G-faktorn: generell intelligens och arbetsprestation

Den heliga ”g”raalen.

G-faktorn, eller generell intelligens, beskriver den gemensamma kognitiva förmåga som kommer till uttryck i många olika typer av mentala uppgifter. Den är kopplad till bland annat problemlösning, lärande och arbetsprestation, även om moderna forskningsresultat pekar på lägre samband med arbetsprestation än äldre studier har rapporterat.

Generell intelligens (hädanefter benämnt som g-faktorn) är ett av psykologins mest etablerade och undersökta koncept. Forskning kring g-faktorn visar att denna övergripande kognitiva förmåga är av direkt relevans kopplat till arbetslivet. Mer specifikt kan g-faktorn förutsäga hur väl en kommer klara av att lösa nya problem, ta till sig och använda ny information och hantera komplexa uppgifter i vardagsarbetet. Sedan Spearman (1904) introducerade att det tycks finnas en generell, övergripande kognitiv förmåga har mängder av studier visat på att g-faktorn är en av de bästa prediktorerna för framtida arbetsprestation, särskilt när det gäller medel- till högkomplexa yrken (Kuncel et al., 2004; Salgado et al., 2003; Schmidt & Hunter, 1998).I den numera klassiska sammanställningen av Schmidt och Hunter (1998) uppskattades sambandet mellan generell intelligens och arbetsprestation till omkring .51. Liknande resultat rapporterades några år senare i ett europeiskt datamaterial. Under lång tid blev därför bilden ganska enkel: g-faktorn var ett av de starkaste korten man kunde spela i en urvalsprocess.

På senare år har den bilden blivit mer nyanserad. Sackett och kollegor (2022) omprövade flera av de statistiska korrigeringar som använts i äldre meta-analyser och landade i ett lägre estimat på omkring .31. Under 2026 kom ytterligare en omfattande analys där Demeke och kollegor slog samman tre moderna meta-analytiska datamaterial. I totalt 212 urval med 109 396 personer låg sambandet mellan generell kognitiv förmåga och övergripande arbetsprestation omkring .18–.22. Forskarna föreslår .20 som ett rimligt sammanfattande modernt estimat.

Det innebär inte att g-faktorn plötsligt blivit ointressant. Däremot verkar de gamla siffrorna runt .50 ha varit väl optimistiska. Psykometrin ger och psykometrin tar.

Bilden har också blivit mer nyanserad när det gäller specifika kognitiva förmågor. Äldre forskning har ofta betonat att generell intelligens fångar det mesta av den information som är relevant för arbetsprestation. Nyare forskning visar däremot att mer specifika förmågor i vissa fall kan bidra med ytterligare information, särskilt när de matchar de krav eller prestationskriterier som finns i arbetet.

Det gör egentligen frågan mer intressant än tidigare. Vi vill fortfarande mäta generell kognitiv förmåga, men vi behöver inte utgå från att alla typer av kognitiv information är utbytbara. Ett bredare testbatteri kan därför ge information både om den gemensamma g-faktorn och om olika kognitiva styrkor. Men vad är denna mytomspunna g-faktor egentligen?

Vad är g-faktorn?

G-faktorn är bäst förstådd som en övergripande faktor, där en hierarkisk eller pyramidlik struktur verkar vara den mest lämpliga förklaringsmodellen (McGrew, 2009; Schneider & McGrew, 2012; se även Panizzon et al., 2014 för en genetiskt kontrollerad studie kring g-faktorns hierarkiska struktur & därtill Gottfredson, 1998; Lubinski, 2004). Högst upp i hierarkin eller i pyramiden finner vi g-faktorn. G-faktorn bestäms av ett flertal breda kognitiva förmågor längre ner i hierarkin. Det finns ett flertal olika teorier och modeller över hur många bredare kognitiva förmågor som ingår under g-faktorn, allt från Thurstones 7 primära faktorer till Cattells uppdelning i två faktorer: flytande och kristalliserad intelligens (Cattell, 1963). Den g-faktor-modell som idag har det starkaste empiriska stödet är CHC-modellen (Cattell-Horn-Carroll), som integrerar tidigare teorier om flytande och kristalliserad intelligens med en så kallad ”tre-stratumstruktur” av kognitiva förmågor. Enligt CHC-modellen består intelligens av tre nivåer (Carroll, 1993):

CHC-modellens struktur

1. Stratum III: Generell intelligens (g-faktorn).

2. Stratum II: Inkluderar förmågor som flytande resonemang (Gf), kristalliserad kunskap (Gc), arbetsminneskapacitet (Gwm), bearbetningshastighet (Gs), visuell bearbetning (Gv), auditiv bearbetning (Ga), kvantitativ förmåga (Gq), läs- och skrivförmåga (Grw), och psykomotorisk förmåga (Gp).

3. Stratum I (smala förmågor/specifika tester). Detta stratum består av specifika färdigheter och testresultat som mäter detaljerade aspekter av de breda förmågorna.

Det är viktigt att notera att det inte råder fullständig enighet kring exakt vilka och hur många breda förmågor som bidrar till g-faktorn. CHC-modellen anses idag dock vara den mest robusta modellen för mänsklig kognitiv förmåga. Den bygger på omfattande vetenskapligt stöd från faktoranalyser, meta-analyser, tvärsnitts- och longitudinella studier (se till exempel: McGrew, 2009; Schneider & McGrew, 2018; van Rentergem et al., 2020; Wilson et al., 2023). Nästa steg i denna hierarkiska modell komplicerar dock bilden kring generell intelligens ytterligare. Detta på grund av att varje Stratum II-förmåga i sin tur är ett generellt färdighetsmått precis som g-faktorn är i förhållande till Stratum II-förmågor.

Generell intelligens, och generella förmågor

Det är nämligen så att för varje Stratum II-drag finns ytterligare underliggande delkunskaper. Precis som att g-faktorn involverar olika kognitiva förmågor gäller liknande princip för till exempel kristalliserad intelligens (Gc). Kristalliserad intelligens är i sig också en form av g-faktor, som bestäms av många olika snävare förmågor, till exempel en persons vokabulär, kommunikationsförmåga och faktakunskap. Med det sagt, för att så träffsäkert som möjligt kunna fånga de breda, underliggande kognitiva faktorerna (Stratum-II) som bestämmer g-faktorn behöver en egentligen mäta alla specifika Stratum I-förmågor. I teorin skulle det gå att fånga en generell intelligensförmåga i ett rekryteringssammanhang, men det testet skulle vara extremt tidskrävande för varje kandidat. Det skulle till att börja med innebära att kandidater testas på kanske 4 olika förmågor per Stratum II-förmåga, och totalt då runt 36 olika test för att mäta g-faktorn. Ett sådant omfattande test hade antagligen tagit ungefär en halv arbetsvecka för en arbetssökande att ta sig igenom. Detta innebär ett dilemma för testleverantörer: Å ena sidan vill vi komma åt g-faktorn, men å andra sidan kan vi inte förvänta oss att kandidater kan lägga ner mer än en timme på att testas varje gång de söker ett specifikt jobb. I denna kompromiss har vissa testleverantörer valt att endast förlita sig på att mäta en enda förmåga med ett enda test, oftast i form av ett matris-test. Detta är dock lite som att gå på visning av ett hus och endast gå in i ett av nio rum i huset och därefter köpa huset. Husliknelsen är förstås en överdrift. Matristest och andra mått på flytande intelligens kan vara starkt g-laddade och därmed ge mycket information om generell kognitiv förmåga. Det vore därför fel att säga att ett matristest inte kan vara ett bra mått på g.

Men flytande intelligens och generell intelligens är inte exakt samma sak. En person kan exempelvis prestera olika starkt på spatiala, numeriska och verbala uppgifter. När flera sådana förmågor är relevanta för arbetet kan ett bredare testbatteri därför ge information som ett enda uppgiftsformat inte fångar lika tydligt.

Frågan är alltså inte om matristest är bra eller dåliga. Frågan är hur brett vi vill mäta. För vissa roller kan ett mycket g-laddat test vara fullt tillräckligt. I andra roller kan det vara relevant att också fånga exempelvis verbal eller numerisk förmåga. Nyare forskning ger visst stöd för att sådana smalare förmågor ibland kan bidra med information utöver generell kognitiv förmåga (Kell & Lang, 2017; Nye et al., 2022).

Mät generell intelligens på ett forskningsbaserat sätt

Genom att kombinera flera typer av kognitiva uppgifter ger UPP Problem Solving därmed ett bredare underlag för att uppskatta generell kognitiv förmåga, samtidigt som resultaten från de tre deltesten kan ge ytterligare information om kandidatens olika kognitiva styrkor.

Läs mer om UPP Problem Solving

Referenslista

Carroll, J. B. (1993). Human cognitive abilities: A survey of factor-analytic studies (No. 1). Cambridge university press.

Cattell, R. B. (1963). Theory of fluid and crystallized intelligence: A critical experiment. Journal of educational psychology, 54(1), 1.

Demeke, S., Sackett, P. R., Nye, C. D., Li, Y., & Kuncel, N. R. (2026). Is general mental ability still the best predictor of job performance? Integrating contemporary meta-analytic evidence. Journal of Business and Psychology.

Gignac, G. E. (2015). Raven’s is not a pure measure of general intelligence: Implications for g factor theory and the brief measurement of g. Intelligence, 52, 71-79.

Gottfredson, L. S. (1998, November). The general intelligence factor.

Kell, H. J., & Lang, J. W. (2018). The great debate: General ability and specific abilities in the prediction of important outcomes. Journal of Intelligence, 6(3), 39.

Kuncel, N. R., Hezlett, S. A., & Ones, D. S. (2004). Academic performance, career potential, creativity, and job performance: Can one construct predict them all?. Journal of personality and social psychology, 86(1), 148.

Lubinski, D. (2004). Introduction to the special section on cognitive abilities: 100 years after Spearman’s (1904)”’General intelligence,’objectively determined and measured”. Journal of personality and social psychology, 86(1), 96.

McGrew, K. S. (2009). CHC theory and the human cognitive abilities project: Standing on the shoulders of the giants of psychometric intelligence research. Intelligence, 37(1), 1-10.

Nye, C. D., Ma, J., & Wee, S. (2022). Cognitive ability and job performance: Meta-analytic evidence for the validity of narrow cognitive abilities. Journal of Business and Psychology, 37(6), 1119–1139.

Panizzon, M. S., Vuoksimaa, E., Spoon, K. M., Jacobson, K. C., Lyons, M. J., Franz, C. E., … & Kremen, W. S. (2014). Genetic and environmental influences on general cognitive ability: Is ga valid latent construct?. Intelligence, 43, 65-76.

Pelt, D. H., van der Linden, D., Dunkel, C. S., & Born, M. P. (2017). The general factor of personality and job performance: Revisiting previous meta‐analyses. International Journal of Selection and Assessment, 25(4), 333-346.

Salgado, J. F., Anderson, N., Moscoso, S., Bertua, C., De Fruyt, F., & Rolland, J. P. (2003). A meta-analytic study of general mental ability validity for different occupations in the European community. Journal of applied psychology, 88(6), 1068.

Sackett, P. R., Zhang, C., Berry, C. M., & Lievens, F. (2022). Revisiting meta-analytic estimates of validity in personnel selection: Addressing systematic overcorrection for restriction of range. Journal of Applied Psychology, 107(11), 2040.

Schmidt, F. L., & Hunter, J. E. (1998). The validity and utility of selection methods in personnel psychology: Practical and theoretical implications of 85 years of research findings. Psychological bulletin, 124(2), 262.

Schmidt, F. L., & Hunter, J. (2004). General mental ability in the world of work: occupational attainment and job performance. Journal of personality and social psychology, 86(1), 162.

Schneider, W. J., & McGrew, K. S. (2012). The Cattell-Horn-Carroll model of intelligence.

Schneider, W. J., & McGrew, K. S. (2018). The Cattell-Horn-Carroll theory of cognitive abilities. Contemporary intellectual assessment: Theories, tests, and issues, 733, 163.

Spearman, C. (1904). “General intelligence,” objectively determined and measured. American Journal of Psychology, 15, 201–292.

van Rentergem, J. A., de Vent, N. R., Schmand, B. A., Murre, J. M., Staaks, J. P., & Huizenga, H. M. (2020). The factor structure of cognitive functioning in cognitively healthy participants: A meta-analysis and meta-analysis of individual participant data. Neuropsychology Review, 30(1), 51-96.

Wilson, C. J., Bowden, S. C., Byrne, L. K., Vannier, L. C., Hernandez, A., & Weiss, L. G. (2023). Cross-National Generalizability of WISC-V and CHC broad ability constructs across France, Spain, and the US. Journal of Intelligence, 11(8), 159.