作者: 本研究論文是由 MQ 國際研究實驗室 (MQ Global Research Lab)由博士研究員 Lucas Tsai (Ph.D.), Ling Shen (Ph.D.), and Richard Suttie. (教授),於2024年10月聯名發表並投稿到 2024 AI 應用研討會(2024 Symposium on Practical Artificial Intelligence Applications )。
論文摘要:
動機商數（MQ）測評是一種內在動機分析測驗並由人工智慧輔助應用的工具，用於測量個人的深層動機和學習偏好。在 Reiss 動機科學分析（RMP）的基礎上進行擴展，MQ測評了 24 種不同的動機DNA和 6 個生活指數，為用戶提供了他們內在動機的深度解析報告。並進一步由人工智慧可互動對話的顧問(advisor)進一步解釋這些結果，為每個人的個人需求/狀況提供可行的建議。
研究主題：
1. MQ 測評的可靠性 (信度)測量
MQ 工具的可靠性通過 Cronbach's alpha（一種內部一致性的測量方法）進行測評。
結果顯示：
30 個指數中的 19 個表現出強大的可靠性（alpha 值在 0.6 到 1.0 之間）。
11 個指數表現出中等可靠性（alpha 在 0.4 到 0.6 之間），表明它們仍然有用，但有改進的空間。
2. MQ 測評的有效性 (效度)
MQ 展現出高度的表面效度和內容效度，測試者評價其準確性能反映他們真實的動機。
受測者自我測評對 MQ 的理解的程度與他們報告MQ準確性評分呈現正相關（r=0.94)。
動機DNA強度得分較高的動機（高於 70）顯示出最佳的效度(受測者測評量值有效性明顯偏高)，表明強烈的動機特徵被準確捕捉。
基於情境的量表方法:
MQ 測評的一個關鍵特點是使用真實生活情境。這種方法通過提供具體情境的問題來協助辨別人類行為的複雜性，與 RMP 更為抽象的提示相比，能夠得到更真實和相關的回應。
與人工智慧整合以增強互動解析報告的能力
MQ 測評整合了一個稱為 MQ Advisor 的生成式人工智慧，用於解釋結果並提供互動建議。用戶可以提出諸如"我的好奇心如何影響我的學習？"這樣的問題，以獲得個性化指導，幫助他們將動機與實際結果聯繫起來。
結論
MQ 測評是一個可靠且有效的工具，用於測量核心動機。其創新性地運用人工智慧，以及基於情境的方法，為用戶提供了對其內在動機的深入解析報告，使其成為個人和職業發展的寶貴工具。然而，持續的追蹤與改進並與企業所關注的外在指標, 綜合指標相關聯將提高其精確度與人力資源實際應用的可能性。
這項研究突出了 MQ 測評在各個領域的潛在影響，包括教育和人力資源，在這些領域中，理解動機可以帶來更好的表現、參與度和成就感。未來的研究將集中在進一步驗證和探索 MQ 指導下的輔導對組織結果的實際影響。
Comments