Thang trí tuệ Stanford-Binet: Lịch sử và ứng dụng hiện đại

Stanford-Binet là bài kiểm tra IQ lâu đời nhất vẫn còn được giới chuyên môn sử dụng. Nó khởi đầu như một công cụ sàng lọc thực dụng ra đời tại Paris năm 1905, được xây dựng lại tại Đại học Stanford năm 1916, và chính nó đã mang đến cho thế giới con số mà ngày nay chúng ta gọi là IQ. Phiên bản hiện hành — ấn bản thứ năm, công bố năm 2003 — bao phủ độ tuổi từ 2 đến 85 trở lên và đo năm nhân tố nhận thức qua cả hình thức ngôn ngữ lẫn phi ngôn ngữ. Bài viết này lần theo nguồn gốc của bài kiểm tra, cấu trúc hiện nay, ý nghĩa của điểm số, và cả cái bóng dài mà lịch sử của nó để lại.

1. Paris, 1905: thang Binet-Simon nguyên bản

Năm 1904, Bộ Giáo dục công Pháp đối mặt với một bài toán rất thực tế. Giáo dục vừa được quy định là bắt buộc, và giáo viên cần một cách nào đó để nhận ra những học sinh không theo kịp và cần hình thức giảng dạy khác. Bộ đã đề nghị Alfred Binet, nhà tâm lý học tại Sorbonne, tìm một phương pháp không phụ thuộc vào cảm nhận chủ quan của người thầy.

Binet, cộng tác với bác sĩ Théodore Simon, chọn một hướng đi khác thường so với thời đại. Thay vì đo thời gian phản ứng, kích thước hộp sọ hay độ nhạy giác quan — những phương pháp thời thượng kế thừa từ Francis Galton — hai ông tập hợp các nhiệm vụ đời thường ngắn gọn: dõi theo một vật chuyển động, gọi tên đồ vật quen thuộc, nhắc lại một dãy chữ số, giải thích sự khác nhau giữa hai từ, sắp xếp các món theo thứ tự. Các nhiệm vụ đi từ dễ đến khó, và đứa trẻ làm dần lên cho tới khi không còn kham nổi.

Thang năm 1905 được chỉnh sửa vào năm 1908 và một lần nữa vào năm 1911. Bản sửa năm 1908 đưa ra ý tưởng làm nên tên tuổi của bài kiểm tra: mỗi nhiệm vụ được gắn với độ tuổi mà một đứa trẻ điển hình có thể làm được. Một đứa trẻ vượt qua các nhiệm vụ mà phần lớn trẻ tám tuổi làm được thì được coi là có "tuổi trí tuệ" tám, bất kể ngày sinh. Bản thân Binet diễn đạt rất dè dặt — ông xem thang đo là một công cụ thực dụng thô sơ để phát hiện trẻ cần hỗ trợ thêm, và cảnh báo rõ ràng không nên đọc kết quả như một năng lực cố định hay vĩnh viễn.

Binet qua đời năm 1911, trước khi kịp chứng kiến số phận thang đo của mình sau khi nó vượt Đại Tây Dương.

2. Stanford, 1916: bài kiểm tra trở thành IQ như thế nào

Henry Goddard là người mang thang Binet-Simon sang Hoa Kỳ, dịch nó vào khoảng năm 1908 và phổ biến rộng rãi. Nhưng phiên bản trụ lại được lại là phiên bản do Lewis Terman thực hiện tại Đại học Stanford, người đã công bố The Measurement of Intelligence cùng Bản sửa đổi Stanford của thang Binet-Simon vào năm 1916.

Terman làm ba việc thay đổi tận gốc công cụ này:

Ông mở rộng và viết lại kho câu hỏi, đồng thời kéo dài thang đo lên tới tuổi trưởng thành, nên nó không còn chỉ là công cụ sàng lọc cho trẻ em.
Ông chuẩn hóa thang trên một mẫu lớn người Mỹ, nhờ vậy kết quả có thể đọc theo một chuẩn tham chiếu thay vì theo phán đoán của nhà lâm sàng.
Ông áp dụng công thức tính điểm mà nhà tâm lý học người Đức William Stern đề xuất năm 1912 — tuổi trí tuệ chia cho tuổi thực, nhân 100 — và đặt tên là chỉ số thông minh.

Quyết định thứ ba là lý do cụm từ "IQ" tồn tại. Một đứa trẻ mười tuổi làm bài như một đứa trẻ mười hai tuổi điển hình sẽ có 120 điểm; làm như đứa trẻ tám tuổi thì được 80. Đơn giản, dễ nhớ, và — hóa ra — sai về mặt cấu trúc.

Terman cũng tách khỏi Binet ở cách diễn giải. Nếu Binet coi điểm thấp là tín hiệu để can thiệp, thì Terman xem điểm số phần lớn là di truyền và ổn định, đồng thời vận động dùng chúng để phân loại học sinh. Quan điểm này nuôi dưỡng trực tiếp cơn sốt trắc nghiệm ở Mỹ thập niên 1920, và bản thân Terman từng dính líu tới các tổ chức thuộc phong trào ưu sinh thời kỳ đó — một sự thật mà ngành tâm lý ngày nay ghi nhận thẳng thắn chứ không né tránh. Các ấn bản sau của bài kiểm tra được xây dựng bởi những người khác với những giả định khác, và các chuẩn mực nghề nghiệp hiện đại về đánh giá nhận thức ra đời chính như một phản ứng trước những sự lạm dụng buổi đầu ấy.

3. IQ tỷ lệ và lý do nó phải bị loại bỏ

Công thức tuổi trí tuệ hoạt động tạm ổn với trẻ em và sụp đổ hoàn toàn với người lớn. Điểm tuổi trí tuệ ngừng tăng từ cuối tuổi thiếu niên trong khi tuổi thực vẫn cứ chạy, nên một người 40 tuổi hoàn toàn bình thường sẽ có thương số giảm dần chỉ vì phép tính chứ không vì lý do nào khác. Công thức này còn tạo ra độ phân tán không đồng nhất ở các độ tuổi: 130 ở tuổi sáu không mang mức độ hiếm giống như 130 ở tuổi mười bốn.

Lời giải đến với ấn bản thứ ba, Bản L-M, năm 1960, khi tỷ lệ được thay bằng IQ độ lệch mà David Wechsler đã dùng từ năm 1939. Ở đây, kết quả thô của từng nhóm tuổi được quy đổi sang một thang chuẩn có trung bình và độ phân tán cố định, nhờ đó điểm số mô tả vị trí của một người so với chính nhóm tuổi của họ — không hơn, không kém.

Ấn bản	Năm	Thay đổi chính	Thang điểm
Binet-Simon	1905–1911	Nhiệm vụ phân theo tuổi, "tuổi trí tuệ"	Không có (tuổi trí tuệ)
Bản sửa đổi Stanford	1916	Chuẩn Mỹ, áp dụng công thức IQ	IQ tỷ lệ (TTT ÷ TT × 100)
Bản sửa đổi thứ hai (Bản L & M)	1937	Terman cùng Maud Merrill; hai bản song song	IQ tỷ lệ
Ấn bản thứ ba (Bản L-M)	1960	IQ độ lệch thay cho IQ tỷ lệ	Trung bình 100, SD 16
Ấn bản thứ tư (SB4)	1986	Thang điểm, bốn điểm lĩnh vực	Trung bình 100, SD 16
Ấn bản thứ năm (SB5)	2003	Năm nhân tố × hai miền	Trung bình 100, SD 15

Có hai chi tiết đáng chú ý trong bảng trên. Ấn bản thứ tư năm 1986, do Robert Thorndike, Elizabeth Hagen và Jerome Sattler phát triển, đã từ bỏ định dạng thang theo tuổi để chuyển sang thang điểm thông thường tổ chức quanh bốn lĩnh vực — suy luận ngôn ngữ, suy luận trừu tượng/thị giác, suy luận định lượng và trí nhớ ngắn hạn. Còn ấn bản thứ năm năm 2003 đã đổi độ lệch chuẩn từ 16 xuống 15, đưa điểm Stanford-Binet về cùng thang với các bài kiểm tra Wechsler. Những con số Stanford-Binet được trích dẫn từ trước năm 2003 nằm trên một thang rộng hơn đôi chút, và đó là một lý do không nên so sánh tùy tiện điểm số lịch sử với điểm số hiện đại.

4. SB5 được xây dựng như thế nào

Ấn bản thứ năm, do Gale H. Roid phát triển và chuẩn hóa trên mẫu 4.800 người khớp với dữ liệu điều tra dân số Hoa Kỳ, được tổ chức theo lưới năm nhân hai. Năm nhân tố nhận thức, mỗi nhân tố được đánh giá hai lần — một lần bằng ngôn ngữ và một lần phi ngôn ngữ — tạo thành mười tiểu trắc nghiệm.

Nhân tố	Hình thức phi ngôn ngữ	Hình thức ngôn ngữ
Suy luận linh hoạt	Chuỗi hình và câu hỏi dạng ma trận	Bài toán suy luận bằng lời
Kiến thức	Tình huống phi lý qua tranh	Từ vựng
Suy luận định lượng	Câu hỏi số học trình bày bằng hình ảnh	Bài toán định lượng dạng lời văn
Xử lý thị giác - không gian	Nhiệm vụ ghép hình và mẫu hình	Bài toán vị trí, phương hướng mô tả bằng lời
Trí nhớ làm việc	Nhiệm vụ ghi nhớ với khối hình	Nhiệm vụ ghi nhớ câu và chi tiết

Không có câu hỏi thật nào được tái hiện ở đây — nội dung bài kiểm tra có bản quyền, và việc bảo mật nội dung chính là một phần giữ cho chuẩn đo còn giá trị. Các mô tả trên chỉ nói về dạng nhiệm vụ nói chung.

Cấu trúc năm nhân tố không phải tùy tiện. Nó ánh xạ sang mô hình Cattell-Horn-Carroll (CHC), ngôn ngữ chung của đánh giá nhận thức hiện đại, nhờ đó kết quả SB5 dễ đọc song song với các bộ công cụ khác cũng theo CHC.

Miền phi ngôn ngữ đáng được nói thêm. "Phi ngôn ngữ" ở đây nghĩa là phần trả lời đòi hỏi rất ít hoặc không cần lời nói — chỉ tay, di chuyển, sắp xếp — chứ không phải buổi làm bài diễn ra trong im lặng. Hướng dẫn vẫn được đưa bằng lời, dù có thể thay bằng cử chỉ khi cần. Điều này khiến phần phi ngôn ngữ hữu ích với trẻ có hạn chế về ngôn ngữ diễn đạt, với người khiếm thính, và với người được đánh giá bằng một ngôn ngữ không phải tiếng mẹ đẻ — mà không giả vờ rằng yếu tố ngôn ngữ đã bị loại bỏ hoàn toàn.

5. Định tuyến, mức sàn và mức trần: bài kiểm tra thực sự diễn ra ra sao

Stanford-Binet được thực hiện một kèm một bởi một người đánh giá đã qua đào tạo, thường kéo dài 45 đến 90 phút tùy độ tuổi và số tiểu trắc nghiệm cần dùng. Đặc điểm nổi bật của nó là định tuyến thích ứng, một ý tưởng bài kiểm tra đã sử dụng dưới hình thức nào đó từ thời Binet.

Hai tiểu trắc nghiệm định tuyến được làm trước: một nhiệm vụ chuỗi hình/ma trận ở phía phi ngôn ngữ và một nhiệm vụ từ vựng ở phía ngôn ngữ. Kết quả hai phần này quyết định mức độ khó khởi đầu của tất cả các tiểu trắc nghiệm còn lại. Vì vậy một em sáu tuổi và một em mười hai tuổi có năng lực tốt sẽ làm những bộ câu hỏi khác nhau.

Từ điểm khởi đầu đó, người đánh giá làm việc theo quy tắc mức sàn và mức trần. Mức sàn là mức mà người làm bài vượt qua một cách ổn định, xác lập rằng các câu dễ hơn có thể coi như đúng; mức trần là điểm mà các câu sai dồn lại và bài kiểm tra dừng. Mọi thứ dưới mức sàn được tính điểm, mọi thứ trên mức trần không được đưa ra.

Cái lợi là hiệu quả và sự thoải mái — không ai phải ngồi hai mươi phút với những câu quá dễ hoặc quá khó so với mình. Cái giá là việc thực hiện và chấm điểm đòi hỏi đào tạo thực sự, và đó là một lý do bài kiểm tra này không thể tồn tại dưới dạng tự làm trực tuyến.

6. Điểm SB5 được báo cáo như thế nào

SB5 tạo ra nhiều hơn một con số, và điểm tổng hợp chỉ là lớp trên cùng.

Loại điểm	Trung bình	SD	Phạm vi bao phủ
IQ toàn thang	100	15	Cả mười tiểu trắc nghiệm
IQ phi ngôn ngữ	100	15	Năm tiểu trắc nghiệm phi ngôn ngữ
IQ ngôn ngữ	100	15	Năm tiểu trắc nghiệm ngôn ngữ
Chỉ số nhân tố (×5)	100	15	Một nhân tố nhận thức qua cả hai miền
Điểm quy đổi tiểu trắc nghiệm	10	3	Một tiểu trắc nghiệm đơn lẻ

Sổ tay SB5 còn cung cấp tùy chọn chấm điểm IQ mở rộng (EXIQ), kéo dải điểm có thể báo cáo vượt xa khoảng 40–160 thông thường, phục vụ nghiên cứu và các đánh giá ở hai cực; cùng với điểm nhạy với thay đổi, một thang tuyệt đối được thiết kế để theo dõi kết quả của cùng một người qua nhiều lần đánh giá mà không bị nhiễu bởi so sánh theo chuẩn tuổi.

Các dải điểm đi kèm nhãn mô tả — trung bình, trung bình cao, xuất sắc, v.v. Những nhãn này mô tả vị trí của điểm số trong một phân phối. Chúng không phải chẩn đoán, và không có chẩn đoán nào về bất kỳ tình trạng nào được đưa ra chỉ từ một dải điểm; việc đó đòi hỏi chuyên gia có chuyên môn cân nhắc toàn bộ kết quả đánh giá, lịch sử phát triển và khả năng sinh hoạt hằng ngày.

Ba lưu ý về diễn giải luôn đúng, như với mọi bài kiểm tra nhận thức:

Điểm số là một ước lượng kèm khoảng tin cậy. Sổ tay công bố sai số chuẩn đo lường chính là để kết quả được đọc như một dải chứ không phải một điểm.
Điểm tổng hợp có thể che khuất hồ sơ năng lực. Hai người cùng một IQ toàn thang có thể có các mẫu hình hoàn toàn khác nhau về trí nhớ làm việc, kiến thức và xử lý thị giác - không gian — và mẫu hình thường mới là thông tin hữu ích hơn.
Chuẩn đo cũng già đi. Hiệu ứng Flynn — sự dịch chuyển dài hạn của kết quả thô trung bình được ghi nhận suốt thế kỷ XX — có nghĩa là chuẩn của một ấn bản cũ sẽ có xu hướng cho điểm rộng rãi hơn thực tế. Đây là lý do thường quy khiến nhà lâm sàng dùng ấn bản hiện hành.

7. Nghiên cứu theo dõi dài hạn của Terman và những gì nó tìm thấy

Năm 1921, Terman khởi động Genetic Studies of Genius, sàng lọc học sinh California bằng Stanford-Binet và theo dõi khoảng 1.500 em đạt mức khoảng 135 trở lên trong suốt phần đời còn lại. Đây trở thành một trong những nghiên cứu theo chiều dọc kéo dài nhất của tâm lý học và vẫn đang được các nhà nghiên cứu đời sau tiếp tục.

Phát hiện bền vững nhất của nó lại là một phát hiện phủ định. Định kiến cho rằng đứa trẻ điểm cao thì ốm yếu, vụng về trong giao tiếp và thể chất mong manh đã không sống sót khi chạm vào dữ liệu; tính trung bình, nhóm này khỏe mạnh, hòa nhập xã hội tốt và thành công trong học tập. Kết quả ấy đã thực sự góp phần phá bỏ một huyền thoại từ thế kỷ XIX.

Những giới hạn của nghiên cứu cũng đáng học không kém. Mẫu được chọn qua đề cử của giáo viên trước khi làm bài kiểm tra, không đại diện cho dân số rộng hơn, và Terman vẫn can dự cá nhân vào cuộc sống người tham gia theo cách sẽ không qua nổi một hội đồng đạo đức hiện đại. Và dù nhóm này thành công về nghề nghiệp, nó không sản sinh ra người đoạt giải Nobel nào — trong khi hai nhà vật lý sau này đoạt giải, William Shockley và Luis Alvarez, được cho là từng nằm trong diện sàng lọc và không đạt ngưỡng. Dù hiểu giai thoại này thế nào, mẫu hình lớn thì đã được lặp lại nhiều lần: một điểm số cao là một lợi thế thống kê có thật nhưng là một lời tiên tri tồi cho từng cá nhân.

8. Stanford-Binet hay Wechsler? Mỗi bài được dùng ở đâu

Suốt phần lớn thế kỷ XX, Stanford-Binet là bài kiểm tra IQ cá nhân mặc định. Ngày nay, các thang Wechsler — WAIS-IV/V cho người lớn, WISC-V cho trẻ tuổi đi học — được dùng phổ biến hơn trong thực hành lâm sàng nói chung, trong khi Stanford-Binet giữ những thế mạnh riêng.

	Stanford-Binet (SB5)	Wechsler (WAIS/WISC)
Dải tuổi	2 đến 85+ trong cùng một công cụ	Các bài riêng theo nhóm tuổi
Cấu trúc	5 nhân tố × ngôn ngữ / phi ngôn ngữ	4–5 điểm chỉ số
Chọn câu hỏi	Định tuyến thích ứng, mức sàn/mức trần	Thứ tự tiểu trắc nghiệm cố định
Điểm tổng hợp phi ngôn ngữ đầy đủ	Có, một miền song song hoàn chỉnh	Một phần
Dùng phổ biến cho	Trẻ rất nhỏ, đánh giá ở hai cực, bối cảnh hạn chế ngôn ngữ	Đánh giá lâm sàng và giáo dục nói chung

Dải tuổi liền mạch của SB5 khiến nó tiện lợi cho việc đánh giá lại xuyên suốt cuộc đời, còn mức sàn thấp và mức trần cao — được nới rộng thêm bằng chấm điểm EXIQ — khiến nó thường được chọn khi dự kiến kết quả sẽ nằm rất xa mức trung bình về một trong hai phía. Trên thực tế, công cụ được chọn theo câu hỏi cần trả lời, và dù sao một đánh giá tốt luôn dựa trên nhiều nguồn bằng chứng.

Câu hỏi thường gặp

Stanford-Binet ngày nay còn được dùng không?

Còn. Ấn bản thứ năm, công bố năm 2003, vẫn đang được giới chuyên môn sử dụng cho độ tuổi từ 2 đến 85 trở lên. Các thang Wechsler phổ biến hơn trong thực hành lâm sàng thường ngày, nhưng Stanford-Binet vẫn được chọn rộng rãi cho trẻ rất nhỏ, cho các đánh giá mà kết quả được dự đoán nằm ngoài dải trung bình khá xa, và khi cần một điểm tổng hợp phi ngôn ngữ đầy đủ.

Stanford-Binet khác bài kiểm tra IQ trực tuyến ở chỗ nào?

Gần như mọi thứ, trừ những từ ngữ dùng để mô tả kết quả. Stanford-Binet được thực hiện riêng từng người bởi chuyên gia đã qua đào tạo, dùng định tuyến thích ứng với quy tắc mức sàn và mức trần, và được diễn giải dựa trên một mẫu chuẩn hóa lớn trong điều kiện kiểm soát. Bài trực tuyến thì tự làm trong môi trường không kiểm soát, không có người giám sát, không có chuẩn lâm sàng và không có cách nào xác minh ai đã làm bài. Cả hai đều có thể trả về một con số quanh 100, nhưng đó không phải là cùng một loại phép đo.

Vì sao thang điểm đổi từ SD 16 sang SD 15?

Các ấn bản Stanford-Binet trước đây dùng độ lệch chuẩn 16, trong khi các bài Wechsler dùng 15. Ấn bản thứ năm chuyển sang 15 để điểm số của hai bộ công cụ phổ biến nhất nằm trên cùng một thang. Hệ quả thực tế là điểm Stanford-Binet trích từ trước năm 2003 có độ phân tán rộng hơn một chút so với điểm hiện đại, và không nên so sánh trực tiếp con số của ấn bản cũ với ấn bản mới nếu chưa quy đổi.

Có thể ôn luyện trước cho một buổi đánh giá Stanford-Binet không?

Không có tài liệu luyện tập chính thống, vì các câu hỏi có bản quyền và chính việc bảo mật chúng giữ cho chuẩn đo còn ý nghĩa. Điểm số đạt được ngay sau một lần làm bài tương tự thường cao hơn, nhưng đó là do quen với định dạng — một hiệu ứng luyện tập và một sai lệch đo lường — chứ không phải năng lực nền tảng đã thay đổi, và đó chính là lý do người đánh giá luôn ghi nhận và trừ hao các lần làm bài gần đây. Sự chuẩn bị hữu ích chỉ là những thứ bình thường: ngủ đủ, ăn đủ và đến nơi mà không vội vã.

Một điểm Stanford-Binet thực sự cho biết điều gì?

Nó định vị kết quả thực hiện một tập nhiệm vụ cụ thể về suy luận, kiến thức, trí nhớ và không gian so với một mẫu chuẩn cùng độ tuổi, vào đúng ngày làm bài và trong đúng điều kiện đó. Thông tin ấy thực sự có giá trị, nhất là hồ sơ năng lực qua năm nhân tố. Nó không đo giá trị con người, tính cách, sự sáng tạo, óc phán đoán hay kết quả cuộc đời, và không con số đơn lẻ nào nên được đọc như một phán quyết về những điều đó.

Alfred Binet là ai, và ông có nhận ra bài kiểm tra hiện đại không?

Binet là nhà tâm lý học người Pháp, người xây dựng thang đo trí tuệ thực dụng đầu tiên năm 1905 để nhận diện học sinh cần hỗ trợ thêm. Ông hẳn sẽ nhận ra cấu trúc thích ứng và logic quy chiếu theo tuổi, cả hai đều còn tồn tại. Nhưng phần còn lại có lẽ khiến ông không thoải mái: ông từng cảnh báo không nên xem điểm số như một đại lượng cố định, và chưa bao giờ dùng thuật ngữ chỉ số thông minh — cụm từ được người khác gắn cho thang đo của ông sau khi ông qua đời.

Tóm tắt

Stanford-Binet tồn tại hơn một thế kỷ vì nó liên tục được xây dựng lại. Các nhiệm vụ phân theo tuổi của Binet trở thành thang chuẩn hóa kiểu Mỹ của Terman, công thức tỷ lệ sai lệch nhường chỗ cho IQ độ lệch, định dạng thang theo tuổi nhường chỗ cho thang điểm, và SB5 hiện đại sắp xếp lại mọi thứ quanh năm nhân tố theo mô hình CHC, đo song song bằng hình thức ngôn ngữ và phi ngôn ngữ.

Lịch sử của nó không hề gọn ghẽ. Chính công cụ đã trao cho tâm lý học phép đo suy luận khả dụng đầu tiên cũng là trung tâm của một thời kỳ trắc nghiệm mà những giả định của nó ngày nay đã bị ngành bác bỏ. Cả hai sự thật đều thuộc về bất kỳ mô tả trung thực nào về bài kiểm tra này.

Điều mà một kết quả Stanford-Binet hiện đại mang lại là một ước lượng cẩn trọng, do chuyên gia thực hiện, về kết quả làm bài trên năm miền nhận thức, được báo cáo dưới dạng một dải thay vì một điểm, và hữu ích nhất khi đọc như một hồ sơ năng lực. Điều nó không mang lại — và chưa bao giờ tuyên bố là mang lại — là một con số cố định, cuối cùng, giải thích trọn vẹn một con người.

Brambin cung cấp hồ sơ nhận thức tám chiều hướng đến mục tiêu giải trí và tự khám phá. Đây không phải Thang trí tuệ Stanford-Binet, không có liên kết nào với nhà xuất bản của thang đo đó, và không phải là một đánh giá lâm sàng. Hãy xem bất kỳ điểm số trực tuyến nào — kể cả của chúng tôi — là xuất phát điểm cho sự tò mò, chứ không phải một chẩn đoán, một quyết định xếp lớp hay một bản án.