روان‌سنجی

This study aimed to develop the Sports Destruction Scale (SDS) and examine itspsychometric properties among athletes. The study included 255 licensed athletes from different sport branches. Exploratory and confirmatory factor analyses were conducted to examine the factor structure, while internal consistency, composite reliability, convergent validity, and discriminant validity were evaluated. The analyses resulted in a 16-item structure comprising two dimensions: Interpersonal Destruction and Disruption of Team Dynamics. The two-factor structure explained 68% of the total variance. Confirmatory factor analysis indicated satisfactory model fit (χ²/df =2.09, CFI = .97, RMSEA = .058, SRMR=.045). Cronbach’s alpha coefficients were .92 for Interpersonal Destruction, .90 for Disruption of Team Dynamics, and .94 for the total scale. Composite reliability and averagevariance extracted values supported the reliability and convergent validity of thedimensions, while the HTMT ratio provided evidence of discriminant validity. These findings indicated that the SDS demonstrates satisfactory psychometric properties for assessing destructive behaviors in sport.

این پژوهش با هدف تدوین مقیاس تخریب ورزشی (SDS) و بررسی ویژگی‌های روان‌سنجی آن در میان ورزشکاران انجام شد. نمونه پژوهش شامل ۲۵۵ ورزشکار دارای مجوز از رشته‌های مختلف ورزشی بود. به منظور بررسی ساختار عاملی، تحلیل عاملی اکتشافی و تأییدی انجام شد و پایایی درونی، پایایی ترکیبی، روایی همگرا و روایی واگرا مورد ارزیابی قرار گرفت. نتایج تحلیل‌ها به ساختاری ۱۶ ماده‌ای با دو بُعد: تخریب بین‌فردی و اختلال در پویایی تیمی منجر شد. ساختار دو عاملی ۶۸٪ از واریانس کل را تبیین کرد. تحلیل عاملی تأییدی برازش مطلوب مدل را نشان داد (χ²/df =2.09، CFI = .97، RMSEA = .058، SRMR=.045). ضرایب آلفای کرونباخ برای بُعد تخریب بین‌فردی ۰.۹۲، برای اختلال در پویایی تیمی ۰.۹۰ و برای کل مقیاس ۰.۹۴ به دست آمد. مقادیر پایایی ترکیبی و میانگین واریانس استخراج‌شده، پایایی و روایی همگرای ابعاد را تأیید کردند و نسبت HTMT شواهدی از روایی واگرا ارائه داد. این یافته‌ها نشان دادند که SDS از ویژگی‌های روان‌سنجی رضایت‌بخشی برای سنجش رفتارهای مخرب در ورزش برخوردار است.

Introduction: The Convention on the Rights of Persons with Disabilities (CRPD) enumerates a broad, heterogeneous set of rights and requires their monitoring.The Human Rights-Based Well-Being Checklist (HRWC) is a 39-item instrument aligned with the CRPD; it covers this heterogeneous content, and no subscales were defined at its development.Using exploratory network analysis, we examined the response structure of the HRWC to clarify its descriptive interpretation and to assess whether empirically detected item communities were sufficiently stable to justify subscale construction or item removal.The focal case was a set of eight items that are reverse-keyed in the scoring scheme and framed in terms of adverse rightsrelated experiences (Items 1-4, 12, 14, 17, and 18).This set was defined by the scoring scheme independently of the network results; the decision to focus on it was post hoc.Methods: This secondary analysis used registry data from adults with disabilities in Muntinlupa, Philippines (N = 1,014).The HRWC is a self-report instrument whose items describe day-to-day situations corresponding to CRPD rights; each item is scored 0-4, giving a possible total of 0-156.Regularized partial-correlation networks, in which each edge represents the association between two items after accounting for all the other items, were estimated under two parallel specifications: rank-based Spearman correlations, which use only the rank order of the responses, and polychoric correlations, which treat each response as a coarsened observation of an underlying continuous variable.Item communities, that is, groups of items more densely interconnected with one another than with the rest of the network, were detected with the Walktrap algorithm, and their reproducibility was examined in 1,000 bootstrap resamples per specification.Results: Under Spearman estimation, the eight items formed one community containing no other items (27 of 28 possible within-set edges positive and nonzero; one absent), were retained across algorithms, regularization settings, and the nonparanormal network, and were reproduced in 885 of the 1,000 resamples (88.5%).Under polychoric estimation, the Walktrap point estimate divided the eight items along a shared stem (Items 1-4 versus 12, 14, 17, 18), although three alternative detection algorithms recovered that single community; the same eight-item-only community recurred under Walktrap in 333 of the 1,000 resamples (33.3%).Whether the eight items formed one community or two subgroups, thus, varied with the correlation method, the detection algorithm, and the resample.Conclusions: Item-level profiles and the existing unweighted total serve different descriptive functions.Item-level profiles preserve information on the distinct CRPD-related conditions represented by individual items, whereas the unweighted total can provide a concise summary across all 39 responses.Substantive content could not be separated from keying, shared stems, item position, or response distributions, and the findings provide no empirical support from these analyses for constructing subscales or removing items on the basis of the observed network communities.

مقدمه: کنوانسیون حقوق افراد دارای معلولیت (CRPD) مجموعه‌ای گسترده و ناهمگون از حقوق را برمی‌شمارد و نظارت بر آن‌ها را الزامی می‌داند. چک‌لیست بهزیستی مبتنی بر حقوق بشر (HRWC) یک ابزار ۳۹ گویه‌ای منطبق با CRPD است؛ این ابزار محتوای ناهمگون مذکور را پوشش می‌دهد و در زمان تدوین آن هیچ زیرمقیاسی تعریف نشده است. با استفاده از تحلیل شبکه‌ای اکتشافی، ساختار پاسخ‌های HRWC را به منظور روشن‌سازی تفسیر توصیفی آن و ارزیابی این‌که آیا خوشه‌های گویه‌ای شناسایی‌شده به طور تجربی به اندازه کافی پایدار هستند تا ساخت زیرمقیاس یا حذف گویه را توجیه کنند، بررسی کردیم. مورد کانونی، مجموعه‌ای از هشت گویه بود که در طرح نمره‌گذاری به صورت معکوس‌کلید هستند و با چارچوب تجارب منفی مرتبط با حقوق بیان شده‌اند (گویه‌های ۱ تا ۴، ۱۲، ۱۴، ۱۷ و ۱۸). این مجموعه به طور مستقل از نتایج شبکه و صرفاً بر اساس طرح نمره‌گذاری تعریف شده بود؛ تصمیم برای تمرکز بر آن پس از تحلیل اتخاذ شد. روش‌ها: این تحلیل ثانویه از داده‌های ثبتی بزرگسالان دارای معلولیت در مونتینلوپا، فیلیپین (N = 1,014) استفاده کرد. HRWC یک ابزار خودگزارشی است که گویه‌های آن موقعیت‌های روزمره متناظر با حقوق CRPD را توصیف می‌کند؛ هر گویه از ۰ تا ۴ نمره می‌گیرد و مجموع کل ممکن ۰ تا ۱۵۶ است. شبکه‌های همبستگی جزئی منظم‌شده، که در آن هر یال نمایانگر ارتباط بین دو گویه پس از کنترل سایر گویه‌ها است، تحت دو مشخصه موازی برآورد شد: همبستگی‌های اسپیرمن مبتنی بر رتبه که فقط ترتیب رتبه پاسخ‌ها را لحاظ می‌کند، و همبستگی‌های پلی‌کوریک که هر پاسخ را به عنوان مشاهده‌ای رده‌بندی‌شده از یک متغیر پیوسته زیربنایی در نظر می‌گیرد. خوشه‌های گویه‌ای، یعنی گروه‌هایی از گویه‌ها که به طور متراکم‌تری با یکدیگر نسبت به سایر شبکه مرتبط‌اند، با الگوریتم Walktrap شناسایی شد و قابلیت بازتولید آن‌ها در ۱٬۰۰۰ نمونه‌گیری بوت‌استرپ برای هر مشخصه بررسی گردید. یافته‌ها: در برآورد اسپیرمن، هشت گویه یک خوشه تشکیل دادند که هیچ گویه دیگری در آن نبود (۲۷ از ۲۸ یال ممکن درون‌مجموعه‌ای مثبت و غیرصفر؛ یکی غایب)، این خوشه در الگوریتم‌ها، تنظیمات منظم‌سازی و شبکه نانورمال نیز حفظ شد و در ۸۸۵ از ۱٬۰۰۰ نمونه‌گیری (۸۸٫۵٪) بازتولید گردید. در برآورد پلی‌کوریک، برآورد نقطه‌ای Walktrap این هشت گویه را بر اساس ساقه مشترک به دو گروه تقسیم کرد (گویه‌های ۱ تا ۴ در مقابل ۱۲، ۱۴، ۱۷، ۱۸)، هرچند سه الگوریتم شناسایی جایگزین همان خوشه واحد را بازیابی کردند؛ همان خوشه هشت‌گویه‌ای در ۳۳۳ از ۱٬۰۰۰ نمونه‌گیری (۳۳٫۳٪) با Walktrap تکرار شد. بنابراین، این‌که هشت گویه یک خوشه یا دو زیرگروه تشکیل دهند، به روش همبستگی، الگوریتم شناسایی و نمونه‌گیری بستگی داشت. نتیجه‌گیری: پروفایل‌های سطح گویه و مجموع بدون وزن عملکرد توصیفی متفاوتی دارند. پروفایل‌های سطح گویه اطلاعات مربوط به شرایط متمایز مرتبط با CRPD را که هر گویه نمایندگی می‌کند حفظ می‌کنند، در حالی که مجموع بدون وزن می‌تواند خلاصه‌ای فشرده از کل ۳۹ پاسخ ارائه دهد. محتوای مفهومی از کلیدگذاری، ساقه مشترک، موقعیت گویه یا توزیع پاسخ‌ها قابل تفکیک نبود و یافته‌ها هیچ شواهد تجربی برای ساخت زیرمقیاس یا حذف گویه‌ها بر اساس خوشه‌های شبکه مشاهده‌شده ارائه نمی‌دهند.

Political silence refers to the failure of political thought to translate into political action for various reasons. Individuals may remain silent out of fear that future interests will be harmed or to secure specific benefits. This study aims to conceptualize political silence among individuals as a multidimensional construct by focusing on academics in Türkiye and to develop a valid and reliable measurement scale. The research, based on a quantitative design, includes scale development and psychometric validation. During the scale development process, an item pool was generated from the relevant literature, and content validity was established through expert evaluation. To examine the construct validity of the scale, an Exploratory Factor Analysis was performed on data from 640 academics in the first stage, and a Confirmatory Factor Analysis was conducted on data from 643 academics in the second stage. The scale’s reliability was evaluated using Cronbach’s alpha coefficients, and convergent and discriminant validity were assessed using composite reliability (CR), average variance extracted (AVE), and the Fornell–Larcker criterion. The findings demonstrate that the political silence scale developed in this study is a valid and reliable measurement instrument comprising four subdimensions: protest-based, perceived risk-based, conformity-based, and value-based political silence.

سکوت سیاسی به ناتوانی اندیشه سیاسی در تبدیل شدن به کنش سیاسی به دلایل مختلف اشاره دارد. افراد ممکن است به دلیل ترس از آسیب دیدن منافع آینده یا برای تأمین منافع خاص، سکوت اختیار کنند. هدف این پژوهش، مفهوم‌سازی سکوت سیاسی به عنوان یک سازه چندبعدی در میان افراد با تمرکز بر اعضای هیئت علمی در ترکیه و تدوین یک مقیاس سنجش معتبر و پایا است. این پژوهش که مبتنی بر طرح کمی است، شامل تدوین مقیاس و اعتبارسنجی روان‌سنجی می‌باشد. در فرایند تدوین مقیاس، مجموعه‌ای از گویه‌ها بر اساس ادبیات مرتبط گردآوری شد و روایی محتوایی از طریق ارزیابی خبرگان تأیید گردید. برای بررسی روایی سازه مقیاس، تحلیل عاملی اکتشافی بر داده‌های ۶۴۰ عضو هیئت علمی در مرحله اول و تحلیل عاملی تأییدی بر داده‌های ۶۴۳ عضو هیئت علمی در مرحله دوم انجام شد. پایایی مقیاس با استفاده از ضرایب آلفای کرونباخ ارزیابی گردید و روایی همگرا و واگرا با استفاده از پایایی ترکیبی (CR)، میانگین واریانس استخراج‌شده (AVE) و معیار فورنل–لارکر بررسی شد. یافته‌ها نشان می‌دهد که مقیاس سکوت سیاسی تدوین‌شده در این پژوهش، ابزاری معتبر و پایا شامل چهار زیرمقیاس سکوت سیاسی مبتنی بر اعتراض، مبتنی بر ادراک ریسک، مبتنی بر همنوایی و مبتنی بر ارزش است.

Background The Strengths and Difficulties Questionnaire (SDQ) is a commonly used screening instrument for assessing emotional and behavioral strengths and difficulties among children and adolescents. However, although the SDQ’s psychometric properties have been tested extensively in the literature, its current form is under debate as to whether it is suitable as a tool to assess adolescent mental health, especially among refugees. Therefore, this study aims to validate the SDQ scale among Adolescent Palestinian refugees in the West Bank, Palestine, and Jordan. Methods The psychometric properties of the original SDQ and other suggested alternatives were tested. First, construct validity for the original SDQ was tested through confirmatory factor analysis (CFA). Then, exploratory factor analysis (EFA) was used to evaluate the latent factorial structure for suggested alternatives, followed by CFA to provide additional evaluation of each alternative. Then, convergent, discriminant, and criterion validity were assessed. Finally, the internal consistency and reliability were assessed using multiple tests. Results This study included 2,828 adolescent girls living in Palestine refugee camps in the West Bank and Jordan. Of these, 2,725 participants were included in the final analysis based on completion of the SDQ. CFA indicated that the original five-factor SDQ demonstrated poor fit in this sample (CFI/TLI < 0.40; RMSEA = 0.081; SRMR = 0.110), with several items showing low standardized loadings. EFA and CFA analyses supported alternative factorial structures. A four-factor model showed acceptable fit (CFI = 0.896; RMSEA = 0.040; SRMR = 0.039) after removing poorly performing items, but a three-factor solution provided the best overall fit (CFI = 0.942; TLI = 0.930; RMSEA = 0.034; SRMR = 0.033). The final three-factor model retained 15 items representing Emotional Symptoms, Prosocial behavior, and Conduct Problems. The weak correlation between the difficulties did not support convergent validity score and WHO-5 well-being (r = −0.245). Criterion validity analyses showed acceptable discrimination for overall difficulties (AUC = 0.776). Reliability analyses indicated adequate internal consistency for the composite difficulties scale (α = 0.71). Conclusion The original SDQ structure validity and reliability were not supported for use among Palestinian refugees in the West Bank and Jordan. Instead, the 3-factor and 15-item alternative might be a better alternative, given its superior model fit indices and construct validity. However, it still had limitations in reliability and convergent validity, making it far from being an adequate substitute for the original SDQ. Contexts, culture, and the surrounding environment might influence how adolescents in refugee settings understand, interpret, and respond to SDQ items.

زمینه: پرسشنامه نقاط قوت و ضعف (SDQ) ابزاری رایج برای غربالگری نقاط قوت و ضعف هیجانی و رفتاری در کودکان و نوجوانان است. با این حال، اگرچه ویژگی‌های روان‌سنجی SDQ به طور گسترده‌ای در متون علمی آزمون شده است، اما درباره مناسب بودن فرم فعلی آن به عنوان ابزاری برای ارزیابی سلامت روان نوجوانان، به ویژه در میان پناهندگان، بحث‌هایی وجود دارد. بنابراین، هدف این مطالعه اعتبارسنجی مقیاس SDQ در میان نوجوانان پناهنده فلسطینی در کرانه باختری، فلسطین و اردن است. روش‌ها: ویژگی‌های روان‌سنجی فرم اصلی SDQ و سایر فرم‌های پیشنهادی مورد آزمون قرار گرفت. ابتدا روایی سازه فرم اصلی SDQ از طریق تحلیل عاملی تأییدی (CFA) بررسی شد. سپس، تحلیل عاملی اکتشافی (EFA) برای ارزیابی ساختار عاملی نهفته فرم‌های جایگزین پیشنهادی به کار رفت و پس از آن CFA برای ارزیابی بیشتر هر جایگزین انجام شد. سپس، روایی همگرا، واگرا و روایی ملاکی بررسی شد. در نهایت، انسجام درونی و پایایی با استفاده از آزمون‌های متعدد ارزیابی شد. یافته‌ها: این مطالعه شامل ۲٬۸۲۸ دختر نوجوان ساکن اردوگاه‌های پناهندگان فلسطین در کرانه باختری و اردن بود. از این تعداد، ۲٬۷۲۵ نفر بر اساس تکمیل SDQ در تحلیل نهایی وارد شدند. تحلیل CFA نشان داد که فرم اصلی پنج‌عاملی SDQ برازش ضعیفی در این نمونه دارد (CFI/TLI < 0.40؛ RMSEA = 0.081؛ SRMR = 0.110) و چندین گویه بار عاملی استاندارد پایینی داشتند. تحلیل‌های EFA و CFA ساختارهای عاملی جایگزین را تأیید کردند. مدل چهارعاملی پس از حذف گویه‌های ضعیف، برازش قابل قبولی نشان داد (CFI = 0.896؛ RMSEA = 0.040؛ SRMR = 0.039)، اما راه‌حل سه‌عاملی بهترین برازش کلی را داشت (CFI = 0.942؛ TLI = 0.930؛ RMSEA = 0.034؛ SRMR = 0.033). مدل نهایی سه‌عاملی شامل ۱۵ گویه بود که نمایانگر نشانه‌های هیجانی، رفتار موافق اجتماعی و مشکلات رفتاری بودند. همبستگی ضعیف میان مشکلات با نمره روایی همگرای SDQ و بهزیستی WHO-5 (r = −0.245) مشاهده شد. تحلیل‌های روایی ملاکی تمایزپذیری قابل قبولی برای مشکلات کلی نشان دادند (AUC = 0.776). تحلیل‌های پایایی انسجام درونی مناسب برای مقیاس ترکیبی مشکلات را نشان داد (α = 0.71). نتیجه‌گیری: روایی ساختاری و پایایی فرم اصلی SDQ برای استفاده در میان پناهندگان فلسطینی در کرانه باختری و اردن تأیید نشد. در عوض، فرم جایگزین سه‌عاملی و ۱۵ گویه‌ای ممکن است گزینه بهتری باشد، زیرا شاخص‌های برازش مدل و روایی سازه بهتری دارد. با این حال، همچنان محدودیت‌هایی در پایایی و روایی همگرا وجود دارد که آن را از جایگزینی مناسب برای فرم اصلی SDQ دور می‌کند. زمینه، فرهنگ و محیط پیرامون ممکن است بر نحوه درک، تفسیر و پاسخ‌دهی نوجوانان در شرایط پناهندگی به گویه‌های SDQ تأثیرگذار باشد.

Background Handwriting is central to children's written-language development, but conventional assessment usually emphasizes the completed product and provides limited information about the processes that produced it. Digital technologies can capture handwriting as an unfolding motor and orthographic activity. Objective This scoping review mapped technologies for capturing children's handwriting process data, the raw signals and derived features obtained, the assessment constructs supported by process measures, and their educational, developmental, and clinical applications. Methods Following scoping-review guidance and PRISMA-ScR, we searched Scopus, PubMed, ERIC, Web of Science Core Collection, and IEEE Xplore and conducted backward citation searching of 11 relevant review or framework articles. Of 198 reports sought for full-text assessment, one could not be retrieved, 197 were assessed, 39 were excluded, and 158 were included. All included reports were charted with the same 16-field framework. Independent verification by a second researcher covered randomly selected samples of 40 of 197 full-text eligibility decisions (20.3%; 97.5% agreement; Cohen's κ = 0.918) and 32 of 158 extractions (20.3%). Results Digitizing or graphics tablets were used in 136 reports (86.1%), and 117 (74.1%) used Wacom hardware. Position or trajectory (145, 91.8%) and time or timestamps (124, 78.5%) were the most common raw signals, followed by pen pressure or normal force (82, 51.9%) and pen-state or in-air information (71, 44.9%). Common derived feature families included speed or velocity (97, 61.4%), temporal or duration measures (84, 53.2%), spatial or geometric measures (67, 42.4%), and pressure- or force-derived measures (59, 37.3%). Developmental or normative characterization (75, 47.5%) and clinical characterization or differential assessment (74, 46.8%) were the most frequent applications. Latin-alphabetic handwriting appeared in 114 reports (72.2%), followed by Hebrew (23, 14.6%), Chinese (19, 12.0%), and Arabic (5, 3.2%). Conclusions Digital handwriting assessment is well established in process capture but less consistently translated into applied educational or clinical decisions. Classification performance should not be equated with diagnostic validity. A theory-informed and review-refined four-level framework organizes raw signals, derived features, assessment constructs, and empirical interpretation or action without implying a validated developmental or psychometric hierarchy.

زمینه و هدف: دست‌خط نقش مرکزی در رشد زبان نوشتاری کودکان دارد، اما ارزیابی‌های متداول معمولاً بر محصول نهایی تأکید می‌کنند و اطلاعات محدودی درباره فرایندهایی که به تولید آن منجر شده‌اند ارائه می‌دهند. فناوری‌های دیجیتال قادرند دست‌خط را به عنوان یک فعالیت حرکتی و املایی در حال شکل‌گیری ثبت کنند. هدف: این مرور گسترده به شناسایی فناوری‌های ثبت داده‌های فرایندی دست‌خط کودکان، سیگنال‌های خام و ویژگی‌های استخراج‌شده، سازه‌های ارزیابی پشتیبانی‌شده توسط سنجه‌های فرایندی و کاربردهای آموزشی، رشدی و بالینی آن‌ها پرداخت. روش‌ها: با پیروی از راهنمای مرور گسترده و PRISMA-ScR، پایگاه‌های Scopus، PubMed، ERIC، Web of Science Core Collection و IEEE Xplore جست‌وجو شدند و جست‌وجوی ارجاعات معکوس ۱۱ مقاله مروری یا چارچوبی مرتبط انجام شد. از میان ۱۹۸ گزارش مورد بررسی برای ارزیابی متن کامل، یک مورد قابل بازیابی نبود، ۱۹۷ مورد ارزیابی شدند، ۳۹ مورد حذف شدند و ۱۵۸ مورد وارد مطالعه شدند. همه گزارش‌های واردشده با یک چارچوب ۱۶ بخشی یکسان ثبت شدند. راستی‌آزمایی مستقل توسط پژوهشگر دوم بر روی نمونه‌های تصادفی ۴۰ تصمیم صلاحیت متن کامل از ۱۹۷ مورد (۲۰.۳٪؛ توافق ۹۷.۵٪؛ کاپای Cohen's κ = ۰.۹۱۸) و ۳۲ استخراج از ۱۵۸ مورد (۲۰.۳٪) انجام شد. یافته‌ها: در ۱۳۶ گزارش (۸۶.۱٪) از تبلت‌های دیجیتایزر یا گرافیکی استفاده شد و ۱۱۷ مورد (۷۴.۱٪) از سخت‌افزار Wacom بهره بردند. موقعیت یا مسیر (۱۴۵ مورد، ۹۱.۸٪) و زمان یا برچسب‌های زمانی (۱۲۴ مورد، ۷۸.۵٪) رایج‌ترین سیگنال‌های خام بودند و پس از آن فشار قلم یا نیروی عمودی (۸۲ مورد، ۵۱.۹٪) و اطلاعات وضعیت قلم یا در هوا (۷۱ مورد، ۴۴.۹٪) قرار داشتند. خانواده‌های رایج ویژگی‌های استخراج‌شده شامل سرعت یا تندی (۹۷ مورد، ۶۱.۴٪)، سنجه‌های زمانی یا مدت (۸۴ مورد، ۵۳.۲٪)، سنجه‌های فضایی یا هندسی (۶۷ مورد، ۴۲.۴٪) و سنجه‌های مبتنی بر فشار یا نیرو (۵۹ مورد، ۳۷.۳٪) بودند. بیشترین کاربردها، توصیف رشدی یا هنجاری (۷۵ مورد، ۴۷.۵٪) و توصیف بالینی یا ارزیابی افتراقی (۷۴ مورد، ۴۶.۸٪) بود. دست‌خط الفبای لاتین در ۱۱۴ گزارش (۷۲.۲٪) مشاهده شد و پس از آن عبری (۲۳ مورد، ۱۴.۶٪)، چینی (۱۹ مورد، ۱۲.۰٪) و عربی (۵ مورد، ۳.۲٪) قرار داشتند. نتیجه‌گیری: ارزیابی دیجیتال دست‌خط در ثبت فرایند به خوبی تثبیت شده است اما کمتر به تصمیمات کاربردی آموزشی یا بالینی ترجمه شده است. عملکرد طبقه‌بندی نباید معادل روایی تشخیصی تلقی شود. یک چارچوب چهارسطحی مبتنی بر نظریه و اصلاح‌شده توسط مرور، سیگنال‌های خام، ویژگی‌های استخراج‌شده، سازه‌های ارزیابی و تفسیر یا اقدام تجربی را سازمان‌دهی می‌کند بدون آنکه سلسله‌مراتب رشدی یا روان‌سنجی روایی‌شده‌ای را القا کند.

For more than seven decades, Alan Turing’s imitation game has shaped how the AI community discusses machine intelligence, although it was never a psychometric instrument. AI systems now outperform humans in strategic games, scientific prediction, and pattern recognition, achievements better described as domain-specific superhuman performance than as general intelligence unless a novelty condition is enforced. This paper argues that imitation-based evaluation is misaligned with such systems and introduces the Reversed Turing Test (RTT), which asks whether a machine can be identified precisely because its performance is measurably superhuman. The test combines a standardized superhuman index (SI), expressed in standard-deviation units relative to a human reference sample, with a panel of judges whose identifications are verified against the performance evidence. The paper provides a formal definition of the RTT, a taxonomy of novelty types with verification methods, a worked example in protein structure prediction, and a pre-registered text-generation study (n = 500; composite SI ≈ 3.2; 90% identification accuracy grounded in stylometric cues), interpreted as superhuman stylometric performance rather than superhuman intelligence. The RTT is compared against established benchmarks, its philosophical limits are stated, and implications for trust, creativity, governance, and evaluation design are discussed.

بیش از هفت دهه است که بازی تقلید آلن تورینگ نحوه بحث جامعه هوش مصنوعی درباره هوشمندی ماشین را شکل داده است، هرچند که هرگز یک ابزار روان‌سنجی نبوده است. سامانه‌های هوش مصنوعی اکنون در بازی‌های راهبردی، پیش‌بینی علمی و شناسایی الگو از انسان‌ها پیشی گرفته‌اند؛ دستاوردهایی که بهتر است به‌عنوان عملکرد فرابشری خاص حوزه توصیف شوند تا هوشمندی عمومی، مگر آنکه شرط نوآوری اعمال شود. این مقاله استدلال می‌کند که ارزیابی مبتنی بر تقلید با چنین سامانه‌هایی هم‌راستا نیست و آزمون تورینگ معکوس (RTT) را معرفی می‌کند که می‌پرسد آیا می‌توان یک ماشین را دقیقاً به این دلیل شناسایی کرد که عملکرد آن به‌طور قابل سنجشی فرابشری است. این آزمون شاخص فرابشری استانداردشده (SI) را که بر حسب واحدهای انحراف معیار نسبت به نمونه مرجع انسانی بیان می‌شود، با هیئتی از داوران که شناسایی‌های آنان بر اساس شواهد عملکردی راستی‌آزمایی می‌شود، ترکیب می‌کند. مقاله تعریف رسمی RTT، طبقه‌بندی انواع نوآوری با روش‌های راستی‌آزمایی، یک مثال عملی در پیش‌بینی ساختار پروتئین و یک مطالعه از پیش ثبت‌شده در تولید متن (n = 500؛ SI ترکیبی ≈ 3.2؛ دقت شناسایی ۹۰٪ مبتنی بر نشانه‌های سبک‌شناختی) را ارائه می‌دهد که به‌عنوان عملکرد سبک‌شناختی فرابشری تفسیر می‌شود نه هوشمندی فرابشری. آزمون RTT با معیارهای تثبیت‌شده مقایسه می‌شود، حدود فلسفی آن بیان می‌شود و پیامدهای آن برای اعتماد، خلاقیت، حکمرانی و طراحی ارزیابی مورد بحث قرار می‌گیرد.

Generative artificial intelligence (GenAI), including large language models and large multimodal models, is increasingly used to support psychological assessment and digital mental health measurement. This review proposes a lifecycle framework for evaluating these uses without weakening psychometric standards. The framework covers construct definition; item, prompt, indicator, or signal generation; evaluation of content, response processes, usability, and data quality; piloting and calibration; validation; fairness and measurement invariance; scoring and interpretation; documentation; and post-deployment monitoring. We argue that digital traces from smartphones, chatbots, ecological momentary assessment, wearables, social media, clinical notes, and multimodal systems should not be treated as psychometric measures by default. They should remain raw data, candidate indicators, or algorithmic scores until their construct interpretation and intended use are theoretically specified, technically verified, empirically calibrated, and validated with human data. GenAI may help generate candidate items, refine wording, classify open-text responses, extract structured information, support multimodal integration, and assist scoring under explicit rules. These uses may improve efficiency and scale, but they do not establish validity, objectivity, fairness, or clinical meaning. We distinguish two complementary facets: GenAI for psychometrics, in which models support measurement development and scoring, and psychometrics for GenAI, in which psychometric methods evaluate model behavior when LLMs are part of measurement workflows. Key risks include construct drift, face validity without structural validity, compressed variability in synthetic respondents, algorithmic bias, lack of invariance, prompt sensitivity, model drift, automation bias, data-security and privacy failures, and loss of subjectivity and disagreement. Responsible use requires human oversight, transparent reporting, validation with human data, fairness evaluation, secure data governance, and continuous monitoring. GenAI should augment, not replace, psychometric science.

هوش مصنوعی مولد (GenAI)، شامل مدل‌های زبانی بزرگ و مدل‌های چندوجهی بزرگ، به طور فزاینده‌ای برای پشتیبانی از ارزیابی روان‌شناختی و سنجش سلامت روان دیجیتال مورد استفاده قرار می‌گیرد. این مرور، چارچوبی مبتنی بر چرخه عمر را برای ارزیابی این کاربردها بدون تضعیف استانداردهای روان‌سنجی پیشنهاد می‌کند. این چارچوب شامل تعریف سازه؛ تولید ماده، محرک، شاخص یا سیگنال؛ ارزیابی محتوا، فرآیندهای پاسخ‌دهی، قابلیت استفاده و کیفیت داده؛ اجرای آزمایشی و کالیبراسیون؛ روایی؛ انصاف و ناوریانس سنجش؛ نمره‌گذاری و تفسیر؛ مستندسازی؛ و پایش پس از استقرار است. ما استدلال می‌کنیم که ردپاهای دیجیتال از تلفن‌های هوشمند، چت‌بات‌ها، ارزیابی لحظه‌ای بوم‌شناختی، پوشیدنی‌ها، شبکه‌های اجتماعی، یادداشت‌های بالینی و سامانه‌های چندوجهی نباید به طور پیش‌فرض به عنوان مقیاس‌های روان‌سنجی تلقی شوند. آن‌ها باید تا زمانی که تفسیر سازه‌ای و کاربرد مورد نظرشان به طور نظری مشخص، به لحاظ فنی تأیید، به طور تجربی کالیبره و با داده انسانی روایی‌یابی نشده‌اند، به عنوان داده خام، شاخص‌های پیشنهادی یا نمرات الگوریتمی باقی بمانند. GenAI می‌تواند در تولید مواد پیشنهادی، اصلاح واژگان، طبقه‌بندی پاسخ‌های متنی باز، استخراج اطلاعات ساختاریافته، پشتیبانی از ادغام چندوجهی و کمک به نمره‌گذاری بر اساس قواعد صریح نقش‌آفرینی کند. این کاربردها ممکن است کارایی و مقیاس را بهبود بخشند، اما روایی، عینیت، انصاف یا معنای بالینی را تضمین نمی‌کنند. ما دو جنبه مکمل را متمایز می‌کنیم: GenAI برای روان‌سنجی، که در آن مدل‌ها از توسعه سنجش و نمره‌گذاری پشتیبانی می‌کنند، و روان‌سنجی برای GenAI، که در آن روش‌های روان‌سنجی رفتار مدل را زمانی که LLMها بخشی از جریان‌های کاری سنجش هستند، ارزیابی می‌کنند. مخاطرات کلیدی شامل رانش سازه، روایی صوری بدون روایی ساختاری، کاهش تنوع در پاسخ‌دهندگان مصنوعی، سوگیری الگوریتمی، فقدان ناوریانس، حساسیت به محرک، رانش مدل، سوگیری اتوماسیون، شکست‌های امنیت و حریم خصوصی داده و از دست رفتن ذهنیت و اختلاف نظر است. استفاده مسئولانه مستلزم نظارت انسانی، گزارش‌دهی شفاف، روایی‌یابی با داده انسانی، ارزیابی انصاف، حاکمیت امن داده و پایش مستمر است. GenAI باید مکمل علم روان‌سنجی باشد، نه جایگزین آن.

Poetry is persistently perceived as more difficult than narrative prose among ESL/EFL learners, yet whether this difficulty is intrinsic to the genre or structurally mediated remains undertheorised. This study examined whether Grade 8 ESL/EFL learners’ poetry difficulty may be associated with institutional–cognitive misalignment rather than inherent genre complexity. Employing a convergent mixed-methods case study design, eleven Grade 8 students from a private school in Kathmandu, Nepal, completed controlled genre comparison tasks using thematically identical poetic and prose texts, alongside a 50-item Universal Design Learning (UDL)-aligned cognitive engagement instrument mapped onto Cattell–Horn–Carroll (CHC) domains. Within this bounded classroom context, descriptive patterns revealed a performance asymmetry: 54.54% of participants demonstrated at least partial success in prose comprehension, whereas 72.72% of participants failed the poetry task entirely. Cognitive profiling indicated a within-subject pattern of relatively higher engagement in Crystallised Knowledge and relatively lower engagement in Fluid Reasoning and Long-Term Storage and Retrieval, a domain theoretically implicated in poetic interpretation. Because the profiling instrument was purpose-built and was not designed to support between-domain psychometric comparison, this pattern is reported as a relative within-sample profile rather than as evidence of differential cognitive strength. A further metacognitive misalignment was found, suggesting a possible “brevity-as-ease heuristic”, wherein learners conflated the poetry shorter length relative to its prose with reduced cognitive demand. These patterns are consistent with a possible role for differential rehearsal of cognitive processes within a prose-dominant, examination-oriented curriculum rather than from inherent textual opacity. The study advances a provisional institutional–cognitive alignment framework to guide future large-scale investigation across examination-driven ESL/EFL contexts.

شعر همواره در میان زبان‌آموزان انگلیسی به عنوان زبان دوم یا خارجی (ESL/EFL) دشوارتر از نثر روایی تلقی می‌شود، اما این‌که آیا این دشواری ذاتی این ژانر است یا به واسطه ساختارها میانجی‌گری می‌شود، همچنان کمتر نظریه‌پردازی شده است. این پژوهش بررسی کرد که آیا دشواری شعر برای زبان‌آموزان پایه هشتم ESL/EFL ممکن است ناشی از ناهماهنگی شناختی-نهادی باشد تا پیچیدگی ذاتی ژانر. با به‌کارگیری طرح مطالعه موردی آمیخته همگرا، یازده دانش‌آموز پایه هشتم از یک مدرسه خصوصی در کاتماندو، نپال، وظایف مقایسه‌ای کنترل‌شده ژانر را با استفاده از متون شعری و نثری با موضوع یکسان انجام دادند و همزمان یک ابزار سنجش درگیری شناختی ۵۰ ماده‌ای منطبق با Universal Design Learning (UDL) که بر حوزه‌های Cattell–Horn–Carroll (CHC) نگاشت شده بود را تکمیل کردند. در این زمینه محدود کلاسی، الگوهای توصیفی عدم تقارن عملکرد را نشان داد: ۵۴.۵۴٪ از شرکت‌کنندگان حداقل موفقیت نسبی در درک نثر داشتند، در حالی که ۷۲.۷۲٪ از شرکت‌کنندگان در تکلیف شعر کاملاً ناکام ماندند. نمایه‌سازی شناختی نشان داد که الگوی درون‌فردی با درگیری نسبتاً بالاتر در دانش تبلور یافته (Crystallised Knowledge) و درگیری نسبتاً پایین‌تر در استدلال سیال (Fluid Reasoning) و ذخیره‌سازی و بازیابی بلندمدت (Long-Term Storage and Retrieval) وجود دارد؛ حوزه‌هایی که از لحاظ نظری در تفسیر شعر نقش دارند. از آن‌جا که ابزار نمایه‌سازی به طور اختصاصی ساخته شده و برای مقایسه روان‌سنجی بین حوزه‌ای طراحی نشده بود، این الگو به عنوان نمایه نسبی درون نمونه گزارش می‌شود و نه به عنوان شواهدی از قوت شناختی متفاوت. همچنین ناهماهنگی فراشناختی دیگری مشاهده شد که به وجود یک «کشف میانبر اختصار به عنوان سهولت» (brevity-as-ease heuristic) اشاره دارد؛ جایی که زبان‌آموزان کوتاهی شعر نسبت به نثر را با کاهش تقاضای شناختی اشتباه گرفته‌اند. این الگوها با نقش احتمالی تمرین متفاوت فرایندهای شناختی در یک برنامه درسی غالباً مبتنی بر نثر و آزمون‌محور سازگار است تا با ابهام ذاتی متن. این پژوهش چارچوبی مقدماتی برای هم‌ترازی شناختی-نهادی ارائه می‌دهد تا راهنمای تحقیقات آتی در مقیاس وسیع‌تر در زمینه‌های ESL/EFL آزمون‌محور باشد.