Wie IQ-Tests funktionieren: Aufgabentypen und Auswertung

Ein IQ-Test sieht aus wie eine Sammlung von Rätseln, und in gewisser Weise ist er das auch. Doch die Rätsel sind sorgfältig gewählt: Jeder Aufgabentyp ist enthalten, weil die Leistung darin mit der Leistung in den übrigen korreliert – und weil die Kombination die allgemeine Denkfähigkeit zuverlässiger schätzt, als es ein einzelner Typ könnte.

Das Konstruktionsproblem

Wer einen Test baut, steht vor einer konkreten Aufgabe. Die Items müssen schwer genug sein, um Menschen voneinander zu unterscheiden, sie dürfen nicht auf Wissen beruhen, das nur bestimmte Gruppen erwerben konnten, und sie dürfen nicht auswendig lösbar sein. Vor allem müssen die Items untereinander korrelieren – diese geteilte Varianz ist genau das, was der Wert schätzt.

Deshalb mischen Tests die Formate. Ein einzelner Aufgabentyp misst sich selbst plus viel Rauschen. Mehrere verschiedene Typen, zusammengefasst, heben einen Großteil des Rauschens auf und lassen den gemeinsamen Faktor übrig.

Die wichtigsten Aufgabentypen

Matrizen

Ein Raster aus Figuren folgt einer Regel, eine Zelle bleibt leer. Sie wählen die Option, die das Muster vervollständigt. Die Regeln sind etwa: Eine Form dreht sich in jedem Schritt um einen festen Betrag; Elemente werden entlang einer Reihe hinzugefügt oder entfernt; zwei Figuren verbinden sich zu einer dritten.

Matrizenaufgaben sind das, was der Testdiagnostik am nächsten an einem Arbeitspferd kommt. Sie verlangen keinen Wortschatz, keine Arithmetik und kein kulturelles Wissen, was sie über Sprachen und Herkünfte hinweg ungewöhnlich übertragbar macht – das Prinzip hinter Ravens Progressiven Matrizen, einem der meistverwendeten Instrumente des Fachs. Sie laden stark auf fluides Denken: eine unbekannte Regel spontan herauszuarbeiten.

Zahlenreihen

Eine Folge ist gegeben, Sie ergänzen das nächste Glied: 2, 6, 12, 20, 30, … Die Regel kann Differenzen, Verhältnisse, abwechselnde Operationen oder ein Muster zweiter Ordnung in den Differenzen selbst betreffen.

Sie erfordern Grundrechnen und sind daher nicht kulturfrei wie Matrizen. Geprüft wird die Fähigkeit, mehrere Regelkandidaten im Kopf zu halten, sie an den Daten zu prüfen und die scheiternden zu verwerfen – induktives Denken unter Arbeitsgedächtnisbelastung.

Räumliches Vorstellen und mentale Rotation

Sie beurteilen, ob zwei Formen dasselbe Objekt aus verschiedenen Blickwinkeln sind, oder wählen, welches Netz einen gegebenen Körper ergibt. Das Lösen verlangt, eine mentale Repräsentation aufzubauen und zu transformieren – Visualisieren, nicht Rechnen.

Räumliche Fähigkeit ist eine eigenständige breite Fähigkeit und zeigt von allen erfassten Fähigkeiten eine der deutlichsten Trainierbarkeiten: Übung verbessert die Leistung bei räumlichen Aufgaben erheblich, auch wenn eine andere Frage ist, wie weit das auf unverwandtes Denken überträgt.

Verbale Analogien und Wortschatz

„Arzt verhält sich zu Krankenhaus wie Lehrer zu ___". Analogien prüfen, ob Sie eine Beziehung herausziehen und auf ein neues Paar anwenden können. Wortschatzaufgaben fragen direkt nach Wortbedeutungen.

Beide stützen sich auf kristallines Wissen – auf das, was Sie angesammelt haben. Besonders Wortschatz gehört in der Allgemeinbevölkerung zu den stärksten Einzelprädiktoren des Gesamtwerts, was jene überrascht, die abstrakte Rätsel für dominant halten. Der Haken ist offensichtlich: Diese Aufgaben hängen stark von Sprachkontakt und Beschulung ab, sie übersetzen sich schlecht und benachteiligen alle, die außerhalb ihrer Erstsprache getestet werden. Die meisten internationalen Online-Tests lassen sie weg oder behandeln sie mit Bedacht.

Arbeitsgedächtnis und Verarbeitungsgeschwindigkeit

Vollständige klinische Testbatterien enthalten Aufgaben wie das Rückwärtsnachsprechen von Zahlenfolgen oder das schnelle Zuordnen von Symbolen zu Zahlen gegen die Uhr. In einer Wechsler-Untersuchung sind das eigene Indizes, die neben dem Denken zum Gesamtwert beitragen.

Zeitbegrenzte Online-Tests erfassen davon beiläufig einen Teil: Wenn ein Test ein Gesamtzeitlimit hat, fließt Verarbeitungsgeschwindigkeit in Ihre Leistung ein, ob sie separat gemessen wird oder nicht.

Von den Antworten zum Wert

Die Umrechnung erfolgt in Stufen.

1. Rohwert. Richtige Antworten werden gezählt. In vielen Tests haben Items unterschiedliche Gewichte, sodass schwere Aufgaben mehr beitragen als leichte, statt dass jede gleich zählt.
2. Vergleich mit Normen. Der Rohwert wird an der Verteilung der Normierungsstichprobe abgelesen – bei altersnormierten Tests an der Stichprobe Ihrer Altersgruppe. Dieser Schritt macht aus „14 richtig" ein „auf dem N-ten Perzentil der Bezugsgruppe".
3. Skalierung. Diese Perzentilposition wird auf der IQ-Skala ausgedrückt, deren Bezugsmittelwert 100 und deren Standardabweichung 15 Punkte beträgt.

Alles hängt an Schritt zwei. Ein Test mit kleiner, nicht repräsentativer oder veralteter Normstichprobe produziert Zahlen, die maßgeblich aussehen und sehr wenig bedeuten – die Rechnung stimmt, aber die Vergleichsgruppe ist falsch.

Aufgabenschwierigkeit und adaptives Testen

Nicht alle Items sind gleich informativ. Ein Item, das alle richtig lösen – oder alle verfehlen –, trennt niemanden und trägt nichts bei. Am informativsten sind Items, die etwa die Hälfte der Personen nahe dem geprüften Schwierigkeitsniveau richtig löst.

Deshalb werden professionelle Tests mit der Item-Response-Theorie entwickelt, die Schwierigkeit und Trennschärfe jedes Items modelliert. Schwach funktionierende Items werden vor der Veröffentlichung gestrichen.

Und deshalb sind adaptive Tests effizient. Wenn die Schwierigkeit der nächsten Aufgabe davon abhängt, wie Sie die letzte gelöst haben, verbringt der Test seine Zeit nahe Ihrem tatsächlichen Fähigkeitsniveau statt bei Aufgaben, die für Sie trivial oder aussichtslos sind. Ein adaptiver Test erreicht dieselbe Präzision mit weit weniger Aufgaben – das Prinzip hinter den computerisierten Versionen vieler standardisierter Prüfungen.

Was einen guten Test ausmacht

• Reliabilität – Beständigkeit. Erhält dieselbe Person bei zweimaliger Bearbeitung unter ähnlichen Bedingungen einen ähnlichen Wert? Gut konstruierte Instrumente berichten eine hohe Retest-Reliabilität über kurze Zeiträume.
• Validität – ob gemessen wird, was behauptet wird. Sie wird über Korrelationen mit etablierten Instrumenten und mit Ergebnissen belegt, die das Konstrukt vorhersagen sollte.
• Aktuelle, repräsentative Normen – wie oben: Die Vergleichsgruppe bestimmt, was die Zahl bedeutet.
• Standardisierte Durchführung – dieselben Instruktionen, Zeiten und Bedingungen für alle. Das ist die Anforderung, die unbeaufsichtigte Online-Tests strukturell nicht erfüllen können.

Wie dieser Test aufgebaut ist

Der Test auf dieser Seite verwendet 20 nonverbale Aufgaben mit einem Gesamtlimit von 30 Minuten, nach Schwierigkeit gewichtet, und berichtet einen Wert auf der Standardskala SD 15. Er stützt sich auf Muster- und Reihendenken statt auf Wortschatz und benachteiligt Sie daher nicht, wenn Sie ihn außerhalb Ihrer Erstsprache bearbeiten.

Da er unbeaufsichtigt und selbstselektiert ist, liefert er einen vernünftigen Anhaltspunkt statt einer formalen Messung – eine Unterscheidung, die man beim Lesen des Ergebnisses im Blick behalten sollte.