一般能力倾向测验的预测效度：神经网络的应用

人工神经网络（ＡＮＮ）是近年来发展起来的一门新兴学科、新技术。　从ＡＮＮ诞生之日起，它与心理学就有着千丝万缕的联系。　般能力倾向测验的预测效度　神经网络的应用　一●童辉杰童定马姗姗鲁圣迪（苏州大学独墅湖校区教育学院心理系）　摘要：本研究运用神经网络检验了一般能力倾向成套测验（ＧＡＴＢ）对不同学科大学生专业成绩　的预测效度。对１０２２名大学生均施测ＧＡＴＢ，并随机选取其中６５２名，将其期末专业考试成绩作为衡　量专业成绩的指标，建立人工神经网络（ＡＮＮ）模型。研究发现：对文、理、工三类专业大学生专业　成绩预测的ＡＮＮ模型估计的准确率均在９０％ｖＡ上，ＧＡＴＢ分数可以用来预测不同专业学生的专业成绩　＇、　文科大学生最敏感的能力因子是言语能力，系数为０　５２３；理科大学生最敏感的能力因子是数理能力，　系数为ｆ）４７１；工科大学生最敏感的能力因子是空间判断能力，系数是（）５９４　关键词：心理学；效度；一般能力倾向成套测验（ＧＡＴＢ）；人工神经网络（ＡＮＮ）模型；大学生　一、问题提出　个体在大学期间的专业学习将奠定他们一生职业生涯　的基础。在美国，大学生入学之初，要进行一项学术能力　一般能力倾向成套测验（Ｇｅｎｅｒａｌ　Ａｐｔｉｔｕｄｅ　Ｔｅｓｔ　Ｂａｔｔｅｒｙ，ＧＡＴＢ）是美国劳工部就业保险局历Ｂ，Ｊ５０年，　耗资数亿美元，研究了美国上万种职业后编制而成的著名　测验。这套测验应用较广，已被大量研究证明具有良好的　信效度，能够很好地预测职业成功和学术成就。ＧＡＴＢ是　适用于初三以上年级的中学生及成年人的团体测验，包　含１５种分测验（１　１种纸笔测验，４种操作测验），可在　１２０－１３０分钟内测量９种与职业关系密切并有代表性的　测验（ＳＡＴ），通过这种学术能力测验，可以预测大学生　在大学期间的专业学习成绩。也有研究者应用一般能力倾　向成套测验（ＧＡＴＢ）来预测大学生的专业成绩。在预测　方法方面，以前的研究大都是运用传统的多元回归算法。　如果应用神经网络模型新技术，效度是否会有提高呢？这　值得我们来探索一番。　人工神经网络（Ａｒｔｉｉｆｃｉａｌ　Ｎｅｕｒａｌ　Ｎｅｔｗｏｒｋ，ＡＮＮ）　是近年来发展起来的一门新兴学科、新技术。它应用了一　种信息处理系统或计算机模仿大脑的结构和功能，可称之　能力因素。这９种能力倾向因素为：一般智力、言语能　力、数理能力、空间关系理解力、形状知觉能力、文书　知觉能力、动作协调能力、手指灵活性及手部灵巧性。　Ｈａｍｍｏｎｄ１９８４年对ＧＡＴＢ￣ｇ结构进行因素分析发现，　ＧＡＴＢ￣Ｕ量的其实是４种更普遍、更高层次的能力：言语能　为人脑处理信息方式的简化模型ｌｄＪ　。ＡＮＮ今天已经成为世　界关注的热点，引起各国与军界的高度重视。　目前人工神经网络（ＡＮＮ）的算法基本成熟。人　工神经网络包括三部分：输入层（ｉｎｐｕｔ　ｌａｙｅｒ），隐藏层　（ｈｉｄｄｅｎ　ｌａｙｅｒ），输出层（ｏｕｔｐｕｔ　ｌａｙｅｒ　ｏ输入的数据显　示在第一层，其值从每个神经元传播到下一层的每个神经　力、数理能力、工具组合能力和空间能力ｒ　。ＧＡＴＢ在国　外应用广泛，是升学、就业指导以及人员选择与安置的重　要工具。而Ｄｒｏｅｇｅ等研究发现：ＧＡＴＢ的一般智力、言　语能力、数理能力和书写知觉测验可以作为预测学业成　绩的良好工具【２］。Ｒ．Ｌ．Ｔｈｏｒｎｄｉｋｅ￥１］Ｅ．Ｐ．Ｈａｇｅｎ￣Ｅ告，用　ＧＡＴＢ预测工程学校学生的专业成绩的Ｒ２最低Ｏ．４６，最　高０．５８［　。　元，最终从输出层输出结果。ＡＮＮ是功能强大的函数估计　器，只需基本的统计或数学知识就能够进ｚ…－，　／ｙ东，并加以　应用ｌ　４Ｉ。特别值得注意的是，它是一种非线性系统，具有　个隐藏层Ｂｇｔｌ￣经网络算法，可以拟合输入和输出之间的　０净辑　０　…　…　……～…　ｌ　１任意非线性关系，而不要求资料满足正态分布或其他特殊　分布，可以自由估计模型（即非参数模型）。因此，神经网　络具有很强的综合能力，输入和输出间的联系可由训ｌ练习　得，再运用于计算中　Ｊ。　＝、研究方法与研究过程　１．研究工具　以戴忠恒等修订的一般能力倾向成套测验（ＧＡＴＢ）　为研究工具，该测验共包括１５种分测验，其中１　１种为笔　试，分别为：圆内打点测验、记号记入测验、形状相配测验、　名称比较测验、图案相配测验、平面图判断测验、计算测　验、词义测验、立体图判断测验、句子完成测验、算术应　ＢＰ（ｂａｃｋ　ｐｒｏｐａｇａｔｉｏｎ）￣８经网络是ＡＮＮ的一种，由　Ｊａｍｅｓ　ＭｃＣＩｅｌｌａｎｄ和Ｄａｖｊｄ　Ｒｕｍｅｌｈａｒｔ在１９８６年提出　Ｊ。　它是一种典型的前馈神经网络，其权重的调整采用反向传　播的学习算法，神经元的变换函数是Ｓ型函数，输出量是　０－１之间的连续量，可以实现从输入到输出的任意非线性　映射［７］。通过对网络参数的选取，在确定了网络层数、隐　用测验；４种为器具测验：插入测验、转动测验、组装测验、　拆卸测验。　本研究采用团体施测方式，每次施测有２名以上熟悉　含层神经元数、初始权重、学习速率、期望误差及最大步　长后，构建神经网络模型。确定网络的结构后，利用输入　输出样本进行训练，也就是对网络进行调整，多次反复，　本测验所有项目的主试，最多对３８名被试同时施测。首先　由主试朗读指导语，在所有被试明白测验的要求和具体做　法后开始测验。因１　１项纸笔分测验均为速度测验，所以由　主试使用秒表准确计时。　２．研究对象　直到样本收敛，使网络实现给定的输入输出映射关系，从　而获知最重要的影响因素。　从ＡＮＮ诞生之日起，它与心理学就有着千丝万缕的　联系。神经网络的灵感来自于神经元的信息处理功能，神　在江苏、安徽、上海等省市的７所院校对在校大学生进　行团体施测。共施测１０２２人。其中男生５２１人（５１．０％），　经网络的训Ｉ练则可以反映感觉、记忆、学习等认知过程　Ｊ。　ＡＮＮ已被研究者广泛应用于视知觉识别［　、技能培养”　、　女生５０１人（４９．０％）；“２１　１工程”院校５６９人（５５＿７％），　普通本科院校４５３人（４４．３％）；大一４６４人（４５．４％），大　－１０４人（１０＿２％），大三３２１人（３１．４％），大四１３３人　－语言发展【１　等认知领域。研究者发现，ＡＮＮ对于内隐ｉＢｔ＇￥、　内隐学习等无意识认知过程有着极强的适应性　ｚ’　，对神经　网络来说，外界环境的每一次输入都可能会引起网络结构的　重新调整（权重变化），从而改变该网络下一次的加工模式。　社会认知与ＡＮＮ有着类似的信息加工过程。社会认知　（１３．０％）；文科４４６人（４３＿７％），理科２２１人（２１．６％），　工科３５５人（３４．７％ｏ　３．数据收集　随机选取其中６５２名大学生，对他们期末考试中的专　业课成绩求出平均分并以班级为单位进行标准化，以此标　准分作为衡量其专业成绩的标准。在６５２名大学生中，文　科专业２６８人，占４１．１％；理科专业２１８人，占３３．４％；工　过程中，人们会按照某种规则对所经验的事件进行组织，　从而影响他们在类似环境下对待相似对象ａｇＥＰ象与态度。　因此，许多研究者针对印象形成㈣、归因　、认知矛盾　、　群体印象¨，＿等建立了各具特色的神经网络模型。　由于ＡＮＮ￣，３模仿对象是人脑神经系统的处理方式，因　科专业１６６人，占２５．５％；年龄１７－２４岁，平均２０±１岁；　男生３２０人，占４６．３％，女生３７１人，占５３＿７％。　此，它在功能上也具有某些智能的特点。神经网络主要有　以下几个基本功能：非线性映射、分类识别、知识处理。　三、构建神经网络模型　使用专业软件Ｃｌｅｍｅｎｔｉｎｅｌ２．０构建神经网络模型。　首先对样本数据进行归一化处理，以便更好地对数据关系　心理测评　赣隧雁隧鼷　目前，神经网络已经广泛应用于信息领域、自动化领域、　工程领域、医学领域、经济学领域等各知识领域中，其智能　化的特征解决了许多传统信息处理方法无法解决的问　Ｊ。　目前，学术界已经普遍认同，人工神经网络方法是一种有　效的研究工具，能够代替传统的回归分析方法，并可以在　不同的领域进行广泛应用。然而，心理测量学领域内运用　人工神经网络方法的研究还相当少见。　进行映射，从而使其参数都落在（０，１）之间。归一化选　用以下公式：　Ｐ＝（ｐ－ｐ　１ｎ）／（ｐ　一ｐ　ｉ　）　公式中，Ｐ　Ｐｍａｘ分别表示归～化之前的最小值和最　大值，Ｐ为归一化值，ｐ为归一化之前的值。经过归一化转　换的结果在本研究中以Ｐ表示，例如ｐ专业课均分。　经过归一化处理后，开始正式建模。在Ｃｌｅｍｅｎｔｉｎｅ　中应用神经网络进行能力倾向对专业成绩预测的过程如下：　首先选择数据源，将ＧＡＴＢＩ￣＇３７项能力倾向数据选为输入变　本研究将使用神经网络算法，取代传统的回归分析，　尝试检验一般能力倾向成套测验预测不同学科大学生的专　业成绩的效度。　／　＿＿＿　＿一　■　＿■　■＿■～　一　为７个、１：３个、１个。　０．０４８、０．０３５、０．０２９、０．００８。　理科大学生一般能力倾向对专业成绩预测的各输入点　的敏感度分析显示：按重要性排序为数理能力、一般智力、　空间判断能力、书写知觉、言语能力、形状知觉、运动协调，　其敏感性系数依次为０．４７１、０．２３３、０．１３２、０．０７３、０．０４６、　０．０４２、０．００３。　模型分析结果（见图７）显示，工科学生一般能力倾　向对专业成绩模型的平均预测误差在一０．０４４￣１Ｊ０．００８之　间，绝对平均误差在０．１Ｏ６到０．１　１５之间。模型精度直方图　（见图８）显示，由图可知，导出值集中在一个很小的范围　之内，模型达到了一定的精度。　，　Ｉ　ｌ　Ｉ　ｌ　●　Ｉ　●　－　密．”比较￥Ｎ．Ｐ专业课均分与Ｐ专业课均分　癯■——————了　隔—　硼　Ｉ最小误麓　ｆ最丈谩麓　ｉ　Ｉ平均ｉ芙麓　…Ｉ绝对平均误差　ｌ标准差ｌ线ｌ生相关Ｉ发生辜　；　－》。。－　．・　．一　ｌ　＿　｝　－　Ｊ　＿　一　一　－≯　一・　－｝－　●　ｌ　■　ｌ　，　－０．４７５　—０．２４８：　０．４４　Ｏ．１８１　０．００１　－０．０２２　０．０９７　０．０９７　０．３５９　０，２２２　０．００６　０．０９１　＊　ｌ　咚一　一　｛一一　－　一…　一　一…　一一一撵　Ｉ　ｌ　Ｊ　Ｉ　Ｉ　●　Ｉ　ｉ　－≮－　－－　一　ｌ　一　－｝…’…。，　一一《　｝　｝　｝　｝　Ｉ　｛　０。１２　０．１３　０。１１７　６７４　０．７３２　０．７１５　０．５５　１２４　４０１　００ＥＯ　１　ｏＩ璁　２　０Ｅ８　３．０Ｅ８　４．０Ｅ８　５ｏＥ８　６．０Ｅ８　导出２　图８工科大学生—般能力倾向对专　图　图５理科大学生—殷能力倾向对专业成绩的预测模型分析结果　模型分析结果见图５，由图可知，理科学生一般能力　倾向对专业成绩模型的平均预测误差在一０．０２２￣Ｕ０．００６之　间，绝对平均误差在０．０９１到０．０９７之间，结合图６可知，　模型达到了一定的精度。　五、讨论　神经网络具有的非线性映射、自适应学习、并行性、　知识分布存储、逼近任意复杂连续函数等信息处理能力，　克服了传统预测方法对于数据处理方面的缺陷，使神经网　络能够在心理测量领域发挥重要作用。值得注意的是，回　归分析要求数据正态分布、线性，以及连续变量这些比较　严苛的条件，在神经网络模型中却不需要这些前提条件。　ｌ　ｌ　也就是说，神经网络的算法具有非线性的特点。这可以大　大弥补传统统计方法的线性模型的局限。　本研究以人工神经网络建模为统计手段，分别建立文、　一１．０Ｅ９－８．０Ｅ８＿６．０Ｅ８－４０Ｅｇ－２　０Ｅ８　０．ＯＥＯ　２　０Ｅｇ　理、工三类大学生一般能力倾向对其专业成绩的预测模　型，由建息和模型分析结果可知，三个模型对建模数　据估计的准确率均达到９０％以上，预测的平均预测误差在　０．０９１到Ｏ．１１５之间，三个模型均达到了一定的精度。　首先，ＧＡＴＢ的７项能力倾向对文科专业成绩的影响按　重要性排序依次为言语能力、一般智力、形状知觉、运动　协调、数理能力、书写知觉、空间判断能力，这一结果也　导出２　图６理科大学生—般能力倾向对专业成绩的预测模型精度直方图　３．工科大学生能力倾向对专业成绩的预测模型　工科大学生—般能力倾向对专业成绩的预测模型显示模　型对建模数据估计的准确率达９０．３８１％，输入层、隐藏层、　输出层的神经元个数与之前相同，分别为７个、１：３个、１个。　工科大学生一般能力倾向对专业成绩预测的各输入点　心理测评　暖譬曩露慝　可与文科专业大学生优势能力倾向互为佐证。言语能力的　敏感性系数达到Ｏ．５２３，是影响文科专业成绩表现的关键　的敏感度分析结果显示：按重要性排序为空间判断能力、　一般智力、言语能力、书写知觉、形状知觉、数理能力、　能力，这一结果也符合我们研究前的假设和实际情况。文　科类专业的学生通常对文字、语言更有兴趣，拥有较好的　文字功底，将来所从事的职业多以文字工作为主，专业课　程的设置与考核也是以此职业方向为导向，因而言语能力　运动协调，其敏感性系数依次为０．５９４、０．２０２、０．０８４、　由…比较ＳＮ－Ｐ专业ｊ５｜均分与Ｐ专业课均分　最小误差　最大误差　平均ｉＩＩ麓　绝对平均谡差　标准差　线性相关　发生率　－０．２８３　・０．３６　・０．２１６　０．３１　０．０４４　０．００８　０　１１５　０。１０６　０－１３５　Ｏ．１３６　０。７４９　０。６６６　上得分突出的学生更有可能在文科专业的课程学习中达到　优秀水平。　其次，对理科大学生而言，数理能力、一般智力和空　间判断能力对其专业成绩预测的敏感性系数分别为０．４７１、　０．２３３￣００．１　３２。数理能力是利用算术知识解决实际问题的　０．１３６　０．７６９　图７工科大学生一般能力倾向对专业成绩的预测模型分析结果　“　一一　一　，、　＾｜ｒ，　心理援窳蔫瘦髑　｛　Ｉ７　ｌ心　评　能力，一般智力则是需要根据原理进行推理和判断的能力，　『１　１　Ｈａｍｍｏｄ，Ｍ　Ａｎ　ｉｎｖｅｓｔｉｇａｔｉｏｎ　ｉｎｔｏ　ｔｈｅ　ｆａｃｔｏｒ　ｓｔｒｕｃｔｕｒｅ　Ｉ弱　而空间判断能力是要求在心理空间进行图形转换进而进行　推理、判断的能力，这三类能力对学生的逻辑思维能力有　较高要求，理科类专业侧重于理论研究和科学培养，尤需　ｏｆ　ｔｈｅ　Ｇｅｎｅｒａｌ　Ａｐｔｉｔｕｄｅ　Ｔｅｓｔ　Ｂａｔｔｅｒｙ［Ｊ１　Ｊｏｕｒｎａｌ　ｏｆ　Ｏｃｃｕｐａｔｉｏｎａｌ　Ｐｓｙｃｈｏｌｏｇｙ，１　９８４．５７（１）：４３　４８　学生的理性思维、逻辑思维能力，因此，数理能力、一般　智力和空间判断能力是理科学习关键之所在，理科专业要　求报考者在这些能力上的发展达到一定的水平，而在这些　能力倾向上得分较低的被试可能需要付出相当的努力才能　够胜任理科专业的学习。　最后，工科类专业学生的专业成绩７项能力倾向按重　［２】Ｄ　ｒｏｅｇｅ．Ｒ　Ｃ　ＧＡＴＢ　ａｐｔｉｔｕｄｅ　ｉｎｔｅ　ｒｃｏ　ｒ　ｒｅｌａｔｉｏｎｓ　ｏｆ　ｎｉｎｔｈ　ａｎｄ　ｔｗｅｌｆｔｈ　ｇａ　ｒｄｅｒｓ：Ａ　ｓｔｕｄｙ　ｉｎ　ｏ　ｒｇａｎｉｚａｔｉｏｎ　ｏｆ　ｍｅｎｔａｌ　ａｂｉｌｉｔｉｅｓ［Ｊ１　Ｐｅｒｓｏｎｎｅｌ＆Ｇｕｉｄａｎｃｅ　Ｊｏｕ　ｒｎａｌ，１　９６８，４６（７）：６６８～　６７２　［３】桑代克，Ｒ　Ｌ，哈根，Ｅ　Ｐ心理与教育的测量与评价［Ｍ］　叶佩华，等，译北京：人民教育出版社，１９８５　［４］林耀斌，杜友福．基于Ｃｌｅｍｅｎｔｉｎｅ神经网络的商品促销效　果预测模型应用【Ｊ］．电脑知识与技术，２００９，５（３４）：９０—９２　［５】张菊英，韦健，杨树勤．神经网络模型在住院费用影响因　素分析中的应用［Ｊ］．中华医院管理杂志，２００２。１８（３）：１４３—１４５　要性排序依次为：空间判断能力、一般智力、言语能力、　书写知觉、形状知觉、数理能力、运动协调。另外，空间　判断能力也是工科类大学生的优势能力倾向，以往相关研　究也表明，空间想象和空间思维能力对于工科学习是不可　【６］严武基于ＢＰ算法的住院天数神经网络模型建模研究｝Ｊ＿　中国病案，２００９，１０（１１）：３８—４Ｏ　［７］易东，王文昌回归分析的人工神经网络算法模型研究［Ｊ１　中国卫生统计。１９９８，１５（５）　［８］郭秀艳，朱磊。魏知超内隐学习的人工神经网络模型［Ｊ＿　心理科学进展，２００６，１４（６）：８３７—８４３　『９１　Ｍａｒｔｉｎ，Ｇ　Ｌ　Ｅｎｃｏｄｅ　ｒ　Ａ　ｃｏｎｎｅｃｔｉｏｎｉｓｔ　ｍｏｄｅＩｓ　ｏｆ　ｈｏｗ　Ｉｅａ　ｒｎｌｎａ　ｔｏ　ｖｉｓｕａｌｌｙ　ｅｎｃｏｄｅ　ｆｉｘａｔｅｄ　ｔｅｘｔ　ｉｍａｇｅｓ　ｒｅａｄｌｎｇ　或缺的＿　，尤其是机械制图等相关专业。工科专业侧重技　术应用，学生动手能力较强，心理空间的运动能力依赖于　实际动手能力的发展，动手能力的锻炼也会促进其空间想　象能力的发展。值得注意的是，空间判断能力对于工科学　生专业成绩的预测敏感性系数达到了０．５９４￣，３水平——该　项能力对工科学习十分重要，若发展良好，更可能在工科　学习中脱颖而出。　纵观三类专业大学生一般能力倾向对其专业成绩的预　测情况，不难发现，一般智力对于任何一类专业来说都是　ｆｌｕｅｎｃｙ［Ｊ】Ｐｓｙｃｈｏｌｏｇｉｃａｌ　Ｒｅｖｉｅｗ，２００４，１１１（３）：６１７　６３９　［１０】Ｂｅ　ｒｔｈｉｅ　ｒ，Ｎ　Ｅ．，Ｒｏｓｅｎｓｔｅｌ　ｎｌ　Ｍ　Ｔ．＆Ｂａ　ｒｔｏ，Ａ　Ｇ　Ａｐｐｒｏｘｉｍａｔｅ　ｏｐｔｉｍａｌ　ｃｏｎｔｒｏｌ　ａｓ　ａ　ｍｏｄｅｌ　ｆｏｒ　ｍｏｔｏｒ　ｌｅａｒｎｉｎｇ［Ｊ］　Ｐｓｙｃｈｏｌｏｇｉｃａｌ　Ｒｅｖｉｅｗ．２００５，６９（２）：３２９—３４６　【１　１］Ｓｅｉｄｅｎｂｅｒｇ，Ｍ　Ｓ　Ｃｏｎｎｅｃｔｉｏｎｉｓｔ　ｍｏｄｅｌｓ　ｏｆ　ｗｏ　ｒｄ　ｒｅａｄｉｎｇ［Ｊ］Ｃｕ　ｒｒｅｎｔ　Ｄｉ　ｒｅｃｔｉｏｎｓ　ｊｎ　Ｐｓｙｃｈｏｌｏｇｉｃａｌ　Ｓｃｉｅｎｃｅ，　２００５．１４（５）：１２３８—１２４２．　基础性的能力倾向。国外相关研究结果也发现，人们的智　力和知识只要达到一定的水平，人们智力的高低差异对于　工作效率不再有明显的影响，然而与专业紧密相关的能力　倾向与工作效率之间始终有显著的正相关。本研究的结论　在一定程度上验证了这一观点：对于不同的专业方向来说　每种专业类型都各有其关键的能力倾向。该专业的潜在报　考者能否胜任该专业的学习和考核，关键能力倾向是至关　重要之因素。　总而言之，人工神经网络模型对三类专业的专业成绩　预测都具有较高的准确性，说明本研究整体的技术路线可　行，ＧＡＴＢ所测得Ｂ＠７项能力倾向的不同组合可以用来预　测不同专业学生的专业成绩。通过人工神经网络模型，中　［１２】郭秀艳，邹玉梅，李强，孙怡中学生颜色内隐学习特　征的实验研究【Ｊ】心理与行为研究，２００３，１《２）：１２２—１２７　门３】郭秀艳，朱磊．神经网络模型对内隐学习的探索［Ｊ］心理　科学，２００６，２９（２）：４１０—４１５．　【１４］Ｋａｓｈｉｍａ，Ｙ．，Ｋｅｒｅｋｅｓ，＆Ａｎｄ　ｒｅｗ　Ｒ　Ｚ　Ａ　ｄｉｓｔｒｉｂｕｔｅｄ　ｍｅｍｏｒｙ　ｍｏｄｅｌ　ｏｆ　ａｖｅｒａｇｉｎｇ　ｐｈｅｎｏｍｅｎａ　ｉｎ　ｐｅ　ｒｓｏｎ　ｉｍｐｒｅｓｓｉｏｎ　ｆｏ　ｒｍａｔｉｏｎ［Ｊ】Ｊ０ｕ　ｒｎａｌ　ｏｆ　Ｅｘｐｅ　ｒｉｍｅｎｔａｌ　Ｓｏｃｉａｌ　ＰｓｙｃｈｏＩｏｇｙ，　１　９９４，３０（５）：４０７—４５５．　［１５］Ｒｅａｄ，Ｓ　Ｊ．＆Ｍｏｎｔｏｙａ．Ｊ　Ａ　Ａｎ　ａｕｔｏ　ａｓｓｏｃｉａｔｉｖｅ　ｍｏｄｅｌ　ｏｆ　ｃａｕｓａｌ　ｒｅａｓｏｎｉｎｇ　ａｎｄ　ｃａｕｓａｌ　ｌｅａｒｎｌｎｇ：Ｒｅｐｌｙ　ｔｏ　Ｖａｎ　Ｏｖｅ　ｒｗａｌｌｅ’ｓ　ｃｒｉｔｉｑｕｅ　ｏｆ　Ｒｅａｄ　ａｎｄ　Ｍａｒｃｕｓ—ＮｅｗｈａｌＩ『ｕ１　Ｊｏｕｒｎａｌ　ｏｆ　Ｐｅｒｓｏｎａｌｉｔｙ　ａｎｄ　Ｓｏｃｉａｌ　Ｐｓｙｃｈｏｌｏｇｙ．１　９９６，７６（５）：７２８　７４２　［１６】ＳｈｕＩｔｚ，Ｔ．，＆ＬｅＰＰｅ　ｒ，Ｍ．Ｃｏｇｎｉｔｉｖｅ　ｄｌｓｓｏｎａｎｃｅ　ｒｅｄｕｃｔｉｏｎ　ａｓ　ｃｏｎｓｔ　ｒａｉｎｔ　ｓａｔｉｓｆａｃｔｉｏｎ【Ｊ】ＰｓＹｃｈｏｌｏｇ１ｃａＩ　Ｒｅｖｉｅｗ，１９９６．１０３（２）：２１９—２４０　［１　７１　Ｇｕｒｅｃｋｉｓ，Ｔ　Ｍ．Ｌｏｖｅ，Ｂ　Ｃ　Ｃｏｍｍｏｎ　ｍｅｃｈａｎｉｓｍｓ　ｉｎ　学生可以根据自己在ＧＡＴＢ的７项能力倾向上的得分情况　预测自己报考三类专业的成绩水平，从而判断自己适合报　ｉｎｆａｎｔ　ａｎｄ　ａｄｕｌｔ　ｃａｔｅｇｏｒｙ　ｌｅａｒｎｉｎｇ［Ｊ］Ｉｎｆａｎｃｙ。２００４．５（２）１　７３　１　９８　考的专业方向。如能早日实现推广，将是教育界及广大学　子喜闻乐见之事。　项目基金：全国教育规划课题（ＤＩＡ０８０１３１）　［１８】杨富勇．神经网络模型在股票投资中的应用【Ｊ］计算技术　与自动化，２０１０，２９（３）：１Ｏ８—１１２　［１９］黄俊红．机械、自动化专业与非专业高年级学生能力倾向　的比较研究［Ｊ］天津职业技术师范学院学报，２０００。１０（４）：１５—１８　～　０疆≯≤毒　＿＿　～