组块化

在测验里怎么用

把零散信息合并成有意义单元，以突破容量限制。 这个概念在解读分数时出现频率很高。理解它的关键在于分清「描述」和「判断」：它描述的是分数的一个属性，不直接告诉你一个人怎么样。

容易混的地方

同一类概念往往有好几个近义词，中文译法也不统一。遇到不同的说法时，先看它对应的是哪个英文原词，比死记中文名有用。

在结果页哪里会看到它

这个词在结果页出现的位置通常很靠后，但对理解分数很关键。数律馆 把它放在术语表而不是正文里，是因为它属于解释工具，不是结论本身。

用一个具体数字走一遍

拿一个数走一遍：原始分 20/30，先换算成比例 0.67，再映射到 70 到 146 的区间，得到约 121。这个映射是线性的，所以原始分每多对一题，分数大约上升 2.5 分。

几个常见的混淆

顺带说一句，很多号称「科学算命」的产品就是在这里偷换概念：拿一个高信度的量表去测一件效度不成立的事。

在结果页哪里会看到它

这个词在结果页出现的位置通常很靠后，但对理解分数很关键。数律馆 把它放在术语表而不是正文里，是因为它属于解释工具，不是结论本身。

用一个具体数字走一遍

拿一个数走一遍：原始分 20/30，先换算成比例 0.67，再映射到 70 到 146 的区间，得到约 121。这个映射是线性的，所以原始分每多对一题，分数大约上升 2.5 分。

几个常见的混淆

顺带说一句，很多号称「科学算命」的产品就是在这里偷换概念：拿一个高信度的量表去测一件效度不成立的事。

相关术语

这个词为什么单列

这个术语的英文是 Chunking，中文译法不统一。数律馆 用的是比较常见的那个。

同类术语还有几个容易混的，数律馆 在术语表里做了区分，可以对照着看。

这段话写在这里，是因为后台数据里这一类问题被反复问到。不是必须接受的结论。