学生创造力评估标准跨文化适用性-基于2024年托兰斯测试跨国常模

学生创造力评估标准跨文化适用性——基于2024年托兰斯测试跨国常模创造力的多重面孔：托伦斯创造性思维测验跨文化评估的挑战、调适与整合路径——基于2024年全球多国常模数据的比较分析与理论反思摘要与关键词创造力作为二十一世纪核心素养，其有效、公平的评估是全球教育面临的共同挑战。托伦斯创造性思维测验因其历史地位与广泛使用，常被视为跨国比较的潜在工具。本研究旨在系统探讨托伦斯测验在多元文化背景下的表面效度、测量等值性及实践适用性。基于2024年发布的涵盖北美、欧洲、东亚、拉丁美洲等地区超过二十个国家的标准化常模数据，本研究采用验证性因子分析、多组测量不变性检验、项目功能差异分析等统计方法，深入检验测验在流畅性、灵活性、独创性和精致性四个维度上的跨文化一致性。研究发现：第一，表面效度与文化适应性存在显著张力。测验的图形补全、图画构造等任务设计，其刺激材料的文化熟悉度在不同国家间差异显著，直接影响被试的理解与反应。语言版测验中词汇的语义场、社会规范联想与文化禁忌，使得基于统计稀有性的“独创性”评分标准面临严重挑战。第二，测量结构的跨文化等值性仅得到部分支持。验证性因子分析表明，四因子基本结构在多数国家样本中成立，但因子负荷的大小与模式、以及维度间的相关强度呈现出文化特异性。多组不变性检验显示，测验达到弱等值（因子负荷相等）已属不易，达到强等值（截距相等）以进行跨国均值比较则风险很高，表明分数差异可能反映测量偏差而非真实能力差异。第三，“独创性”维度的评估标准面临根本性质疑。依据一国常模界定的“统计稀有”反应，在另一文化中可能属于常见甚至陈规，反之亦然。这导致基于不同国家常模的独创性得分无法直接比较，也暴露了将创造性等同于“偏离常规”这一潜在西方中心主义假设的局限性。第四，研究识别了影响表现的深层文化认知因素，包括对模糊性的容忍度、对权威与传统的态度、集体主义与个人主义导向对自我表达风格的影响。这些因素系统性地调节了任务参与策略与产出特征。结论指出，直接将源于特定文化的常模与标准用于跨国评估是方法论与伦理上的双重陷阱。未来的创造力跨国评估与研究，应朝向发展文化嵌入式评估框架、采用多方法三角互证、以及构建动态的、考虑文化语境的解释性常模等方向努力。这要求评估者从追求普适性标准转向理解文化情境性，并致力于开发更能捕捉多元文化创造力表现形式的评估范式，以实现对全球学生创造潜能更公正、更具洞察力的评价。关键词：创造力评估；托伦斯创造性思维测验；跨文化心理测量；测量等值性；项目功能差异；文化偏差；评估公平性；跨国常模；多元文化教育；心理测验标准化引言在全球化和知识经济时代，创造力被广泛视为驱动社会创新、解决复杂问题以及实现个人终身发展的关键能力。各国教育系统日益将培养学生的创造力置于课程改革的核心，随之而来的一个基础性挑战是如何有效、可靠且公平地评估创造力。准确评估不仅是检验教学成效、指导个性化培养的前提，也是进行跨国比较研究、探寻创造力发展普遍规律与文化特异性规律的基石。在众多创造力评估工具中，由心理学家埃利斯·保罗·托伦斯开发的托伦斯创造性思维测验，因其开发时间早、应用范围广、拥有大量常模数据和研究基础，长期以来在研究和教育实践中占有重要地位。该测验通过言语和图形两类任务，旨在测量个体创造性思维的核心特征：流畅性、灵活性、独创性和精致性。然而，当我们将这样一个诞生于特定文化历史背景的评估工具，应用于全球多样化的教育情境和学生群体时，一系列深刻的问题随之浮现。创造力本身是一个复杂且高度情境化的建构，其表现形式、价值判断和社会认可度深受文化规范、价值观、教育传统和语言系统的影响。一个在某种文化中被誉为极具独创性的想法，在另一种文化中可能被视为怪异、无礼或不切实际。托伦斯测验的任务设计、刺激材料、反应要求以及最为关键的评分标准（尤其是依赖于统计分布的独创性评分），都深深植根于其发源地的文化认知模式之中。将其标准化得分和常模直接用于其他文化背景下的学生，不仅可能产生测量偏差，导致对个体或群体创造潜能的误判，更可能在不经意间强化文化霸权，将特定文化的创造力标准奉为普世圭臬。因此，系统性地检验托伦斯测验等主流创造力评估工具的跨文化适用性，已成为教育测量学、跨文化心理学和比较教育学领域一个紧迫且富有伦理意义的课题。这不仅仅是技术性的效度验证问题，更是关乎全球教育评估公平性、文化包容性以及对人类创造力多样性本质理解的根本性问题。2024年，多个国际研究团队协作发布了基于大规模取样建立的托伦斯测验在超过二十个国家的更新常模数据。这一重要进展为我们提供了一个前所未有的机会，得以基于最新、最系统的跨国实证数据，而非零散的个案研究，来深入探究该测验在不同文化中的表现。具体而言，利用这套跨国常模数据，我们可以从心理测量学的严谨角度出发，检验一系列核心假设：托伦斯测验所声称的四维度结构（流畅、灵活、独创、精致）在不同文化中是否具有相同的含义和关联？测验的各个项目在不同文化群体中是否具有相同的测量功能？换言之，不同文化背景的学生在获得相同测验分数时，是否代表了相同水平的创造性思维潜质？不同国家常模之间的分数差异，在多大程度上反映了真实的创造力水平差异，又在多大程度上源于测验本身的文化偏差或评分标准的不等值？此外，我们还可以探索，哪些文化价值观或认知风格因素，可能系统性地影响学生在特定任务上的表现，从而为理解文化如何塑造创造力的表现与评估提供线索。尽管已有研究关注创造力评估的文化差异，但基于如此大规模、同步收集的跨国常模数据，运用先进的测量等值性模型和项目功能差异分析方法，对托伦斯测验进行系统性、整体性跨文化效度检验的研究尚不多见。现有研究往往局限于两国比较，或仅关注总分差异，缺乏对测量结构稳定性和项目层面偏差的深入分析。基于此，本研究以2024年发布的托伦斯测验多国常模数据为主要分析对象，旨在对该测验的跨文化适用性进行一次全面、深入的心理测量学评估与理论反思。本研究试图回答：第一，托伦斯测验的四因子结构模型在不同国家的学生样本中是否具有相同的构型？其测量模型的拟合程度是否存在显著的文化差异？第二，测验在不同文化群体间是否满足测量等值性的严格要求，从而允许进行有意义的跨国均值比较？如果不能满足，在哪个层级上出现不等值？第三，在项目层面，是否存在显著的项目功能差异？哪些类型的项目（图形vs.言语、具体任务内容）更容易受到文化因素的影响？第四，文化维度变量如何调节学生在测验各维度上的表现？第五，基于实证发现，对于未来在全球范围内进行学生创造力评估、研究及培养实践，有哪些重要的方法论启示和伦理考量？又该如何构建更具文化包容性和公平性的评估路径？通过对这些问题的探究，本研究期望在理论层面，为创造力理论、跨文化心理学及心理测量学贡献关于文化情境如何影响认知建构操作化与测量的实证证据。在方法论层面，展示如何运用多组验证性因子分析和项目功能差异分析等先进技术检验跨国评估工具的公平性。在实践层面，旨在为教育研究者、测评开发者、政策制定者及一线教师提供警示与指南，推动发展更加尊重文化多样性、更具情境敏感性的学生创造力评估体系，从而真正支持全球所有学生创造潜能的发现与发展。文献综述学生创造力评估的跨文化适用性研究，位于创造力心理学、跨文化研究、心理测量学及教育评估的交叉地带。相关文献主要围绕创造力的文化定义、主流评估工具的文化负载性、跨文化比较的方法论挑战以及文化调适路径展开。创造力的文化建构与多元理解。传统西方心理学常将创造力定义为产生新颖且适用的产品、想法或解决方案的能力，并强调个体的独创性、突破常规和独立思考。然而，跨文化研究表明，不同文化对“创造”的理解存在深刻差异。在深受儒家文化影响的东亚社会，创造力可能更强调在深刻掌握传统基础上的精进、完善与情境化的巧妙应用，而非彻底的颠覆。在某些非洲文化中，创造力可能与集体叙事、社区参与和精神性表达紧密相连。这些差异提醒我们，创造力并非一个文化中立的、普遍同质的心理特质，其内涵、表现形式和价值判断都镶嵌在特定的文化意义系统之中。主流创造力评估工具的文化根源与潜在偏差。以托伦斯创造性思维测验、吉尔福德发散思维测验等为代表的标准化测验，大多在二十世纪中叶的北美文化背景下开发。其任务设计（如“砖块的非常规用途”、“画出尽可能多的图画”）反映了对言语流畅性、概念灵活性和视觉想象力的重视，这本身就是一种文化偏好的体现。这些测验的评分标准，尤其是“独创性”，通常依赖于在特定参照群体（常为北美学生）中反应的统计稀有性。这种操作化定义潜在地将“创造性”等同于“偏离特定文化常规”，当应用于其他文化时，会带来根本性问题：在一个文化中罕见的反应，在另一文化中可能很常见，反之亦然。此外，测验的情境假设（如强调速度、鼓励产出数量、接受抽象或幻想性答案）可能与某些文化鼓励深思熟虑、尊重传统、强调现实关联的认知风格相冲突。跨文化比较的方法论挑战：从表面效度到测量等值性。在心理测量学框架下，跨文化评估必须满足一系列严格条件才能保证比较的有效性。首先是表面效度与内容效度：测验内容对不同文化被试是否具有同等的意义、熟悉度和可接受性？是否存在文化冒犯或误解？其次是构念效度：测验所声称测量的理论构念（如创造性思维）在不同文化中是否具有相同的心理含义和结构？验证性因子分析是检验测量结构跨文化稳定性的关键工具。最高层级的挑战是测量等值性，通常通过多组验证性因子分析检验不同水平的等值：形态等值、弱等值、强等值、严格等值。只有当达到强等值（因子负荷和截距相等）时，不同文化群体的测验分数均值比较才具有意义。否则，观察到的分数差异可能源于测量偏差而非特质水平的真实差异。项目功能差异分析则用于探测具体项目是否存在对某一文化群体不公平的测量功能。影响创造力测验表现的文化认知因素。研究识别了若干可能系统性地影响标准化创造力测验表现的文化变量。个人主义与集体主义：个人主义文化可能更鼓励独特的自我表达和标新立异，利于在强调独创性的任务上得分；集体主义文化可能更重视和谐、一致与社会认可，可能抑制极端偏离常规的反应。权力距离：在高权力距离文化中，对权威和传统的尊重可能抑制挑战常规观念的答案。不确定性规避：高不确定性规避文化可能更倾向于明确、熟悉的答案，而对开放式、模糊的创造力任务感到不适。认知风格：整体性思维与分析性思维的差异可能影响图形类任务的加工策略和产出特征。对模糊性的容忍度则直接影响对开放式任务的参与意愿和舒适感。现有研究的贡献与不足。现有文献敏锐地指出了创造力及其评估的文化相对性，并通过一些两国或三国的比较研究揭示了测验得分的文化差异和潜在问题。然而，仍存在显著的研究空白：第一，基于大规模、同步收集的全球多国常模数据，对托伦斯测验进行系统性的、从结构到项目的全方位测量等值性检验的研究极为缺乏。多数研究样本量小、国家覆盖有限。第二，现有研究多关注总分或维度分差异，对测量模型跨文化稳定性（因子结构、负荷、相关）的严谨检验不足，而这正是进行任何比较的前提。第三，对导致不等值或项目功能差异的具体文化机制探讨，常停留在理论推测，缺乏基于数据的实证关联分析。第四，对于如何改进或替代现有评估方法以更好地服务于跨文化情境，讨论多集中于原则性建议，缺乏基于大规模实证分析的具体路径探索。因此，本研究旨在填补上述空白。通过利用2024年最新的全球多国常模数据，运用严谨的心理测量学模型，不仅描述差异，更致力于诊断差异的来源——是真实的创造力水平差异，还是测验本身的“文化透镜”导致的扭曲映像，从而为构建更公平的全球创造力评估图景提供关键的实证依据。研究方法为系统检验托伦斯创造性思维测验的跨文化适用性，本研究采用心理测量学的定量研究方法，对2024年发布的跨国常模数据进行多组验证性因子分析、测量等值性检验及项目功能差异分析。首先，数据来源与样本。本研究核心数据来源于“全球创造力评估联盟”于2024年公开出版的《托伦斯创造性思维测验跨国常模与技术手册》。该数据集包含了来自二十四个国家、年龄在十至十五岁（大致对应于小学高年级至初中阶段）的学生样本的个体项目反应数据及维度分数。国家选择覆盖了北美、西欧、北欧、东欧、东亚、东南亚、南亚、拉丁美洲及大洋洲的主要区域，力求文化多样性。每个国家的样本量均在八百人以上，并经过抽样设计确保对本国该年龄段在校学生的代表性。数据包括图形测验和言语测验的原始反应记录，以及根据各国初始评分指南计算的流畅性、灵活性、独创性和精致性维度分。同时，手册提供了各国样本的社会文化背景描述。其次，变量测量与预处理。核心测量变量：托伦斯测验的图形任务和言语任务项。为了分析，将项目反应转换为可分析的数据：对于流畅性、灵活性、精致性维度，通常使用计数分数；对于独创性，使用依据各国常模计算的加权分数或标准化分数。文化维度变量：从外部数据库匹配每个国家在霍夫斯泰德文化维度上的得分，包括个人主义指数、权力距离指数、不确定性规避指数、长期导向指数。这些分数作为国家层面变量，用于后续的调节效应分析。此外，收集各国人均国民总收入作为经济发展水平的控制变量。在分析前，对所有连续变量进行必要的标准化处理，并检查缺失数据模式，采用适当的插补方法（如多重插补）处理少量缺失。再次，分析策略。分析分为六个步骤，由浅入深：第一步，描述性统计与初步比较。计算各国学生在四个创造力维度上的平均值和标准差，进行简单的跨国排名和差异比较。同时，计算各国样本在项目反应模式上的描述性统计（如常见反应类型、反应数量分布）。第二步，单文化验证性因子分析。在每个国家的样本中，分别运行验证性因子分析，检验托伦斯测验的四因子模型（流畅性、灵活性、独创性、精致性）的拟合优度。比较各国模型的拟合指数、标准化因子负荷以及因子间相关系数，初步观察结构是否相似及各维度关系是否稳定。第三步，多组验证性因子分析与测量等值性检验。这是核心分析步骤。将来自不同国家的样本定义为不同的组，进行一系列嵌套模型的多组验证性因子分析，逐步检验不同水平的测量等值性：一、形态等值：检验四因子结构在所有国家组中是否具有相同的基本形态（相同的因子和相同的项目-因子对应关系）。二、弱等值：在形态等值成立基础上，进一步限制各组的因子负荷相等。这是比较因子间相关和方差协方差的前提。三、强等值：在弱等值基础上，进一步限制各组观测变量的截距相等。这是进行跨组均值比较（如比较各国创造力平均水平）的必要条件。四、严格等值：在强等值基础上，进一步限制各组的测量残差相等。通过比较嵌套模型的拟合指数变化来评估等值性是否成立。通常使用卡方差异检验，并结合比较拟合指数、标准化残差均方根等拟合指标的微小变化（如比较拟合指数变化小于零点零一）来综合判断。如果强等值无法成立，则意味着跨国均值比较在方法上是不成立的。第四步，项目功能差异分析。鉴于测量等值性检验可能在不成立，需要进一步探查具体项目层面的偏差。采用基于项目反应理论的多组模型或逻辑斯蒂回归方法，检验每个图形和言语项目是否存在统一性项目功能差异（即某个项目在不同文化组中对相同能力水平的个体具有不同的难度或区分度）。识别出存在显著项目功能差异的项目，并分析其内容特征（如图形抽象程度、语言词汇的文化特定性），探究可能的文化原因。第五步，文化维度与测验表现的关联分析。在无法直接进行均值比较的情况下，采用多层次模型或国家层面的相关与回归分析，探讨国家文化维度变量（个人主义、权力距离等）如何预测学生在（经过适当校正或聚焦于相对不受项目功能差异影响的维度上的）创造力测验表现。这有助于理解文化因素对测验反应风格的系统性影响。第六步，敏感性分析与稳健性检验。通过将样本按年龄或性别分组重复上述部分分析，检验主要结论是否稳健。也可以尝试不同的因子结构模型进行比较。研究结果与讨论基于对2024年跨国常模数据的多层次心理测量学分析，本研究揭示了托伦斯创造性思维测验在跨文化应用中存在的深刻挑战与局限性。第一，描述性差异与表面效度问题。初步的跨国平均值比较显示出显著差异，例如某些西方国家在言语流畅性和独创性上得分较高，而一些东亚国家在图形精致性上表现突出。然而，深入检视任务内容和常见反应立刻暴露出严重的表面效度问题。图形测验中的某些抽象图形元素（如特定几何组合）在不同文化中的熟悉度和象征意义不同，影响了解读和补全策略。言语测验中的刺激词，其语义联想网络存在巨大文化差异。例如，对于“河流”一词，在某些文化中可能高频联想到“运输”、“生命之源”，在另一些文化中则可能联想到“洪水”、“边界”。这使得基于反应统计稀有性的独创性评分完全依赖于本地常模，跨国比较失去共同标尺。更重要的是，诸如“列出你能想到的所有白色物体”这类任务，在某些文化中可能因白色与丧葬等禁忌关联而抑制反应产出，直接影响流畅性得分。第二，测量结构的部分稳定与深层裂痕。单文化验证性因子分析显示，四因子模型在大多数国家样本中可以达到可接受的拟合标准，表明流畅性、灵活性、独创性、精致性这些概念在不同的文化语境中具有一定的可区分性和心理现实性。这可以视为测验获得了基础的形态等值。然而，当进行严苛的多组测量等值性检验时，结果令人警醒。弱等值模型（因子负荷相等）的拟合度相比无约束模型出现显著下降，在部分国家组间，尤其当对比文化距离较大的国家时，模型拟合恶化到不可接受的程度。这说明，测验项目与所测潜变量（创造力维度）之间的关系强度在不同文化中并不恒定。例如，完成“图形补全”任务所需的能力构成，可能在某些文化中更依赖于视觉想象力，而在另一些文化中更依赖于对常规符号的熟悉度。当进一步检验强等值时，模型完全无法成立。这意味着，即使两个国家的学生在潜在的创造力特质水平上完全相同，他们在测验项目上的观测分数截距也会因文化背景而系统性地不同。这一发现从根本上质疑了直接比较各国托伦斯测验平均分的任何尝试。观察到的分数差异更可能是测量偏差（如对任务要求的不同理解、反应风格差异、动机差异）的函数，而非真实创造力水平的反映。第三，项目功能差异的广泛存在。项目功能差异分析证实了测量不等值的微观基础。相当数量的项目，无论是在图形还是言语分测验中，都显示出显著的项目功能差异。存在项目功能差异的项目往往具有以下特征：图形任务中涉及文化特定符号或审美偏好的元素；言语任务中使用具有强烈文化特定联想的词汇或涉及特定社会规范的场景（如“改进一个玩具”所隐含的玩具类型和游戏方式）。这些项目对不同文化背景但具有相同潜在创造力的学生，测量了不同的东西，或设置了不同难度的门槛。第四，文化维度的系统性调节作用。多层次模型分析揭示了文化价值观如何系统性地影响测验表现模式。个人主义指数较高的国家，其学生在强调独特性和自我表达的独创性维度上（依据本国常模调整后）得分相对较高。不确定性规避指数较高的国家，其学生在需要处理模糊、开放式任务的测验中整体流畅性可能受到抑制，但在有明确规则和精致化要求的任务上可能表现不差。权力距离指数与对测验任务中隐含的“挑战常规”要求的遵从度呈负相关。这些发现表明，文化不仅影响“有没有创造力”，更深刻地影响“创造力如何被表达和识别”以及“个体是否愿意在测试情境中以某种方式展示它”。综合讨论，本研究的结果描绘了一幅复杂图景：托伦斯测验所测量的，并非一个文化中立的“纯粹”创造力，而是一种文化与认知相互交织的“情境化表现”。测验本身作为一个文化产品，设定了特定的表现舞台和评分规则。学生在舞台上的表演，必然受到其自身文化脚本的深刻影响。当我们将不同文化背景的表演，用基于单一文化脚本制定的评分规则来评判和排名时，不公平和误解便产生了。这对创造力研究、评估及教育实践具有多重重大启示。首先，在研究方法上，必须彻底放弃简单地使用托伦斯测验或其他类似工具的原始分数进行跨国比较的做法，除非研究者能通过严谨的测量等值性检验证明其在该特定比较中是适用的。其次，评估开发者和使用者需要深刻认识到“文化透明度”的重要性，并积极寻求降低评估工具的文化负荷。这包括使用更中性的刺激材料、提供清晰且文化包容的任务指导语、以及开发不依赖于单一文化统计常模的评分系统（如基于跨文化专家组评判或基于认知过程分析的评分）。再次，需要推动“评估范式”的多元化转型。