Naglieri非言语能力测验（NNAT-I）在土耳其10–14岁初中学生中的心理测量学评价

《Journal of Intelligence》：Psychometric Evaluation of the Naglieri Nonverbal Ability Test (NNAT-I) in Turkish Middle School Students Aged 10–14 Years

　　

Naglieri非言语能力测验-个体版（NNAT-I）广泛用于评估非言语推理并最小化语言要求，但其在土耳其初中生中的心理测量学证据有限。研究人员在土耳其艾登省跨社会经济教育发展层级学校招募1130名10–14岁学生，考察NNAT-I的信度、聚合效度、内部结构、项目功能及差异项目功能（DIF）。研究实施内部一致性、重测与等值表单信度、聚合效度、验证性因子分析（CFA）、Rasch分析、多组Rasch DIF分析与线性混合效应建模。结果显示NNAT-I内部一致性高（Cronbach’s α=0.93；McDonald’s ω=0.94），重测与等值表单信度强，与第三版非言语智力测验（TONI-3）及Raven标准渐进矩阵（RSPM）相关性强；CFA对主要单维结构提供有限而非明确支持，模型拟合随项目反应分布与非施测反应处理而变；Rasch分析支持项目难度有序层级，所有项目Infit值在预设描述性参考范围内；多重比较校正后仅1题显示显著性别DIF，无年龄DIF；线性混合效应模型表明年级与性别与NNAT-I分数显著相关，实足年龄无独立关联。结果为该土耳其初中样本提供了信度、聚合效度、内部结构及项目功能的证据，同时提示单维性结论应持保留。研究强调在新教育与文化语境中应用非言语测验前开展本地心理测量学评价的重要性。

研究背景方面，智力评估直接影响教育安置、临床诊断和资优识别，但许多成熟工具高度依赖言语理解与学业经验，可能混淆认知容量测量。非言语测验通过视觉刺激评估推理以降低语言负荷，被广泛应用于多元文化场景，但“降低语言要求”不等于“免文化环境干扰”。Naglieri非言语能力测验（NNAT）在北美样本中信效度证据充分，但在土耳其10–14岁初中阶段缺乏系统评价；既有土耳其研究多聚焦5–9岁儿童，早期青少年抽象推理与学业分化增强，心理测量属性不能默认泛化。因此，研究人员在《Journal of Intelligence》发表本研究，以多层经典与现代测量学框架检验NNAT-I在土耳其艾登省初中生的适用边界。

关键技术方法上，研究人员采用分层整群抽样，按土耳其工业与技术部社会经济教育发展排名（SEGE）分四层，从艾登省四区六校抽取1130名5–8年级学生（10岁0个月至14岁6个月，参与率94.2%）。测量工具为NNAT-I表A为主测，另设重测子样本（n=105，4周间隔）、等值表单子样本（n=107，表A→表B一周间隔）、TONI-3聚合效度子样本（n=171）与RSPM聚合效度子样本（n=98）。统计层面联合使用IBM SPSS 25、JASP 0.18.3、R 4.5.3，执行Cronbach’s α与McDonald’s ω、WLSMV估计的验证性因子分析（CFA）、单参数Rasch模型（TAM包）、Yen’s Q3与调整Q3（aQ3）残差相关、多组Rasch DIF（mirt包，Benjamini–Hochberg错误发现率校正）、 intraclass相关系数（ICC）与线性混合效应模型（lme4/lmerTest），并对中断规则后的非施测项目做“计0”与“计缺失”双轨敏感性校准。

研究结果部分，参与者与描述统计显示NNAT-I均分随年级与年龄递增（5年级35.99至8年级44.38），但跨SEGE层级均分近似。信度分析中，全样本Cronbach’s α=0.93、McDonald’s ω=0.94，各人口学亚组α介于0.92–0.94；重测Pearson r=0.899、ICC(A,1)=0.894；等值表单r=0.906、ICC=0.901。聚合效度方面，NNAT-I与TONI-3原始分r=0.865（年龄偏相关0.862），与RSPM r=0.798（偏相关0.791）。CFA基于项目10–72的单因子模型拟合混合（scaled RMSEA=0.039但CFI=0.850、SRMR=0.169），限定反应类别均占≥5%的项目21–65后拟合改善（CFI=0.951），将中断后非施测计缺失的敏感性CFA仍呈混合拟合，表明单维性结论受极端分布与结构缺失影响。Rasch主分析（项目10–72）难度?7.89至6.04 logit，全部Infit MnSq 0.76–1.23，EAP信度0.941；敏感性将中断后计缺失后相对难度序高度稳定（r=0.991）但后期项目绝对难度偏移、Outfit合规项由17/63升至56/63。人-题匹配Wright图显示题均难度?0.68 logit低于人能?0.08 logit，高能力端题密度偏低。局部独立性aQ3均值0.042（主分析）至0.054（敏感分析），12–13与10–13题对残差相关最高。DIF分析中性别初筛9题名义显著，FDR校正后仅项目26显著（女更难，对比0.66 logit，纯化锚点分析复现）；年龄初筛3题校正后无留存。混合效应零模型学校ICC=0.015，终模型年级显著（5–7年级低于8年级），女性高于男性（B=2.11, p<0.001），实足年龄同入模型不显著（B=?0.95, p=0.114），年龄单独建模为正向、同入模型方向反转，提示年龄-年级共线（r=0.914）下效应不可分离。

讨论部分指出，高内部一致性、强重测/等值表单信度与对TONI-3/RSPM强相关，支持NNAT-I在该土耳其初中样本的基本心理测量质量，并延展了既往5–9岁土耳其证据至早期青少年；但CFA非明确单维、Rasch绝对难度对中断后编码敏感、局部残差非完全独立、仅项目26性别DIF可复现，说明结论须限定于“主要单维”“项目10–72”“艾登区域”。研究人员强调非言语测验减语言负荷而非脱文化背景，NNAT-I应作为综合评估组件而非资优识别单列依据；SEGE区级非显著不可解读为社经无关（仅6校簇、3层各1校）；未来需多区域大样本、个体社经指标、多组测量不变性检验与更灵活IRT模型。

结论部分翻译如下：本研究为土耳其初中生NNAT-I的信度、聚合效度与项目功能提供心理测量学证据。经典测验理论、验证性因子分析、Rasch建模与差异项目功能分析总体指示该群体下充足心理测量表现，同时对严格单维性、局部残差依赖及中断后反应处理提出限定。后续需正式评估测量不变性并在更广多样样本建立常模。本发现表明NNAT-I可作综合认知评估有用组件，依资优教育文献现行建议，NNAT-I分数应与多源证据并列解释，而非作为高利害教育决策单独依据。