工作绩效有8个纬度，而Mccfloy，Combell和Cudeck（1994）认为工作绩效是陈述性知识、程序性知识和动机的函数，一般的认知能力通过影响陈述性知识、程序性知识和动机而对工作绩效起作用。这些研究结果与Borman、Hanson和Oppler（1993）等人的观点较为相似，因为他们提出并验证了“工作知识（陈述性知识）和技能（程序性知识）是联系G因素与工作绩效的纽带”[14] 这一观点。他们的研究发现，与工作相关的知识是工作绩效的一个直接衡量指标，而G因素对工作绩效的影响是间接的。一般认知能力测验之所以能够预期交叉情境中的工作绩效，是因为其能够预期与工作相关知识的学习和获得。
总的来讲，大量研究结果表明，G因素对各种不同工作绩效的预期能力要优于凭借某一种特质而进行的预期。在G因素的测量中获得高分的人更有可能获得陈述性知识和程序性知识，除此之外还能够更为快捷地获得一些特殊工作的相关知识并进行复杂的信息加工。
二、国外关于教育和工作跨情境中一般能力测量的应用性研究
（一）相关研究的基本假设
对现有理论研究回顾不难发现：任何一个关于G因素的测量都可以应用于教育情境中的学业成就评价和工作情境中的工作绩效评价，而且在交叉领域也可以进行一般应用。但事实上，很多认知能力测验都不能应用于这两种情境，更不用说是在交叉情境中的应用。Miller（1960）修订Minnesota大学1926年开发的认知能力测验，他把解决学业问题和工作问题中的推理能力作为联系两个不同领域的纽带，并最终形成Miller推理测验（MAT，Miller Analogies Test）。那么MAT测验能否被应用于教育和职业交叉情境呢？回答这一问题就必须进行以下三方面的探讨：MAT对认知能力的测量；MAT对于教育情境中学习行为的评估；MAT对于工作情境中工作绩效的评估。
图1 MAT测验与学业成就、工作绩效考核标准之间的关系
如图1所示，MAT测验能否被应用于教育与工作两个不同领域，首先其必须满足第一个基本假设，即MAT测验既与学业成就考核标准存在显著性相关，又与工作绩效考核标准存在显著性相关。如果这一基本假设不能满足，那么关于MAT测验能应用于教育和工作交叉情境中的任何推论都是错误的。但是即使这一假设能够满足，并不能说明MAT测验就可以在教育和职业交叉情境中广泛应用。必须在教育情境和工作情境之间建立起某种联系，使二者存在共同的要素，而对这种共同要素能够进行有效测量的工具将可应用于教育和工作的交叉情境。尽管大量文献已经说明，在教育情境中知识获得和工作环境中的绩效都与G因素有关，这并不意味着任何一种认知能力的测量工具都可以有效预期学业成绩和工作绩效。在不同领域，绩效评估的纬度应该有所不同，因此更希望有一个只考虑G因素的测量工具，所以MAT能否在交叉情境中得以应用，就必须考察第二个基本假设——MAT测验在教育和职业情境中能够有效地反映G因素，如图2所示。
图2 交叉情境中MAT测验的应用图示
（二）基本研究方法
在任何科学研究中，研究者最关心的是对变量之间真实关系的揭示。换言之，就是在有效控制所有抽样误差、样本容量偏误、测量误差的前提下，对总体参数作出最佳估计。为确定这个估计值（p），就必须对前人的分析进行再分析。这就需要一种新的统计分析方法，即元分析方法。元分析是一种对个别研究进行定量综合分析的方法，可以有效量化前人不同质量的研究结果，并可以探索综合的结论。在对有关MAT测验研究文献的分析中，可以应用元分析的不同指标，如robs、SDobs、rop、SDres、SDp等来评估MAT测验和其他认知能力测验的相关关系，及其与学业成就和工作绩效考核标准之间的关系。
对样本容量偏误和测量误差的校正，robs和SDobs可以更精确地估计两个变量之间的关系，而且可判断系统误差变异对变量关系的影响。此外，SDobs也可以有效估计不同领域中抽样误差带来的影响。由于任何推论都应该是在对变量之间关系进行有效测量的基础上作出的，一个不恰当或不适宜的观测变量可能会导致整个研究的彻底失败，有必要对与MAT测验有关的研究进行操作有效性分析，rop对于操作有效性的评估是可信的，其可以回答测量工具的可应用性和操作性的问题。
由于SDp描述的是在这种误差变异被归因为样本误差、测量工具的不可信、测量标准的不可信以及抽样范围已经被取消或更改之后与标准误相联系的有效性问题，因此SDres就可以用来校正观察相关标准误统计中人为因素导致的误差。更为重要的是，其既可以作为中介变量的指标，也可以作为在交叉情境中一般关系测量的一个似然比指标。在对有关MAT测验研究的元分析中，可以应用这一指标来估计样本误差、测量工具等带来的误差变异。
（三）国外相关研究
现有有关认知能力的测验大致可以分为言语能力测验、数学能力测验、一般认知能力测验等三类。Kuncel和Hezlett（2004）通过对1887～2001年间有关学生学业成就与工作绩效文献的整理和元分析发现，MAT测验与一般认知能力测验之间存在相关关系。其与语言能力测验存在显著性相关，而与数学推理能力测验之间的相关尽管与前者相比要小一些（0.57<0.88），但二者之间的相关仍然非常显著[15]。对MAT测验与学业成就考核标准的相关性分析认为，MAT测验与不同年级学生的平均学分、教师评价、理解能力、创造力等标准之间的相关性较高，而这些标准与职业潜力、工作协调、创造力评价等工作绩效考核标准之间存在显著性相关。对学业成就和工作绩效考核的不同标准进行分析发现，这些标准之间也存在显著性相关。这说明，工作绩效和学业成就在考核标准上得分具有一致性。MAT测验与学校教育、工作两个不同情境中认知能力的测验存在显著相关关系，这为G因素普遍存在于多个领域提供了有力证据，同时也支持“可以开发一种测量工具，用以有效预期教育和工作交叉情境中的绩效”的假设。 [3]Ree M. J， Caretta T. R. General Cognitive Ability and Occupational Performance[J]. International Review of Industrial and Organizational Psychology， 1998，13：159-184.
[4]黄希庭.普通心理学[M].北京：人民教育出版社，1991：606-612.
[6]Alliger G. M.Do Zero Correlations Really Exist Among Measures of Different Intellectual Abilities？[J]. Educational