「全ての『知能』は正相関する」
この事実から「一般知能因子 g」なる概念が提唱されました。（前々回の記事）
しかし「一般因子と特殊因子で全てを説明する」というのはとても大雑把なモデルでした。
今回紹介するのは、「g」の概念を踏まえつつ発展させた2つの知能モデルです。
「CHC理論」と「g-VPRモデル」についてお話しましょう。
流動性と結晶性
先に紹介するのは、「Cattell-Horn-Carroll理論 CHC theory」です。
その名の通り、Cattell、Horn、Carrollという3名の知能研究者よって確立されました。
いきなり前回までの流れをぶった切りますが、これまでの「実証的な統計データに基づいたボトムアップ的なアプローチ」について一旦忘れてください。
「ボトムアップ的なモデル」に対して、「トップダウン的なモデル」があるという話を、ここでチョットだけ書きました。
「先に理屈ありき」のトップダウン的な知能モデルの代表格は
「流動性知能fluid intelligence/結晶性知能crystallized intelligence」というモデルです。
簡単に説明すると、「完全に初見の問題を解く能力」を「流動性知能」と呼び、 「一度身につけた知識や技術で問題を解く能力」を「結晶性知能」と呼ぶわけです。
「(成人以降で)年を取るほど下がっていく能力」が「流動性知能」、「年を取るほど上がっていく能力」が「結晶性知能」と考えてもいいかもしれません。
この概念は多くの人の直観的な知能観に近いこともあり、実証的な根拠が薄い頃から支持を受けてきた考え方であります。
少し時代が進み、Spearmanによって「g」が発見されます。
Cattellは一般知能因子g(前々回の記事で詳述)の研究を進め、「g」の中身を「流動性知能」と「結晶性知能」に大別できそうだという結論に至ります。
Cattelの提唱した知能モデルを図式化すると、こうなります。
次にこれをHornが更に拡張しました。
Hornは「Gf(流動性知能)」「Gc(結晶性知能)」以外にも数々の「G因子」を見つけてしまいました。
さあ、すると元のSpearmanによる「g」の1因子モデルからはどんどんかけ離れてきます。
これを上手くまとめあげて、理論として完成させたのがCarrollです。
CHC理論の完成
Carrollは460以上もの大量の知能検査研究のデータを解析して、CattellとHornの知能モデルを確かめることにしました。
Carrollの解析の結果、「テストごとの能力」を規定する「特殊因子」の上位には「Gf」「Gc」を始めとした「複数の一般因子」が現れることが分かりました。
ここまではCattellとHornの提唱した通りです。
しかしCarrollの解析の結果、これらの「複数の一般因子」は更に正相関を示してしました。
つまり、その上位に更に「一つの一般因子(g)」が見出されたのです。
こうして、完成された「CHC理論」は、次のような3層構造で知能を説明することになりました。
・第3層……一般知能因子 g (全てのタスクの成績に影響する)
・第2層……広い能力 (あるカテゴリのタスク成績に影響する)
・第1層……狭い能力 (ある特定のタスクの成績に影響する)
つまり、前回・前々回の記事で扱った「g」の1因子モデルでは、
・「一般因子」……全てのタスクに影響する知能
・「特殊因子」……特定のタスクに影響する知能
と能力を2層で説明したわけですが、CHC理論はここに更に中間層を置くことになったのです。
この2つを対比してみましょう。