စစ်ဆေးမှု စတင်မီ, ကျေးဇူးပြု၍ ဤတိုတိုကျပ်ညွှန်ကြားချက်ကို သေချာစွာ ဖတ်ရှုပါ။
သင့်အား ၅ ခုသောအုပ်စုအလိုက် ဖွင့်ထားသော ၆၀ မေးခွန်းများကို ဖြေဆိုရမည်။ မေးခွန်းတစ်ခုစီသည် အောက်ပါအတိုင်း ဖြစ်ပါသည်။ စာရွက်၏ အပေါ်ပိုင်းတွင် ပုံပါရှိသော ထောင့်ပုံသေရှိပြီး ၎င်း၏ အနောက်အောက်ဘက်ထောင့်တွင် တစ်ခုသော အစိတ်အပိုင်း မရှိပါ။ ထောင့်ပုံသေ၏ အောက်တွင် ၆ သို့မဟုတ် ၈ ဖရက်ဂျ်မင့် (အပိုင်း) ရှိပြီး ၎င်းတို့သည် အဆိုပါနေရာအတွက် ပုံစံနှင့် အရွယ်အစား အရ သင့်တော်ပါသည်။ သင့်လုပ်ငန်းမှာ ပုံတွင် ပါရှိသော သွင်ပြင်လောကနှင့် နမူနာများကို အခြေခံ၍ ပုံကို ပြည့်စုံစေမည့် ဖရက်ဂျ်မင့်ကို ရွေးချယ်ရမည်ဖြစ်သည်။ မေးခွန်းအားလုံးကို ဖြေဆိုရန် 20 မိနစ် ရှိသဖြင့် ပထမမေးခွန်းများတွင် အလွန်အမင်း အချိန်မယူပါနှင့်၊ မေးခွန်းများ၏ အခက်အခဲ တိုးလာလိမ့်မည်။
IQ စမ်းသပ်မှုရလဒ်များ၏ အဓိပ္ပါယ်
| IQ အညွှန်းများ | ဉာဏ်ရည် ဖွံ့ဖြိုးမှု အဆင့် |
| 140 | ထူးခြားပြီး အထူး ဉာဏ်ရည် |
| 121–139 | အထက် ဉာဏ်ရည် အဆင့် |
| 111–120 | ပျမ်းမျှထက်ပို ဉာဏ်ရည် |
| 91–110 | ပျမ်းမျှ ဉာဏ်ရည် |
| 81–90 | ပျမ်းမျှထက်နည်း ဉာဏ်ရည် |
| 71–80 | နိမ့်မႈ ဉာဏ်ရည် အဆင့် |
| 51–70 | နည်းနည်း ဉာဏ်မပြည့်မှု အဆင့် |
| 21–50 | ပျမ်းမျှ မပြည့်မှု အဆင့် |
| 0–20 | အလွန် ဆိုးရွားသော ဉာဏ်မပြည့်မှု အဆင့် |
နည်းနည်း အညွှန်းများကို အမြင့်အညွှန်းများထက် ယုံကြည်စိတ်ချရမှုနည်းသည်ဟု ယူဆရမည်။
Raven အဆင့်မြင့် မက်ထရစ်များ (Progressive Matrices) အကြောင်း
“အဆင့်မြင့် မက်ထရစ်များ စကေး” ဆိုသော နည်းလမ်းကို 1936 ခုနှစ်တွင် John Raven နှင့် L. Penrose တို့က တီထွင်ခဲ့ပြီး ယနေ့အထိ ဉာဏ်ရည် ဖွံ့ဖြိုးမှုကို တိုင်းတာရာတွင် အထူးယုံကြည်စိတ်ချရသော နည်းလမ်းတစ်ခုအဖြစ် အသုံးပြုလျက်ရှိပါသည်။ ဤစစ်ဆေးမှုသည် စနစ်တကျ၊ စီစဉ်ပြီး နှင့် လောဂျစ်ကျစွာ လုပ်ဆောင်နိုင်မှုကို တိုင်းတာပြီး၊ ပါဝင်သူများထံမှ ဂရပ်ဖစ် အစိတ်အပိုင်းများစုစည်းမှုအတွင်းမှ ဖုံးကွယ်ထားသော နမူနာများကို ရှာဖွေရန် မေးမြန်းပါသည်။
Raven စစ်ဆေးမှု၏ အရည်အသွေးဆိုင်ရာ ချက်ချင်းခွဲခြမ်းစိတ်ဖြာချက်
စီးရီး A. မက်ထရစ်၏ ဖွဲ့စည်းမှုအတွင်း ဆက်စပ်မှုများ တည်ဆောက်ခြင်း
ဤစီးရီးတွင် အဓိကပုံ၏ ပျောက်နေသော အပိုင်းကို ပေးအပ်ထားသော ဖရက်ဂျ်မင့်တစ်ခုဖြင့် ဖြည့်စွက်ရမည်ဖြစ်သည်။ အောင်မြင်စွာ ပြီးမြောက်စေရန်၊ စစ်ဆေးသူသည် အဓိကပုံ၏ ဖွဲ့စည်းမှုကို အလေးထား၍ စိစစ်ရမည်၊ ၎င်း၏ ထူးခြားသော အင်္ဂါရပ်များကို သတ်မှတ်ရမည်နှင့် ပေးအပ်ထားသော ဖရက်ဂျ်မင့်များထဲမှ ၎င်း၏ နမူနာတူကို ရှာဖွေရမည်ဖြစ်သည်။ ရွေးချယ်ပြီးလျှင် ဖရက်ဂျ်မင့်ကို အခြေခံပုံနှင့် ပေါင်းစည်းပြီး စာရင်းဇယားတွင် ဖော်ပြထားသည့် ပတ်ဝန်းကျင်နှင့် နှိုင်းယှဉ်ရမည်။
စီးရီး B. ပုံစံများ၏ အစုံအလင် ဆင်တူမှု
ဤတွင်၊ တည်ဆောက်မှု၏ အခြေခံအယူအဆမှာ ပုံစံများ၏ အစုံအလင် ဆင်တူမှု တည်ဆောက်ခြင်းဖြစ်သည်။ စစ်ဆေးသူသည် တစ်ခုချင်းစီ ပုံစံသည် မည်သည့်နမူနာအရ တည်ဆောက်ထားသည်ကို သတ်မှတ်ရမည်၊ ထို့နောက် ၎င်းအခြေခံအယူအဆအရ ပျောက်နေသော ဖရက်ဂျ်မင့်ကို ရွေးချယ်ရမည်ဖြစ်သည်။ အဓိကနမူနာတွင် ပုံစံများ၏ တည်နေရာကို သေချာစေရန် ဆင်တူမှု ရွေ့လျားကြောင်း (symmetry axis) ကို သတ်မှတ်ရမည်။
စီးရီး C. မက်ထရစ်များအတွင်း ပုံစံများ၏ အဆင့်မြင့် ပြောင်းလဲမှု
ဤစီးရီးသည် တစ်ခုသော မက်ထရစ်အတွင်း ပုံစံများ၏ အဆင့်လိုက် ကပ်လွန်းမှု တိုးလာခြင်းဖြင့် ၎င်းတို့၏ အဆင့်လိုက် ဖွံ့ဖြိုးမှုကို ဖော်ပြသည်။ နယူး အစိတ်အပိုင်းများကို ခိုင်မာသော စည်းကမ်းအတိုင်း ထည့်သွင်းပြီး၊ ထိုစည်းကမ်းကို ရှာဖွေခြင်းဖြင့် ပျောက်နေသော ပုံစံကို ရွေးချယ်နိုင်ပါသည်၊ ၎င်းသည် သတ်မှတ်ထားသော ပြောင်းလဲမှု အစီအစဉ်နှင့် ကိုက်ညီပါသည်။
စီးရီး D. မက်ထရစ်အတွင်း ပုံစံများကို ထပ်မံ စီစဉ်ခြင်း
ဤစီးရီးတွင်၊ အလုပ်မှာ မက်ထရစ်အတွင်း ပုံစံများကို အလျားလိုက်နှင့် အတန်းလိုက် ပြန်လည်စီစဉ်သော လုပ်ငန်းစဉ်ကို ရှာဖွေခြင်းကို တောင်းဆိုပါသည်။ စစ်ဆေးသူသည် ၎င်းပြန်လည်စီစဉ်ခြင်း၏ အခြေခံသဘောတရားကို သတ်မှတ်ပြီး၊ ထိုသဘောတရားအပေါ် အခြေခံ၍ ပျောက်နေသော အစိတ်အပိုင်းကို ရွေးချယ်ရမည်။
စီးရီး E. ပုံစံများကို အစိတ်အပိုင်းများအဖြစ် ခွဲခြားခြင်း
ဤတွင် နည်းလမ်းသည် အဓိကပုံကို ပုံစံများအား သီးခြားအစိတ်အပိုင်းများအဖြစ် ခွဲခြား၍ လေ့လာခြင်းအပေါ် အခြေခံပါသည်။ ပုံစံများကို စိစစ်ခြင်းနှင့် ပေါင်းစည်းခြင်း၏ အခြေခံသဘောတရားကို မှန်ကန်စွာ နားလည်ခြင်းဖြင့် ပုံကို ပြည့်စုံစေမည့် ဖရက်ဂျ်မင့်ကို သတ်မှတ်နိုင်ပါသည်။
Raven ၏ ပရိုဂရက်ဆီဗ် မက်ထရစ် တက်စ်ကို အသုံးပြုသည့် နယ်ပယ်များ
- သိပ္ပံသုတေသနများ: ဤတက်စ်ကို မတူညီသော တစ်နိုင်ငံနှင့် ယဉ်ကျေးမှုအုပ်စုများမှ ပါဝင်သူများ၏ ဉာဏ်ရည်စွမ်းရည်များကို တိုင်းတာရန်၊ ထို့ပြင် ဥာဏ်ရည်ကွဲပြားမှုကို ထိခိုက်စေသော ဇီဝဗေဒ၊ ပညာရေးနှင့် ပြုစုခြင်းဆိုင်ရာအချက်များကိုလည်း သုတေသနလုပ်ရန် အသုံးပြုကြသည်။
- ပရော်ဖက်ရှင်နယ် နယ်ပယ်များ: ဤတက်စ်ကို အကောင်းဆုံး စီမံခန့်ခွဲသူများ၊ စီးပွားရေးလုပ်ငန်းရှင်များ၊ စီးပွားရေးပိုင်ရှင်များ၊ မန်နေဂျာများ၊ ဦးစီးအုပ်ချုပ်သူများနှင့် စီစဉ်သူများကို ရှာဖွေရန် ကူညီပေးသည်။
- ပညာရေး: ဤတက်စ်ကို ကလေးများနှင့် လူကြီးများ၏ အနာဂတ်အောင်မြင်မှုကို ကြိုတင်ခန့်မှန်းရန် တစ်ခုသော ကိရိယာအဖြစ် အသုံးပြုကြသည်၊ ၎င်းတို့၏ လူမှုရေးနှင့် ယဉ်ကျေးမှုနောက်ခံကို သက်ရောက်မည်မဟုတ်ပဲ။
- ကလင်နစ် အသုံးချမှု: ဤတက်စ်ကို ဦးနှောက်-စိတ်ပိုင်းဆိုင်ရာ ပြဿနာများကို တိုင်းတာခြင်းနှင့် တွေ့ရှိရန်၊ ထို့ပြင် ဉာဏ်ရည်တိုင်းတာခြင်းဆိုင်ရာ နည်းလမ်းမျိုးစုံမှ ရရှိသည့်ရလဒ်များကို စောင့်ကြည့်ရန် အသုံးပြုကြသည်။