資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝學
法學興趣測量
幸運的是，被稱為興趣的人類努力的一部分，目前正在朝著更有效地闡明和測量的方向發展。心理學家最初主要只是進行實驗。在他們早期的實驗研究中，心理學家並沒有表現出對指導原則的太多關注，即使教育工作者已經從興趣導向的中心構建了教育體系。一切似乎都取決於易於獲取的資料收集技術的具體方法。編制了兒童對遊戲、書籍、廣播和電影節目、連環漫畫等的偏好的清單。即使在近年來，研究人員也忽略了與其他行為特徵的整合。總的來說，興趣已經被研究過；然而，也存在一些例外。
興趣測量工具
雖然文字中有一些興趣測量方法，但在更大的課堂環境中，測量興趣的方法卻很少。為干預研究建立了幾個量表。然而，由於它們是為了評估干預措施的有效性而建立的，因此它們不能很容易地應用於研究各種課堂環境中的情境興趣。
Mitchell 量表
Mitchell (1993) 的量表用於評估中學數學課堂中的情境興趣，區分了吸引和保持（類似於持續的 SI）。但是，此測試中包含了關於教師可能採用哪些特定方法來激發學生對數學的興趣的問題（例如，謎題、計算機和小組工作）。這是有問題的，因為在不採用這些方法的課堂上的學生不會發現這些專案有用。我們認為，與其關注情境興趣的特定來源，不如將測量重點放在學生對情境興趣的整體體驗上，這將更有用。只有這樣才能比較提高興趣技術的相對有效性，尤其是在不同的課堂環境中。
Chen、Darst 和 Pangrazi 量表
Chen、Darst 和 Pangrazi (2001) 建立了一個量表來衡量情境興趣，而沒有提及具體的教學方法。但是，它沒有考慮主題內容的重要性，而是完全關注與特定學習體驗相關的感受性信念；因此，該量表需要充分捕捉所提出的與保留的 SI 相關的價值特徵。
斯特朗職業興趣量表
自 1927 年首次出版以來，它一直是職業諮詢實踐和研究中最有效和最廣泛使用的工具之一。對 SVIB 的研究是目前對職業興趣的一致認識的大部分基礎。SVIB 的成功很大程度上歸功於斯特朗的職業興趣測量經驗方法。斯特朗避免了明確的理論和理論化，而選擇經驗性地找到哪些問題能夠“區分”精心挑選的職業群體與“一般男性”或“一般女性”樣本。正如 Tyler (1965) 指出的那樣，令人驚訝的是，關於 SVIB 專案、其來源、其選擇方法以及它們所涵蓋的內容範圍知之甚少。Stewart、Ronning、Stellwagen、Berdie 和 Campbell (1968) 以及隨後的 Hansen (1977) 都提請注意，很少有研究關注職業興趣評估中使用的專案的實質內容，而不是它們的心理測量有效性。
庫德興趣量表
弗雷德里克·庫德 1939 年出版的《個人偏好記錄》（A 表格）中包含七個幾乎獨立的同質量表。1943 年（B 表格），庫德增加了兩個同質量表；1948 年，他又增加了一個同質量表（C 表格）。C 表格的十個興趣領域由庫德一般興趣調查表 (E 表格) (Kuder, 1988) 測量。然而，這些專案是用更簡單的術語寫成的。庫德職業興趣調查表（D.D. 表格）普通手冊包含自該調查表 1966 年首次出版以來的最新更新和修訂。
傑克遜職業興趣量表
傑克遜職業興趣調查表 (JVIS) (Jackson, 1977) 由 289 個強制選擇專案組成，這些專案描述了職業活動，非常適合高中生、大學生和需要幫助進行教育和職業規劃的人。衡量工作角色和工作風格的 34 個同質量表中的每一個都有 17 個專案，閱讀水平約為七年級。五個工作角色量表描述了特定的職業（例如工程和小學教育），而 21 個量表則表示一組工作（例如，創意藝術、社會科學）。八個工作風格測量評估對需要特定行動的情況的偏好（例如，支配性領導力、責任制）。機器評分的 JVIS 配置檔案還包括 10 個一般職業主題，這些主題測量的是反映受訪者對工作的態度而不是興趣的廣泛興趣模式（例如，邏輯型、進取型），17 個主要的大學領域的廣泛叢集（教育分類）和 32 個職業叢集。手工評分的 JVIS 配置檔案僅包含 34 個基本興趣量表（職業分類）。34 個同質基本興趣量表是使用基於理論的量表構建方法建立的。該過程的第一步是根據職業心理學方面的先前研究確定將要評估的興趣。然後，三千個專案代表了興趣結構。最後，對專案庫進行了一系列因素分析，以確定哪些 289 個專案與它們量表上的因素分數顯示出顯著相關性，而與其他 JVIS 量表則顯示出低相關性。在考慮了 34 個基本量表之後，建立了 10 個一般職業主題。女性和男性高中生和大學生的組合樣本已經為基本量表和主題量表建立了標準分數規範。個人可以使用顯示女性和男性在每個量表上的分數百分位數分佈的解釋性條形圖來推斷他們的結果與其他人的比較情況。
結論
為了更好地瞭解這些群體的特徵以及最有效地將興趣量表應用於這些群體的方法，研究必須遵循在新的群體中使用興趣量表的情況。由於跨文化使用興趣量表，對量表準確翻譯的需求以及對針對非英語母語人士的受訪者的、以美國人口為標準的量表預測能力的資訊的需求正在增加。
瀏覽量：1000+
