3.2　课后习题详解

1简述“心理特质”的含义。

答：心理特质是指表现在一个人身上所特有的相对稳定的行为方式。对这一概念，可以从以下几个方面来理解：

（1）心理特质是一组具有内部相关的行为的概括，具有一定的抽象性。

（2）心理特质是一种一般的神经心理系统，它可以综合不同的刺激，使人对这些刺激作出相同的反应。

（3）心理特质是一个人身上比较稳定的特点。人的心理活动是十分丰富的，并不是他的每一种心理活动都会表现为一种特质，而是那些经常出现的比较稳定的心理特征才称得上特质。

（4）一个人的精神面貌（人格）是由多种特质分多个层次有机组合而成的。不同的人往往具有不同的特质组合，即使其特质类型相同，其特质水平往往也会有高低之分。

（5）心理特质可以决定一个人对特定刺激的反应倾向，可以对人的行为进行某种预测。

2心理测量的误差来源主要包括哪些？

答：心理测量误差是指在心理测量过程中由那些与测量目的无关的变化因素所产生的一种不准确或不一致的测量效应，分为系统误差和随机误差两种。其来源主要包括三个方面，即测量工具、被测对象和施测过程。

（1）在测量工具方面，心理测量工具通常是一套以测验（问卷）为核心的刺激反应系统（通常称作量表）。心理测量量表是否稳定、是否真正测到了所要测的东西是测量工具造成误差的两种主要原因。

（2）在被测对象方面，造成测量误差的主要原因是受测者真正水平是否得到正常发挥。一般地，受测者的某种心理特质水平是相对稳定的，但是他在接受测量时的生理和心理状态会影响其水平的正常发挥。

（3）在施测过程方面，产生测量误差的原因主要是一些偶然因素。比如，物理环境、主试、评分记分环节、意外干扰等。

3CTT模型及其假设的主要内容是什么？

答：（1）CTT模型

经典测验理论（CTT）假定，观察分数（记为X）与真分数（T）之间是一种线性关系，并只相差一个随机误差（记之为E）。即：X＝T＋E，这就是CTT的数学模型。

（2）CTT模型假设的内容

根据CTT模型，可以引申出三个相关联的假设公理：

①若一个人的某种心理特质可以用平行的测验反复测量足够多次，则其观察分数的平均值会接近于真分数，即：ε（X）＝T；

②真分数和误差分数之间的相关为零，即：ρ_ET＝0；

③各平行测验上的误差分数之间相关为零，即：

其中，第②、第③条假设意在说明E是个随机误差，没有包含系统误差在内，第①条假设则在于说明E是个服从均值为零的正态分布的随机变量。

4什么是平行测验？

答：平行测验的含义是：对于测验总体中的任意一个被试而言，若他在两个测验上的观察分数（X和X′）同时满足CTT的数学模型和三大假设，并且具有相等的真分数（T＝T′）和相等的误差标准差（），则这两个测验被称为严格平行的测验。

通俗地说，如果两个题目不同的测验测得的是同一特质，并且题目形式、数量、难度、区分度以及测验得分的分布都是一致的，则这两个测验被称作彼此平行的测验。与此类似，对于测验总体中的任意一个被试而言，若他在两个测验上的观察分数（X₁和X₂）同时满足CTT的数学模型和三大假设，并且其真分数（T₁＝T₂＋c₁₂）之间仅相差一个常数（c₁₂），则这两个测验被称为基本（T）等价的测验（essentially T-equivalent tests）。

5根据CTT的数学模型及其假设，推导关系式（3.2）（）。

答：（1）CTT模型及其假设

经典测验理论（CTT）假定，观察分数（记为X）与真分数（T）之间是一种线性关系，并只相差一个随机误差（记之为E）。即：X＝T＋E，这就是CTT的数学模型。根据这一模型，可以引申出三个相关联的假设公理：①若一个人的某种心理特质可以用平行的测验反复测量足够多次，则其观察分数的平均值会接近于真分数。即：ε（X）＝T。②真分数和误差分数之间的相关为零。即：ρ_ET＝0。③各平行测验上的误差分数之间相关为零。即：

（2）推导过程

关系式（3.2）为：

根据CTT的数学模型及其假设，推导关系式（3.2）的过程如下：

∵X＝T＋E

∴

∵真分数和误差分数之间的相关为0；

∴，即

∴

∴

即：

6假设某专家编写了10道开放式题目考查高中生的语文运用能力，其中1题为文字推理题目，需要用到概率论中的贝叶斯原理。请问，这次测验的总分是否可以用CTT的模型进行解读？为什么？

答：不能。

经典测验理论（CTT）假定，观察分数（记为X）与真分数（T）之间是一种线性关系，并只相差一个随机误差（记为E）。即X＝T＋E。

因此，我们知道：

（1）在问题的研究范围之内，反映个体某种心理特质水平的真分数假定是不会变的，测量任务就是估计这一真分数的大小。

（2）观察分数被假定等于真分数与误差分数之和，即假定观察分数与真分数之间是线性关系，而不是其他关系。

（3）测量误差是完全随机的，并服从均值为零的正态分布。这就是说，测量误差不会因为真分数的高低而呈现出有规律的都为正数或都为负数的情况。测量误差不仅独立于所测特质的真分数，而且独立于所测特质以外的其他任何变量。

但那道文字推理题目由于需要用到概率论中的贝叶斯原理，考察到了数学能力，也就是说测量误差不是完全随机的，而是包括了一部分稳定的系统误差。即观察分数不等于真分数与误差分数之和，观察分数与真分数之间不是线性关系。这不符合CTT的假设。所以不能用CTT来解释这次测验总分。

7某次满分为60分的作文考试完成后，试卷由若干个老师独立评判，结果发现30万考生中有大约82%的人获得的分数在40～50分之间，35分以下几乎没人，50分以上也不到2%。有的考生被不同老师评卷所得分数之差竟然高达30多分。请问，这次考试测量误差的主要来源有哪些？如何减小测量误差？

答：（1）心理测量的误差来源

①在测量工具方面

心理测量工具通常是一套以测验（问卷）为核心的刺激反应系统（通常称作量表）。心理测量量表不稳定、没有真正测到研究者所要测的东西是测量工具造成误差的两种主要原因。有可能这次考试并未测试到考生的写作能力。

②在被测对象方面

造成测量误差的主要原因是受测者真正水平未得到正常发挥。一般地，受测者的某种心理特质水平是相对稳定的，但是他在接受测量时的生理和心理状态会影响其水平的正常发挥。

③在施测过程方面

产生测量误差的原因主要是一些偶然因素。

④评分者方面

对于没有标准答案的试题，评分者是一个重要的误差来源。不同评分者对于不同的答卷有着不同的判断。

（2）减小测量误差的措施

①在测量工具方面

尽可能编制具有较高信效度的测验。

②在测量对象方面

在被试参加测验前，主试对其做一些心理建设，确保他保持最佳状态。

③在施测过程方面

利用一些方法，比如恒定法、消除法等，尽可能控制偶然误差。

④评分者方面

对于没有标准答案的试题，可以设置一些关于试卷评分的标准，让评分者按照评分标准给分，不可主观评定。

8民间经常有些算命先生，宣称可以根据人的外貌、谈吐或者生辰八字等，预测人的前程、财运、婚姻，等等。试从CTT模型的角度分析这种现象。

答：（1）经典测验理论（CTT）及其假设公理

经典测验理论假定，观察分数（记为X）与真分数（T）之间是一种线性关系，并只相差一个随机误差（记之为E）。即：X＝T＋E。这就是CTT的数学模型。根据这一模型，可以引申出三个相关联的假设公理：

①若一个人的某种心理特质可以用平行的测验反复测量足够多次，则其观察分数的平均值会接近于真分数，即：ε（X）＝T；

②真分数和误差分数之间的相关为零，即：ρ_ET＝0；

③各平行测验上的误差分数之间相关为零，即：

（2）对CTT的这一数学模型及其假设公理，可以从以下三个方面进行理解：

①在问题的研究范围之内，反映个体某种心理特质水平的真分数是假定不会变的，测量的任务就是估计这一真分数的大小。

②观察分数被假定等于真分数与误差分数之和。

③测量误差是完全随机的，并服从均值为零的正态分布。

而算命先生的推测由于并无科学标准，同一个人多次算命所得的结论是不一样的，也就不会得到CTT中的“真分数”。而且算命中包含的误差也不只是随机误差，还有由算命先生主观判断引起的系统误差。

9有专家指出，大数据技术或许能使得人才测评工作更加科学和有效。试从CTT的模型出发，通过文献阅读等手段，阐述应用大数据技术预测人的行为的具体条件、途径和可能的风险。

答：（1）理论概述

①经典测量理论（Classical Test Theory，CTT），也称真分数理论，是最早实现数学形式化的测量理论。经典测验理论假定，观察分数（记为X）与真分数（T）之间是一种线性关系，并只相差一个随机误差（记为E），即X＝T＋E。CTT以弱假设为基础，这些弱假设条件容易被绝大多数测验数据资料所满足。因此，CTT在实际中有着很广泛的应用。

②人才测评实际上是要通过一定的技术和方法，对被测评对象进行结构性观察并获得行为采样，从而对其整体能力水平及特定能力结构做出预测和判断，最终提高人才使用及开发的效能。人才测评的信效度至少与三个环节有关：行为样本的采集范围是否覆盖完全、行为数据采集量是否足够大以及对这些数据的挖掘及处理是否有效。

③大数据是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。大数据的特点主要表现在数据规模大、数据类别复杂、数据处理速度快、数据真实性高、数据蕴藏价值5个方面。

将大数据思维引入到人才测评中，可以：将采样范围从单一或简单视角转变为多维度视角；采集所有可收集的行为样本，最大限度地扩展行为数据采集量；数据处理上从简单统计（均值）转变为高阶统计分析（相关分析、差异检验、因素分析等）。大数据式人才测评，就是要通过数据的多维性、海量性以及数据挖掘能力，系统提高人才测评的有效性。

（2）大数据技术预测人的行为的具体条件

①在大数据时代，信息爆炸是一个典型的特征。在这种背景下，企业关于员工的信息来源多样化，比如社交网站和平时的上网记录；信息成本来源低廉，大多数信息都是以电子的形式进行存储，信息的读取和利用都远比整理纸质档案更加便捷；信息的真实性和可靠性更好，员工对于信息的隐藏或造假能力很低；信息的关联性和相关性被予以重视，由此可以产生大量帮助企业决策的信息。

②“大数据”立足于对大量数据的深度挖掘与科学分析，寻求数据背后的隐含关系与价值，使得人们可以从基于小样本数据的推测或基于感性的偏好性选择转向基于数据分析与理性证据的决策。

（3）大数据技术预测人的行为的途径

①构建岗位胜任力指标体系

由于大数据式人才测评依托网络平台，部分传统测评方法不再使用，根据人机测评特点和岗位胜任力指标体系，调整大数据式人才测评方法。标准化心理测验量表涉及指标众多，甄选和改进测评量表的依据是员工所处岗位胜任力指标体系，分析指标体系中一级指标内涵并分解成二级指标，形成二级指标和关键词库，并嵌入人机交互平台，利用语音识别系统，设定相应的评价标准和反馈机制，适用方法主要为评价中心技术和情景综合测评技术。

②收集员工的碎片化数据

大数据具有海量性，采用长期碎片化收集方式，收集和分析海量数据，虽然少量数据不真实，但对最终结果分析的影响微乎其微。从测评的信效度角度看，测验环境影响到结果的准确性，包括被试者的心理环境和物理环境，测验对被试者环境的要求过高，尤其是招聘类和选拨性测验，员工的测验结果出现一定的偏差。大数据式人才测评发生于员工日常的工作生活，被试者处于放松而稳定的环境中，即保证了碎片化收集的离散数据是相对真实的。

③测量量表与趣味测评相结合

大数据式的人才测评内容需要多维配置，各方面交叉、相互佐证，普通的人才测评内容并不满足大数据收集需求。大数据式的人才测评是多维度的，测评内容不再是单一的心理学成熟量表，非传统的测评量表得到广泛的应用。以趣味测评为例，企业员工年龄分布趋于年轻化，以轻松趣味为主题的测评方式更受员工青睐，该类型测评表现形式为轻松趣味，实则测评内容与指标相关联。既是增加员工测评粘性的方式，减少员工的心理防卫，也营造了良好的测评环境。测评的难度和长度影响测评的信度效度，轻松趣味的测评量表内容少，测评需要时间短，以“量少次多”的原则，采集与指标体系相关的可靠性数据。在数据统计分析时，传统测评量表与轻松趣味测评量表分析结果相互对比、相互佐证，多维度交叉，最终形成客观全面的测评报告和测评轨迹（王迎冬，2019）。

（4）可能的风险

①数据主导一切，员工隐私存在着被侵犯的可能性，而且个人心理感受不舒适，影响其在团队组织中的行为表现，个人数据在促进人才测评的同时也变成一种数据困扰。

②以自由提取为特征的信息管理，出现了过度控制和放任责任的情形。

③一些中小型企业盲目跟风，急切地将大数据引入到人才测评中，认为拥有大数据就可以对人才测评系统产生质的提升，但却消耗了大量的财力建造基于数据的信息管理系统，并对其进行维护，完全忽视了收益与成本的关系，有可能得不偿失，容易造成人力资源管理系统的瘫痪。

④人力资源的共享与安全问题。基于大数据的人力资源开发和管理创新不仅可以促进经济发展，也能促进科技、社会文化和环境发展。特别是跨国公司，他们的创新在制定人力资源管理模式中起到重要作用。那么如果此类公司在人力资源管理中引入大数据，这些关于应聘者和员工的种种数据归属于哪一方，被访问的权限如何设置，其与企业竞争情报的关系，数据泄露、丢失等安全问题如何保障就成了主要的发展问题之一。

10在综合素质评价工作中，最难的内容可能是人的思想品德。试从CTT的理论假设出发，阐述解决这一问题的建议。

答：经典测验理论假定，观察分数（记为X）与真分数（T）之间是一种线性关系，并只相差一个随机误差（记之为E）。即：X＝T＋E。这就是CTT的数学模型。根据这一模型，可以引申出三个相关联的假设公理：

（1）若一个人的某种心理特质可以用平行的测验反复测量足够多次，则其观察分数的平均值会接近于真分数，即：ε（X）＝T。因此在评价一个人的思想品德时，一定要多次多阶段多人评价，从而找到人的思想品德的“真分数”。

（2）真分数和误差分数之间的相关为零，即：ρ_ET＝0。

（3）各平行测验上的误差分数之间相关为零，即：。因此在评价一个人的思想品德时，不要被个人成就、家庭背景等无关因素影响。