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 klassikerstämplade artikeln av Schmidt & Hunter (1998) summerades 85 år av forskning, där g-faktorns prognosförmåga (prediktiv validitet) uppgick till i genomsnitt 0.51 med arbetsprestation (Schmidt & Hunter, 1998). Liknande resultat uppnåddes några år senare när ett europeiskt datamaterial testades (Salgado et al., 2003). Resultaten från dessa studier har dock tonats ner något sedan Sackett & kollegor publicerade en senare meta-analys där olika statistiska korrigeringar tillämpades (Sackett et al., 2022). De påvisade att validiteten hos g-faktorn var lägre, genomsnittligen 0.31. Trots denna nedtoning är slutsatsen ändå övertygande tydlig: g-faktorn förutsäger arbetsprestation och lärande i betydande grad, bättre än de flesta andra arbetspsykologiska mått som finns (Sackett et al., 2022). Vissa teorier har föreslagit att skräddarsydda tester av specifika förmågor, anpassade efter olika jobb, skulle kunna förutsäga prestation bättre än generell intelligens. Forskningen visar dock att detta inte är fallet. G-faktorn ensam predicerar prestation lika bra, eller till och med bättre än en kombination av skräddarsydda, specifika förmågor (Schmidt & Hunter, 2004). Om en därtill väljer att kombinera g-faktorn med ett annat arbetspsykologiskt mått (till exempel en strukturerad intervju eller ett personlighetstest) ökar g-faktorn i regel den prediktiva kraften betydligt (Sackett et al., 2022; Schmidt & Hunter, 1998; Schmidt & Hunter, 2004; Pelt et al., 2017). Med det sagt har de som mäter denna generella faktor en unik fördel i rekryteringssammanhang i jämförelse med andra aktörer som inte lyckas fånga g-faktorn. De aktörer som mäter g-faktorn kan på ett träffsäkert sätt se hur väl en person kommer att prestera, oavsett om det gäller ett mer komplext yrke, medelkomplext yrke eller i ett utbildningssammanhang. Dessutom kan en använda g-faktorn tillsammans med andra arbetspsykologiska mått och komma ännu närmare i sin förutsägning kring framtida arbetsprestation. Men vad är denna mytomspunna och ”kraftfulla” g-faktor egentligen?
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):
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.
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. Med andra ord: att ett enda test skulle fånga ”generell” intelligens (med betoning på generell) kan egentligen vem som helst lista ut inte är tillräckligt. Denna liknelse med huset är absolut en överdrift, klassiska mått på flytande intelligens korrelerar starkt med g-faktorn (Gignac, 2015; Kell & Lang, 2018). Men när det gäller hur flytande intelligens hör ihop med arbetsprestation är det inte så enkel som dessa aktörer verkar tro. Det är kanske tillräckligt att bara mäta flytande intelligens när det gäller mer tekniska yrken, men ytterst tveksamt att det räcker för att förutsäga arbetsprestation i yrken där numerisk eller kunskapsbaserad intelligens är avgörande. Hela anledningen till att högskolor, arbetsgivare och andra aktörer efterfrågar högre generell intelligens idag är för att det är den generella intelligensen som generellt sett förutspår prestation på bästa sätt, inte bara den flytande intelligensen (Kell & Lang, 2018; Sackett et al., 2022; Schmidt & Hunter, 1998; Schmidt & Hunter, 2004).
Efter denna komplexa omväg kan vi återgå till vad en mer seriös och vetenskapligt förankrad testleverantör kan göra för att få ut det bästa av två världar. Hur kan vi hålla nere tiden för att respektera kandidaters upplevelse när de testas i samband med en rekryteringsprocess? Och hur kommer vi åt g-faktorn utan att mäta precis alla förmågor eller bara en enda? Svaret på detta är att så brett som möjligt fånga så många Stratum II förmågor som bara möjligt. Med brett menas här att så många Stratum I-förmågor som möjligt mäts för att bestämma dessa övergripande Stratum II-förmågorna. Med denna bakgrund har Psykologisk Metod valt att skapa ett intelligensbatteri som i förstahand mäter tre skilda men g-laddande förmågor: kristalliserad intelligens (Gc), flytande intelligens (Gf) och kvantitativ intelligens (Gq), UPP Problem Solving. Vi har därtill ansträngt oss för att blanda in andra Stratum II-förmågor i så hög utsträckning som möjligt i dessa tre deltester. Dessa är arbetsminneskapacitet (Gwm), bearbetningshastighet (Gs), visuell bearbetning (Gv) och läs- och skrivförmåga (Grw) (Schneider & McGrew, 2018). Psykologisk Metod går därmed in i sju rum i ”g-faktorhuset”, även om vi gärna hade besökt alla nio. Genom att balansera vetenskapliga insikter kring g-faktorn och visa praktisk hänsyn har ett testbatteri skapats som fångar det mest centrala i g-faktorn och samtidigt respekterar kandidaters tid och upplevelse. Resultaten blir en rekryteringsprocess som både är effektiv och rättvis, där vi säkerställer en tillförlitlig mätning av generell intelligens utan att använda ett för långt eller för kort testbatteri.
Läs mer om våra tester
Av Fredrik Stannow
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.
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.
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.