peakomponendi seletusprotsent, seda suurem peab olema korrelatsioon alaskaalade vahel ja seda olulisem on järelikult ka g-faktor. Järelikult tähendab kahaneva tulemi seadus seda, et mida suuremaks kasvab üldine vaimne võimekus, seda väiksem osakaal on g-faktoril. Kõrge vaimse võimekusega rühmades on võimekuse muster mitmekesisem kui madala IQga rühmades. Parafraseerides Leo Tolstoi palju korratud tähelepanekut õnnelike ja õnnetute perekondade kohta, võib öelda, et kõik rumalad inimesed on rumalad ühtemoodi, kuid tark saab olla vaid isemoodi.
Üks võimalus on seletada kahaneva tulemi seadust arengulise diferentseerumise terminites. Lapse arenedes kasvab ka tema võimekus, ent lisaks üldisele kasvule muutub see ka mitmekesisemaks. Tekivad juurde uued oskused ja võimed, mis eristavad teda teistest lastest. See tähendab, et lapse andekus avaldub rohkem ühes kitsas valdkonnas ja vähem mõnes teises. Selle tulemusel hakkavad lapsed üksteistest rohkem eristuma. See tähendab ka, et g-faktori osakaal muutub väikesemaks. Põhjalikuma ülevaate diferentseerumise hüpoteesist võib leida järgmisest Deary ja tema kolleegide tööst (Deary jt, 1996).
Eestis on diferentseerumist uuritud 2650 koolilapsel vanuses 12–18 aastat (Allik, Laidra, Realo & Pullmann, 2004). Lisaks Raveni kasvava raskusastmega maatriksitele täitsid kõik osalised ka NEO-FFI küsimustiku, mis mõõdab viit peamist isiksuse seadumust: neurootilisust, ekstravertsust, avatust, sotsiaalsust ja meelekindlust. Tulemused näitasid, et vanuse kasvades muutuvad korrelatsioonid kõigi omaduste, eriti isiksuse ja intelligentsuse vahel, väiksemaks.
Korreleeritud vektorite meetod
Kui intelligentsustestide skoorides on natuke üldintelligentsuse ning natuke mõne spetsiifilisema võime mõju, siis kuidas me saame teada, kas testiskoori ning mõne muu muutuja (nt koolihinded, sissetulek, eluea pikkus, jõululaupäeval ära söödud piparkookide arv või saapanumber) korrelatsioon on tingitud üldvõimekusest või spetsiifilistest oskustest? Selle jaoks on kasutusele võetud nn korreleeritud vektorite meetod. Selle olemus on tegelikult väga lihtne. Tarvis on mõõta intelligentsust mitme erisuguse testi või testiosaga ning seejärel arvutada iga testi puhul välja, kui hästi see mõõdab üldintelligentsust (seda nimetatakse g-laadungiks). Tehniliselt tähendab see kõikidel testidel näiteks peakomponentide analüüsi, mis ühe võimaliku väljundina arvutab igale testile selle korrelatsiooni üldfaktoriga – need ongi g-laadungid. Nüüd on tarvis paigutada kõik saadud g-laadungid ühte tulpa (mõnikord nimetatakse selliseid tulpi vektoriteks – sellest ka korreleeritud vektorite meetodi nimi). Seejärel tuleb arvutada iga testi või testiosa korrelatsioon huvipakkuva muutujaga (nt hinded, sissetulek vm) ning saadud korrelatsioonid kirjutada teise tulpa. Viimase sammuna tuleb arvutada kahe tulba omavaheline korrelatsioon. Kui see on piisava suurusega ja positiivne, siis võib öelda, et just üldvõimekuse osa intelligentsustestide soorituses on see, mis seostub huvipakkuva tunnusega. Miks? Selle pärast, et testid, mis mõõtsid üldvõimekust paremini, seostusid huvipakkuva tunnusega tugevamini kui need testid, mis mõõtsid suhteliselt vähem üldvõimekust ja rohkem mingit spetsiifilist intelligentsuse osa. Kui tulpade korrelatsioon on piisavalt tugev ja negatiivne, siis on järeldus täpselt vastupidine.
Korreleeritud vektorite kasutamise näitena on toodud andmed Jenseni (1998) tööst, kus uuriti, kuidas aju tingitud potentsiaalid (ERP) on seotud WAISi alatestide järjestusega esimesel peakomponendil. Vastajatel, kes olid täitnud WAIS-testi, mõõdeti ERPe vastusena korduvale helile. Igal inimesel arvutati välja habituatsiooniindeks, mis näitas, kui palju langes ERP amplituud 50 järjestikuse helisignaali jooksul. Joonisel 9 on näidatud ERP habituatsiooni korrelatsioon WAISi alatestidega ja alatestide laadungid esimesel peakomponendil (1 PC), mis iseloomustab g-faktori sisaldust vastavas alatestis. Näiteks on näha, et joonisel 9 esitatud kodeerimisülesanded (Cod) on üldintelligentsusega üsna nõrgalt seotud. Samuti on korrelatsioon ajupotentsiaalide habituatsiooniga suhteliselt madal. Seevastu sõnavara puhul on suurimad laadungid esimesel komponendil ja küllalt kõrge korrelatsioon ERP habituatsiooniga. Kokkuvõttes on WAISi alatestide laadungid esimesel peakomponendil ja nende seos ERP habituatsiooniga märkimisväärselt kõrges korrelatsioonis (r = 0,77). See lubab arvata, et ajupotentsiaalide harjumine akustilise signaaliga on tõepoolest seotud üldintelligentsusega.
Korreleeritud vektorite meetod on lihtne ning selle olemus intuitiivselt hästi mõistetav. Samuti on seda hea rakendada juba avaldatud tulemuste uuesti analüüsimisel (tihti on nii g-laadungid kui testide või testiosade korrelatsioonid huvipakkuvate tunnustega kergesti kättesaadavad). Samas on see meetod n-ö laia lauaga löömine, sest ei võimalda saada täpsemat informatsiooni selle kohta, millised spetsiifilised testid või testiosad on üldvõimekusest sõltumatult seotud huvipakkuva tunnusega ning kui tugevad on need seosed. Seetõttu tuleks võimaluse korral korreleeritud vektorite meetodile eelistada nüüdisaegsemaid statistilisi protseduure, nagu näiteks struktuurivõrrandite mudelid. Need võimaldavad muu hulgas iga uuritava muutuja (nii testi, testiosa kui kõikide testide ja testiosade ühisosa ehk üldvõimekuse) puhul eraldi välja arvutada, kuivõrd tugevasti see seostub huvipakkuva tunnusega.
JOONIS 9. Näide korreleeritud vektorite meetodi kasutamisest. 1 PC – WAISi alatestide laadungid esimesel peakomponendil ehk g -faktoril; ERP habituatsioon – aju tingitud potentsiaalide amplituudi kahanemine peale 50 helisignaali kordust; WAISi alatestid: V – sõnavara; I – informeeritus; S – sarnasused; PA – piltide seadistamine; A – arvutamine; C – mõistmine; BD – klotside kokkupanek; OA – asjade kokkupanek; PC – piltide lõpetamine; DS – arvumälu; Cod – kodeerimine. Jenseni (1998) joonise 6.2 põhjal.
PEAVOOLUST KÕRVAL SEISVAD INTELLIGENTSUSE STRUKTUURI KÄSITLUSED
Sellega, et intelligentsuse struktuuri tuleb käsitleda hierarhilisena, nõustub enamik praegu intelligentsuse uurimisega tegelevaid eksperte. Niisugusel käsitlustel põhinevad teadusartiklid, mida avaldatakse erialaajakirjades, ning ettekanded, mida tehakse teaduskonverentsidel. Samas on üpris laialt tuntud ka mõned sellised intelligentsuse struktuuri teooriad, mida valdav osa intelligentsuse valdkonna eksperte küll väga tõsiselt võtta ei taha, ent mis ometi on populaarsed mõnes teises psühholoogiaharus, näiteks arengu- või hariduspsühholoogias.
Garneri mitmese intelligentsuse teooria
Harvardi ülikooli professor Howard Gardner (snd 1943) saavutas suure tuntuse oma raamatuga „Mõistuse raamid” (Gardner, 1983). Selles raamatus ta väidab, et ühte üldvõimekust (ehk g-faktorit) pole olemas. Selle asemel on olemas vähemalt 7 intelligentsuse vormi või liiki:
1. keeleline;
2. loogilis-matemaatiline;
3. muusikaline;
4. ruumiline;
5. kehalis-kineetiline;
6. enesetunnetuslik (intrapersonaalne);
7. sotsiaalne (interpersonaalne).
Hiljem lisas ta veel kaks intelligentsuse liiki: (8) naturalistlik ja (9) eksistentsiaalne. Mille põhjal need 7 või 9 võimekuse vormi on defineeritud, pole kuigi selge. Kriitikud on märkinud, et Gardneri mitmese intelligentsuse teoorial puudub tõenduspõhine alus. Tegemist on eelkõige ideoloogiliste väidete koguga, mille peamiseks ülesandeks on eitada üldintelligentsuse olemasolu. Sama hästi võiksime rääkida kriminaalsest, seksuaalsest või poliitilisest intelligentsusest.
Gardneri seisukohad intelligentsuse osas on pisut iseäralikud veel selgi põhjusel, et ta eitab vajadust intelligentsust mõõta – ka see täidab ilmselt hästi sotsiaalset tellimust, mis püüab leida viise inimeste võimete järgi ritta seadmise diskrediteerimiseks. Muu hulgas muudab just Gardneri väljakäidud võimete väidetav mõõdetamatus nende olemasolu ja struktuuri teadusliku kontrollimise üsna keeruliseks ja seega on need justkui ümberlükkamise suhtes immuunsed. Gardneri poolt välja käidud intelligentsuse vorme on siiski üritatud mõõta ning tulemused on olnud sarnased nendega, millest rääkisime eespool Thurstone’i, Guilfordi ja Cattelli-Horni juures: inimeste sooritus erinevat tüüpi võimetes kaldub olema sarnane (Visser, Ashton & Vernon, 2006).
Sternbergi