连续体还是剖面？PISA 2022中可复现但冗余的创造力资源配置

《Journal of Intelligence》：Profiles or Continua? Reproducible but Redundant Creativity-Resource Configurations in PISA 2022

　　

受评创造力思维是一种认知个体间差异构念，与常规智力相关但不等同，PISA 2022首次在国际大规模研究中直接施测。研究人员探讨其关联资源的结构，以及离散学生“类型”或连续维度何者更能预测创造力思维表现。基于44个教育系统（306,704名学生；完整指标样本235,240人），研究人员对9个系统内标准化创造力指标估计了参议院加权（senate-weighted）高斯混合模型（Gaussian mixture），并将其与表现关联（10个合理值；Fay平衡重复复制）。六剖面解在充分优化下可复现（12个子样本平均调整兰德指数0.95），但信息准则从2到12类单调改善，无类别数被选中；且剖面预测冗余：在防泄漏交叉验证中，其解释方差（R2=0.028）低于9个连续指标（0.044）或灵活连续模型（0.068），涵盖K=2–12及硬/软分类。经验证的分类误差校正后，表现近端倾向与好奇心而非关系感知预测创造力思维表现。对于创造力能力的测量与建模，连续资源维度比离散类型更具信息量，后者只是对连续变异的枚举欠定、预测冗余的再描述。

研究背景与问题提出

创造力思维作为兼具原创性与有效性的教育结果，在PISA 2022中首次以直接认知测评形式施测。其关联资源（创意自我效能、开放性、想象力、好奇心、家庭与学校支持等）异质多样，既往研究惯用潜剖面分析（Latent Profile Analysis, LPA）将其聚为少数“类型”以利传播。但三类问题常被忽视：数据是否选出类别数；剖面跨起点与子样本是否可复现；剖面在样本外是否比源自的连续指标更具增量预测价值。本研究以PISA 2022多国数据回应这三问，进而判断离散类型或连续维度何者更优。

研究概述与结论要义

研究人员对44个教育系统、306,704名学生（完整指标样本235,240人）的9个系统内标准化创造力资源指标，拟合参议院加权对角高斯混合模型（K=2–12），以调整Rand指数（Adjusted Rand Index, ARI）、Tucker同余系数检验可复现性；采用防泄漏、学校分组的3×5重复交叉验证比较剖面、9连续指标及含二次与交互项的灵活连续模型的样本外R²；远端结果用BCH分类误差校正估计，并以校内/校间分解与变量中心模型定位资源作用。结论：六剖面可复现但无类别数被信息准则选中，且剖面在任何分辨率下预测冗余（增量R²≈0.004），连续模型最优；描述性看，高倾向的“开放性–想象力”配置表现最高，但仅略优于“综合资源”配置，且显著优于“关系支持”配置；变量中心分析显示好奇心与创意能动（creative agency）正相关，关系支持聚合近零（指标层方向相反）。该文发表于《Journal of Intelligence》，论证了创造力资源建模应取连续维度而非离散类型。

主要技术方法（≤250字）

数据源自PISA 2022公开学生问卷，按每系统≥500名含创造力合理值且指标覆盖率≥50%筛得44系统。9个OECD加权似然估计指标系统内标准化并Winsor化±4 SD，合成创意能动与关系支持两复合指标及好奇心单指标。混合模型用EM估计、参议院权重均衡系统影响；类别枚举K=2–12报AIC/BIC/熵；可复现性由12个平衡子样本ARI、独立系统LPA同余系数评估；增量价值用防泄漏学校级3×5重复交叉验证，训练折叠内重标化与重拟合，比较剖面哑变量/后验概率、9线性指标、54项灵活连续模型之加权验证R²；远端表现用BCH校正配合Fay平衡重复复制（BRR）合并10合理值，辅以校内/校间固定分解。

研究结果

3.1 是否选出类别数？否。AIC与BIC从K=2至K=12单调改善，无枚举最优；熵≤0.75，最小类至K=12缩至约1%；变方差优于等方差（BIC差约0.27M），表明分布灵活性而非真类别。

3.2 六剖面是否可复现？是。50次起点中60%复获最佳对数似然；12子样本对池化分类平均ARI=0.95（0.88–0.97）；完整与可用数据解ARI=0.92；独立系统LPA平均同余0.83；剔阿尔巴尼亚或7个抽样警示系统后Tucker φ=0.999–1.000。

3.3 剖面是否有预测增量？各分辨率均无。样本外六剖面哑变量R²=0.028，9连续指标0.044，灵活连续0.068；剖面加灵活模型增量R²=0.004（<0.005阈值）；K=2–12、硬/软分类均不逼近连续模型。

3.4 配置与结果。描述用六剖面：Constrained(10.9%)、Low Resources(27.4%)、Average-Mixed(14.1%)、Openness–Imagination(15.7%)、Relational Support(18.6%)、Comprehensive(13.3%)。三有利配置表现超均；BCH校正后Openness–Imagination较Relational Support高0.113 SD（超0.10 SESOI），与Comprehensive差0.069 SD、Comprehensive与Relational Support差0.044 SD，后两对在0.10 SD内等价。

3.5 哪些资源关联表现。变量中心模型：好奇心β=0.117、创意能动β=0.099、关系支持β=0.001；指标层想象力0.103、创意家庭0.028、教师支持0.024、学校归属近零、感知创意学校环境?0.051。校内/校间分解：能动与好奇心在两层皆正（校间0.484/0.380，控ESCS后仍0.404/0.360），关系支持校内?0.001、校间?0.061（控ESCS后?0.030）。

3.6 稳健性与选择性。完整案例样本正选（剔除者低0.48 SD），但可用数据模型复现结构（φ=0.998）与对比；覆盖率门槛调至70%/80%/90%留40/29/8系统，结论不变。

讨论与结论翻译

讨论指出，剖面可复现不等于充分：无类别数选中且预测冗余，离散“类型”仅是连续变异的枚举欠定再描述；应仅在与连续灵活模型增量基准、可复现性证据并列时报告。表现排序反映特定资源（想象力、好奇心）差异而非资源累加；关系感知聚合零相关源于指标层抵消与参照组效应，不可解读为“创意学校氛围有害”。测量建模上，连续潜维度比离散类型保留排序信息、利测量不变性检验与多层模型。

结论（译）：充分优化下PISA 2022创造力资源剖面可复现，但数据未选类别数，剖面在样本外无增量（各分辨率、软硬分类皆然），灵活连续模型更优；描述层高倾向配置显著高于关系支持配置但不异于综合配置；表现近端倾向与好奇心是最关联资源。创造力能力测量建模应取连续维度，任何LPA解须先报类别枚举、可复现性与对灵活连续模型的增量值。