تست IQ

هشدار 

اگر زبان اصلی شما انگلیسی نباشد ممکن است نمره ی IQ شما را کم نمایش دهد

ابتدا به سایت http://www.iqtest.com/prep.html بروید

در صفحه ی باز شده 3 گزینه موجود است

Okay, give me the practice test now.

I have done all that. Let me take the test now.

Tell me about my Complete Personal Intelligence Profile.

فارسی(PERSHIAN)

نمره IQ چیست؟

در اصل، IQ یا هوشبهر، برای شناسایی افراد از هوش پایین تر، و برای شناسایی کودکان از هوش پایین تر به منظور آنها را در برنامه های آموزشی خاص مورد استفاده قرار گرفت. آزمون های IQ برای مقایسه هوش کودک چه اطلاعاتی خود را "باید" را به عنوان در مقایسه با سن کودک طراحی شده بودند. اگر کودک به طور معنی داری "دقیق" از "عادی" کودک از سن و سال او و یا او را فرزند یک نمره بالاتر به او داده شد، و اگر کودک کمتر از انتظار می رود برای یک کودک از سن و سال او و یا او را به ثمر رساند، یک کودک به او داده شد IQ نمره پایین تر است.

امروز تست IQ اصولا برای کودکان استفاده می شود، اما برای بزرگسالان است. امروز ما تلاش برای نوشتن آزمون است که بالقوه ذهنی درست بزرگسالان را تعیین، غیر مرتبط با فرهنگ، و مقایسه نمرات به نمرات افراد دیگر که آزمون گرفته اند. بنابراین، امروز نتایج عینی یک فرد بزرگسال مقایسه کنیم به نتایج عینی از بزرگسالان دیگر، و تعیین چگونگی هوشمند هر آزمون یادداشت برداری شده است که در مقایسه با تمام داوطلبان آزمون دیگر، به جای مقایسه داوطلبان آزمون به استاندارد مربوط به سن خودسرانه.

انحراف استاندارد:

اولین قدم برای درک تست IQ برای درک انحراف استاندارد است.

انحراف استاندارد نوع "AVG AVG،" و اغلب می تواند کمک به داستان پشت داده ها را پیدا کنید. برای درک این مفهوم، می توان آن را برای کمک به یادگیری در مورد آنچه که آمار و ارقام به توزیع نرمال داده ها.

توزیع نرمال داده ها، این بدان معنی است که بسیاری از نمونه های در یک مجموعه ای از داده ها نزدیک به "متوسط"، در حالی که تعداد نسبتا کمی از نمونه تمایل به شدید و یا از سوی دیگر است.

بیایید می گویند شما در حال نوشتن یک داستان در مورد تغذیه. شما نیاز دارید که در معمول مردم را به مصرف کالری روزانه نگاه کنید. مانند بسیاری از داده ها، برای مصرف معمولی مردم احتمالا به نوبه خود به توزیع نرمال است. این است که، برای اکثر افراد، مصرف آنها خواهد بود نزدیک به میانگین است، در حالی که تعداد کمی از مردم از خوردن مقدار زیادی بیشتر یا بسیار کمتر از متوسط ​​است.

هنگامی که شما در مورد آن فکر می کنم، که فقط حس مشترک است. نه این که بسیاری از مردم در حال گرفتن در وعده های کلپ و برنج است. یا هشت وعده های غذایی از استیک و milkshakes. اکثر مردم دروغ جایی در میان.

اگر شما را در داده های توزیع نرمال بر روی یک گراف نگاه کرد، آن را چیزی شبیه به این:

محور X (افقی) ارزش در مورد ... کالری مصرف می شود، دلار به دست آورده و یا جنایات، متعهد به عنوان مثال. و محور Y (عمودی) تعدادی از datapoints برای هر مقدار در محور x-... به عبارت دیگر، تعداد افرادی که به خوردن کالری x، تعدادی از خانواده هایی که درآمد میلیون، و یا تعدادی از شهرستانها با جنایات X متعهد است.

در حال حاضر، همه از مجموعه داده ها نمودار که نگاه کنید این کامل داشته باشد. برخی از منحنی ها نسبتا مسطح، دیگران خواهد بود بسیار تند است. گاهی اوقات متوسط ​​کمی به یک طرف و یا لاغر. اما همه داده های توزیع نرمال خواهد چیزی شبیه به همین شکل منحنی بل "داشته باشد.

انحراف استاندارد از آمار است که به شما می گوید که چگونه محکم تمام نمونه های مختلف در اطراف میانگین مجموعه ای از داده ها خوشه است. هنگامی که نمونه ها خیلی محکم bunched با هم و منحنی بل به شکل شیب، انحراف استاندارد کوچک است. هنگامی که به عنوان مثال در حال گسترش از هم جدا و منحنی بل نسبتا مسطح است، که به شما می گوید که شما یک انحراف استاندارد نسبتا بزرگ است.

محاسبه ارزش یک انحراف استاندارد پیچیده است. اما به شما اجازه به من نشان بده گرافیکی انحراف استاندارد نشان دهنده ...

(NILES کاربران آنلاین حاضر در سایت)

یک انحراف معیار به دور از متوسط ​​در هر دو جهت بر روی محور افقی (قرمز منطقه در نمودار بالا) حساب برای حدود 68 درصد از افرادی که در این گروه است. دو انحراف استاندارد دور متوسط ​​(مناطق قرمز و سبز) حساب برای حدود 95 درصد از مردم است. و سه انحراف استاندارد (مناطق قرمز، سبز و آبی) در حدود 99 درصد از مردم است.

اگر این منحنی تملق گفتن و بیشتر گسترش، انحراف استاندارد را باید بزرگتر به منظور به حساب برای کسانی که درصد یا 68 از مردم است. بنابراین به همین دلیل است که انحراف استاندارد می تواند شما را چگونه گسترش یافته است به عنوان مثال در یک مجموعه از متوسط ​​هستند.

چرا این مفید است؟ در اینجا به عنوان مثال: اگر شما در حال مقایسه نمرات آزمون برای مدارس مختلف، انحراف استاندارد شما را چگونه متنوع نمرات آزمون برای هر مدرسه است.

بیایید می گویند اسپرینگفیلد ابتدایی میانگین نمره آزمون از Shelbyville ابتدایی. اولین واکنش شما ممکن است می گویند که بچه ها در اسپرینگفیلد دقیق.

اما انحراف استاندارد بزرگتر برای یک مدرسه به شما می گوید که بچه ها نسبتا بیشتر در مدرسه به ثمر رساند که نسبت به یک سو یا سوی دیگر وجود دارد. با پرسیدن چند پیگیری سوالات شما ممکن است دریابید که، می گویند، متوسط ​​اسپرینگفیلد اریب شد و از آنجا که منطقه مدرسه می فرستد همه از بچه های با استعداد به اسپرینگفیلد. یا اینکه نمرات Shelbyville پایین کشیده شد و به دلیل دانش آموزان که به تازگی شده اند "mainstreamed" از کلاس های آموزش ویژه تمام شده است به Shelbyville فرستاده شده است.

در این روش، به دنبال انحراف استاندارد می تواند کمک به اشاره شما را در مسیر درست در هنگام پرسیدن چرا داده است راه آن است.

انحراف استاندارد همچنین می توانید ارزش تمام کسانی که به اصطلاح "مطالعات" است که به نظر می رسد به مطبوعات روزمره ارزیابی به شما کمک کند. انحراف استاندارد زیادی در یک مطالعه که ادعا می کند برای نشان دادن ارتباط بین خوردن Twinkies و کشتن سیاستمداران، به عنوان مثال، ممکن است شما را نکته که ادعای مطالعه هستند که قابل اعتماد نیست.

در اینجا یک فرمول برای محاسبه انحراف استاندارد.

اخطار، این فقط برای حرفهایها ریاضی! نویسندگان و دیگران به دنبال فقط یک درک اساسی از آمار لازم نیست برای خواندن هر یک بیشتر است. به یاد داشته باشید، یک ماشین حساب مناسب و معقول و برنامه آمار این کار را برای شما محاسبه ...

شرایط شما نیاز به دانستن

x = یک ارزش در مجموعه خود را از داده

(x) = میانگین (متوسط) از همه X ارزش در مجموعه خود را از داده

N = تعداد مقادیر از x در مجموعه خود را از داده

برای هر مقدار x، تفریق (x) X، پس از آن که ارزش خود را چند برابر (در غیر این صورت به عنوان تعیین مربع که ارزش شناخته می شود). خلاصه همه کسانی که ارزش مربع. پس از آن که ارزش این مقدار را چند برابر ... 1 / (n-1). سپس ریشه مربع از ارزش حاصل کنند. این انحراف استاندارد از مجموعه خود را از داده است.

تعریف هوش

اکثر مردم دارای یک مفهوم شهودی از چه هوش است، و بسیاری از کلمات در زبان انگلیسی تمایز بین سطوح مختلف مهارت های فکری: روشن، کسل کننده، هوشمند، احمق، باهوش، کند، و به همین ترتیب. هنوز هیچ تعریف پذیرفته شده از هوش وجود دارد، و مردم همچنان به بحث درباره آنچه، آن است که. پرسش اساسی باقی می ماند: آیا هوش یک توانایی کلی و یا سیستم های مستقل از توانایی های؟ آیا هوش اموال از مغز، از ویژگی های رفتار، و یا مجموعه ای از دانش و مهارت؟

ساده ترین تعریف پیشنهاد شده است که هر چه اندازه گیری هوش آزمون هوش. اما این تعریف، توانایی مشخص نیست خوب، و دارای مشکلات متعددی است. اول، آن مدور است: آزمون فرض به منظور بررسی وجود اطلاعات، که به نوبه خود قابل اندازه گیری توسط آزمون است. دوم، بسیاری از آزمونهای هوش های مختلف وجود داشته باشد، و نه همه آنها به اندازه گیری همان چیزی. در واقع، سازندگان اولین آزمون هوش با یک ایده دقیق از آنچه آنها می خواستند برای اندازه گیری آغاز خواهد شد. در نهایت، تعریف می گوید: بسیار کمی در مورد ماهیت خاص از هوش است.

هر زمان که دانشمندان برای تعریف هوش در شرایط از آنچه که باعث می شود آن و یا آنچه در آن واقع شده است، تقریبا در هر دانشمند می آید تا با یک تعریف متفاوت است. به عنوان مثال، در سال 1921 مجله علمی 14 روانشناسان برجسته و مربیان خواست به تعریف هوش. مجله 14 تعاریف مختلف، اگر چه بسیاری از کارشناسان با تاکید بر توانایی یادگیری از تجربه و توانایی برای انطباق با محیط است. در سال 1986، محققان آزمایش را با پرسیدن 25 کارشناسان برای تعریف خود را از هوش تکرار شده است. محققان مختلف تعاریف: سازگاری به مشکلات جدید در زندگی، توانایی برای مشارکت در تفکر انتزاعی، سازگاری با محیط زیست؛ ظرفیت برای علم و دانش دارای ظرفیت کلی برای استقلال، اصالت، و مولد در تفکر و ظرفیت برای به دست آوردن ظرفیت ، هراس از روابط مربوطه، توانایی به قاضی، به درک، و به همین دلیل، کسر از روابط و ذاتی، توانایی شناختی عمومی

مردم در جمعیت عمومی دارای مفاهیم تا حدودی متفاوت از هوش از انجام بسیاری از کارشناسان است. Laypersons و مطبوعات عامه پسند تمایل به تأکید بر هوش و ذکاوت، حس مشترک، توانایی حل مشکل عملی، توانایی کلامی، و علاقه به یادگیری. علاوه بر این، بسیاری از مردم فکر می کنم شایستگی های اجتماعی بخش مهمی از اطلاعاتی است.

بسیاری از پژوهشگران هوش تعریف هوش چیزی است که آزمون هوش اندازه گیری است، اما برخی از دانشمندان معتقدند که این تعریف ناکافی است و این هوش است هر چه توانایی های یک فرهنگ ارزش است. با توجه به این دیدگاه، مفهوم هوش از فرهنگی به فرهنگ دیگر متفاوت است. برای مثال، آمریکای شمالی اغلب مهارت های کلامی و ریاضی با هوش، اما برخی از فرهنگ دریانوردی در جزایر جنوبی اقیانوس آرام مشاهده حافظه فضایی و مهارت های ناوبری به عنوان نشانگر هوش مرتبط است. کسانی که معتقدند هوش فرهنگی نسبی اختلاف این ایده که هر آزمون نسبتا می تواند اندازه گیری هوش در سراسر فرهنگ های مختلف. دیگر، با این حال، مشاهده اطلاعاتی به عنوان یک توانایی پایه شناختی مستقل از فرهنگ است.

در سال های اخیر، تعدادی از نظریه پردازان استدلال کرده اند که آزمون های هوش استاندارد اندازه گیری تنها بخشی از توانایی های بشر است که می تواند به عنوان جنبه های هوش در نظر گرفته شده است. دیگر از محققان بر این باورند که آزمون دقت اندازه گیری هوش و عدم توافق بر روی یک تعریف از هوش اندازه گیری آن از درجه اعتبار ساقط است. به نظر آنان، اطلاعاتی است که بسیار شبیه به بسیاری از مفاهیم علمی است که به دقت اندازه گیری و قبل از دانشمندان در درک آنچه که اندازه گیری در واقع به معنی است. گرانش، دما، و پرتو، همه نمونه هایی از مفاهیمی است که قبل از آنها درک اندازه گیری شد.

"اطلاعات،" مایکروسافت ® انکارتا ® دایره المعارف کاربران آنلاین حاضر در سایت "2003

http://encarta.msn.com © 1997-2003 Microsoft Corporation. All Rights Reserved.

انگلیسی(ENGLISH)

What is an IQ Score?

Originally, IQ, or Intelligence Quotient, was used to detect persons of lower intelligence, and to detect children of lower intelligence in order to place them in special education programs. The first IQ tests were designed to compare a child's intelligence to what his or her intelligence "should be" as compared to the child's age. If the child was significantly "smarter" than a "normal" child of his or her age, the child was given a higher score, and if the child scored lower than expected for a child of his or her age, the child was given a lower IQ score.

Today IQ testing is used not primarily for children, but for adults. Today we attempt to write tests that will determine an adult's true mental potential, unbiased by culture, and compare scores to the scores of other adults who have taken the same test. So today we compare an adult's objective results to the objective results of other adults, and determine how intelligent each test taker is compared to all other test takers, instead of comparing test takers to an arbitrary age related standard.

Standard Deviation:

The first step to understanding IQ testing is to understand standard deviation.

Standard deviation is kind of the "avg of the avg," and often can help you find the story behind the data. To understand this concept, it can help to learn about what statisticians call normal distribution of data.

A normal distribution of data means that most of the examples in a set of data are close to the "average," while relatively few examples tend to one extreme or the other.

Let's say you are writing a story about nutrition. You need to look at people's typical daily calorie consumption. Like most data, the numbers for people's typical consumption probably will turn out to be normally distributed. That is, for most people, their consumption will be close to the mean, while fewer people eat a lot more or a lot less than the mean.

When you think about it, that's just common sense. Not that many people are getting by on a single serving of kelp and rice. Or on eight meals of steak and milkshakes. Most people lie somewhere in between.

If you looked at normally distributed data on a graph, it would look something like this:

The x-axis (the horizontal one) is the value in question... calories consumed, dollars earned or crimes committed, for example. And the y-axis (the vertical one) is the number of datapoints for each value on the x-axis... in other words, the number of people who eat x calories, the number of households that earn x dollars, or the number of cities with x crimes committed.

Now, not all sets of data will have graphs that look this perfect. Some will have relatively flat curves, others will be pretty steep. Sometimes the mean will lean a little bit to one side or the other. But all normally distributed data will have something like this same "bell curve" shape.

The standard deviation is a statistic that tells you how tightly all the various examples are clustered around the mean in a set of data. When the examples are pretty tightly bunched together and the bell-shaped curve is steep, the standard deviation is small. When the examples are spread apart and the bell curve is relatively flat, that tells you you have a relatively large standard deviation.

Computing the value of a standard deviation is complicated. But let me show you graphically what a standard deviation represents...

(Niles Online)

One standard deviation away from the mean in either direction on the horizontal axis (the red area on the above graph) accounts for somewhere around 68 percent of the people in this group. Two standard deviations away from the mean (the red and green areas) account for roughly 95 percent of the people. And three standard deviations (the red, green and blue areas) account for about 99 percent of the people.

If this curve were flatter and more spread out, the standard deviation would have to be larger in order to account for those 68 percent or so of the people. So that's why the standard deviation can tell you how spread out the examples in a set are from the mean.

Why is this useful? Here's an example: If you are comparing test scores for different schools, the standard deviation will tell you how diverse the test scores are for each school.

Let's say Springfield Elementary has a higher mean test score than Shelbyville Elementary. Your first reaction might be to say that the kids at Springfield are smarter.

But a bigger standard deviation for one school tells you that there are relatively more kids at that school scoring toward one extreme or the other. By asking a few follow-up questions you might find that, say, Springfield's mean was skewed up because the school district sends all of the gifted kids to Springfield. Or that Shelbyville's scores were dragged down because students who recently have been "mainstreamed" from special education classes have all been sent to Shelbyville.

In this way, looking at the standard deviation can help point you in the right direction when asking why data is the way it is.

The standard deviation can also help you evaluate the worth of all those so-called "studies" that seem to be released to the press everyday. A large standard deviation in a study that claims to show a relationship between eating Twinkies and killing politicians, for example, might tip you off that the study's claims aren't all that trustworthy.

Here is one formula for computing the standard deviation.
A warning, this is for math geeks only! Writers and others seeking only a basic understanding of stats don't need to read any further. Remember, a decent calculator and stats program will calculate this for you...

Terms you'll need to know
x = one value in your set of data
(x) = the mean (average) of all values x in your set of data
n = the number of values x in your set of data

For each value x, subtract (x) from x, then multiply that value by itself (otherwise known as determining the square of that value). Sum up all those squared values. Then multiply that value by this value... 1/(n-1). Then take the square root of the resulting value. That's the standard deviation of your set of data.

Defining Intelligence

Most people have an intuitive notion of what intelligence is, and many words in the English language distinguish between different levels of intellectual skill: bright, dull, smart, stupid, clever, slow, and so on. Yet no universally accepted definition of intelligence exists, and people continue to debate what, exactly, it is. Fundamental questions remain: Is intelligence one general ability or several independent systems of abilities? Is intelligence a property of the brain, a characteristic of behavior, or a set of knowledge and skills?

The simplest definition proposed is that intelligence is whatever intelligence tests measure. But this definition does not characterize the ability well, and it has several problems. First, it is circular: The tests are assumed to verify the existence of intelligence, which in turn is measurable by the tests. Second, many different intelligence tests exist, and they do not all measure the same thing. In fact, the makers of the first intelligence tests did not begin with a precise idea of what they wanted to measure. Finally, the definition says very little about the specific nature of intelligence.

Whenever scientists are asked to define intelligence in terms of what causes it or what it actually is, almost every scientist comes up with a different definition. For example, in 1921 an academic journal asked 14 prominent psychologists and educators to define intelligence. The journal received 14 different definitions, although many experts emphasized the ability to learn from experience and the ability to adapt to one's environment. In 1986 researchers repeated the experiment by asking 25 experts for their definition of intelligence. The researchers received many different definitions: general adaptability to new problems in life; ability to engage in abstract thinking; adjustment to the environment; capacity for knowledge and knowledge possessed; general capacity for independence, originality, and productiveness in thinking; capacity to acquire capacity; apprehension of relevant relationships; ability to judge, to understand, and to reason; deduction of relationships; and innate, general cognitive ability.

People in the general population have somewhat different conceptions of intelligence than do most experts. Laypersons and the popular press tend to emphasize cleverness, common sense, practical problem solving ability, verbal ability, and interest in learning. In addition, many people think social competence is an important component of intelligence.

Most intelligence researchers define intelligence as what is measured by intelligence tests, but some scholars argue that this definition is inadequate and that intelligence is whatever abilities are valued by one's culture. According to this perspective, conceptions of intelligence vary from culture to culture. For example, North Americans often associate verbal and mathematical skills with intelligence, but some seafaring cultures in the islands of the South Pacific view spatial memory and navigational skills as markers of intelligence. Those who believe intelligence is culturally relative dispute the idea that any one test could fairly measure intelligence across different cultures. Others, however, view intelligence as a basic cognitive ability independent of culture.

In recent years, a number of theorists have argued that standard intelligence tests measure only a portion of the human abilities that could be considered aspects of intelligence. Other scholars believe that such tests accurately measure intelligence and that the lack of agreement on a definition of intelligence does not invalidate its measurement. In their view, intelligence is much like many scientific concepts that are accurately measured well before scientists understand what the measurement actually means. Gravity, temperature, and radiation are all examples of concepts that were measured before they were understood.

"Intelligence," Microsoft® Encarta® Online Encyclopedia 2003

http://encarta.msn.com © 1997-2003 Microsoft Corporation. All Rights Reserved.