比较Bender-Gestalt与VMI测试:高才儿童视觉运动发展研究
需积分: 12 162 浏览量
更新于2024-08-07
收藏 346KB PDF 举报
本文档探讨了" Gifted Children and Visual-Motor Development: A Comparison of Bender-Gestalt and VMI Test Performance",发表于1986年7月的《心理学在学校》杂志,作者是Howard M. Knoff和Barbara L. Sperling。他们关注的是高智商(gifted)小学生在视觉运动发展方面的评估,通过对比Bender视觉运动形态测试(Bender Visual-Motor Gestalt Test)与视觉运动整合发展测验(Developmental Test of Visual-Motor Integration, VMI)的结果。
研究的核心目的是检验Koppitz的假设,即高智商学生在视觉运动发展方面是否有所超越。作者选取了63名小学阶段的高智商学生作为样本,进行这两种测试,旨在比较它们在测量上的效果,并观察是否存在显著差异。结果显示,尽管两种测试之间没有发现显著区别,但它们确实存在显著的相关性。特别是年轻的学生,在这两项工具的测试中显示出较高的视觉运动发展水平。
视觉运动发展历来被学校心理咨询师的心理教育评估工具视为关键组成部分,因为它与学生的学业成就、学校表现以及许多其他方面有密切关系(Hansen, 1970; Sattler, 1982)。Koppitz(1975)和其他研究者(如Tolor & Brannigan, 1980)对此领域进行了广泛回顾,强调了视觉运动能力评估的重要性。
这项研究的结论对于教育工作者和心理学家来说,提供了关于如何在对高智商儿童进行全面评估时,选择适当工具来衡量他们潜在优势的见解。它还表明,即使对于那些在特定领域表现出色的孩子,如视觉运动,也不能仅凭单一测试来确定其全面能力,因为不同工具可能揭示出相似但非完全相同的技能水平。因此,多元化评估方法对于理解并支持高智商学生的全面发展至关重要。
2021-06-29 上传
2021-06-29 上传
2021-06-29 上传
2021-06-29 上传
2021-06-29 上传
2021-06-29 上传
2021-06-29 上传
2021-06-29 上传
2021-02-05 上传
weixin_38626473
- 粉丝: 3
- 资源: 927
最新资源
- Elasticsearch核心改进:实现Translog与索引线程分离
- 分享个人Vim与Git配置文件管理经验
- 文本动画新体验:textillate插件功能介绍
- Python图像处理库Pillow 2.5.2版本发布
- DeepClassifier:简化文本分类任务的深度学习库
- Java领域恩舒技术深度解析
- 渲染jquery-mentions的markdown-it-jquery-mention插件
- CompbuildREDUX:探索Minecraft的现实主义纹理包
- Nest框架的入门教程与部署指南
- Slack黑暗主题脚本教程:简易安装指南
- JavaScript开发进阶:探索develop-it-master项目
- SafeStbImageSharp:提升安全性与代码重构的图像处理库
- Python图像处理库Pillow 2.5.0版本发布
- mytest仓库功能测试与HTML实践
- MATLAB与Python对比分析——cw-09-jareod源代码探究
- KeyGenerator工具:自动化部署节点密钥生成