斯坦福-比奈智力量表：历史沿革与现代用法
斯坦福-比奈智力量表是至今仍在专业领域使用的最古老的智商测试。它起初只是 1905 年巴黎的一套实用筛查工具，1916 年在斯坦福大学被重新构建，并由此给了世界"IQ"这个说法。现行的第五版（2003 年出版）覆盖 2 岁至 85 岁以上的人群，以言语与非言语两种形式测量五个认知因素。本文梳理这套测试从何而来、今天如何组织、分数意味着什么，以及它的历史至今仍投下的长长阴影。
1. 1905 年的巴黎：最初的比奈-西蒙量表
1904 年，法国公共教育部面临一个很实际的难题。义务教育刚刚推行不久，教师需要某种方法来找出跟不上进度、需要另一种教学安排的儿童。教育部委托索邦大学的心理学家**阿尔弗雷德·比奈（Alfred Binet）**寻找一种不依赖教师主观印象的办法。
比奈与医生**西奥多·西蒙（Théodore Simon）**合作，采取了在当时颇不寻常的路线。他们没有沿用源自高尔顿、当时正流行的反应时、头围或感觉敏锐度等指标，而是编排了一系列日常化的小任务：追踪移动物体、说出熟悉事物的名称、复述一串数字、说明两个词之间的差别、把若干物件排序。任务由易到难，儿童一路往上做，直到题目变得太难为止。
1905 年的量表在 1908 年和 1911 年两度修订。1908 年的修订引入了让这套测试出名的核心构想：每个任务都与典型儿童能够通过它的年龄挂钩。一个孩子若能通过多数八岁儿童能通过的任务，就被称为具有八岁的"心理水平"，与实际生日无关。比奈本人的表述非常克制——他把量表视为一件粗略的实用工具，用来发现需要额外帮助的儿童，并明确警告不要把结果读作固定不变的能力。
比奈于 1911 年去世，没能看到他的量表漂洋过海之后的命运。
2. 1916 年的斯坦福：测试如何变成了"IQ"
亨利·戈达德（Henry Goddard）把比奈-西蒙量表带到美国，在 1908 年前后翻译并广泛推广。但真正流传下来的版本出自斯坦福大学的刘易斯·特曼（Lewis Terman）之手——他在 1916 年出版了《智力的测量》，并发表了比奈-西蒙量表斯坦福修订版。
特曼做了三件从根本上改变这件工具的事：
- 他扩充并重写了题库，把量表向上延伸到成年，使它不再只是一套儿童筛查工具。
- 他在一个大规模的美国样本上完成了标准化，使结果可以对照常模来读，而不再依赖施测者的判断。
- 他采用了德国心理学家威廉·斯特恩（William Stern）1912 年提出的计分公式——心理年龄除以实足年龄再乘以 100——并把它命名为智力商数（intelligence quotient）。
第三点正是"IQ"这个说法存在的原因。一个十岁孩子若表现得像典型的十二岁孩子，得分 120；表现得像典型的八岁孩子，得分 80。简洁、好记——而事后证明，结构上是有缺陷的。
在解释立场上，特曼也与比奈分道扬镳。比奈把低分视为需要介入的信号，特曼则认为分数主要来自遗传且相对稳定，并积极推动用它来对学生分流。这一观点直接助推了 1920 年代美国的测试热潮；特曼本人也与那个时期优生学运动的相关组织有牵连——这是今天学界如实记录而不再回避的事实。后来的各版测试由不同的人在不同的前提下编制，而现代认知评估的专业规范，本身就是对这些早期滥用的明确反弹。
3. 比率智商，以及它为何必须退场
心理年龄公式用在儿童身上还算可行，用在成人身上就会崩塌。心理年龄分数在十几岁后期就停止攀升，实足年龄却一直增加，于是一个完全正常的 40 岁成年人，仅仅因为算术本身，就会算出一个不断下滑的商数。这个公式在不同年龄上给出的离散程度也不一致：130 在六岁和十四岁所代表的稀有程度并不相同。
修正来自 1960 年的第三版（L-M 型），它用离差智商取代了比率智商——那正是大卫·韦克斯勒自 1939 年起一直采用的做法。在离差智商中，每个年龄组的原始表现被换算到一个均值固定、离散程度固定的标准量表上，于是分数所描述的只是一个人相对于同龄同伴的位置，不多也不少。
| 版本 | 年份 | 关键变化 | 分数量表 |
|---|---|---|---|
| 比奈-西蒙量表 | 1905–1911 | 按年龄分级的任务、"心理水平" | 无（心理水平） |
| 斯坦福修订版 | 1916 | 美国常模、采用 IQ 公式 | 比率智商（MA ÷ CA × 100） |
| 第二次修订（L 型与 M 型） | 1937 | 特曼与莫德·梅里尔合作；平行复本 | 比率智商 |
| 第三版（L-M 型） | 1960 | 离差智商取代比率智商 | 均值 100，标准差 16 |
| 第四版（SB4） | 1986 | 点量表、四个领域分数 | 均值 100，标准差 16 |
| 第五版（SB5） | 2003 | 五因素 × 两个领域 | 均值 100，标准差 15 |
表中有两处细节值得留意。1986 年的第四版由罗伯特·桑代克、伊丽莎白·哈根与杰罗姆·萨特勒编制，放弃了年龄量表格式，改为围绕四个领域组织的常规点量表——言语推理、抽象/视觉推理、数量推理与短时记忆。而 2003 年的第五版把标准差从 16 调整为 15，使斯坦福-比奈的分数与韦氏系列落在同一量表上。2003 年之前引用的斯坦福-比奈旧分数处在一个略宽的量表上，这也是历史分数不应与现代分数随意对照的原因之一。
4. SB5 是怎样搭起来的
第五版由 盖尔·H·罗伊德（Gale H. Roid） 主持编制，常模样本为 4,800 人，按美国人口普查数据匹配。它的结构是一个五乘二的网格：五个认知因素各被测量两次——一次以言语方式、一次以非言语方式——共十个分测验。
| 因素 | 非言语形式 | 言语形式 |
|---|---|---|
| 流体推理 | 物体序列与矩阵类题目 | 言语推理问题 |
| 知识 | 基于图片的荒谬情境 | 词汇 |
| 数量推理 | 以视觉方式呈现的数字题 | 以文字表述的数量问题 |
| 视觉-空间加工 | 图形板与图案任务 | 用语言描述的位置与方向问题 |
| 工作记忆 | 基于积木的记忆任务 | 句子记忆与细节记忆任务 |
本文不复制任何真实题目——这些内容受版权保护，而其保密性正是常模得以成立的前提之一。上表描述的只是任务的大致类型。
五因素结构并非随意设定。它对应于已成为现代认知评估通用语言的 CHC 理论（卡特尔-霍恩-卡罗尔模型），这让 SB5 的结果更容易与其他遵循 CHC 框架的测验并列阅读。
非言语领域值得单独说明。这里的"非言语"指的是作答几乎不需要口语——指认、移动、排列——而不是整个施测过程静默无声。指导语仍然是口头给出的，必要时可以用手势辅助。这使非言语部分在面对表达性语言有限的儿童、听力障碍者，以及在非母语环境下接受评估的受测者时格外有用，同时也不假装语言因素已被彻底排除。
5. 路由、基底与天花板：这套测试实际如何施测
斯坦福-比奈由受过训练的施测者一对一实施，视年龄和所需分测验数量，通常需要 45 到 90 分钟。它最具标志性的特征是自适应路由（adaptive routing），这个思路自比奈时代起就以某种形式存在。
测试首先进行两个路由分测验：非言语一侧的物体序列/矩阵任务，以及言语一侧的词汇任务。这两项的表现决定了其余所有分测验的起始难度。因此，一个六岁儿童与一个能力出众的十二岁儿童，实际做到的题目集合并不相同。
从这个起点开始，施测者依照基底（basal）与天花板（ceiling）规则推进。基底是受测者能够稳定通过的水平，据此可以合理假定更容易的题目也能答对；天花板则是失败开始累积、测试随即停止的位置。基底以下的题目一律计分，天花板以上的题目则不再施测。
好处是效率与体验——没有人需要花二十分钟去做远低于或远高于自己水平的题目。代价是施测与计分都需要实打实的训练，这也是这套测试无法以自助式在线形式存在的原因之一。
6. SB5 的分数是如何报告的
SB5 给出的不止一个数字，综合分数只是最上面的一层。
| 分数类型 | 均值 | 标准差 | 涵盖范围 |
|---|---|---|---|
| 全量表智商 | 100 | 15 | 全部十个分测验 |
| 非言语智商 | 100 | 15 | 五个非言语分测验 |
| 言语智商 | 100 | 15 | 五个言语分测验 |
| 因素指数（共 5 个） | 100 | 15 | 单一认知因素跨两个领域 |
| 分测验量表分 | 10 | 3 | 单个分测验 |
SB5 手册还提供扩展智商（EXIQ）计分选项，把可报告范围拉伸到常规的 40–160 区间之外，用于研究以及处于分布两端的评估；此外还有变化敏感分数，这是一种绝对量表，用于追踪同一个人在多次评估之间的表现变化，避免年龄常模比较带来的扭曲。
分数区段会附带描述性标签——平均、中上、优秀等等。这些标签只是描述分数在分布中的位置，不是诊断；任何疾患的诊断都不会仅凭一个分数区段作出，那需要合格的专业人员综合整份评估、发展史与日常功能表现来判断。
与所有认知测试一样，有三点解读上的提醒：
- 分数是带置信区间的估计值。 手册之所以精确报告测量标准误，正是为了让结果被读作一个区间而不是一个点。
- 综合分数会掩盖剖面。 两个全量表智商相同的人，在工作记忆、知识与视觉-空间加工上的模式可能完全不同——而通常更有用的信息恰恰是这个模式。
- 常模会老化。 弗林效应——二十世纪长期记录到的平均原始表现漂移——意味着旧版本的常模往往会给出偏高的分数。这是临床工作者坚持使用现行版本的一个常规理由。
7. 特曼的追踪研究发现了什么
1921 年，特曼启动了**《天才的遗传学研究》**，用斯坦福-比奈筛查加州学童，并对其中约 1,500 名得分在 135 上下及以上者进行终生追踪。这成为心理学史上持续时间最长的纵向研究之一，至今仍由后来的研究者延续。
它最经久的发现是一个否定性结论。"高分儿童体弱多病、社交笨拙、身体孱弱"这种刻板印象，在数据面前没有撑住；这一群体平均而言身体健康、社交能力正常、学业表现良好。这个结果切实地瓦解了一个十九世纪流传下来的迷思。
这项研究的局限同样富有教益。样本是先由教师提名、再进行测试的，并不能代表更广泛的人群；特曼本人与参与者保持的私人往来，按现代伦理审查标准也无法通过。而且尽管这一群体在职业上表现不俗，却没有出过一位诺贝尔奖得主——反倒有两位后来获奖的物理学家威廉·肖克利与路易斯·阿尔瓦雷茨，据称曾被筛查过且未达到入选线。无论你如何看待这则轶事，大方向上的规律是反复得到验证的：高测验分数是一项真实的统计优势，却是一个糟糕的个体预言。
8. 斯坦福-比奈还是韦氏？各自用在哪里
在二十世纪的大部分时间里，斯坦福-比奈是默认的个别施测智商测验。今天，韦氏系列——成人用 WAIS-IV/V、学龄儿童用 WISC-V——在一般临床实践中更常被采用，而斯坦福-比奈仍保留着自己的独特长处。
| 斯坦福-比奈（SB5） | 韦氏系列（WAIS/WISC） | |
|---|---|---|
| 年龄范围 | 单一工具覆盖 2 岁至 85 岁以上 | 按年龄段分为不同测验 |
| 结构 | 5 因素 × 言语／非言语 | 4–5 个指数分数 |
| 题目选取 | 自适应路由、基底／天花板 | 固定的分测验顺序 |
| 完整非言语综合分 | 有，一个完整的平行领域 | 部分具备 |
| 常见用途 | 幼龄儿童、分布两端的评估、语言受限情境 | 一般临床与教育评估 |
SB5 单一连续的年龄范围，使它便于在整个生命历程中反复评估；而它较低的地板与较高的天花板——经 EXIQ 计分进一步延伸——使它常被选用于预期表现会明显偏离平均（无论哪个方向）的情况。实务中，工具是按照转介问题来挑选的，而一份好的评估本来就不会只依赖单一证据来源。
常见问题
斯坦福-比奈今天还在用吗？
还在用。2003 年出版的第五版仍在专业领域活跃使用，适用年龄为 2 岁至 85 岁以上。韦氏系列在常规临床实践中更为普遍，但斯坦福-比奈在面对幼龄儿童、预期表现远离平均区间的评估，以及需要一个完整非言语综合分的场合，仍被广泛选用。
斯坦福-比奈和在线智商测试有什么区别？
除了描述结果所用的词汇之外，几乎处处不同。斯坦福-比奈由受过训练的专业人员一对一施测，采用带基底与天花板规则的自适应路由，并在受控条件下对照大规模标准化样本进行解释。在线测试则是在不受控的环境中自助完成，没有施测者、没有临床常模，也无法核实究竟是谁在作答。两者都可能报出一个接近 100 的数字，但这两个数字并不属于同一种测量。
计分量表为什么从标准差 16 改成了 15？
早期的斯坦福-比奈各版使用标准差 16，而韦氏系列使用 15。第五版改用 15，是为了让这两套最常用的测验在同一量表上给出分数。实际后果是：2003 年之前引用的斯坦福-比奈分数比现代分数略微离散，新旧版本的数字不经换算不应直接比较。
可以为斯坦福-比奈评估做准备吗？
不存在正当的练习材料，因为题目受版权保护，而其保密性正是常模有意义的前提。在接受过类似测试后不久再测，分数确实往往会偏高，但那反映的是对形式的熟悉——一种练习效应和测量假象——而不是底层能力发生了变化，这恰恰是施测者会记录并折算近期既往测试的原因。真正有用的准备很朴素：睡够、吃好、从容赴约。
一个斯坦福-比奈分数到底说明了什么？
它说明的是：在测试当天、在那样的条件下，受测者在一组特定的推理、知识、记忆与空间任务上的表现，相对于同龄常模样本处在什么位置。这确实是有信息量的，尤其是五个因素之间的剖面。它不是对一个人的价值、品格、创造力、判断力或人生结局的度量，任何单一数字都不应被读作对这些方面的裁决。
阿尔弗雷德·比奈是谁？他会认得出今天的测试吗？
比奈是一位法国心理学家，1905 年编制了第一套实用的智力量表，用来识别需要额外支持的学童。自适应结构和以年龄为参照的逻辑他都会认得出来，这两点都保留了下来。但其余部分他大概不会太自在：他曾警告不要把分数当作固定不变的量，也从未使用过"智力商数"这个词——那是他去世后由别人加到他的量表上的。
小结
斯坦福-比奈能延续一个多世纪，靠的是它不断被重建。比奈按年龄分级的任务变成了特曼标准化的美国量表，有缺陷的比率公式让位给离差智商，年龄量表格式让位给点量表，而现代的 SB5 又围绕五个契合 CHC 框架、以言语与非言语两条线平行测量的因素重新组织了一切。
它的历史并不整洁。这件给了心理学第一把可用的推理测量尺的工具，同时也处在一个测试年代的核心，而那个年代的许多前提早已被学界否定。任何诚实的叙述都应当把这两件事一并写进去。
现代的斯坦福-比奈结果所能提供的，是一份由专业人员审慎施测、覆盖五个认知领域的表现估计，以区间而非单点报告，最适合当作剖面来读。它不提供、也从未声称提供的，是一个能够解释一个人的固定终极数字。
Brambin 提供一个面向娱乐与自我了解的八维认知剖面。它不是斯坦福-比奈智力量表，与其出版方没有任何关联，也不是临床评估。请把任何在线分数——包括我们的分数——视为好奇心的起点，而不是诊断、安置决定或裁决。