Intelligence quotient

Abstract Intelligence, and the favorable life outcomes with which it is associated, are not shared equally between individuals or groups. In an endeavor to better understand the inequality, behavioral genetics (BG) have employed the classical twin design (CTD) to apportion the variability in the intelligence quotient (IQ) to genetic and environmental sources. Recent research has revealed that such parameter estimates are subject to bias: underestimating the influence of assortative mating, and nonadditive genetic effects. These biases are somewhat mitigated by the nuclear twin family design (NTFD). To date no published studies have applied the NTFD to IQ. This study addresses this limitation utilizing a meta-analysis of data comprising IQ measures from 660,365 twin, parent-child, and spousal pairs collected over more than 50 years from more than 15 countries. In a comparison of parameter estimates obtained under the CTD and NTFD, this study confirmed that the NTFD more accurately estimated the heritability of IQ. These findings will inform and guide future research, gene-mapping efforts, and public policy aimed at correcting the inequality in educational and life outcomes that are significantly associated with IQ.

هوش و پیامدهای مطلوب زندگی که با آن مرتبط است، به طور مساوی میان افراد یا گروه‌ها تقسیم نمی‌شود. به منظور درک بهتر این نابرابری، ژنتیک رفتاری از طرح کلاسیک دوقلو (CTD) برای تخصیص واریانس بهره هوشی (IQ) به منابع ژنتیکی و محیطی استفاده کرده است. پژوهش‌های اخیر نشان داده‌اند که چنین برآوردهایی در معرض سوگیری هستند: از جمله کم‌برآورد کردن تأثیر همسرگزینی مشابه و اثرات ژنتیکی غیرجمعی. این سوگیری‌ها تا حدی با طرح خانواده هسته‌ای دوقلو (NTFD) کاهش می‌یابد. تاکنون هیچ مطالعه منتشرشده‌ای از NTFD برای IQ استفاده نکرده است. این مطالعه با بهره‌گیری از یک فراتحلیل داده‌های شامل اندازه‌گیری‌های IQ از ۶۶۰٬۳۶۵ جفت دوقلو، والد-فرزند و همسر که طی بیش از ۵۰ سال از بیش از ۱۵ کشور گردآوری شده‌اند، به این محدودیت می‌پردازد. در مقایسه برآوردهای پارامتری به‌دست‌آمده تحت CTD و NTFD، این مطالعه تأیید کرد که NTFD وراثت‌پذیری IQ را با دقت بیشتری برآورد می‌کند. این یافته‌ها پژوهش‌های آتی، تلاش‌های نقشه‌برداری ژنی و سیاست‌گذاری عمومی را که با هدف اصلاح نابرابری در پیامدهای آموزشی و زندگی که به طور معناداری با IQ مرتبط هستند، راهنمایی خواهد کرد.

BACKGROUND: Cognitive emotion regulation may play an important role in psychological resilience; however, its association with resilience may be influenced by various factors, including cognitive ability and psychiatric symptoms. We examined whether specific cognitive emotion-regulation strategies remained associated with resilience after accounting for these factors. METHODS: We analyzed the data of 149 healthy young adults. Psychological resilience and cognitive emotion-regulation strategies were assessed using the Connor-Davidson Resilience Scale and Cognitive Emotion Regulation Questionnaire (CERQ). Partial correlation analyses were performed after adjusting for demographic characteristics; full-scale intelligence quotient; and symptoms of depression, anxiety, and attention-deficit/hyperactivity disorder. In the multiple regression model, all nine CERQ subscales were entered simultaneously with these covariates, and a stepwise model was used for the exploratory analysis. RESULTS: After full adjustment, the five adaptive strategies and rumination were positively associated with resilience and remained significant after Holm correction, whereas self-blame showed only a nominal association that did not survive the correction. Positive reappraisal (r=0.691) and refocus on planning (r=0.655) showed the strongest associations. In the regression model, only positive reappraisal (β=0.348, p<0.001) and refocus on planning (β=0.289, p<0.001) were independently associated with higher resilience (adjusted R²=0.627), and the exploratory stepwise model retained both strategies. CONCLUSION: Positive reappraisal and refocus on planning showed robust associations with psychological resilience after adjusting for demographic, cognitive, and psychological factors. Adaptive reinterpretation of stressful experiences and goal-directed planning may represent particularly relevant cognitive emotion-regulation correlates of psychological resilience.

زمینه: تنظیم هیجان شناختی ممکن است نقش مهمی در تاب‌آوری روان‌شناختی ایفا کند؛ با این حال، ارتباط آن با تاب‌آوری ممکن است تحت تأثیر عوامل مختلفی از جمله توانایی شناختی و علائم روان‌پزشکی قرار گیرد. ما بررسی کردیم که آیا راهبردهای خاص تنظیم هیجان شناختی پس از کنترل این عوامل همچنان با تاب‌آوری مرتبط باقی می‌مانند یا خیر. روش‌ها: داده‌های ۱۴۹ بزرگسال جوان سالم مورد تحلیل قرار گرفت. تاب‌آوری روان‌شناختی و راهبردهای تنظیم هیجان شناختی با استفاده از مقیاس تاب‌آوری Connor-Davidson و پرسشنامه تنظیم هیجان شناختی (CERQ) ارزیابی شد. تحلیل‌های همبستگی جزئی پس از تعدیل برای ویژگی‌های جمعیت‌شناختی؛ بهره هوشی مقیاس کامل؛ و علائم افسردگی، اضطراب و اختلال نقص توجه/بیش‌فعالی انجام شد. در مدل رگرسیون چندگانه، هر ۹ زیرمقیاس CERQ به طور همزمان همراه با این متغیرهای کمکی وارد شدند و برای تحلیل اکتشافی از مدل گام‌به‌گام استفاده شد. یافته‌ها: پس از تعدیل کامل، پنج راهبرد سازگارانه و نشخوار فکری با تاب‌آوری ارتباط مثبت داشتند و پس از اصلاح هولم همچنان معنادار باقی ماندند، در حالی که سرزنش خود تنها ارتباط اسمی نشان داد که پس از اصلاح معنادار نبود. بازنگری مثبت (r=0.691) و تمرکز مجدد بر برنامه‌ریزی (r=0.655) قوی‌ترین ارتباط را نشان دادند. در مدل رگرسیون، تنها بازنگری مثبت (β=0.348, p<0.001) و تمرکز مجدد بر برنامه‌ریزی (β=0.289, p<0.001) به طور مستقل با تاب‌آوری بالاتر مرتبط بودند (R² تعدیل‌شده=0.627) و مدل اکتشافی گام‌به‌گام هر دو راهبرد را حفظ کرد. نتیجه‌گیری: بازنگری مثبت و تمرکز مجدد بر برنامه‌ریزی پس از تعدیل برای عوامل جمعیت‌شناختی، شناختی و روان‌شناختی ارتباط قوی با تاب‌آوری روان‌شناختی نشان دادند. تفسیر سازگارانه تجارب استرس‌زا و برنامه‌ریزی هدف‌محور ممکن است به‌عنوان همبسته‌های شناختی تنظیم هیجان به‌ویژه مرتبط با تاب‌آوری روان‌شناختی مطرح باشند.

The purpose of this study is to evaluate the legibility of fourth-grade elementary school students' handwriting and to examine the differences and relationships between two evaluators: a human researcher and artificial intelligence (ChatGPT). To this end, the study was conducted using the descriptive survey model, one of the quantitative research approaches. The study sample consisted of 67 fourth-grade students attending a public elementary school. The students' handwriting was evaluated using the Multidimensional Legibility Scale. Writing samples were collected from each student, including copying samples, dictated samples, and free writing samples. One class period was allocated for each writing task. The 201 handwriting samples obtained from the 67 students were evaluated by a researcher (the second author) and artificial intelligence (ChatGPT). According to the findings, no significant differences were detected between the artificial intelligence and the researcher in any writing type or subdimension, except for the slant subdimension of free writing. However, a high level of positive and significant correlation was identified between the two raters. Findings indicate that artificial intelligence can produce results comparable to those of expert raters when evaluating handwriting legibility. The fact that differences among raters are not statistically significant suggests that AI-based handwriting evaluations could serve as an objective and reliable alternative.

هدف این پژوهش، ارزیابی خوانایی دست‌خط دانش‌آموزان پایه چهارم ابتدایی و بررسی تفاوت‌ها و روابط بین دو ارزیاب: یک پژوهشگر انسانی و هوش مصنوعی (ChatGPT) است. بدین منظور، پژوهش با استفاده از مدل پیمایش توصیفی که یکی از رویکردهای پژوهش کمی است، انجام شد. نمونه پژوهش شامل ۶۷ دانش‌آموز پایه چهارم یک مدرسه ابتدایی دولتی بود. دست‌خط دانش‌آموزان با استفاده از مقیاس چندبعدی خوانایی ارزیابی شد. نمونه‌های نوشتاری از هر دانش‌آموز جمع‌آوری گردید که شامل نمونه‌های رونویسی، نمونه‌های دیکته و نمونه‌های نوشتار آزاد بود. برای هر تکلیف نوشتاری یک جلسه کلاسی اختصاص داده شد. ۲۰۱ نمونه دست‌خط به‌دست‌آمده از ۶۷ دانش‌آموز توسط یک پژوهشگر (نویسنده دوم) و هوش مصنوعی (ChatGPT) ارزیابی شد. بر اساس یافته‌ها، به جز زیرمقیاس شیب در نوشتار آزاد، هیچ تفاوت معناداری بین هوش مصنوعی و پژوهشگر در هیچ‌یک از انواع نوشتار یا زیرمقیاس‌ها مشاهده نشد. با این حال، همبستگی مثبت و معنادار بالایی بین دو ارزیاب شناسایی گردید. یافته‌ها نشان می‌دهد که هوش مصنوعی می‌تواند نتایجی قابل مقایسه با ارزیابان خبره در ارزیابی خوانایی دست‌خط ارائه دهد. عدم معناداری آماری تفاوت بین ارزیابان، حاکی از آن است که ارزیابی‌های دست‌خط مبتنی بر هوش مصنوعی می‌تواند به عنوان جایگزینی عینی و قابل اعتماد مورد استفاده قرار گیرد.