《Journal of Intelligence》：Individual Differences in Problem-Solving Behavior in Reasoning Tests: The Role of Item Difficulty and Item Position
编辑推荐：
矩阵推理表现通常被视为认知能力的静态指标，尽管它反映了跨题目展开的动态过程。本研究考察了推理能力与视觉空间工作记忆（visuospatial working memory, vsWM）如何与题目难度和题目位置相互作用，共同塑造问题解决行为。研究人员记录了300
矩阵推理表现通常被视为认知能力的静态指标，尽管它反映了跨题目展开的动态过程。本研究考察了推理能力与视觉空间工作记忆（visuospatial working memory, vsWM）如何与题目难度和题目位置相互作用，共同塑造问题解决行为。研究人员记录了300名参与者在图形矩阵测验中的眼动数据。研究采用贝叶斯多层模型分析了三个问题解决行为指标：切换率（toggle rate, ToR）、矩阵注视时间比例（proportional time on matrix, PoM）以及首次注视反应选项的时间比例（proportional time to first fixation on response alternatives, PoFA）。结果显示，较高的推理能力始终与建设性匹配（constructive matching）相关的行为相关联，表现为较低的ToR、较高的PoM和较高的PoFA。此外，推理能力较高的个体在应对不断变化的任务需求时，表现出更强的问题解决行为适应性。关于vsWM的证据则更为细致，显示出其与推理能力和测验特征的交互作用而非跨指标的一致主效应。题目位置揭示了显著的个体间变异，且该变异超过了与题目难度相关的变异。这表明，个体在测验过程中行为演变方式的差异，大于其对难度增加反应的差异。总体而言，研究结果强调，推理测验中的问题解决行为反映了个体特征与测验特征之间的动态交互作用，并凸显了在考察推理表现时同时建模两者的重要性。
论文解读：推理测验中问题解决行为的动态交互机制
一、研究背景与问题提出
矩阵推理测验被广泛认为是教育成就和职业表现等领域的有效预测工具。以往研究通常将推理测验中的表现视为认知能力的静态指标，但实际上个体在完成测验题目过程中的问题解决行为是一个动态展开的过程。早在1978年，Snow便通过眼动追踪和回溯性报告发现，个体在完成瑞文渐进矩阵测验时存在不同的问题解决策略。其中一种策略被命名为建设性匹配（constructive matching, CM），即个体基于问题矩阵在头脑中构建潜在解决方案，随后快速扫描反应选项以寻找最佳匹配；另一种策略则被命名为反应排除（response elimination, RE），即个体在矩阵和反应选项之间频繁切换。大量研究证实，更接近CM的行为与更高的推理能力相关。
然而，以往研究存在若干不足。首先，关于题目难度对问题解决行为的影响，研究结论并不一致。部分研究发现随着题目难度增加，个体表现出更少的CM行为，而另一些研究则观察到相反趋势。这种不一致可能源于样本特征、测验设置以及个体差异的混杂影响。其次，许多推理测验采用渐进式题目难度设计，导致题目难度和题目位置效应难以区分。已有证据表明，题目位置效应可独立于推理能力解释测验成绩的变异，且能超越推理能力预测学业成就，提示其并非纯粹的方法学伪影，而具有心理学意义。然而，同时考察题目难度和题目位置对问题解决行为交互影响的研究仍较为缺乏。第三，视觉空间工作记忆在推理能力与问题解决行为关系中的作用尚不明确，已有研究存在中介、调节或无关联等相互矛盾的发现。因此，本研究旨在采用贝叶斯多层模型，同时建模个体内部跨题目的变化和个体之间问题解决行为的差异，系统考察推理能力与vsWM如何与题目难度和题目位置交互，共同塑造问题解决行为。
二、研究方法概述
研究对象为300名参与者（平均年龄26.26岁，SD = 10.81），通过大学、当地机构、线上渠道等招募。参与者需完成两个独立实验阶段，间隔至少一天。视觉空间工作记忆采用Corsi方块敲击任务（Corsi block-tapping task, CBT）评估，参与者在21个试次中按要求按顺序复现方块序列。推理能力测试采用Mitres测验组中的图形矩阵测验（Figural Matrices, FM），包含非渐进式难度变化的一系列题目，每道题目为3×3矩阵，右下角缺失一格，下方提供八个反应选项。眼动数据使用EyeLink 1000 Plus系统以500Hz采样率记录，分别计算三个问题解决行为指标：切换率（ToR，矩阵与反应选项之间所有注视转换次数除以题目反应时）、矩阵注视时间比例（PoM，矩阵区域注视总时长除以题目反应时）和首次注视反应选项时间比例（PoFA，首次注视反应选项的时间除以题目反应时）。统计方法采用贝叶斯多层线性回归模型，预测变量包括vsWM、推理能力、题目难度和题目位置，并纳入全部最高至四阶的交互作用。随机效应部分包括随机截距以及题目难度和题目位置的随机斜率。
三、主要研究结果
3.1 切换率（ToR）
模型结果显示，推理能力与题目难度均与ToR呈可信负相关。题目难度与推理能力的交互作用表明，题目越难，高推理能力个体的ToR下降幅度越大。题目难度与题目位置的交互作用则显示，随着测验进程推进，难易题目之间的ToR差异逐渐增大。此外，推理能力与vsWM的交互作用显示，vsWM越高，推理能力对ToR的负向效应越小。随机效应分析表明，题目位置的随机斜率个体间变异大于题目难度的变异。
3.2 矩阵注视时间比例（PoM）
推理能力、题目难度和题目位置均对PoM存在可信主效应。推理能力越高，PoM越大；题目越难，PoM越大；随测验进程推进，PoM呈下降趋势。推理能力与题目难度的交互作用再次表明，高推理能力个体在题目变难时更大幅度地增加矩阵注视时间。推理能力与题目位置、题目难度与题目位置的交互作用均可信。三向交互作用显示，对于测验后期的题目，vsWM较高的个体PoM反而下降，而该模式在测验早期和中期仅对低推理能力个体显现。随机效应分析显示，PoM截距与题目位置斜率呈可信正相关，即平均矩阵注视时间较长的个体，其题目位置效应更为明显。
3.3 首次注视反应选项时间比例（PoFA）
推理能力和题目位置对PoFA存在可信正向主效应，题目难度和vsWM无可信主效应。推理能力、题目难度与题目位置的三向交互作用表明，对于高推理能力个体，难易题目之间的PoFA差异随测验进程增大，而低推理能力个体则相反。进一步的四向交互作用显示，该三向交互模式随vsWM水平不同而系统变化，高vsWM个体的PoFA受推理能力调节的程度更强。随机效应分析揭示了显著的个体间变异，且PoFA截距与题目位置斜率之间呈可信正相关。
四、讨论与结论
本研究证实，推理能力对三个眼动指标均存在可信的主效应，高推理能力个体的行为模式与CM策略一致，支持了已有研究结论。同时，高推理能力个体表现出更强的问题解决行为适应性，但这种适应性在不同指标上方向不同：ToR和PoM显示随题目难度增加更趋向CM，而PoFA则呈现相反模式。vsWM的效应较为复杂，主要表现为与推理能力和题目位置的交互，而非一致的主效应，提示vsWM可能发挥调节作用而非直接影响。随机效应分析的重要发现是，题目位置相关的个体差异系统性大于题目难度相关的个体差异，表明个体在测验过程中行为演变方式的差异比其对难度反应的差异更为突出。PoM和PoFA中截距与题目位置斜率的相关可能支持意义建构和学习假说，即随着测验推进，部分个体逐渐认识到成功解题依赖于识别矩阵中的规则，从而增加对矩阵的加工。本研究存在一定局限，包括探索性研究性质、仅使用单一相对简单的vsWM测量、样本代表性有限等。总体而言，研究结论确认了推理能力是预测CM行为的重要个体特征，但问题解决行为并非仅由认知能力决定，而是由个体特征与测验特征共同塑造的动态交互产物，为未来在推理测验研究中同时纳入个体差异与测验结构因素提供了实证依据。
