Måleegenskaper ved den norske versjonen av Wechsler Intelligence Scale for Children, Fifth Edition (WISC-V)

Normer

Normdata ble samlet inn i perioden juni 2015 til mars 2016. Innsamlingen foregikk parallelt i Norge, Sverige og Danmark og ble publisert i WISC-V manual, del 1 Norsk versjon (Wechsler, 2017). Normeringsarbeidet ble gjennomført med hjelp av ca. 50 psykologer og psykologistudenter. Disse gjennomførte testingen av barna.

Vanskelighetsgraden av leddene i de fire språklige delprøvene Li, Of, In og Rs ble testet ut med såkalte «overitems» blant 30 barn i hver av tre alders-grupper. Ti barn fra hvert land ble testet i hver gruppe. Basert på denne utprøvingen valgte man ut de ledd som fungerte best og rangerte dem utfra vanskelighetsgrad.

Selve normeringsutvalget bestod av 660 barn fordelt på elleve aldersintervaller fra 6:0 til 16:11, hvor hver aldersgruppe inkluderte 60 barn med jevn kjønnsfordeling og jevn fordeling mellom Norge, Sverige og Danmark. Andel barn i utvalget som anga bruk av annet språk hjemme enn nasjonalspråket var 13 %. Av norske barn oppga 16 % bruk av annet språk enn norsk i hjemmet, hvilket ble sammen-liknet med at 13 % av Norges befolkning er født i utlandet (Statistisk sentralbyrå, 2014). I manualen er det presentert bakgrunnsvariabler for norm-eringsutvalget, samt populasjonsdata hentet fra de respektive lands statistiske sentralbyrå. Det er gjennomført khi-kvadrat-tester for å undersøke eventuelle avvik mellom utvalg og utvalgsplan, uten å finne signifikante forskjeller.

For å sikre representativitet i nedre og øvre del av fordelingen er en liten andel barn med lett intellektuell funksjonsnedsettelse (N = 12), samt særlig evnerike barn (N = 15) tatt med i normeringsutvalget.

Resultatene fra normeringsstudien presenteres i manualen og forfatterne skriver at «normene er konstruert ved hjelp av «inferential norming»  (Wechsler, 2017, s. 33). Resultatene ble presentert som skalerte skårer fra 1 til 19, med et gjennomsnitt på ti og et standardavvik på tre. Indeksskårer ble konstruert ved hjelp av summering av skalerte skårer, samt bearbeiding som resulterte i standard-skårer med et gjennomsnitt på 100, et standardavvik på 15, og et skåreintervall på 45–155 (VFI, VSI, FRI, AHI, PHI, MRI, AAI), respektive 40–160 (FSIQ, NVI, GEI, BPI).

I manualen er det normtabeller for konvertering av råskårer til skalerte skårer, konvertering av sum skalerte skårer til primære indekser og fullskala, sekundære indekser og prosesskårer, tabeller for å gjennomføre parvise sammenligninger for primære indekser og fullskala, sekundære indekser og prosesskårer, samt for ulike kombinasjoner av deltester presentert med kritiske verdier og frekvenser i normgruppene.

Reliabilitet

Indre konsistens ble undersøkt ved hjelp av split-half reliabilitet, med unntak av deltestene i PHI, da disse har tidsbegrensing og test-retest er en mer passende måte å undersøke reliabilitet på. Test-retest-koeffisienter for disse tre deltestene (Kd, Sl og Ut) er hentet fra den amerikanske standard-iseringen.

Reliabilitetskoeffisientene på deltestnivå strekker seg fra gode til utmerkede (0,80 – 0,93), med Tm som lavest og Fv som høyest. Reliabilitets-koeffisientene for indeksene strekker seg fra 0,88 – 0,95, der PHI er lavest og FSIQ høyest. Det er også oppgitt reliabilitetskoeffisienter på deltestnivå for gruppene «særlig evnerike barn» og «barn med lett intellektuell funksjonsnedsettelse», som strekker seg fra 0,81– 0,97.

Det er ikke gjennomført test-retest-studier, eller studier av intervurderingsreliabilitet. Her vises det til det amerikanske standardiseringsarbeidet.

Stoppkriterier

I WISC-V avsluttes de språklige prøvene etter tre null-poengssvar. I den amerikanske original-versjonen viser det seg at rangkorrelasjonen er nærmest uendret mellom tre null-poengssvar og hvis man administrerte enda flere ledd før avslutning. Hvis rangeringen etter vanskelighets-grad av ledd i de språklige prøvene er for upresis, vil dette imidlertid kunne medføre at barn etter tre null-poengssvar kunne ha greid presumptivt vanskeligere ledd. Vi kan ikke se at en test av reliabilitet av stoppkriteriene er gjort i den skandinaviske utgaven av WISC-V. 

Validitet

I manualen presenteres interkorrelasjoner mellom deltest, prosesskår og indeks. Resultatene opp-summeres slik i manualen: «Samtlige korrelasjoner er statistisk signifikante, og alle deltester korrelerer i noen grad med hverandre. Prosesskårer korrelerer høyt med sine tilsvarende deltester. Mønsteret av interkorrelasjoner viser store likheter med det som kom frem ved den amerikanske standardiseringen (se tabell 5.1 i kapittel 5 i WISC-V Technical and Interpretive Manual (Wechsler, 2014b), samt i WISC-IV og andre Wechsler-skalaer» (Wechsler, 2017, s. 47).

Det ble gjennomført konfirmatorisk faktoranalyse. Resultatene indikerte at det kreves minst fire faktorer for å oppnå god tilpasning. Det ble valgt en femfaktormodell for den skandinaviske versjonen av WISC-V, da dette er i samsvar med den amerikanske originalversjonen. Likevel viser den skandinaviske faktoranalysen antydningsvis bedre samsvar for firefaktorløsningen fra de fjerde revisjonene av WISC og WAIS. Mellom de ulike fire- og femfaktorløsningene er det ulik plassering av deltesten Regning. I firefaktorløsningene er det best samsvar når Regning kan lade både på arbeids-hukommelse og flytende resonnering og for en løsning der deltesten får lade på disse to og verbalfaktoren i tillegg. Selv om firefaktor-løsningene var antydningsvis bedre er også samsvaret mellom den valgte femfaktorløsningen og observerte skårer gode. Goodness-of-fit-analyse for valgt modell ga CFI 0,97–0,98 og RMSEA 0.05.

Det ble også gjennomført korrelasjonsanalyser med WISC-IV, der både WISC-V og WISC-IV ble administrert for 95 barn (31 norske, 31 svenske og 33 danske). Alle barna fikk WISC-V først, noe som trolig medførte en viss læringseffekt, og resulterte at de fikk høyere scorer på WISC-IV og en større gjennomsnittlig skåreforskjell. Utvalget hadde 4.8 høyere fullskala IQ på WISC-IV. Det er ni år mellom de to normeringene og tidligere har man i den vestlige verden funnet en økning i intelligens (Flynn-effekt) svarende til 3–5 IQ poeng hvert ti-år (Lynn, 2009). Det har imidlertid vært reist spørsmål om veksten i intelligens nå har stoppet opp (Sundet, Barlaug, & Torjussen, 2004).

I manualen presenteres gjennomsnittsverdier, standardavvik, ukorrigerte og korrigerte korrel-asjoner, samt standardforskjeller for deltest-, prosess-, og indeksskårer mellom WISC-V og WISC-IV. De korrigerte rangkorrelasjonene for FSIQ og på indeksnivå er høye (0,67–0,91) og forfatterne konkluderer slik: «Samlet tyder omfanget av korrelasjoner mellom WISC-V og WISC-IV på at de to instrumentene måler likeartede konstrukter» (Wechsler, 2017, s. 57).

I manualen presenteres også resultater fra studier av gruppene særlig evnerike barn (N = 22, svenske og danske barn) og barn med lett intellektuell funksjonsnedsettelse (N = 22, svenske og danske barn). Særlig evnerike barn var barn som på forhånd fikk målt en FSIQ på minst 130. Barn med lett intellektuell funksjonsnedsettelse ble diagnostisert med diagnosekriteriene i DSM-IV (American Psychiatric Association, 2000). Dette ble gjort for å undersøke om kriterierelatert validitet predikerte både intellektuell funksjonsnedsettelse og særlige evner. Gjennomsnittsverdier, standardavvik og sammenligninger av gjennomsnittsverdier med en matchet kontrollgruppe ble presentert for begge gruppene av barn. For gruppen særlig evnerike barn er alle gjennomsnittsskårer på indeksnivå og de fleste på deltestnivå signifikant høyere enn for den matchede kontrollgruppen, men generelt er skårene lavere enn forventet basert på inklusjonskriteriene. Differansene på indeksnivå varierte mellom 7,6 skalapoeng i PHI til 17,3 for AHI. Forskjellen i FSIQ var 18,9.På deltestnivå skilte skåren på Sl 1,18 i skalert skår, mens Th skilte 4,46 skalerte skårer. Av barna som var identifisert som særlig evnerike oppnådde 45,5 % en FSIQ på 120 eller høyere. For gruppen barn med lett intellektuell funksjonsnedsettelse er samtlige gjennomsnitts-skårer signifikant lavere, både på indeks- og deltestnivå. Differansene på indeksnivå varierte mellom 23,2 for VSI til 32,4 for VFI. Forskjellen i FSIQ var 33,8. Forskjellen på deltest-nivå varierte fra 3,41 for Bh til 6,36 for Th. Av barna som var identifisert som barn med lett intellektuell funksjons-nedsettelse oppnådde 73% en FSIQ på 75 eller lavere

Diskusjon og konklusjon

WISC-V, som ble utgitt i 2014, er en omfattende femte revisjon av den opprinnelige WISC. Den skandinaviske normeringen og den norske publikasjonen er fra 2017. Over tid har denne testen endret seg. Primært målte WISC generell evne der deltester opprinnelig ble valgt ut hvis de hadde høy ladning på den såkalte g-faktoren (korrelerte høyt med alle andre delprøver). Nå er testen et omfattende testbatteri som både gir et samlemål på generell evne og måler ulike kognitive delprosesser. Delprøver velges ut utfra spesifikk ladning på kognitive delfunksjoner. Over ti-årene har særlig amerikansk psykometri endret seg fra å vektlegge robuste samleskårer som sa noe om hvorvidt en elev var flink eller ikke, til å ville dekonstruere kognitiv funksjon i delprosesser som kan ligge under eller forklare de vansker barnet måtte ha i det daglige. Den grunnleggende tenkning som synes å underligge WISC-V synes betydelig påvirket av den såkalte «kvantitative prosess-tilnærmingen» (Ashendorf, Swenson, & Libon, 2013). Det gjør testen langt mer komplisert å bruke og fortolke, men potensialet for å forstå den underliggende kognitive strukturen er trolig mye bedre.

De to første WISC versjonene i Norge (WISC og WISC-r) ble standardisert med tung offentlig støtte, blant annet fra Forskningsrådet. Støtten ble gitt fordi evnetesting berører tunge offentlige interesser. I helsevesenet er det viktig med korrekte diagnoser. I utdanningsfeltet brukes evnetestene til å allokere hundrevis av millioner kroner til støttetiltak for elever med lærevansker. WISC-III var den første evnetesten som ble standardisert uten offentlig støtte, og må i ettertid vurderes som en billigversjon med store metodologiske svakheter (Egeland, 2006). Det hefter ingen tilsvarende vansker ved den fjerde versjonen. Fremtidige kliniske utprøvinger vil vise om det foreligger begrensninger i den foreliggende femte versjonen der Pearson Assessment, som eier testen, har finansiert normeringsarbeidet som er gjort i Skandinavia.

Den femte versjonen av testen representerer et paradigmeskifte i testing ved at testen nå kan gjennomføres i elektronisk versjon. WISC-V er imidlertid en hybridversjon der den elektroniske versjonen er en tilpassing av den tradisjonelle versjonen. Tm har ingen elektronisk versjon. Det er ikke gjennomført reliabilitetstesting som sammen-likner den tradisjonelle versjonen og den elektroniske versjonen. Den neste Wechlser-testen som kommer på markedet (WAIS-V) vil bli konstruert som en elektronisk versjon fra starten av. Den femte versjonen muliggjør for første gang testing av arbeidsminne i både den visuelle og den språklige modaliteten, hvilket er et stort fremskritt. Det er en sammenheng mellom høy intelligens og god auditiv oppmerksomhetskapasitet (Th) mens visuell oppmerksomhetskapasitet derimot avviker minst fra gjennomsnittet hos de med intellektuelle vansker. Dette viser at de to deltestene på arbeidsminne ikke måler det samme og at begge bør være med.

Det systematiske litteratursøket vedrørende egenskaper ved testen ga ingen relevante treff utover manualen som ble utgitt i forbindelse med det skandinaviske normeringsarbeidet. At det ikke er vitenskapelige publikasjoner som anvender testen eller vurderer dens psykometriske egenskaper er ikke overraskende for en så nyutgitt test. Dokumentasjon av de psykometriske egenskapene til norske WISC-V er i denne drøftingen dermed begrenset til de resultatene som rapporteres i manualen, og er sammenfattet med hva man i litteraturen finner har vært psyko-metriske begrensninger ved skandinaviske normeringer av Wechsler-testene.

Skandinavia er et lite testmarked og uten offentlig støtte vil normeringene måtte være basert på et mindre utvalg enn ved normering i USA. Rent psykometrisk trenger man like mange mennesker for å få reliable normer i et lite som i et stort marked. I USA ble testen normert på 2200 personer. EFPAs testreview-modell klassifiserer størrelsen på normeringsutvalg mellom 400 og 999 som «good» (European Federation of Psychologists' Associations, 2013). Det skandinaviske utvalget var på 660 personer, hvorav 220 fra Norge dermed kan beskrives som godt. Testen foreligger ikke i samisk versjon.

Det ble brukt en pilotgruppe på 60 normalt fungerende barn for å sile ut og rangere ledd til de språklige testene. Dette utvalget er for lite til å kunne skille mellom inngangsledd som skal løses av nær sagt alle og vanskeligere ledd som bare løses av noen få prosent i utvalget. Hvis vanskelighetsgraden av lette ledd er noe tilfeldig som det blir når man har et lite utvalg, så kan det være at et stoppkriterium på tre påfølgende null-skårer for å avslutte testing, svekker reliabiliteten til testen. Personer med lærevansker kan ha vansker med noen av de enkle leddene som ikke har blitt fanget opp i det lille pilotutvalget. Hvis tre påfølgende ledd viser seg å være spesifikt vanskelige for personer med lærevansker, mens de ville greid senere ledd i testen, får de jo ikke anledning til det, når stoppkriteriet er tre null-poengssvar. Dette var et problem både i WAIS-III og WAIS-IV (Egeland, 2014; Egeland, Bosnes, & Johansen, 2009) der testutvikler brukte samme prosedyre som nå er brukt i WISC-V. Verken for WAIS-IV og WISC-V har man undersøkt om det strengere stoppkriteriet gir en mindre reliabel skår i de skandinaviske versjonene.

Femfaktorstrukturen som introduseres i WISC-V er teoretisk spennende og fikk empirisk støtte i den opprinnelige amerikanske utgaven (Wechsler, 2014b). Flere uavhengige valideringsstudier (Canivez et al., 2016, 2017; Canivez et al., 2019; Dombrowski et al., 2015; Fenollar-Cortés & Watkins, 2018; Lecerf & Canivez, 2018; Watkins et al., 2018) har imidlertid mislyktes med å replisere støtte for femfaktormodellen som den norske utgaven er basert på og forfatterne anbefaler at man viser forsiktighet med tolkning av resultater utover fullskala IQ. Også den konfirmatoriske faktoranalysen som ble gjort på det skandinaviske normmaterialet, viser at firefaktorløsninger er vel så gode. Vi skjønner at en norsk utgave av testen må ha samme tolkningsinstruksjoner som den amerikanske originalen. Spørsmålet er like fullt om endringen fra fire-faktorløsningene som de fjerde revisjonene av WISC og WAIS var basert på, til femfaktorløsningen i WISC-V, er tilstrekkelig be-grunnet.

Det er behov for flere studier som dokumenterer og undersøker måleegenskapene når testen brukes i en klinisk kontekst i Skandinavia. Basert på den dokumentasjon som finnes, fremstår WISC-V i hovedsak som et reliabelt instrument for vurdering av evnenivå og kognitiv profil. Som ved tidligere Wechsler-tester, mener vi det er en svakhet at de språklige leddenes vanskelighetsgrad ikke har vært undersøkt i et klinisk utvalg og frykter at dette kan svekke reliabiliteten av testen i klinisk bruk. Foreliggende data er utilstrekkelig til å vurdere hvorvidt WISC-V også er et valid instrument, særlig for vurdering av kognitiv profil. Hvorvidt femfaktorløsningen er et fremskritt er fortsatt usikkert siden flere faktoranalyser ikke har replisert modellen. Femfaktorløsningen i den norske versjonen er heller ikke bedre enn firefaktor-løsningene som mange klinikere kjenner fra tidligere versjoner. Inntil det foreligger mer dokumentasjon gjeldende validiteten av testen bør klinisk profiltolkning gjøres med forsiktighet.

Vurdér og oppgi mulige interessekonflikter

Per Håkan Brøndbo har vært klinisk ekspert i forbindelse med den skandinaviske normeringen av WISC-V. Jens Egeland har ikke hatt noen tilknytning til normeringsarbeidet eller til testeier Pearson Assessment.

Referanser

American Psychiatric Association. (2000). Diagnostic and statistical manual of mental disorders : DSM-IV-TR. Washington, DC: American Psychiatric Association.

Ashendorf, L., Swenson, R. & Libon, D. (2013). The Boston Process Approach to neuropsychological assessment: A practitioner's guide. New York: Oxford University Press; US.

Canivez, G. L., Watkins, M. W. & Dombrowski, S. C. (2016). Factor structure of the Wechsler Intelligence Scale for Children–Fifth Edition: Exploratory factor analyses with the 16 primary and secondary subtests. Psychological Assessment, 28(8), 975-986. doi: https://doi.org/10.1037/pas0000238

Canivez, G. L., Watkins, M. W. & Dombrowski, S. C. (2017). Structural validity of the Wechsler Intelligence Scale for Children–Fifth Edition: Confirmatory factor analyses with the 16 primary and secondary subtests. Psychological Assessment, 29(4), 458-472. doi: https://doi.org/10.1037/pas0000358

Canivez, G. L., Watkins, M. W. & McGill, R. J. (2019). Construct validity of the Wechsler Intelligence Scale For Children – Fifth UK Edition: Exploratory and confirmatory factor analyses of the 16 primary and secondary subtests. British Journal of Educational Psychology, 89(2), 195-224. doi: https://doi.org/10.1111/bjep.12230

Dombrowski, S. C., Canivez, G. L., Watkins, M. W. & Alexander Beaujean, A. (2015). Exploratory bifactor analysis of the Wechsler Intelligence Scale for Children—Fifth Edition with the 16 primary and secondary subtests. Intelligence, 53, 194-201. doi: https://doi.org/10.1016/j.intell.2015.10.009

Egeland, J. (2006). Ny norsk WISC-III: Fare for overdiagnostisering av språklige vansker? Tidsskrift for Norsk Psykologforening, 43(7), 702-707. Lokalisert på https://psykologtidsskriftet.no/fagartikkel/2006/07/ny-norsk-wisc-iii-fare-overdiagnostisering-av-spraklige-vansker

Egeland, J. (2014). Klinisk utprøving av WAIS-IV ; leddanalyser, stopp-kriterier og arbeidsminnemåling. Tidsskrift for Norsk psykologforening, 51(11), 911-919.

Egeland, J. (2015). Measuring Working Memory With Digit Span and the Letter-Number Sequencing Subtests From the WAIS-IV: Too Low Manipulation Load and Risk for Underestimating Modality Effects. Applied Neuropsychology: Adult, 22(6), 445-451. doi: https://doi.org/10.1080/23279095.2014.992069

Egeland, J., Bosnes, O. & Johansen, H. (2009). Utprøving av WAIS-III i et klinisk utvalg. Tidsskrift for Norsk psykologforening, 46(7), 658-666.

Esteve, O. F. & Egeland, J. (2010). Norsk version av WAIS-III: Ar det nya Generell Evne-Indeks ett anvandbart alternativ till Fullskala-IQ? Tidsskrift for Norsk Psykologforening, 47(3), 224-226. Lokalisert på https://psykologtidsskriftet.no/fagbulletin/2010/03/norsk-version-av-wais-iii-ar-det-nya-generell-evne-indeks-ett-anvandbart

European Federation of Psychologists' Associations. (2013). EFPA Review model for the description and evaluation of psychological and educational tests: Test review form and notes for reviewers. Version 4.2.6. 

Fenollar-Cortés, J. & Watkins, M. W. (2018). Construct validity of the Spanish Version of the Wechsler Intelligence Scale for Children Fifth Edition (WISC-VSpain). International Journal of School & Educational Psychology, 1-15. doi: https://doi.org/10.1080/21683603.2017.1414006

Lecerf, T. & Canivez, G. L. (2018). Complementary exploratory and confirmatory factor analyses of the French WISC–V: Analyses based on the standardization sample. 793-808. https://doi.org/10.1037/pas0000638

Lynn, R. (2009). What has caused the Flynn effect? Secular increases in the Development Quotients of infants. Intelligence, 37(1), 16-24. doi: https://doi.org/10.1016/j.intell.2008.07.008

Reinecke, M. A., Beebe, D. W. & Stein, M. A. (1999). The Third Factor of the WISC-III: It's (Probably) Not Freedom From Distractibility. Journal of the American Academy of Child & Adolescent Psychiatry, 38(3), 322-328. doi: https://doi.org/10.1097/00004583-199903000-00020

Statistisk sentralbyrå. (2014). Oversikt over personer med ulik grad av innvandringsbakgrunn. Rapport nr. 2014/16. Lokalisert på https://www.ssb.no/befolkning/artikler-og-publikasjoner/_attachment/175380?_ts=14a61e5cd90

Sundet, J. M., Barlaug, D. G. & Torjussen, T. M. (2004). The end of the Flynn effect?: A study of secular trends in mean intelligence test scores of Norwegian conscripts during half a century. Intelligence, 32(4), 349-362. doi: https://doi.org/10.1016/j.intell.2004.06.004

Watkins, M. W., Dombrowski, S. C. & Canivez, G. L. (2018). Reliability and factorial validity of the Canadian Wechsler Intelligence Scale for Children–Fifth Edition. International Journal of School & Educational Psychology, 6(4), 252-265. doi: https://psycnet.apa.org/doi/10.1080/21683603.2017.1342580

Wechsler, D. (1949). Wechsler Intelligence Scale for Children. San Antonio, TX, US: Psychological Corporation.

Wechsler, D. (2009). Wechsler Intelligence Scale for Children (Fourth Edition) Norsk versjon. Stockholm: Pearson Assessment.

Wechsler, D. (2014a). Wechsler intelligence scale for children–Fifth Edition (WISC-V). Bloomington, MN: Pearson.

Wechsler, D. (2014b). WISC-V: Technical and interpretive manual: NCS Pearson, Incorporated.

Wechsler, D. (2017). Wechsler intelligence scale for children–Fifth Edition (WISC-V) Manual, Del 1, Norsk versjon. Stockholm Pearson Assessment