āĻ…āύ⧁āĻļā§€āϞāύ⧀ āĻĒāϰ⧀āĻ•ā§āώāĻž

āϏāĻŽāĻžāϞ⧋āϚāύāĻžāĻŽā§‚āϞāĻ• āϚāĻŋāĻ¨ā§āϤāĻžāĻ­āĻžāĻŦāύāĻžāϰ āĻĒāϰ⧀āĻ•ā§āώāĻž āĻ…āύ⧁āĻļā§€āϞāύ

āĻāĻ•āϟāĻŋ āĻŦāĻŋāύāĻžāĻŽā§‚āĻ˛ā§āϝ⧇āϰ āϏāĻŽāĻžāϞ⧋āϚāύāĻžāĻŽā§‚āϞāĻ• āϚāĻŋāĻ¨ā§āϤāĻžāϰ āĻĒāϰ⧀āĻ•ā§āώāĻž, āϝāĻžāϤ⧇ Watson Glaser-āϧāĻžāρāĻšā§‡āϰ āĻ…āύ⧁āĻŽāĻžāύ, āĻ…āύ⧁āĻŽāĻŋāϤ āϏāĻŋāĻĻā§āϧāĻžāĻ¨ā§āϤ, āϝ⧁āĻ•ā§āϤāĻŋāύāĻŋāĻ°ā§āĻ­āϰ āϏāĻŋāĻĻā§āϧāĻžāĻ¨ā§āϤ, āĻŦā§āϝāĻžāĻ–ā§āϝāĻž āĻāĻŦāĻ‚ āϝ⧁āĻ•ā§āϤāĻŋ āύāĻŋāϝāĻŧ⧇ āĻĒā§āϰāĻļā§āύ āϰāϝāĻŧ⧇āϛ⧇, āĻĒā§āϰāϤāĻŋāϟāĻŋāϰ āĻŦā§āϝāĻžāĻ–ā§āϝāĻžāϏāĻšāĨ¤

  • āĻ…āύ⧁āĻŽāĻžāύ
  • āĻ…āύ⧁āĻŽāĻŋāϤāĻŋ
  • āĻ…āĻŦāϞ⧋āĻšāĻŖ
  • āĻŦā§āϝāĻžāĻ–ā§āϝāĻž
  • āϝ⧁āĻ•ā§āϤāĻŋ
  • 10āϟāĻŋ āĻŦāĻŋāύāĻžāĻŽā§‚āĻ˛ā§āϝ⧇āϰ āĻĒā§āϰāĻļā§āύ, āĻ…ā§āϝāĻžāĻ•āĻžāωāĻ¨ā§āϟ āϞāĻžāĻ—āĻŦ⧇ āύāĻž
  • āφāϏāϞ āĻĒāϰ⧀āĻ•ā§āώāĻžāϰ āĻŽāϤ⧋ āϏāĻŽāϝāĻŧāϏ⧀āĻŽāĻžāϝāĻŧ
  • āϝ⧇āϕ⧋āύ⧋ āϏāĻŽāϝāĻŧ āĻŦāĻžāϤāĻŋāϞ āĻ•āϰ⧁āύ

āϏāĻ‚āĻ•ā§āώāĻŋāĻĒā§āϤ āωāĻ¤ā§āϤāϰ

āϏāĻŽāĻžāϞ⧋āϚāύāĻžāĻŽā§‚āϞāĻ• āϚāĻŋāĻ¨ā§āϤāĻžāϰ āĻĒāϰ⧀āĻ•ā§āώāĻž āϝ⧁āĻ•ā§āϤāĻŋ āĻ“ āĻĒā§āϰāĻŽāĻžāĻŖ āĻŦāĻŋāϚāĻžāϰ āĻ•āϰāĻžāϰ āĻĻāĻ•ā§āώāϤāĻž āϝāĻžāϚāĻžāχ āĻ•āϰ⧇: āĻ…āύ⧁āĻŽāĻžāύ āĻļāύāĻžāĻ•ā§āϤ āĻ•āϰāĻž, āϝāĻĨāĻžāϝāĻĨ āϏāĻŋāĻĻā§āϧāĻžāĻ¨ā§āϤ⧇ āĻĒ⧌āρāĻ›āύ⧋ āĻāĻŦāĻ‚ āϝ⧁āĻ•ā§āϤāĻŋāϰ āϗ⧁āϰ⧁āĻ¤ā§āĻŦ āĻŦāĻŋāϚāĻžāϰ āĻ•āϰāĻžāĨ¤ āϏāĻŦāĻšā§‡āϝāĻŧ⧇ āĻĒāϰāĻŋāϚāĻŋāϤ āĻĒāϰ⧀āĻ•ā§āώāĻžāϟāĻŋ āĻšāϞ Watson-GlaserāĨ¤ āĻāϰ āĻĒā§āϰāĻ•āĻžāĻļāĻ• āϜāĻžāύāĻŋāϝāĻŧ⧇āϛ⧇āύ, āĻāϤ⧇ 30 āĻĨ⧇āϕ⧇ 40 āĻŽāĻŋāύāĻŋāĻŸā§‡ 40āϟāĻŋ āĻĒā§āϰāĻļā§āύ āĻĨāĻžāϕ⧇āĨ¤ āφāχāύ, āĻ…āĻ°ā§āĻĨāĻžāϝāĻŧāύ āĻāĻŦāĻ‚ āĻ¸ā§āύāĻžāϤāĻ• āĻ¸ā§āϤāϰ⧇āϰ āύāĻŋāϝāĻŧā§‹āϗ⧇ āĻāϟāĻŋ āĻŦāĻšā§āϞ āĻŦā§āϝāĻŦāĻšā§ƒāϤ āĻšāϝāĻŧāĨ¤ āĻāχ āĻŦāĻŋāύāĻžāĻŽā§‚āĻ˛ā§āϝ⧇āϰ āϏāĻŽāĻžāϞ⧋āϚāύāĻžāĻŽā§‚āϞāĻ• āϚāĻŋāĻ¨ā§āϤāĻžāϰ āĻĒāϰ⧀āĻ•ā§āώāĻžāϝāĻŧ Watson Glaser-āϧāĻžāρāĻšā§‡āϰ āĻĒāĻžāρāϚāϟāĻŋ āĻŦāĻŋāĻ­āĻžāϗ⧇ 10āϟāĻŋ āύāĻŋāϜāĻ¸ā§āĻŦ āĻĒā§āϰāĻļā§āύ āϰāϝāĻŧ⧇āϛ⧇ āĻāĻŦāĻ‚ āĻāϟāĻŋ āĻĻāĻŋāϤ⧇ 8 āĻŽāĻŋāύāĻŋāϟ āϞāĻžāϗ⧇āĨ¤

āĻŦāĻŋāύāĻžāĻŽā§‚āĻ˛ā§āϝ⧇āϰ āύāĻŽā§āύāĻž
8 āĻŽāĻŋāύāĻŋāĻŸā§‡ 10āϟāĻŋ āĻĒā§āϰāĻļā§āύ
Watson-Glaser
40āϟāĻŋ āĻĒā§āϰāĻļā§āύ, 30 āĻĨ⧇āϕ⧇ 40 āĻŽāĻŋāύāĻŋāϟ
āĻŦāĻŋāĻ­āĻžāĻ—
āĻ…āύ⧁āĻŽāĻŋāϤāĻŋ, āĻ…āύ⧁āĻŽāĻžāύ, āϏāĻŋāĻĻā§āϧāĻžāĻ¨ā§āϤāĻŽā§‚āϞāĻ• āϝ⧁āĻ•ā§āϤāĻŋ, āĻŦā§āϝāĻžāĻ–ā§āϝāĻž, āϝ⧁āĻ•ā§āϤāĻŋāϤāĻ°ā§āĻ•
āϝ⧇ āĻ•āĻžāĻœā§‡ āĻŦā§āϝāĻŦāĻšā§ƒāϤ āĻšāϝāĻŧ
āφāχāύ, āĻ…āĻ°ā§āĻĨāĻžāϝāĻŧāύ, āĻ¸ā§āύāĻžāϤāĻ• āĻĒāĻ°ā§āϝāĻžāϝāĻŧ⧇āϰ āĻĒāĻĻ
1

āĻŦāĻŋāύāĻžāĻŽā§‚āĻ˛ā§āϝ⧇ āĻšā§‡āĻˇā§āϟāĻž āĻ•āϰ⧁āύ

8 āĻŽāĻŋāύāĻŋāĻŸā§‡ 10āϟāĻŋ āĻĒā§āϰāĻļā§āύ, āĻĒāϰ⧀āĻ•ā§āώāĻžāϰ āύāĻŋāĻ°ā§āϧāĻžāϰāĻŋāϤ āĻ—āϤāĻŋāϤ⧇āĨ¤ āĻļ⧇āώ⧇ āφāĻĒāύāĻžāϰ āĻ¸ā§āϕ⧋āϰ āĻāĻŦāĻ‚ āĻĒā§āϰāϤāĻŋāϟāĻŋ āωāĻ¤ā§āϤāϰ⧇āϰ āĻŦā§āϝāĻžāĻ–ā§āϝāĻž āĻĒāĻžāĻŦ⧇āύāĨ¤

āĻ…āύ⧁āĻļā§€āϞāύ⧇āϰ āĻĒā§āϰāĻļā§āύ āϞ⧋āĻĄ āĻšāĻšā§āϛ⧇

āφāĻĒāύāĻžāϰ āĻĒā§āĻ˛ā§āϝāĻžāύ āĻŦ⧇āϛ⧇ āύāĻŋāύ

āϏāĻŽā§āĻĒā§‚āĻ°ā§āĻŖ āĻ…āύ⧁āĻļā§€āϞāύ āφāύāϞāĻ• āĻ•āϰ⧁āύ

āϏāĻŽāĻžāϞ⧋āϚāύāĻžāĻŽā§‚āϞāĻ• āϚāĻŋāĻ¨ā§āϤāĻžāĻ­āĻžāĻŦāύāĻž: āϏāĻŽāϝāĻŧ āϧāϰ⧇ āĻĻ⧇āĻ“āϝāĻŧāĻžāϰ āϜāĻ¨ā§āϝ āĻĒā§‚āĻ°ā§āĻŖ āĻĻ⧈āĻ°ā§āĻ˜ā§āϝ⧇āϰ āĻŽāĻ• āĻŸā§‡āĻ¸ā§āϟ, āϏāĻ™ā§āϗ⧇ āĻŦāĻžāĻ•āĻŋ āϏāĻŦ āĻŸā§‡āĻ¸ā§āϟ

āĻāĻ•āϟāĻŋ āĻĒā§āĻ˛ā§āϝāĻžāύ āĻŦ⧇āϛ⧇ āύāĻŋāύ
Monthly āĻĒā§āĻ˛ā§āϝāĻžāύ āĻļ⧁āϰ⧁ āĻ•āϰ⧁āύ
  • āĻāχ āĻĒāϰ⧀āĻ•ā§āώāĻžāϰ āϜāĻ¨ā§āϝ āϏāĻŽāϝāĻŧ āϧāϰ⧇ āĻĻ⧇āĻ“āϝāĻŧāĻž āĻĒā§‚āĻ°ā§āĻŖ āĻĻ⧈āĻ°ā§āĻ˜ā§āϝ⧇āϰ āĻŽāĻ• āĻŸā§‡āĻ¸ā§āϟ
  • āĻĒā§āϰāϤāĻŋāϟāĻŋ āĻĒā§āϰāĻļā§āύ⧇āϰ āĻŦā§āϝāĻžāĻ–ā§āϝāĻž
  • āĻĒā§āϰāĻļā§āύ⧇āϰ āϧāϰāύ āĻ…āύ⧁āϝāĻžāϝāĻŧā§€ āφāĻĒāύāĻžāϰ āĻ¸ā§āϕ⧋āϰ āĻāĻŦāĻ‚ āφāĻĒāύāĻžāϰ āχāϤāĻŋāĻšāĻžāϏ
  • āϏāĻŦ 21āϟāĻŋ āĻ…āύ⧁āĻļā§€āϞāύ⧀ āĻĒāϰ⧀āĻ•ā§āώāĻž āĻ…āĻ¨ā§āϤāĻ°ā§āϭ⧁āĻ•ā§āϤ
  • āĻĢā§‹āύ āĻ“ āĻ˛ā§āϝāĻžāĻĒāϟāĻĒ⧇ āϚāϞ⧇

āϏāĻ°ā§āĻŦā§‹āĻšā§āϚ āĻāĻ•āϟāĻŋ āĻĒā§‚āĻ°ā§āĻŖāĻžāĻ™ā§āĻ— āĻŽāĻ• āĻŸā§‡āĻ¸ā§āϟ āĻĻāĻŋāϝāĻŧ⧇ āĻĨāĻžāĻ•āϞ⧇ 7 āĻĻāĻŋāύ⧇āϰ āĻŽāĻ§ā§āϝ⧇ āϟāĻžāĻ•āĻž āĻĢ⧇āϰāϤ āĻĒāĻžāĻŦ⧇āύāĨ¤ āĻĻāĻžāĻŽ USD-āϤ⧇āĨ¤

2

āϏāĻŽā§āĻĒā§‚āĻ°ā§āĻŖ āĻ…āύ⧁āĻļā§€āϞāύ⧇ āϕ⧀ āϕ⧀ āϰāϝāĻŧ⧇āϛ⧇

āφāϏāϞ āĻĒāϰ⧀āĻ•ā§āώāĻžāϰ āĻĢāϰāĻŽā§āϝāĻžāϟ āĻ“ āϏāĻŽāϝāĻŧāϏ⧀āĻŽāĻž āĻ…āύ⧁āϝāĻžāϝāĻŧā§€ āĻĒā§‚āĻ°ā§āĻŖ āĻĻ⧈āĻ°ā§āĻ˜ā§āϝ⧇āϰ āĻŽāĻ• āĻŸā§‡āĻ¸ā§āϟ, āĻĒā§āϰāϤāĻŋāϟāĻŋ āĻļ⧇āώ āĻ•āϰāĻžāϰ āĻĒāϰ āϏāĻŽā§āĻĒā§‚āĻ°ā§āĻŖ āĻĒāĻ°ā§āϝāĻžāϞ⧋āϚāύāĻžāϏāĻšāĨ¤

  1. āĻŦāĻŋāύāĻžāĻŽā§‚āĻ˛ā§āϝ⧇āϰ āύāĻŽā§āύāĻž10āϟāĻŋ āĻĒā§āϰāĻļā§āύ ¡ 8 āĻŽāĻŋāύāĻŋāϟ
  2. āĻĒā§‚āĻ°ā§āĻŖ āĻĻ⧈āĻ°ā§āĻ˜ā§āϝ⧇āϰ āĻŽāĻ• āĻŸā§‡āĻ¸ā§āϟāφāϏāϞ āĻĒā§āϰāĻļā§āύāϏāĻ‚āĻ–ā§āϝāĻž āĻ“ āϏāĻŽāϝāĻŧāϏ⧀āĻŽāĻž
  3. āϏāĻŦ āϧāϰāύ⧇āϰ āĻĒā§āϰāĻļā§āύāĻ…āύ⧁āĻŽāĻžāύ, āĻ…āύ⧁āĻŽāĻŋāϤāĻŋ, āĻ…āĻŦāϞ⧋āĻšāĻŖ āĻāĻŦāĻ‚ āφāϰāĻ“
  4. āϏāĻŽā§āĻĒā§‚āĻ°ā§āĻŖ āĻĒāĻ°ā§āϝāĻžāϞ⧋āϚāύāĻžāĻĒā§āϰāϤāĻŋāϟāĻŋ āĻŽāĻ• āĻŸā§‡āĻ¸ā§āĻŸā§‡āϰ āĻĒāϰ āĻĒā§āϰāĻļā§āύ⧇āϰ āϧāϰāύ āĻ…āύ⧁āϝāĻžāϝāĻŧā§€ āφāĻĒāύāĻžāϰ āĻ¸ā§āϕ⧋āϰ
  5. āĻ¸ā§āϕ⧋āϰ⧇āϰ āχāϤāĻŋāĻšāĻžāϏāĻĒā§āϰāϤāĻŋāϟāĻŋ āĻĒā§āϰāĻšā§‡āĻˇā§āϟāĻžāϝāĻŧ āφāĻĒāύāĻžāϰ āĻ…āĻ—ā§āϰāĻ—āϤāĻŋ
  6. āĻĢā§‹āύ āĻŦāĻž āĻ˛ā§āϝāĻžāĻĒāϟāĻĒāϝ⧇āĻ–āĻžāύ⧇āχ āĻĨāĻžāϕ⧁āύ, āĻ…āύ⧁āĻļā§€āϞāύ āĻ•āϰ⧁āύ

āĻŦāĻŋāύāĻžāĻŽā§‚āĻ˛ā§āϝ⧇āϰ āύāĻŽā§āύāĻž āĻŦāĻž āĻĒā§‚āĻ°ā§āĻŖāĻžāĻ™ā§āĻ— āĻ…āύ⧁āĻļā§€āϞāύ

āĻŦ⧈āĻļāĻŋāĻˇā§āĻŸā§āϝFreeāĻĒā§‚āĻ°ā§āĻŖāĻžāĻ™ā§āĻ—
āĻŦāĻžāĻ¸ā§āϤāĻŦ āĻĒāϰ⧀āĻ•ā§āώāĻžāϰ āϧāϰāύ⧇ āĻĒā§āϰāĻļā§āύ
āĻĒā§āϰāϤāĻŋāϟāĻŋ āωāĻ¤ā§āϤāϰ⧇āϰ āĻŦā§āϝāĻžāĻ–ā§āϝāĻž
āϏāĻŽāϝāĻŧ āϧāϰ⧇ āĻĻ⧇āĻ“āϝāĻŧāĻž āĻĒā§‚āĻ°ā§āĻŖ āĻĻ⧈āĻ°ā§āĻ˜ā§āϝ⧇āϰ āĻŽāĻ• āĻŸā§‡āĻ¸ā§āϟ
āĻĒā§āϰāĻļā§āύ⧇āϰ āϧāϰāύ āĻ…āύ⧁āϝāĻžāϝāĻŧā§€ āĻ¸ā§āϕ⧋āϰ
āĻŦāĻŋāĻ­āĻŋāĻ¨ā§āύ āĻŽāĻ• āĻŸā§‡āĻ¸ā§āĻŸā§‡āϰ āĻ¸ā§āϕ⧋āϰ⧇āϰ āχāϤāĻŋāĻšāĻžāϏ
āϏāĻŦ 21āϟāĻŋ āĻ…āύ⧁āĻļā§€āϞāύ⧀ āĻĒāϰ⧀āĻ•ā§āώāĻž
3

āĻŦāĻŋāύāĻžāĻŽā§‚āĻ˛ā§āϝ⧇āϰ āĻ…āĻ§ā§āϝāϝāĻŧāύ āύāĻŋāĻ°ā§āĻĻ⧇āĻļāĻŋāĻ•āĻž

āφāϏāϞ āĻĒāϰ⧀āĻ•ā§āώāĻž āϏāĻŽā§āĻĒāĻ°ā§āϕ⧇ āϜāĻžāύāĻžāϰ āϏāĻŦāĻ•āĻŋāϛ⧁, āϛ⧋āϟ āϛ⧋āϟ āĻĒāĻžāϠ⧇āĨ¤

āĻĒāĻžāĻ  1

āφāϏāϞ āĻĒāϰ⧀āĻ•ā§āώāĻžāϟāĻŋ āϏāĻžāϧāĻžāϰāĻŖāϤ āϕ⧇āĻŽāύ āĻšāϝāĻŧ

Pearson TalentLens-āĻāϰ āĻĒā§āϰāĻ•āĻžāĻļāĻŋāϤ Watson-Glaser Critical Thinking Appraisal āĻšāϞ⧋ āϏāĻŦāĻšā§‡āϝāĻŧ⧇ āĻĒāϰāĻŋāϚāĻŋāϤ āϏāĻŽāĻžāϞ⧋āϚāύāĻžāĻŽā§‚āϞāĻ• āϚāĻŋāĻ¨ā§āϤāĻžāϰ āĻĒāϰ⧀āĻ•ā§āώāĻžāĨ¤ āĻĒā§āϰāĻ•āĻžāĻļāĻ• āĻāϰ āϏāĻŽā§āĻĒāĻ°ā§āϕ⧇ āĻāχ āϤāĻĨā§āϝāϗ⧁āϞāĻŋ āĻĻāĻŋāϝāĻŧ⧇āϛ⧇ (TalentLens):

  • āϏāĻŽāϝāĻŧ āϧāϰ⧇ 30 āĻĨ⧇āϕ⧇ 40 āĻŽāĻŋāύāĻŋāĻŸā§‡ 40āϟāĻŋ āĻĒā§āϰāĻļā§āύ, āĻāĻ•āϟāĻŋ āĻĒā§āϰāĻļā§āύāĻ­āĻžāĻŖā§āĻĄāĻžāϰ āĻĨ⧇āϕ⧇ āύ⧇āĻ“āϝāĻŧāĻžāĨ¤
  • āĻ…āύāϞāĻžāχāύ⧇, āĻĒā§āϰāĻžāĻĨāĻŽāĻŋāĻ• āĻŦāĻžāĻ›āĻžāχāϝāĻŧ⧇āϰ āϜāĻ¨ā§āϝ āϤāĻ¤ā§āĻ¤ā§āĻŦāĻžāĻŦāϧāĻžāύ āĻ›āĻžāĻĄāĻŧāĻž āĻ…āĻĨāĻŦāĻž āϤāĻ¤ā§āĻ¤ā§āĻŦāĻžāĻŦāϧāĻžāύ⧇ āĻĻ⧇āĻ“āϝāĻŧāĻž āϝāĻžāϝāĻŧāĨ¤ āĻĢāϞ āϏāĻ™ā§āϗ⧇ āϏāĻ™ā§āϗ⧇āχ āĻĒāĻžāĻ“āϝāĻŧāĻž āϝāĻžāϝāĻŧāĨ¤
  • āĻĒāĻžāρāϚāϟāĻŋ āωāĻĒāĻĒāϰ⧀āĻ•ā§āώāĻž: āĻ…āύ⧁āĻŽāĻžāύ, āĻĒā§‚āĻ°ā§āĻŦāϧāĻžāϰāĻŖāĻž āĻšā§‡āύāĻž, āĻ…āĻŦāϰ⧋āĻšā§€ āϝ⧁āĻ•ā§āϤāĻŋ, āĻŦā§āϝāĻžāĻ–ā§āϝāĻž āĻāĻŦāĻ‚ āϝ⧁āĻ•ā§āϤāĻŋ āĻŽā§‚āĻ˛ā§āϝāĻžāϝāĻŧāύāĨ¤
  • āĻ¸ā§āύāĻžāϤāĻ•, āĻŽā§āϝāĻžāύ⧇āϜāĻžāϰ, āϏ⧁āĻĒāĻžāϰāĻ­āĻžāχāϜāĻžāϰ, āĻĒ⧇āĻļāĻžāĻœā§€āĻŦā§€ āĻāĻŦāĻ‚ āύāĻŋāĻ°ā§āĻŦāĻžāĻšā§€āĻĻ⧇āϰ āϜāĻ¨ā§āϝ, āύāĻŋāϝāĻŧā§‹āĻ— āĻ“ āωāĻ¨ā§āύāϝāĻŧāύ⧇āϰ āĻ•ā§āώ⧇āĻ¤ā§āϰ⧇ āĻŦā§āϝāĻŦāĻšā§ƒāϤ āĻšāϝāĻŧāĨ¤

RED āĻŽāĻĄā§‡āϞāĨ¤ Pearson-āĻāϰ 2020 āϏāĻžāϞ⧇āϰ āĻ•āĻžāĻ°ā§āϝāĻ•āĻžāϰāĻŋāϤāĻž-āϏāĻ‚āĻ•ā§āϰāĻžāĻ¨ā§āϤ āĻĒā§āϰāϤāĻŋāĻŦ⧇āĻĻāύ⧇ āĻŦā§āϝāĻžāĻ–ā§āϝāĻž āĻ•āϰāĻž āĻšāϝāĻŧ⧇āϛ⧇ āϝ⧇ 2010 āϏāĻžāϞ⧇ Watson-Glaser II āĻĨ⧇āϕ⧇ āĻ…āύ⧁āĻŽāĻžāύ, āĻ…āĻŦāϰ⧋āĻšā§€ āϝ⧁āĻ•ā§āϤāĻŋ āĻāĻŦāĻ‚ āĻŦā§āϝāĻžāĻ–ā§āϝāĻž āĻāĻ•āϏāĻ™ā§āϗ⧇ "Draw Conclusions" āύāĻžāĻŽā§‡ āϰāĻŋāĻĒā§‹āĻ°ā§āϟ āĻ•āϰāĻž āĻšāϝāĻŧ⧇āϛ⧇āĨ¤ āĻĒā§āϰāĻ¤ā§āϝ⧇āĻ• āĻĒāϰ⧀āĻ•ā§āώāĻžāĻ°ā§āĻĨā§€ 40āϟāĻŋ āĻĒā§āϰāĻļā§āύ āĻĒāĻžāύ: āĻĒā§‚āĻ°ā§āĻŦāϧāĻžāϰāĻŖāĻž āĻšā§‡āύāĻžāϰ 12āϟāĻŋ, āϝ⧁āĻ•ā§āϤāĻŋ āĻŽā§‚āĻ˛ā§āϝāĻžāϝāĻŧāύ⧇āϰ 12āϟāĻŋ āĻāĻŦāĻ‚ āϏāĻŋāĻĻā§āϧāĻžāĻ¨ā§āϤ⧇ āĻĒ⧌āρāĻ›āύ⧋āϰ 16āϟāĻŋ (Pearson).

āĻĒā§āϰāϤāĻŋāϟāĻŋ āĻ…āĻ‚āĻļ⧇ āωāĻ¤ā§āϤāϰ āĻĻ⧇āĻ“āϝāĻŧāĻžāϰ āϧāϰāύ āφāϞāĻžāĻĻāĻžāĨ¤ Pearson-āĻāϰ āĻ…āύ⧁āĻļā§€āϞāύ āĻĒ⧁āĻ¸ā§āϤāĻŋāĻ•āĻžāϝāĻŧ, āĻ…āύ⧁āĻŽāĻžāύ-āϏāĻ‚āĻ•ā§āϰāĻžāĻ¨ā§āϤ āĻĒā§āϰāĻļā§āύ⧇ āĻĒāĻžāρāϚāϟāĻŋ āωāĻ¤ā§āϤāϰ āĻĻ⧇āĻ“āϝāĻŧāĻž āĻšāϝāĻŧ: āϏāĻ¤ā§āϝ, āϏāĻŽā§āĻ­āĻŦāϤ āϏāĻ¤ā§āϝ, āĻĒāĻ°ā§āϝāĻžāĻĒā§āϤ āϤāĻĨā§āϝ āύ⧇āχ, āϏāĻŽā§āĻ­āĻŦāϤ āĻŽāĻŋāĻĨā§āϝāĻž āĻāĻŦāĻ‚ āĻŽāĻŋāĻĨā§āϝāĻžāĨ¤ āĻĒā§‚āĻ°ā§āĻŦāϧāĻžāϰāĻŖāĻž-āϏāĻ‚āĻ•ā§āϰāĻžāĻ¨ā§āϤ āĻĒā§āϰāĻļā§āύ⧇ āϜāĻžāύāϤ⧇ āϚāĻžāĻ“āϝāĻŧāĻž āĻšāϝāĻŧ āϕ⧋āύ⧋ āĻĒā§‚āĻ°ā§āĻŦāϧāĻžāϰāĻŖāĻž āĻ•āϰāĻž āĻšāϝāĻŧ⧇āϛ⧇ āĻ•āĻŋ āύāĻžāĨ¤ āĻ…āĻŦāϰ⧋āĻšā§€ āϝ⧁āĻ•ā§āϤāĻŋāϰ āĻĒā§āϰāĻļā§āύ⧇ āϜāĻžāύāϤ⧇ āϚāĻžāĻ“āϝāĻŧāĻž āĻšāϝāĻŧ āϕ⧋āύ⧋ āϏāĻŋāĻĻā§āϧāĻžāĻ¨ā§āϤ "āĻ…āĻŦāĻļā§āϝāχ āĻ…āύ⧁āϏ⧃āϤ āĻšāϝāĻŧ" āĻ•āĻŋ āύāĻžāĨ¤ āĻŦā§āϝāĻžāĻ–ā§āϝāĻž-āϏāĻ‚āĻ•ā§āϰāĻžāĻ¨ā§āϤ āĻĒā§āϰāĻļā§āύ⧇ āϜāĻžāύāϤ⧇ āϚāĻžāĻ“āϝāĻŧāĻž āĻšāϝāĻŧ āϏāĻŋāĻĻā§āϧāĻžāĻ¨ā§āϤāϟāĻŋ "āϝ⧁āĻ•ā§āϤāĻŋāϏāĻ™ā§āĻ—āϤ āϏāĻ¨ā§āĻĻ⧇āĻšā§‡āϰ āϊāĻ°ā§āĻ§ā§āĻŦ⧇" āĻ…āύ⧁āϏ⧃āϤ āĻšāϝāĻŧ āĻ•āĻŋ āύāĻžāĨ¤ āϝ⧁āĻ•ā§āϤāĻŋ-āϏāĻ‚āĻ•ā§āϰāĻžāĻ¨ā§āϤ āĻĒā§āϰāĻļā§āύ⧇ āϜāĻžāύāϤ⧇ āϚāĻžāĻ“āϝāĻŧāĻž āĻšāϝāĻŧ āϝ⧁āĻ•ā§āϤāĻŋāϟāĻŋ āĻļāĻ•ā§āϤāĻŋāĻļāĻžāϞ⧀ āύāĻž āĻĻ⧁āĻ°ā§āĻŦāϞ (Pearson practice booklet).

āϕ⧋āĻĨāĻžāϝāĻŧ āĻāχ āĻĒāϰ⧀āĻ•ā§āώāĻžāϰ āĻŽā§āĻ–ā§‹āĻŽā§āĻ–āĻŋ āĻšāϤ⧇ āĻĒāĻžāϰ⧇āύāĨ¤ āĻāϟāĻŋ āĻĒā§āϰāĻžāϝāĻŧāχ āύāĻŋāϝāĻŧā§‹āĻ—āĻĒā§āϰāĻ•ā§āϰāĻŋāϝāĻŧāĻžāϰ āĻĒā§āϰāĻĨāĻŽāĻĻāĻŋāϕ⧇āϰ āĻŦāĻžāĻ›āĻžāχ āĻšāĻŋāϏ⧇āĻŦ⧇ āĻŦā§āϝāĻŦāĻšā§ƒāϤ āĻšāϝāĻŧāĨ¤ āϝ⧇āĻŽāύ, āϞāĻ¨ā§āĻĄāύ⧇ āĻĒā§āϰāĻļāĻŋāĻ•ā§āώāĻŖ āϚ⧁āĻ•ā§āϤāĻŋāϰ āϜāĻ¨ā§āϝ Clifford Chance-āĻāϰ āϏāĻžāĻŽā§āĻĒā§āϰāϤāĻŋāĻ• āĻāĻ•āϟāĻŋ āĻŦāĻŋāĻœā§āĻžāĻĒā§āϤāĻŋāϤ⧇ āĻ…āύāϞāĻžāχāύ āφāĻŦ⧇āĻĻāύ⧇āϰ āĻĒāϰāĻĒāϰāχ Watson Glaser āĻĒāϰ⧀āĻ•ā§āώāĻž āϰāϝāĻŧ⧇āϛ⧇, āĻāĻŦāĻ‚ āϕ⧇āĻŦāϞ āϝāĻžāρāϰāĻž āĻĒāϰ⧀āĻ•ā§āώāĻžāϝāĻŧ āωāĻ¤ā§āϤ⧀āĻ°ā§āĻŖ āĻšāύ āϤāĻžāρāĻĻ⧇āϰ āφāĻŦ⧇āĻĻāύ āĻĒāĻ°ā§āϝāĻžāϞ⧋āϚāύāĻž āĻ•āϰāĻž āĻšāϝāĻŧ (Clifford Chance).

āĻĒāĻžāĻ  2

āϏāĻŽāĻžāϧāĻžāύāϏāĻš āĻĒā§āϰāĻļā§āύ⧇āϰ āϧāϰāύ

Watson-Glaser-āϧāĻžāρāĻšā§‡āϰ āĻĒā§āϰāϤāĻŋāϟāĻŋ āĻ…āĻ‚āĻļ⧇āϰ āĻāĻ•āϟāĻŋ āĻ•āϰ⧇ āϏāĻŽāĻžāϧāĻžāύ āĻ•āϰāĻž āωāĻĻāĻžāĻšāϰāĻŖ, āϏāĻ™ā§āϗ⧇ āϏ⧇āχ āĻŦāĻŋāώāϝāĻŧāϟāĻŋ āϝāĻž āĻŦ⧇āĻļāĻŋāϰ āĻ­āĻžāϗ⧇āϰ āĻ•āĻžāϛ⧇ āϏāĻŦāĻšā§‡āϝāĻŧ⧇ āĻ•āĻ āĻŋāύ āĻŽāύ⧇ āĻšāϝāĻŧāĨ¤

1. Inference: āϏāĻŽā§āĻ­āĻŦāϤ āϏāĻ¤ā§āϝāĨ¤ āϤāĻĨā§āϝ: āϤāĻžāĻĒāĻŽāĻžāĻ¤ā§āϰāĻž āĻšāĻŋāĻŽāĻžāĻ™ā§āϕ⧇āϰ āύāĻŋāĻšā§‡ āύ⧇āĻŽā§‡ āϝāĻžāĻ“āϝāĻŧāĻžāϰ āϏāĻĒā§āϤāĻžāĻšā§‡ āĻāĻ•āϟāĻŋ āĻ•ā§āϝāĻžāĻĢ⧇āϰ āĻ—āϰāĻŽ āĻĒāĻžāύ⧀āϝāĻŧ⧇āϰ āĻŦāĻŋāĻ•ā§āϰāĻŋ āωāĻ˛ā§āϞ⧇āĻ–āϝ⧋āĻ—ā§āϝāĻ­āĻžāĻŦ⧇ āĻŦ⧇āĻĄāĻŧ⧇āĻ›āĻŋāϞāĨ¤ āĻ…āύ⧁āĻŽāĻžāύ: āĻ āĻžāĻ¨ā§āĻĄāĻž āφāĻŦāĻšāĻžāĻ“āϝāĻŧāĻž āĻŦāĻŋāĻ•ā§āϰāĻŋ āĻŦāĻžāĻĄāĻŧāĻžāϤ⧇ āϏāĻžāĻšāĻžāĻ¯ā§āϝ āĻ•āϰ⧇āĻ›āĻŋāϞāĨ¤ āωāĻ¤ā§āϤāϰ: āϏāĻŽā§āĻ­āĻŦāϤ āϏāĻ¤ā§āϝāĨ¤ āϏāĻžāϧāĻžāϰāĻŖ āĻœā§āĻžāĻžāύ āĻŦāϞ⧇, āĻ āĻžāĻ¨ā§āĻĄāĻž āφāĻŦāĻšāĻžāĻ“āϝāĻŧāĻžāϝāĻŧ āĻŽāĻžāύ⧁āώ āĻŦ⧇āĻļāĻŋ āĻ—āϰāĻŽ āĻĒāĻžāύ⧀āϝāĻŧ āϕ⧇āύ⧇, āĻāĻŦāĻ‚ inference āĻ…āĻ‚āĻļ⧇ āĻāχ āĻœā§āĻžāĻžāύ āĻ•āĻžāĻœā§‡ āϞāĻžāĻ—āĻžāύ⧋ āϝāĻžāϝāĻŧāĨ¤ āϤāĻŦ⧇ āϤāĻĨā§āϝ āĻĨ⧇āϕ⧇ āĻ…āĻ¨ā§āϝ āĻ•āĻžāϰāĻŖ, āϝ⧇āĻŽāύ āĻĒā§āϰāϚāĻžāϰāĻŽā§‚āϞāĻ• āĻ…āĻĢāĻžāϰ, āĻŦāĻžāĻĻ āĻĻ⧇āĻ“āϝāĻŧāĻž āϝāĻžāϝāĻŧ āύāĻžāĨ¤ āϤāĻžāχ āύāĻŋāĻļā§āϚāĻŋāϤāĻ­āĻžāĻŦ⧇ āϏāĻ¤ā§āϝ āύāϝāĻŧāĨ¤

2. Inference: āĻĒāĻ°ā§āϝāĻžāĻĒā§āϤ āϤāĻĨā§āϝ āύ⧇āχāĨ¤ āĻāĻ•āχ āϤāĻĨā§āϝāĨ¤ āĻ…āύ⧁āĻŽāĻžāύ: āĻ•ā§āϝāĻžāĻĢ⧇āϟāĻŋ āĻļāĻšāϰ⧇āϰ āϕ⧇āĻ¨ā§āĻĻā§āϰ⧇ āĻ…āĻŦāĻ¸ā§āĻĨāĻŋāϤāĨ¤ āϤāĻĨā§āϝ⧇āϰ āϕ⧋āύāĻ“ āĻ•āĻŋāϛ⧁āχ āĻāχ āĻĻāĻžāĻŦāĻŋāϰ āĻĒāĻ•ā§āώ⧇ āĻŦāĻž āĻŦāĻŋāĻĒāĻ•ā§āώ⧇ āχāĻ™ā§āĻ—āĻŋāϤ āĻĻ⧇āϝāĻŧ āύāĻž, āφāϰ āϏāĻžāϧāĻžāϰāĻŖ āĻœā§āĻžāĻžāύāĻ“ āϏāĻžāĻšāĻžāĻ¯ā§āϝ āĻ•āϰ⧇ āύāĻžāĨ¤ āωāĻ¤ā§āϤāϰ: āĻĒāĻ°ā§āϝāĻžāĻĒā§āϤ āϤāĻĨā§āϝ āύ⧇āχāĨ¤ āĻĢāĻžāρāĻĻ: āĻ…āύ⧁āĻŽāĻžāύāϟāĻŋ āĻ…āĻŦāĻžāĻ¸ā§āϤāĻŦ āĻŽāύ⧇ āĻšāĻ“āϝāĻŧāĻžāϝāĻŧ "āϏāĻŽā§āĻ­āĻŦāϤ āĻŽāĻŋāĻĨā§āϝāĻž" āĻŦ⧇āϛ⧇ āύ⧇āĻ“āϝāĻŧāĻžāĨ¤ āϕ⧋āύāĻ“ āĻ•āĻŋāϛ⧁āϕ⧇ āϏāĻŽā§āĻ­āĻŦāϤ āĻŽāĻŋāĻĨā§āϝāĻž āĻŦāϞāϤ⧇ āĻšāϞ⧇, āϤāĻĨā§āϝ⧇āϰ āĻŽāĻ§ā§āϝ⧇ āϏ⧇āϟāĻŋ āύāĻŋāϝāĻŧ⧇ āϏāĻ¨ā§āĻĻ⧇āĻš āĻ•āϰāĻžāϰ āĻ•āĻŋāϛ⧁ āĻ•āĻžāϰāĻŖ āĻĨāĻžāĻ•āĻž āĻĻāϰāĻ•āĻžāϰāĨ¤

3. āĻ…āύ⧁āĻŽāĻžāύ āĻļāύāĻžāĻ•ā§āϤ āĻ•āϰāĻžāĨ¤ āĻŦāĻ•ā§āϤāĻŦā§āϝ: "āϚāϞ⧁āύ āĻĒā§āϰāĻļāĻŋāĻ•ā§āώāĻŖāϟāĻŋ āĻ…āύāϞāĻžāχāύ⧇ āĻ•āϰāĻŋ, āϝāĻžāϤ⧇ āφāϰāĻ“ āĻŦ⧇āĻļāĻŋ āĻ•āĻ°ā§āĻŽā§€ āĻ…āĻ‚āĻļ āύāĻŋāϤ⧇ āĻĒāĻžāϰ⧇āύāĨ¤" āĻĒā§āϰāĻ¸ā§āϤāĻžāĻŦāĻŋāϤ āĻ…āύ⧁āĻŽāĻžāύ: āϝ⧇āϏāĻŦ āĻ•āĻ°ā§āĻŽā§€ āϏāĻļāϰ⧀āϰ⧇ āφāϏāϤ⧇ āĻĒāĻžāϰāĻŦ⧇āύ āύāĻž, āϤāĻžāρāĻĻ⧇āϰ āĻŽāĻ§ā§āϝ⧇ āϕ⧇āω āϕ⧇āω āĻ…āύāϞāĻžāχāύ⧇ āĻ…āĻ‚āĻļ āύāĻŋāϤ⧇ āĻĒāĻžāϰāĻŦ⧇āύāĨ¤ āĻ…āύ⧁āĻŽāĻžāύāϟāĻŋ āĻ•āϰāĻž āĻšāϝāĻŧ⧇āϛ⧇, āĻ•āĻžāϰāĻŖ āĻāϟāĻŋ āϏāĻ¤ā§āϝ āύāĻž āĻšāϞ⧇ āĻĒāϰāĻŋāĻ•āĻ˛ā§āĻĒāύāĻžāϟāĻŋ āĻ•āĻžāϜ āĻ•āϰāĻŦ⧇ āύāĻžāĨ¤ āĻĒā§āϰāĻ¸ā§āϤāĻžāĻŦāĻŋāϤ āĻ…āύ⧁āĻŽāĻžāύ: āĻ…āύāϞāĻžāχāύ āĻĒā§āϰāĻļāĻŋāĻ•ā§āώāĻŖ āϏāĻļāϰ⧀āϰ⧇ āĻĒā§āϰāĻļāĻŋāĻ•ā§āώāϪ⧇āϰ āĻšā§‡āϝāĻŧ⧇ āĻ­āĻžāϞ⧋āĨ¤ āĻ…āύ⧁āĻŽāĻžāύāϟāĻŋ āĻ•āϰāĻž āĻšāϝāĻŧāύāĻŋ: āĻŦāĻ•ā§āϤāĻŦā§āϝāϟāĻŋ āĻ…āĻ‚āĻļāĻ—ā§āϰāĻšāϪ⧇āϰ āĻŦāĻŋāώāϝāĻŧ⧇, āĻĒā§āϰāĻļāĻŋāĻ•ā§āώāϪ⧇āϰ āĻŽāĻžāύ⧇āϰ āĻŦāĻŋāώāϝāĻŧ⧇ āύāϝāĻŧāĨ¤ āĻĢāĻžāρāĻĻ: āĻŦāĻ•ā§āϤāĻž āϏāĻŽā§āĻ­āĻŦāϤ āϝ⧇ āϕ⧋āύāĻ“ āĻ•āĻĨāĻžāϝāĻŧ āĻāĻ•āĻŽāϤ āĻšāĻŦ⧇āύ, āϏ⧇āϟāĻŋāχ āĻŽā§‡āύ⧇ āύ⧇āĻ“āϝāĻŧāĻžāĨ¤

4. DeductionāĨ¤ āĻŦāĻ•ā§āϤāĻŦā§āϝ: "āĻŦāĻžāĻœā§‡āĻŸā§‡āϰ āĻŦ⧇āĻļāĻŋ āĻ–āϰāϚ āĻšāĻ“āϝāĻŧāĻž āϏāĻŦ āĻĒā§āϰāĻ•āĻ˛ā§āĻĒ āĻĒāĻ°ā§āϝāĻžāϞ⧋āϚāύāĻž āĻ•āϰāĻž āĻšāϝāĻŧāĨ¤ Project Delta āĻĒāĻ°ā§āϝāĻžāϞ⧋āϚāύāĻž āĻ•āϰāĻž āĻšāϝāĻŧ⧇āĻ›āĻŋāϞāĨ¤" āωāĻĒāϏāĻ‚āĻšāĻžāϰ: Project Delta-āϰ āĻ–āϰāϚ āĻŦāĻžāĻœā§‡āĻŸā§‡āϰ āĻŦ⧇āĻļāĻŋ āĻ›āĻŋāϞāĨ¤ āĻāϟāĻŋ āĻ…āύ⧁āϏāϰāĻŖ āĻ•āϰ⧇ āύāĻž: āĻ…āĻ¨ā§āϝ āĻ•āĻžāϰāϪ⧇āĻ“ āĻĒā§āϰāĻ•āĻ˛ā§āĻĒ āĻĒāĻ°ā§āϝāĻžāϞ⧋āϚāύāĻž āĻ•āϰāĻž āĻšāϤ⧇ āĻĒāĻžāϰ⧇āĨ¤ āύāĻŋāϝāĻŧāĻŽāϟāĻŋ āĻļ⧁āϧ⧁ āĻāĻ• āĻĻāĻŋāϕ⧇āχ āĻĒā§āϰāϝ⧋āĻœā§āϝāĨ¤ āĻāχ āϧāϰāύ⧇āϰ āφāϰāĻ“ āωāĻĻāĻžāĻšāϰāϪ⧇āϰ āϜāĻ¨ā§āϝ āφāĻŽāĻžāĻĻ⧇āϰ syllogisms guide āĻĻ⧇āϖ⧁āύāĨ¤

5. InterpretationāĨ¤ āĻ…āύ⧁āĻšā§āϛ⧇āĻĻ: āĻ•āĻ°ā§āĻŽā§€ āĻĒāϰāĻŋāĻŦāĻ°ā§āϤāύ⧇āϰ āĻšāĻžāϰ 2024 āϏāĻžāϞ⧇ 18% āĻāĻŦāĻ‚ 2025 āϏāĻžāϞ⧇ 12% āĻ›āĻŋāϞ; 2025 āϏāĻžāϞ⧇āϰ āĻļ⧁āϰ⧁āϤ⧇ āύāĻŽāύ⧀āϝāĻŧ āĻ•āĻ°ā§āĻŽāϘāĻŖā§āϟāĻž āϚāĻžāϞ⧁ āĻ•āϰāĻž āĻšāϝāĻŧ⧇āĻ›āĻŋāϞāĨ¤ āωāĻĒāϏāĻ‚āĻšāĻžāϰ: 2024 āϏāĻžāϞ⧇āϰ āĻšā§‡āϝāĻŧ⧇ 2025 āϏāĻžāϞ⧇ āĻ•āĻ°ā§āĻŽā§€ āĻĒāϰāĻŋāĻŦāĻ°ā§āϤāύ⧇āϰ āĻšāĻžāϰ āĻ•āĻŽ āĻ›āĻŋāϞāĨ¤ āϝ⧁āĻ•ā§āϤāĻŋāϏāĻ™ā§āĻ—āϤ āϏāĻ¨ā§āĻĻ⧇āĻšā§‡āϰ āϊāĻ°ā§āĻ§ā§āĻŦ⧇, āĻāϟāĻŋ āĻ…āύ⧁āϏāϰāĻŖ āĻ•āϰ⧇āĨ¤ āωāĻĒāϏāĻ‚āĻšāĻžāϰ: āύāĻŽāύ⧀āϝāĻŧ āĻ•āĻ°ā§āĻŽāϘāĻŖā§āϟāĻžāϰ āĻ•āĻžāϰāϪ⧇ āĻšāĻžāϰ āĻ•āĻŽā§‡āĻ›āĻŋāϞāĨ¤ āĻāϟāĻŋ āĻ…āύ⧁āϏāϰāĻŖ āĻ•āϰ⧇ āύāĻž: āϏāĻŽāϝāĻŧ⧇āϰ āĻŽāĻŋāϞ āφāϛ⧇, āĻ•āĻŋāĻ¨ā§āϤ⧁ āĻ…āύ⧁āĻšā§āϛ⧇āĻĻ⧇ āĻ…āĻ¨ā§āϝ āĻ•āĻžāϰāϪ⧇āϰ āϏāĻŽā§āĻ­āĻžāĻŦāύāĻž āĻŦāĻžāĻĻ āĻĻ⧇āĻ“āϝāĻŧāĻž āĻšāϝāĻŧāύāĻŋāĨ¤ āĻĢāĻžāρāĻĻ: āϘāϟāύāĻžāϗ⧁āϞāĻŋāϰ āϧāĻžāϰāĻžāĻŦāĻžāĻšāĻŋāĻ•āϤāĻžāϰ āĻŽāĻ§ā§āϝ⧇ āĻ•āĻžāϰāĻŖ āϖ⧁āρāĻœā§‡ āύ⧇āĻ“āϝāĻŧāĻžāĨ¤

6. āϝ⧁āĻ•ā§āϤāĻŋ āĻŽā§‚āĻ˛ā§āϝāĻžāϝāĻŧāύāĨ¤ āĻĒā§āϰāĻļā§āύ: "āĻļāĻšāϰ⧇āϰ āĻŦāĻžāϏ⧇ āϝāĻžāϤāĻžāϝāĻŧāĻžāϤ āĻ•āĻŋ āĻŦāĻŋāύāĻžāĻŽā§‚āĻ˛ā§āϝ⧇ āĻ•āϰāĻž āωāϚāĻŋāϤ?" āϝ⧁āĻ•ā§āϤāĻŋ: "āĻšā§āϝāĻžāρ; āĻŦāĻžāϏ⧇ āϝāĻžāϤāĻžāϝāĻŧāĻžāϤ āĻŦāĻŋāύāĻžāĻŽā§‚āĻ˛ā§āϝ⧇ āĻšāϞ⧇ āĻļāĻšāϰ⧇āϰ āϕ⧇āĻ¨ā§āĻĻā§āϰ⧇ āĻ—āĻžāĻĄāĻŧāĻŋāϰ āϚāϞāĻžāϚāϞ āĻ•āĻŽāĻŦ⧇ āĻāĻŦāĻ‚ āϝāĻžāύāϜāϟāĻ“ āĻ•āĻŽāĻŦ⧇āĨ¤" āĻļāĻ•ā§āϤāĻŋāĻļāĻžāϞ⧀: Pearson-āĻāϰ āĻĒ⧁āĻ¸ā§āϤāĻŋāĻ•āĻžāϝāĻŧ āĻŦāϞāĻž āĻšāϝāĻŧ⧇āϛ⧇, āĻļāĻ•ā§āϤāĻŋāĻļāĻžāϞ⧀ āϝ⧁āĻ•ā§āϤāĻŋ "āĻĒā§āϰāĻļā§āύāϟāĻŋāϰ āϏāĻ™ā§āϗ⧇ āϗ⧁āϰ⧁āĻ¤ā§āĻŦāĻĒā§‚āĻ°ā§āĻŖ āĻāĻŦāĻ‚ āϏāϰāĻžāϏāϰāĻŋ āϏāĻŽā§āĻĒāĻ°ā§āĻ•āĻŋāϤ - āĻĻ⧁āĻŸā§‹āχ āĻšāϤ⧇ āĻšāĻŦ⧇", āĻāĻŦāĻ‚ āϝ⧁āĻ•ā§āϤāĻŋāϟāĻŋāϕ⧇ āϏāĻ¤ā§āϝ āĻŦāϞ⧇ āϧāϰ⧇ āύāĻŋāϤ⧇ āĻšāĻŦ⧇āĨ¤ āϝ⧁āĻ•ā§āϤāĻŋ: "āύāĻž; āĻŦāĻžāϏ āĻ•āĻ–āύāĻ“ āĻ•āĻ–āύāĻ“ āĻĻ⧇āϰāĻŋ āĻ•āϰ⧇āĨ¤" āĻĻ⧁āĻ°ā§āĻŦāϞ: āĻŦāĻžāϏ āĻĻ⧇āϰāĻŋ āĻ•āϰ⧇ āĻ•āĻŋ āύāĻž, āĻ­āĻžāĻĄāĻŧāĻž āύ⧇āĻ“āϝāĻŧāĻž āωāϚāĻŋāϤ āĻ•āĻŋ āύāĻž āϤāĻžāϰ āϏāĻ™ā§āϗ⧇ āĻāϰ āϕ⧋āύāĻ“ āϏāĻŽā§āĻĒāĻ°ā§āĻ• āύ⧇āχāĨ¤

āĻĒāĻžāĻ  3

āϕ⧀āĻ­āĻžāĻŦ⧇ āĻĒā§āϰāĻ¸ā§āϤ⧁āϤāĻŋ āύ⧇āĻŦ⧇āύ

  1. āĻĻā§āϰ⧁āϤ āĻ…āύ⧁āĻļā§€āϞāύ āĻļ⧁āϰ⧁āϰ āφāϗ⧇ āĻĒā§āϰāϤāĻŋāϟāĻŋ āĻ…āĻ‚āĻļ⧇āϰ āύāĻŋāϝāĻŧāĻŽ āĻļāĻŋāϖ⧇ āύāĻŋāύāĨ¤ āĻĒā§āϰāϤāĻŋāϟāĻŋ āĻ…āĻ‚āĻļ⧇ āωāĻ¤ā§āϤāϰ āĻĻ⧇āĻ“āϝāĻŧāĻžāϰ āϧāϰāύ āφāϞāĻžāĻĻāĻžāĨ¤ āĻāĻ• āĻ…āĻ‚āĻļ⧇āϰ āϝ⧁āĻ•ā§āϤāĻŋ āĻ…āĻ¨ā§āϝ āĻ…āĻ‚āĻļ⧇ āĻĒā§āϰāϝāĻŧā§‹āĻ— āĻ•āϰāĻžāχ āύāĻŽā§āĻŦāϰ āĻšāĻžāϰāĻžāύ⧋āϰ āϏāĻŦāĻšā§‡āϝāĻŧ⧇ āϏāĻžāϧāĻžāϰāĻŖ āĻ•āĻžāϰāĻŖāĨ¤
  2. āύāĻŋāĻœā§‡āϰ āĻ—āϤāĻŋ āĻŦ⧁āĻā§‡ āύāĻŋāύāĨ¤ 30 āĻĨ⧇āϕ⧇ 40 āĻŽāĻŋāύāĻŋāĻŸā§‡ 40āϟāĻŋ āĻĒā§āϰāĻļā§āύ āĻšāϞ⧇, āĻĒā§āϰāϤāĻŋāϟāĻŋ āĻĒā§āϰāĻļā§āύ⧇āϰ āϜāĻ¨ā§āϝ 45 āĻĨ⧇āϕ⧇ 60 āϏ⧇āϕ⧇āĻ¨ā§āĻĄ āĻĒāĻžāĻ“āϝāĻŧāĻž āϝāĻžāϝāĻŧ (TalentLens)āĨ¤ āφāĻĒāύāĻžāϰ āφāĻŽāĻ¨ā§āĻ¤ā§āϰāĻŖāĻĒāĻ¤ā§āϰ⧇ āϏāĻ āĻŋāĻ• āϏāĻŽāϝāĻŧ āϜāĻžāύāĻžāύ⧋ āĻšāĻŦ⧇; āĻ•āĻŽ āϏāĻŽāϝāĻŧ āϧāϰ⧇ āĻ…āύ⧁āĻļā§€āϞāύ āĻ•āϰ⧁āύāĨ¤
  3. āĻ…āύ⧁āĻŽāĻžāύāĻ­āĻŋāĻ¤ā§āϤāĻŋāĻ• āϏāĻŋāĻĻā§āϧāĻžāĻ¨ā§āϤ⧇ āϕ⧇āĻŦāϞ āϏāĻžāϧāĻžāϰāĻŖ āĻœā§āĻžāĻžāύ āĻŦā§āϝāĻŦāĻšāĻžāϰ āĻ•āϰ⧁āύāĨ¤ Pearson-āĻāϰ āĻĒ⧁āĻ¸ā§āϤāĻŋāĻ•āĻžāϝāĻŧ āĻ…āύ⧁āĻŽāĻžāύ⧇āϰ āĻ•ā§āώ⧇āĻ¤ā§āϰ⧇ "āϏāĻžāϧāĻžāϰāĻŖāĻ­āĻžāĻŦ⧇ āĻ¸ā§āĻŦā§€āĻ•ā§ƒāϤ āĻœā§āĻžāĻžāύ" āĻŦā§āϝāĻŦāĻšāĻžāϰ āĻ•āϰāĻžāϰ āĻ…āύ⧁āĻŽāϤāĻŋ āφāϛ⧇āĨ¤ āĻ…āĻ¨ā§āϝ āĻ…āĻ‚āĻļāϗ⧁āϞ⧋āϤ⧇ āĻŦāĻŋāĻŦ⧃āϤāĻŋāϗ⧁āϞ⧋āϕ⧇ āϏāĻ¤ā§āϝ āϧāϰ⧇ āύāĻŋāύ āĻāĻŦāĻ‚ āϏ⧇āϗ⧁āϞ⧋āϤ⧇ āϝāĻž āĻŦāϞāĻž āφāϛ⧇, āĻļ⧁āϧ⧁ āϏ⧇āϟāĻžāχ āĻŦā§āϝāĻŦāĻšāĻžāϰ āĻ•āϰ⧁āύāĨ¤
  4. āϏāĻŽā§āĻ­āĻŦāϤ āϏāĻ¤ā§āϝ āĻāĻŦāĻ‚ āϤāĻĨā§āϝ āĻ…āĻĒāĻ°ā§āϝāĻžāĻĒā§āϤ - āĻāχ āĻĒāĻžāĻ°ā§āĻĨāĻ•ā§āϝāϟāĻŋ āĻ­āĻžāϞ⧋āĻ­āĻžāĻŦ⧇ āĻŦ⧁āĻā§āύāĨ¤ āϏāĻŽā§āĻ­āĻŦāϤ āϏāĻ¤ā§āϝ āĻŦāϞāϤ⧇ āϤāĻĨā§āϝāϗ⧁āϞ⧋ āϏ⧇āχ āĻĻāĻŋāϕ⧇āχ āχāĻ™ā§āĻ—āĻŋāϤ āĻ•āϰāĻž āĻĻāϰāĻ•āĻžāϰāĨ¤ āϤāĻĨā§āϝ āĻ…āĻĒāĻ°ā§āϝāĻžāĻĒā§āϤ āĻŽāĻžāύ⧇ āϤāĻĨā§āϝ āĻĨ⧇āϕ⧇ āϕ⧋āύ⧋ āĻ­āĻŋāĻ¤ā§āϤāĻŋāχ āĻĒāĻžāĻ“āϝāĻŧāĻž āϝāĻžāϝāĻŧ āύāĻžāĨ¤
  5. "some", "all", "only" āĻāĻŦāĻ‚ "most"-āĻāϰ āĻĻāĻŋāϕ⧇ āϖ⧇āϝāĻŧāĻžāϞ āϰāĻžāϖ⧁āύāĨ¤ āĻāχ āĻļāĻŦā§āĻĻāϗ⧁āϞ⧋ āĻŦ⧇āĻļāĻŋāϰ āĻ­āĻžāĻ— āĻ…āĻŦāϰ⧋āĻšāĻŽā§‚āϞāĻ• āϝ⧁āĻ•ā§āϤāĻŋāϰ āĻĒā§āϰāĻļā§āύ⧇āϰ āωāĻ¤ā§āϤāϰ āύāĻŋāĻ°ā§āϧāĻžāϰāĻŖ āĻ•āϰ⧇āĨ¤ "Some" āĻŽāĻžāύ⧇ āĻ…āĻ¨ā§āϤāϤ āĻāĻ•āϟāĻŋ, āĻāϰ āĻŦ⧇āĻļāĻŋ āĻ•āĻŋāϛ⧁ āύāϝāĻŧāĨ¤
  6. āϝ⧁āĻ•ā§āϤāĻŋāϗ⧁āϞ⧋ āĻĒā§āϰāĻžāϏāĻ™ā§āĻ—āĻŋāĻ•āϤāĻž āĻ“ āϗ⧁āϰ⧁āĻ¤ā§āĻŦ⧇āϰ āĻ­āĻŋāĻ¤ā§āϤāĻŋāϤ⧇ āĻŦāĻŋāϚāĻžāϰ āĻ•āϰ⧁āύ, āφāĻĒāύāĻŋ āϏ⧇āϗ⧁āϞ⧋āϰ āϏāĻ™ā§āϗ⧇ āĻāĻ•āĻŽāϤ āĻ•āĻŋ āύāĻž āϤāĻžāϰ āĻ­āĻŋāĻ¤ā§āϤāĻŋāϤ⧇ āύāϝāĻŧāĨ¤ āĻĒā§āϰāϤāĻŋāϟāĻŋ āϝ⧁āĻ•ā§āϤāĻŋāϕ⧇ āϏāĻ¤ā§āϝ āϧāϰ⧇ āύāĻŋāϝāĻŧ⧇ āĻ­āĻžāĻŦ⧁āύ, āϏ⧇āϟāĻŋ āĻĒā§āϰāĻļā§āύāϟāĻŋāϰ āϏāĻ™ā§āϗ⧇ āϏāϰāĻžāϏāϰāĻŋ āϏāĻŽā§āĻĒāĻ°ā§āĻ•āĻŋāϤ āĻ•āĻŋ āύāĻžāĨ¤
  7. āĻŦāĻŋāύāĻžāĻŽā§‚āĻ˛ā§āϝ⧇āϰ āϏāϰāĻ•āĻžāϰāĻŋ āĻ…āύ⧁āĻļā§€āϞāύ⧀ āĻĒāϰ⧀āĻ•ā§āώāĻž āĻĻāĻŋāύāĨ¤ TalentLens āĻāϟāĻŋ āĻĻ⧇āϝāĻŧāĨ¤ āĻāϰ āĻŽāĻžāĻ§ā§āϝāĻŽā§‡ āύāĻŋāĻ°ā§āĻĻ⧇āĻļāύāĻž āĻ“ āĻ¸ā§āĻ•ā§āϰāĻŋāύāϗ⧁āϞ⧋āϰ āϏāĻ™ā§āϗ⧇ āĻĒāϰāĻŋāϚāĻŋāϤ āĻšāĻ“āϝāĻŧāĻž āϝāĻžāϝāĻŧ (TalentLens)āĨ¤
  8. āĻĒāϰ⧀āĻ•ā§āώāĻžāϰ āĻĻāĻŋāύ āύāĻŋāĻ°ā§āĻĻ⧇āĻļāύāĻž āĻĒāĻĄāĻŧ⧁āύāĨ¤ āĻĒā§āϰāϤāĻŋāϟāĻŋ āĻ…āĻ‚āĻļ⧇ āϤāĻžāϰ āύāĻŋāϝāĻŧāĻŽāϗ⧁āϞ⧋ āφāĻŦāĻžāϰ āĻŦāϞāĻž āĻšāϝāĻŧāĨ¤ āϏ⧇āĻ–āĻžāύ⧇ āĻ•āϝāĻŧ⧇āĻ• āϏ⧇āϕ⧇āĻ¨ā§āĻĄ āĻĻāĻŋāϞ⧇ āĻŦ⧇āĻļ āĻ•āϝāĻŧ⧇āĻ•āϟāĻŋ āϭ⧁āϞ āωāĻ¤ā§āϤāϰ āĻāĻĄāĻŧāĻžāύ⧋ āϝāĻžāϝāĻŧāĨ¤
āĻĒāĻžāĻ  4

āϏāĻžāϧāĻžāϰāĻŖāϤ āĻ¸ā§āϕ⧋āϰ āϕ⧀āĻ­āĻžāĻŦ⧇ āĻ•āϰāĻž āĻšāϝāĻŧ

āĻ•āĻžāρāϚāĻž āĻ¸ā§āϕ⧋āϰāĨ¤ Pearson-āĻāϰ āĻ•āĻžāĻ°ā§āϝāĻ•āĻžāϰāĻŋāϤāĻž āĻĒā§āϰāϤāĻŋāĻŦ⧇āĻĻāύ⧇ āĻŦā§āϝāĻžāĻ–ā§āϝāĻž āĻ•āϰāĻž āĻšāϝāĻŧ⧇āϛ⧇, 40āϟāĻŋ āĻĒā§āϰāĻļā§āύ⧇āϰ āĻĒā§āϰāϤāĻŋāϟāĻŋāϰ āωāĻ¤ā§āϤāϰ āϏāĻ āĻŋāĻ• āĻŦāĻž āϭ⧁āϞ āĻšāĻŋāϏ⧇āĻŦ⧇ āĻ—āĻŖā§āϝ āĻšāϝāĻŧāĨ¤ āĻāϤ⧇ 0 āĻĨ⧇āϕ⧇ 40-āĻāϰ āĻŽāĻ§ā§āϝ⧇ āĻāĻ•āϟāĻŋ āĻ•āĻžāρāϚāĻž āĻ¸ā§āϕ⧋āϰ āĻĒāĻžāĻ“āϝāĻŧāĻž āϝāĻžāϝāĻŧāĨ¤ āĻĒā§āϰāϤāĻŋāĻŦ⧇āĻĻāύ⧇ āĻāĻ“ āĻŦāϞāĻž āĻšāϝāĻŧ⧇āϛ⧇, āĻļ⧁āϧ⧁ āĻ•āĻžāρāϚāĻž āĻ¸ā§āϕ⧋āϰ āĻĨ⧇āϕ⧇ āϖ⧁āĻŦ āĻŦ⧇āĻļāĻŋ āĻ•āĻŋāϛ⧁ āĻŦā§‹āĻāĻž āϝāĻžāϝāĻŧ āύāĻž (Pearson)āĨ¤

āύāĻ°ā§āĻŽ āĻ—ā§āϰ⧁āĻĒ⧇āϰ āϤ⧁āϞāύāĻžāϝāĻŧ āĻĒāĻžāĻ°ā§āϏ⧇āĻ¨ā§āϟāĻžāχāϞāĨ¤ āĻ•āĻžāρāϚāĻž āĻ¸ā§āϕ⧋āϰ⧇āϰ āϏāĻ™ā§āϗ⧇ āĻāĻ•āϟāĻŋ āύāĻ°ā§āĻŽ āĻ—ā§āϰ⧁āĻĒ⧇āϰ āϤ⧁āϞāύāĻž āĻ•āϰāĻž āĻšāϝāĻŧāĨ¤ āĻāĻ•āχ āĻĒā§āϰāϤāĻŋāĻŦ⧇āĻĻāύ⧇ āĻāĻ•āϟāĻŋ āωāĻĻāĻžāĻšāϰāĻŖ āĻĻ⧇āĻ“āϝāĻŧāĻž āĻšāϝāĻŧ⧇āϛ⧇: āĻŽā§āϝāĻžāύ⧇āϜāĻžāϰāĻĻ⧇āϰ āύāĻ°ā§āĻŽā§‡āϰ āϤ⧁āϞāύāĻžāϝāĻŧ 35 āĻ•āĻžāρāϚāĻž āĻ¸ā§āϕ⧋āϰ āĻšāϞ⧇ āĻĒāĻžāĻ°ā§āϏ⧇āĻ¨ā§āϟāĻžāχāϞ āĻ°â€ā§āϝāĻžāĻ™ā§āĻ• āĻšāĻŦ⧇ 86āĨ¤ āĻāϰ āĻŽāĻžāύ⧇, āĻ“āχ āĻŦā§āϝāĻ•ā§āϤāĻŋ āĻĒā§āϰāĻžāϝāĻŧ 86% āĻŽā§āϝāĻžāύ⧇āϜāĻžāϰ⧇āϰ āϏāĻŽāĻžāύ āĻŦāĻž āϤāĻžāϰ āĻšā§‡āϝāĻŧ⧇ āĻ­āĻžāϞ⧋ āĻ¸ā§āϕ⧋āϰ āĻ•āϰ⧇āϛ⧇āύāĨ¤ āĻāϟāĻŋ āĻĒā§āϰāĻ•āĻžāĻļāϕ⧇āϰ āĻĻ⧇āĻ“āϝāĻŧāĻž āωāĻĻāĻžāĻšāϰāĻŖ, āĻĒāĻžāϏ āύāĻŽā§āĻŦāϰ āύāϝāĻŧāĨ¤ āĻĒā§āϰāϤāĻŋāĻŦ⧇āĻĻāύ⧇ āĻŦāϞāĻž āĻšāϝāĻŧ⧇āϛ⧇, Watson-Glaser-āĻāϰ āϏāĻ™ā§āϗ⧇ Pearson āϤ⧈āϰāĻŋ 18āϟāĻŋ āύāĻ°ā§āĻŽ āĻĻ⧇āĻ“āϝāĻŧāĻž āĻšāϝāĻŧāĨ¤ āĻāϤ⧇ āĻ…ā§āϝāĻžāĻ•āĻžāωāĻ¨ā§āĻŸā§āϝāĻžāĻ¨ā§āϟ āĻ“ āχāĻžā§āϜāĻŋāύāĻŋāϝāĻŧāĻžāϰ⧇āϰ āĻŽāϤ⧋ āĻĒ⧇āĻļāĻž āĻāĻŦāĻ‚ āĻļāĻŋāĻ•ā§āώāĻžāύāĻŦāĻŋāĻļ āĻ¸ā§āϤāϰ āĻĨ⧇āϕ⧇ āύāĻŋāĻ°ā§āĻŦāĻžāĻšā§€ āĻ¸ā§āϤāϰ āĻĒāĻ°ā§āϝāĻ¨ā§āϤ āĻ…āĻ¨ā§āϤāĻ°ā§āϭ⧁āĻ•ā§āϤ āϰāϝāĻŧ⧇āϛ⧇āĨ¤ āύāĻŋāϝāĻŧā§‹āĻ—āĻ•āĻ°ā§āϤāĻžāϰāĻž āύāĻŋāĻœā§‡āĻĻ⧇āϰ āύāĻ°ā§āĻŽāĻ“ āϤ⧈āϰāĻŋ āĻ•āϰāϤ⧇ āĻĒāĻžāϰ⧇āύāĨ¤

āϰāĻŋāĻĒā§‹āĻ°ā§āϟāĨ¤ TalentLens āϏāĻ āĻŋāĻ• āωāĻ¤ā§āϤāϰ⧇āϰ āϏāĻ‚āĻ–ā§āϝāĻž, T-score, stanine āĻ“ sten āĻ¸ā§āϕ⧋āϰ āĻāĻŦāĻ‚ Profile, Development āĻ“ Interview āϰāĻŋāĻĒā§‹āĻ°ā§āĻŸā§‡āϰ āĻ•āĻĨāĻž āωāĻ˛ā§āϞ⧇āĻ– āĻ•āϰ⧇āĨ¤ āϰāĻŋāĻĒā§‹āĻ°ā§āĻŸā§‡ āφāĻĒāύāĻžāϰ āϏāĻžāĻŽāĻ—ā§āϰāĻŋāĻ• āĻĢāϞ āĻāĻŦāĻ‚ āϤāĻŋāύāϟāĻŋ RED āĻ•ā§āώ⧇āĻ¤ā§āϰ⧇āϰ āĻĒā§āϰāϤāĻŋāϟāĻŋāϰ āĻ¸ā§āϕ⧋āϰ āĻĻ⧇āĻ–āĻžāύ⧋ āĻšāϤ⧇ āĻĒāĻžāϰ⧇ (TalentLens)āĨ¤

āϏāĻŦāĻžāϰ āϜāĻ¨ā§āϝ āĻĒā§āϰāϝ⧋āĻœā§āϝ āϕ⧋āύāĻ“ āĻĒāĻžāϏ āύāĻŽā§āĻŦāϰ āύ⧇āχāĨ¤ āĻĒā§āϰāϤāĻŋāϟāĻŋ āύāĻŋāϝāĻŧā§‹āĻ—āĻ•āĻ°ā§āϤāĻž āĻĒā§āϰāϤāĻŋāϟāĻŋ āĻĒāĻĻ⧇āϰ āϜāĻ¨ā§āϝ āύāĻŋāĻœā§‡āĻĻ⧇āϰ āϞāĻ•ā§āĻˇā§āϝ āύāĻŋāĻ°ā§āϧāĻžāϰāĻŖ āĻ•āϰ⧇āύāĨ¤

āφāĻŽāĻžāĻĻ⧇āϰ āĻ…āύ⧁āĻļā§€āϞāύ⧀ āĻ¸ā§āϕ⧋āϰ āĻšāϞ āφāĻŽāĻžāĻĻ⧇āϰ āύāĻŋāϜāĻ¸ā§āĻŦ āĻĒā§āϰāĻļā§āύāϗ⧁āϞāĻŋāϰ āĻŽāĻ§ā§āϝ⧇ āφāĻĒāύāĻŋ āϝāϤāϗ⧁āϞāĻŋ āϏāĻ āĻŋāĻ• āωāĻ¤ā§āϤāϰ āĻĻāĻŋāϝāĻŧ⧇āϛ⧇āύ āϤāĻžāϰ āϏāĻ‚āĻ–ā§āϝāĻž, āϏāĻ™ā§āϗ⧇ āĻŦāĻŋāĻ­āĻžāĻ—āĻ­āĻŋāĻ¤ā§āϤāĻŋāĻ• āĻŦāĻŋāĻŦāϰāĻŖāĨ¤ āĻāϟāĻŋ Watson-Glaser-āĻāϰ āĻ¸ā§āϕ⧋āϰ āύāϝāĻŧ āĻāĻŦāĻ‚ āĻĒāĻžāĻ°ā§āϏ⧇āĻ¨ā§āϟāĻžāχāϞ⧇āϰ āĻĒā§‚āĻ°ā§āĻŦāĻžāĻ­āĻžāϏ āĻĻ⧇āϝāĻŧ āύāĻžāĨ¤

āĻĒāĻžāĻ  5

Watson-Glaser-āϧāĻžāρāĻšā§‡āϰ āĻĒāϰ⧀āĻ•ā§āώāĻžāϝāĻŧ āϏāĻžāϧāĻžāϰāĻŖ āϭ⧁āϞ

  • āĻ…āύ⧁āĻŽāĻžāύ āĻŦāĻž āĻŦā§āϝāĻžāĻ–ā§āϝāĻžāϰ āĻ•ā§āώ⧇āĻ¤ā§āϰ⧇ āĻŦāĻžāχāϰ⧇āϰ āĻœā§āĻžāĻžāύ āĻŦā§āϝāĻŦāĻšāĻžāϰ āĻ•āϰāĻžāĨ¤ āϕ⧇āĻŦāϞ inference-āĻ āϏāĻžāϧāĻžāϰāĻŖ āĻœā§āĻžāĻžāύ āĻŦā§āϝāĻŦāĻšāĻžāϰ āĻ•āϰāĻž āϝāĻžāϝāĻŧāĨ¤
  • "probably"-āϕ⧇ "definitely" āĻšāĻŋāϏ⧇āĻŦ⧇ āϧāϰāĻžāĨ¤ inference āĻŦāĻŋāĻ­āĻžāϗ⧇ True āĻŽāĻžāύ⧇, āϝ⧁āĻ•ā§āϤāĻŋāϏāĻ‚āĻ—āϤ āϏāĻ¨ā§āĻĻ⧇āĻšā§‡āϰ āϊāĻ°ā§āĻ§ā§āĻŦ⧇ āĻ—āĻŋāϝāĻŧ⧇ āϏāĻŋāĻĻā§āϧāĻžāĻ¨ā§āϤāϟāĻŋ āĻŽā§‡āϞ⧇āĨ¤ āϏāĻ āĻŋāĻ• āĻŦāϞ⧇ āĻŽāύ⧇ āĻšāĻ“āϝāĻŧāĻž āĻŦ⧇āĻļāĻŋāϰ āĻ­āĻžāĻ— inference āϕ⧇āĻŦāϞ probably trueāĨ¤
  • āϕ⧋āύāĻ“ āϧāĻžāϰāĻŖāĻž āϝ⧁āĻ•ā§āϤāĻŋāϏāĻ‚āĻ—āϤ āĻŦāϞ⧇ āϏ⧇āϟāĻŋāϕ⧇ āϧāϰ⧇ āύ⧇āĻ“āϝāĻŧāĻž āĻšāϝāĻŧ⧇āϛ⧇ āĻŦāϞ⧇ āϚāĻŋāĻšā§āύāĻŋāϤ āĻ•āϰāĻžāĨ¤ āĻŦāĻŋāĻŦ⧃āϤāĻŋāϟāĻŋāϰ āύāĻŋāĻ°ā§āĻ­āϰ āĻ•āϰāϤ⧇ āĻšāĻŦ⧇ āĻ“āχ āϧāĻžāϰāĻŖāĻžāϟāĻŋāϰ āĻ“āĻĒāϰ; āĻŦāĻ•ā§āϤāĻžāĻ“ āĻšāϝāĻŧāϤ⧋ āϏ⧇āϟāĻŋ āĻŦāĻŋāĻļā§āĻŦāĻžāϏ āĻ•āϰ⧇āύ, āĻāĻŽāύ āĻšāϞ⧇āχ āĻšāĻŦ⧇ āύāĻžāĨ¤
  • āφāĻĒāύāĻžāϰ āϏāĻ™ā§āϗ⧇ āĻŽāϤ⧇āϰ āĻŽāĻŋāϞ āύ⧇āχ āĻŦāϞ⧇ āĻœā§‹āϰāĻžāϞ⧋ āϝ⧁āĻ•ā§āϤāĻŋ āĻŦāĻžāϤāĻŋāϞ āĻ•āϰāĻžāĨ¤ āϝ⧁āĻ•ā§āϤāĻŋāϟāĻŋāϕ⧇ āϏāĻ¤ā§āϝ āϧāϰ⧇ āύāĻŋāύāĨ¤ āϏ⧇āϟāĻŋ āϗ⧁āϰ⧁āĻ¤ā§āĻŦāĻĒā§‚āĻ°ā§āĻŖ āĻāĻŦāĻ‚ āĻŦāĻŋāώāϝāĻŧāϟāĻŋāϰ āϏāĻ™ā§āϗ⧇ āϏāϰāĻžāϏāϰāĻŋ āϏāĻŽā§āĻĒāĻ°ā§āĻ•āĻŋāϤ āĻšāϞ⧇, āϏ⧇āϟāĻŋ āĻœā§‹āϰāĻžāϞ⧋ āϝ⧁āĻ•ā§āϤāĻŋāĨ¤
  • "some"-āϕ⧇ "most" āĻšāĻŋāϏ⧇āĻŦ⧇ āĻĒāĻĄāĻŧāĻžāĨ¤ "Some managers are engineers" āĻĨ⧇āϕ⧇ āĻŦ⧇āĻļāĻŋāϰ āĻ­āĻžāĻ— āĻŽā§āϝāĻžāύ⧇āϜāĻžāϰ āϏāĻŽā§āĻĒāĻ°ā§āϕ⧇ āĻ•āĻŋāϛ⧁āχ āϜāĻžāύāĻž āϝāĻžāϝāĻŧ āύāĻžāĨ¤
  • inference āĻŦāĻŋāĻ­āĻžāϗ⧇ āϤāĻžāĻĄāĻŧāĻžāĻšā§āĻĄāĻŧā§‹ āĻ•āϰāĻžāĨ¤ āĻāĻ–āĻžāύ⧇ āĻĻ⧁āϟāĻŋ āύāϝāĻŧ, āĻĒāĻžāρāϚāϟāĻŋ āωāĻ¤ā§āϤāϰ āĻĨāĻžāϕ⧇, āϤāĻžāχ āĻĒā§āϰāϤāĻŋāϟāĻŋ āĻĒā§āϰāĻļā§āύ⧇ āĻāĻ•āϟ⧁ āĻŦ⧇āĻļāĻŋ āϏāĻŽāϝāĻŧ āϞāĻžāϗ⧇āĨ¤ āϏ⧇āχ āĻ…āύ⧁āϝāĻžāϝāĻŧā§€ āϏāĻŽāϝāĻŧ āĻ­āĻžāĻ— āĻ•āϰ⧇ āύāĻŋāύāĨ¤
āĻĒāĻžāĻ  6

āĻāχ āĻ…āύ⧁āĻļā§€āϞāύāϟāĻŋ āφāϏāϞ āĻĒāϰ⧀āĻ•ā§āώāĻžāϰ āϤ⧁āϞāύāĻžāϝāĻŧ āϕ⧇āĻŽāύ

āϝ⧇ āĻĻāĻŋāĻ•āϗ⧁āϞāĻŋāϰ āϏāĻ™ā§āϗ⧇ āĻŽāĻŋāϞ āφāϛ⧇āĨ¤ Watson-Glaser-āϧāĻžāρāĻšā§‡āϰ āĻĒāĻžāρāϚāϟāĻŋ āĻĒā§āϰāĻļā§āύ⧇āϰ āϧāϰāύāχ āϰāϝāĻŧ⧇āϛ⧇, āĻĒā§āϰāϤāĻŋāϟāĻŋāϰ āωāĻ¤ā§āϤāϰ āĻĻ⧇āĻ“āϝāĻŧāĻžāϰ āϧāϰāύ āφāϞāĻžāĻĻāĻžāĨ¤ āĻĒā§āϰāϤāĻŋāϟāĻŋ āĻĒā§āϰāĻļā§āύ⧇āϰ āϜāĻ¨ā§āϝ 45 āĻĨ⧇āϕ⧇ 60 seconds-āĻāϰ āĻĒā§āϰāĻ•ā§ƒāϤ āϏāĻŽāϝāĻŧāϏ⧀āĻŽāĻžāϰ āĻ•āĻžāĻ›āĻžāĻ•āĻžāĻ›āĻŋ āĻ—āϤāĻŋāĻ“ āϰāĻžāĻ–āĻž āĻšāϝāĻŧ⧇āϛ⧇āĨ¤ āĻĒā§āϰāϤāĻŋāϟāĻŋ āωāĻ¤ā§āϤāϰ⧇āϰ āĻŦā§āϝāĻžāĻ–ā§āϝāĻžāϝāĻŧ āϏāĻ‚āĻļā§āϞāĻŋāĻˇā§āϟ āĻ…āĻ‚āĻļ⧇āϰ āύāĻŋāϝāĻŧāĻŽ āϤ⧁āϞ⧇ āϧāϰāĻž āĻšāϝāĻŧ⧇āϛ⧇āĨ¤

āϝ⧇ āĻĻāĻŋāĻ•āϗ⧁āϞāĻŋāϰ āϏāĻ™ā§āϗ⧇ āĻŽāĻŋāϞ āύ⧇āχāĨ¤ Pearson-āĻāϰ āĻĒā§āϰāĻļā§āύ āĻ“ norms āϤāĻžāĻĻ⧇āϰ āύāĻŋāϜāĻ¸ā§āĻŦāĨ¤ āφāĻŽāϰāĻž āφāĻĒāύāĻžāϕ⧇ percentile āĻĻāĻŋāϤ⧇ āĻĒāĻžāϰāĻŋ āύāĻž, āφāϰ āφāĻŽāĻžāĻĻ⧇āϰ āĻĒā§āϰāĻļā§āύ Watson-Glaser āĻĨ⧇āϕ⧇ āύ⧇āĻ“āϝāĻŧāĻž āύāϝāĻŧāĨ¤ TalentLens-āĻāϰ āύāĻŋāϜāĻ¸ā§āĻŦ āĻŦāĻŋāύāĻžāĻŽā§‚āĻ˛ā§āϝ⧇āϰ āĻ…āύ⧁āĻļā§€āϞāύ⧀ āĻĒāϰ⧀āĻ•ā§āώāĻžāĻ“ āφāϏāϞ āĻĒāϰ⧀āĻ•ā§āώāĻž āύāϝāĻŧāĨ¤ TalentLens āϜāĻžāύāĻžāϝāĻŧ, āϏ⧇āϗ⧁āϞāĻŋāϰ āĻĢāϞ āĻ…āĻ°ā§āĻĨāĻĒā§‚āĻ°ā§āĻŖāĻ­āĻžāĻŦ⧇ āĻ¸ā§āϕ⧋āϰ āĻ•āϰāĻž āϝāĻžāϝāĻŧ āύāĻž, āĻ•āĻžāϰāĻŖ āĻĒā§āϰāĻļā§āύāϗ⧁āϞāĻŋ āφāϏāϞ āĻĒāϰ⧀āĻ•ā§āώāĻžāϰ āĻĒā§āϰāĻļā§āύ⧇āϰ āĻŽāϤ⧋ āĻ•āϰ⧇ āĻĒāϰ⧀āĻ•ā§āώāĻžāĻŽā§‚āϞāĻ•āĻ­āĻžāĻŦ⧇ āϝāĻžāϚāĻžāχ āĻ•āϰāĻž āĻšāϝāĻŧāύāĻŋ (TalentLens).

āĻĻ⧁āϟāĻŋāχ āϕ⧀āĻ­āĻžāĻŦ⧇ āĻŦā§āϝāĻŦāĻšāĻžāϰ āĻ•āϰāĻŦ⧇āύāĨ¤ āĻĒāϰ⧀āĻ•ā§āώāĻžāϰ āĻ¸ā§āĻ•ā§āϰāĻŋāύāϗ⧁āϞāĻŋ āϚāĻŋāύ⧇ āύāĻŋāϤ⧇ āĻāĻ•āĻŦāĻžāϰ āĻ…āĻĢāĻŋāϏāĻŋāϝāĻŧāĻžāϞ āĻ…āύ⧁āĻļā§€āϞāύ⧀ āĻĒāϰ⧀āĻ•ā§āώāĻžāϟāĻŋ āĻĻāĻŋāύāĨ¤ āĻĒā§āϰāϤāĻŋāϟāĻŋ āĻ…āĻ‚āĻļ⧇āϰ āύāĻŋāϝāĻŧāĻŽā§‡ āύāĻŋāĻ°ā§āϭ⧁āϞāϤāĻž āĻŦāĻžāĻĄāĻŧāĻžāϤ⧇ āĻāĻŦāĻ‚ āφāϏāϞ āĻ—āϤāĻŋāϤ⧇ āĻ…āύ⧁āĻļā§€āϞāύ āĻ•āϰāϤ⧇ āφāĻŽāĻžāĻĻ⧇āϰ āĻĒā§āϰāĻļā§āύ āĻ“ āĻĒā§‚āĻ°ā§āĻŖ āĻŽāĻ• āĻŸā§‡āĻ¸ā§āϟ āĻŦā§āϝāĻŦāĻšāĻžāϰ āĻ•āϰ⧁āύāĨ¤

āĻĒāĻžāĻ  7

āĻāĻ• āϏāĻĒā§āϤāĻžāĻšā§‡āϰ Watson-Glaser āĻĒāĻĄāĻŧāĻžāϰ āĻĒāϰāĻŋāĻ•āĻ˛ā§āĻĒāύāĻž

  • āĻĻāĻŋāύ 1: āωāĻĒāϰ⧇āϰ āĻŦāĻŋāύāĻžāĻŽā§‚āĻ˛ā§āϝ⧇āϰ āύāĻŽā§āύāĻžāϟāĻŋ āĻĻāĻŋāύāĨ¤ āϕ⧋āύ āϕ⧋āύ āĻŦāĻŋāĻ­āĻžāϗ⧇ āφāĻĒāύāĻžāϰ āϏāĻŦāĻšā§‡āϝāĻŧ⧇ āĻŦ⧇āĻļāĻŋ āϏāĻŽāϝāĻŧ āϞ⧇āϗ⧇āϛ⧇, āϤāĻž āϞāĻŋāϖ⧇ āϰāĻžāϖ⧁āύāĨ¤
  • āĻĻāĻŋāύ 2: āĻļ⧁āϧ⧁ āĻ…āύ⧁āĻŽāĻžāύāĨ¤ āĻĒāĻžāρāϚāϟāĻŋ āωāĻ¤ā§āϤāϰ āĻ…āύ⧁āĻļā§€āϞāύ āĻ•āϰ⧁āύ, āĻŦāĻŋāĻļ⧇āώ āĻ•āϰ⧇ āϏāĻŽā§āĻ­āĻŦāϤ āϏāĻ¤ā§āϝ āĻŦāύāĻžāĻŽ āϤāĻĨā§āϝ āĻ…āĻĒāĻ°ā§āϝāĻžāĻĒā§āϤāĨ¤
  • āĻĻāĻŋāύ 3: āĻ…āύ⧁āĻŽāĻžāύ āĻ“ āϝ⧁āĻ•ā§āϤāĻŋāĨ¤ āĻĒā§āϰāϤāĻŋāϟāĻŋ āĻ…āύ⧁āĻŽāĻžāύ āϕ⧇āύ āĻĻāϰāĻ•āĻžāϰ āĻŦāĻž āĻĻāϰāĻ•āĻžāϰ āύ⧇āχ, āϤāĻž āĻœā§‹āϰ⧇ āĻŦāϞ⧁āύāĨ¤
  • āĻĻāĻŋāύ 4: āϏāĻŋāϞ⧋āϜāĻŋāϜāĻŽā§‡āϰ āύāĻŋāĻ°ā§āĻĻ⧇āĻļāĻŋāĻ•āĻž āĻāĻŦāĻ‚ āĻ…āĻŦāϰ⧋āĻšā§€ āϝ⧁āĻ•ā§āϤāĻŋāϰ āωāĻĻāĻžāĻšāϰāĻŖ-āĻāϰ āϏāĻžāĻšāĻžāĻ¯ā§āϝ⧇ āĻ…āĻŦāϰ⧋āĻš āĻ“ āĻŦā§āϝāĻžāĻ–ā§āϝāĻž āĻ…āύ⧁āĻļā§€āϞāύ āĻ•āϰ⧁āύāĨ¤
  • āĻĻāĻŋāύ 5: āϏāĻŽāϝāĻŧ āϧāϰ⧇ āĻāĻ•āϟāĻŋ āĻĒā§‚āĻ°ā§āĻŖāĻžāĻ™ā§āĻ— āĻ…āύ⧁āĻļā§€āϞāύ⧀ āĻĒāϰ⧀āĻ•ā§āώāĻž āĻĻāĻŋāύāĨ¤ 30-Day Pass-āĻ āĻŦā§āϝāĻžāĻ–ā§āϝāĻžāϏāĻš āĻĒā§‚āĻ°ā§āĻŖāĻžāĻ™ā§āĻ— āĻ•ā§āϰāĻŋāϟāĻŋāĻ•ā§āϝāĻžāϞ āĻĨāĻŋāĻ™ā§āĻ•āĻŋāĻ‚ āĻ…āύ⧁āĻļā§€āϞāύ⧀ āĻĒāϰ⧀āĻ•ā§āώāĻž āϰāϝāĻŧ⧇āϛ⧇āĨ¤
  • āĻĻāĻŋāύ 6: TalentLens-āĻāϰ āĻŦāĻŋāύāĻžāĻŽā§‚āĻ˛ā§āϝ⧇āϰ āĻ…āύ⧁āĻļā§€āϞāύ⧀ āĻĒāϰ⧀āĻ•ā§āώāĻž āĻĻāĻŋāϝāĻŧ⧇ āĻāϰ āĻ¸ā§āĻ•ā§āϰāĻŋāύāϗ⧁āϞ⧋ āϏāĻŽā§āĻĒāĻ°ā§āϕ⧇ āϜāĻžāύ⧁āύ, āϤāĻžāϰāĻĒāϰ āφāĻĒāύāĻžāϰ āĻĻ⧁āĻ°ā§āĻŦāϞāϤāĻŽ āĻŦāĻŋāĻ­āĻžāĻ—āϟāĻŋ āĻĒāĻ°ā§āϝāĻžāϞ⧋āϚāύāĻž āĻ•āϰ⧁āύāĨ¤
  • āĻĻāĻŋāύ 7: āϏāĻ•āĻžāϞ⧇ āĻĻā§āĻŦāĻŋāϤ⧀āϝāĻŧ āĻ…āύ⧁āĻļā§€āϞāύ⧀ āĻĒāϰ⧀āĻ•ā§āώāĻž āĻĻāĻŋāύ, āϤāĻžāϰāĻĒāϰ āĻŦāĻŋāĻļā§āϰāĻžāĻŽ āύāĻŋāύāĨ¤ āĻĒāϰ⧀āĻ•ā§āώāĻžāϰ āĻĻāĻŋāύ⧇āϰ āϜāĻ¨ā§āϝ āφāĻĒāύāĻžāϰ āĻĄāĻŋāĻ­āĻžāχāϏ āĻ“ āύāĻŋāϰāĻŋāĻŦāĻŋāϞāĻŋ āϘāϰāϟāĻŋ āĻĒāϰ⧀āĻ•ā§āώāĻž āĻ•āϰ⧇ āύāĻŋāύāĨ¤

āĻ…āύ⧁āĻļā§€āϞāύ⧇āϰ āϜāĻ¨ā§āϝ āϤ⧈āϰāĻŋ āĻŽā§ŒāϞāĻŋāĻ• āĻĒā§āϰāĻļā§āύ, āĻ•āĻ–āύāĻ“ āφāϏāϞ āĻŦāĻž āĻĢāĻžāρāϏ āĻšāĻ“āϝāĻŧāĻž āĻĒā§āϰāĻļā§āύ āύāϝāĻŧāĨ¤ Monthly āĻĒā§āĻ˛ā§āϝāĻžāύ āϝ⧇āϕ⧋āύāĻ“ āϏāĻŽāϝāĻŧ āĻŦāĻžāϤāĻŋāϞ āĻ•āϰ⧁āύāĨ¤ āϏāĻ°ā§āĻŦā§‹āĻšā§āϚ āĻāĻ•āϟāĻŋ āĻĒā§‚āĻ°ā§āĻŖāĻžāĻ™ā§āĻ— āĻŽāĻ• āĻŸā§‡āĻ¸ā§āϟ āĻĻāĻŋāϝāĻŧ⧇ āĻĨāĻžāĻ•āϞ⧇, 7 āĻĻāĻŋāύ⧇āϰ āĻŽāĻ§ā§āϝ⧇ āϟāĻžāĻ•āĻž āĻĢ⧇āϰāϤ⧇āϰ āĻ…āύ⧁āϰ⧋āϧ āĻ•āϰāϤ⧇ āĻĒāĻžāϰ⧇āύāĨ¤

āϏāĻžāϧāĻžāϰāĻŖ āϜāĻŋāĻœā§āĻžāĻžāϏāĻž

Watson-Glaser āĻĒāϰ⧀āĻ•ā§āώāĻžāϝāĻŧ āĻ•āϤāϗ⧁āϞāĻŋ āĻĒā§āϰāĻļā§āύ āĻĨāĻžāϕ⧇?+

TalentLens-āĻāϰ āϤāĻĨā§āϝ āĻ…āύ⧁āϝāĻžāϝāĻŧā§€, āĻāϤ⧇ 30 āĻĨ⧇āϕ⧇ 40 āĻŽāĻŋāύāĻŋāĻŸā§‡ 40āϟāĻŋ āĻĒā§āϰāĻļā§āύ āĻĨāĻžāϕ⧇āĨ¤ Pearson āϜāĻžāύāĻžāϝāĻŧ, āĻāϰ āĻŽāĻ§ā§āϝ⧇ 12āϟāĻŋ āĻĒā§‚āĻ°ā§āĻŦāϧāĻžāϰāĻŖāĻž, 12āϟāĻŋ āϝ⧁āĻ•ā§āϤāĻŋ āĻāĻŦāĻ‚ 16āϟāĻŋ āϏāĻŋāĻĻā§āϧāĻžāĻ¨ā§āϤ⧇ āĻĒ⧌āρāĻ›āύ⧋ āύāĻŋāϝāĻŧ⧇āĨ¤

Watson-Glaser-āĻāϰ āĻĒāĻžāρāϚāϟāĻŋ āĻŦāĻŋāĻ­āĻžāĻ— āϕ⧀ āϕ⧀?+

āĻ…āύ⧁āĻŽāĻŋāϤāĻŋ, āĻ…āύ⧁āĻŽāĻžāύ āĻļāύāĻžāĻ•ā§āϤ āĻ•āϰāĻž, āϏāĻŋāĻĻā§āϧāĻžāĻ¨ā§āϤāĻŽā§‚āϞāĻ• āϝ⧁āĻ•ā§āϤāĻŋ, āĻŦā§āϝāĻžāĻ–ā§āϝāĻž āĻāĻŦāĻ‚ āϝ⧁āĻ•ā§āϤāĻŋāϤāĻ°ā§āĻ• āĻŽā§‚āĻ˛ā§āϝāĻžāϝāĻŧāύāĨ¤ āĻ…āύ⧁āĻŽāĻŋāϤāĻŋ, āϏāĻŋāĻĻā§āϧāĻžāĻ¨ā§āϤāĻŽā§‚āϞāĻ• āϝ⧁āĻ•ā§āϤāĻŋ āĻāĻŦāĻ‚ āĻŦā§āϝāĻžāĻ–ā§āϝāĻžāϰ āĻĢāϞ āĻāĻ•āϏāĻ™ā§āϗ⧇ Draw Conclusions āĻšāĻŋāϏ⧇āĻŦ⧇ āϜāĻžāύāĻžāύ⧋ āĻšāϝāĻŧāĨ¤

Watson-Glaser RED āĻŽāĻĄā§‡āϞ āϕ⧀?+

āĻĒāϰ⧀āĻ•ā§āώāĻžāϰ āϰāĻŋāĻĒā§‹āĻ°ā§āĻŸā§‡ āϝ⧇ āϤāĻŋāύāϟāĻŋ āĻ•ā§āώ⧇āĻ¤ā§āϰ⧇āϰ āĻĢāϞ āĻĻ⧇āĻ“āϝāĻŧāĻž āĻšāϝāĻŧ: āĻ…āύ⧁āĻŽāĻžāύ āĻļāύāĻžāĻ•ā§āϤ āĻ•āϰāĻž, āϝ⧁āĻ•ā§āϤāĻŋ āĻŽā§‚āĻ˛ā§āϝāĻžāϝāĻŧāύ āĻ•āϰāĻž āĻāĻŦāĻ‚ āϏāĻŋāĻĻā§āϧāĻžāĻ¨ā§āϤ⧇ āĻĒ⧌āρāĻ›āύ⧋āĨ¤

āĻŦāĻžāχāϰ⧇āϰ āĻœā§āĻžāĻžāύ āĻ•āĻŋ āĻŦā§āϝāĻŦāĻšāĻžāϰ āĻ•āϰāϤ⧇ āĻĒāĻžāϰāĻŋ?+

āĻļ⧁āϧ⧁ inference āĻ…āĻ‚āĻļ⧇, āϝ⧇āĻ–āĻžāύ⧇ āϏāĻžāϧāĻžāϰāĻŖāĻ­āĻžāĻŦ⧇ āĻ¸ā§āĻŦā§€āĻ•ā§ƒāϤ āĻœā§āĻžāĻžāύ āĻŦā§āϝāĻŦāĻšāĻžāϰ āĻ•āϰāĻž āϝāĻžāϝāĻŧāĨ¤ āĻ…āĻ¨ā§āϝ āĻ…āĻ‚āĻļāϗ⧁āϞāĻŋāϤ⧇ āĻŦāĻ•ā§āϤāĻŦā§āϝāϗ⧁āϞāĻŋāϕ⧇ āϏāĻ¤ā§āϝ āϧāϰ⧇ āύāĻŋāύ āĻāĻŦāĻ‚ āĻļ⧁āϧ⧁ āϏ⧇āϗ⧁āϞāĻŋāϤ⧇ āϝāĻž āĻŦāϞāĻž āĻšāϝāĻŧ⧇āϛ⧇ āϏ⧇āϟāĻŋāχ āĻŦā§āϝāĻŦāĻšāĻžāϰ āĻ•āϰ⧁āύāĨ¤

Watson-Glaser-āĻ āĻ­āĻžāϞ⧋ āĻ¸ā§āϕ⧋āϰ āĻ•āϤ?+

āϏāĻŦāĻžāϰ āϜāĻ¨ā§āϝ āĻĒā§āϰāϝ⧋āĻœā§āϝ āϕ⧋āύāĻ“ āĻĒāĻžāϏ āύāĻŽā§āĻŦāϰ āύ⧇āχāĨ¤ āύāĻŋāϝāĻŧā§‹āĻ—āĻ•āĻ°ā§āϤāĻžāϰ āĻŦ⧇āϛ⧇ āύ⧇āĻ“āϝāĻŧāĻž āĻāĻ•āϟāĻŋ āĻŽāĻžāύāĻĻāĻŖā§āĻĄ āĻ—ā§‹āĻˇā§āĻ ā§€āϰ āϤ⧁āϞāύāĻžāϝāĻŧ āĻĢāϞāĻžāĻĢāϞ āĻĒāĻžāĻ°ā§āϏ⧇āĻ¨ā§āϟāĻžāχāϞ āĻšāĻŋāϏ⧇āĻŦ⧇ āϜāĻžāύāĻžāύ⧋ āĻšāϝāĻŧ, āĻāĻŦāĻ‚ āĻĒā§āϰāϤāĻŋāϟāĻŋ āύāĻŋāϝāĻŧā§‹āĻ—āĻ•āĻ°ā§āϤāĻž āύāĻŋāĻœā§‡āϰ āϞāĻ•ā§āĻˇā§āϝ āύāĻŋāĻ°ā§āϧāĻžāϰāĻŖ āĻ•āϰ⧇āύāĨ¤

āĻ•āĻžāϰāĻž āϏāĻŽāĻžāϞ⧋āϚāύāĻžāĻŽā§‚āϞāĻ• āϚāĻŋāĻ¨ā§āϤāĻžāĻ­āĻžāĻŦāύāĻžāϰ āĻĒāϰ⧀āĻ•ā§āώāĻž āĻŦā§āϝāĻŦāĻšāĻžāϰ āĻ•āϰ⧇?+

TalentLens-āĻāϰ āϤāĻžāϞāĻŋāĻ•āĻžāϝāĻŧ āĻ¸ā§āύāĻžāϤāĻ•, āĻŽā§āϝāĻžāύ⧇āϜāĻžāϰ, āϏ⧁āĻĒāĻžāϰāĻ­āĻžāχāϜāĻžāϰ, āĻĒ⧇āĻļāĻžāĻœā§€āĻŦā§€ āĻ“ āĻāĻ•ā§āϏāĻŋāĻ•āĻŋāωāϟāĻŋāĻ­āϰāĻž āϰāϝāĻŧ⧇āϛ⧇āύāĨ¤ āĻ•āĻŋāϛ⧁ āφāχāύ āϏāĻ‚āĻ¸ā§āĻĨāĻžāĻ“ āĻāϟāĻŋ āĻŦā§āϝāĻŦāĻšāĻžāϰ āĻ•āϰ⧇āĨ¤ āϝ⧇āĻŽāύ, Clifford Chance āϤāĻžāĻĻ⧇āϰ āϞāĻ¨ā§āĻĄāύ āĻŸā§āϰ⧇āύāĻŋāĻ‚ āĻ•āĻ¨ā§āĻŸā§āĻ°ā§āϝāĻžāĻ•ā§āĻŸā§‡āϰ āĻĒā§āϰāĻžāĻĨāĻŽāĻŋāĻ• āϧāĻžāĻĒ āĻšāĻŋāϏ⧇āĻŦ⧇ āĻāϰ āωāĻ˛ā§āϞ⧇āĻ– āĻ•āϰ⧇āϛ⧇āĨ¤

Watson-Glaser-āĻāϰ āĻ•āĻŋ āϕ⧋āύāĻ“ āĻ…āĻĢāĻŋāϏāĻŋāϝāĻŧāĻžāϞ āĻ…āύ⧁āĻļā§€āϞāύ⧀ āĻĒāϰ⧀āĻ•ā§āώāĻž āφāϛ⧇?+

āĻšā§āϝāĻžāρāĨ¤ TalentLens āχāĻ‚āϰ⧇āϜāĻŋ āĻ“ āĻĄāĻžāϚ āĻ­āĻžāώāĻžāϝāĻŧ āĻāĻ•āϟāĻŋ āĻŦāĻŋāύāĻžāĻŽā§‚āĻ˛ā§āϝ⧇āϰ āĻ…āύ⧁āĻļā§€āϞāύ⧀ āĻĒāϰ⧀āĻ•ā§āώāĻž āĻĻ⧇āϝāĻŧāĨ¤ āϤāĻžāϰāĻž āϜāĻžāύāĻžāϝāĻŧ, āĻ…āύ⧁āĻļā§€āϞāύ⧀ āĻĒāϰ⧀āĻ•ā§āώāĻžāϟāĻŋ āφāϏāϞ āĻĒāϰ⧀āĻ•ā§āώāĻž āύāϝāĻŧ āĻāĻŦāĻ‚ āĻāϰ āĻĢāϞāĻžāĻĢāϞ āĻ…āĻ°ā§āĻĨāĻĒā§‚āĻ°ā§āĻŖāĻ­āĻžāĻŦ⧇ āĻ¸ā§āϕ⧋āϰ āĻ•āϰāĻž āϝāĻžāϝāĻŧ āύāĻžāĨ¤

āĻāϗ⧁āϞ⧋ āĻ•āĻŋ Watson-Glaser-āĻāϰ āφāϏāϞ āĻĒā§āϰāĻļā§āύ?+

āύāĻžāĨ¤ āĻāϗ⧁āϞāĻŋ āĻāĻ•āχ āϧāϰāύ⧇āϰ āĻŦāĻŋāĻ¨ā§āϝāĻžāϏ⧇ āφāĻŽāĻžāĻĻ⧇āϰ āĻĻāϞ⧇āϰ āϞ⧇āĻ–āĻž āύāĻŋāϜāĻ¸ā§āĻŦ āĻĒā§āϰāĻļā§āύāĨ¤ Pearson āĻŦāĻž TalentLens-āĻāϰ āϏāĻ™ā§āϗ⧇ āφāĻŽāĻžāĻĻ⧇āϰ āϕ⧋āύ⧋ āϏāĻŽā§āĻĒāĻ°ā§āĻ• āύ⧇āχāĨ¤

āϏ⧂āĻ¤ā§āϰ

  1. TalentLens: Watson-Glaser, āϝāĻžāϚāĻžāχ āĻ•āϰāĻž āĻšāϝāĻŧ⧇āϛ⧇ 2026-10-28
  2. Pearson: Watson-Glaser āĻ•āĻžāĻ°ā§āϝāĻ•āĻžāϰāĻŋāϤāĻž āĻĒā§āϰāϤāĻŋāĻŦ⧇āĻĻāύ (2020), āϝāĻžāϚāĻžāχ āĻ•āϰāĻž āĻšāϝāĻŧ⧇āϛ⧇ 2026-10-28
  3. TalentLens: āĻ…āύ⧁āĻļā§€āϞāύ⧀ āĻĒāϰ⧀āĻ•ā§āώāĻž, āϝāĻžāϚāĻžāχ āĻ•āϰāĻž āĻšāϝāĻŧ⧇āϛ⧇ 2026-10-28
  4. Pearson: Watson-Glaser Critical Thinking Appraisal UK āĻ…āύ⧁āĻļā§€āϞāύ āĻĒāϰ⧀āĻ•ā§āώāĻžāϰ āĻĒ⧁āĻ¸ā§āϤāĻŋāĻ•āĻž (The Legal 500-āĻ āĻšā§‹āĻ¸ā§āϟ āĻ•āϰāĻž), āϝāĻžāϚāĻžāχ āĻ•āϰāĻž āĻšāϝāĻŧ⧇āϛ⧇ 2026-10-28
  5. Clifford Chance: āϞāĻ¨ā§āĻĄāύ⧇āϰ āĻĒā§āϰāĻļāĻŋāĻ•ā§āώāĻŖ āϚ⧁āĻ•ā§āϤāĻŋāϰ āĻŦāĻŋāĻœā§āĻžāĻĒā§āϤāĻŋ, āϝāĻžāϚāĻžāχ āĻ•āϰāĻž āĻšāϝāĻŧ⧇āϛ⧇ 2026-10-28

āĻāχ āĻĒ⧃āĻˇā§āĻ āĻž āϏāĻŽā§āĻĒāĻ°ā§āϕ⧇

Intellect Council āϟāĻŋāĻŽā§‡āϰ āϞ⧇āĻ–āĻž āĻ“ āĻĒāĻ°ā§āϝāĻžāϞ⧋āϚāύāĻž āĻ•āϰāĻžāĨ¤ āϏāĻ°ā§āĻŦāĻļ⧇āώ āĻĒāĻ°ā§āϝāĻžāϞ⧋āϚāύāĻž . āφāĻŽāĻžāĻĻ⧇āϰ āϏāĻŽā§āĻĒāĻžāĻĻāϕ⧀āϝāĻŧ āύ⧀āϤāĻŋ āĻĒāĻĄāĻŧ⧁āύāĨ¤

āĻĻ⧇āϖ⧁āύ

āϚāĻžāĻ•āϰāĻŋāĻĒā§āϰāĻžāĻ°ā§āĻĨā§€āĻĻ⧇āϰ āϜāĻ¨ā§āϝ āĻ…āύ⧁āĻļā§€āϞāύ⧀ āĻĒāϰ⧀āĻ•ā§āώāĻž

21āϟāĻŋ āύāĻŋāϝāĻŧā§‹āĻ—āĻ•āĻ°ā§āϤāĻžāϰ āĻĒāϰ⧀āĻ•ā§āώāĻžāϰ āϜāĻ¨ā§āϝ āĻŦāĻŋāύāĻžāĻŽā§‚āĻ˛ā§āϝ⧇ āϏāĻŽāϝāĻŧ-āύāĻŋāĻ°ā§āϧāĻžāϰāĻŋāϤ āĻ…āύ⧁āĻļā§€āϞāύ⧀ āĻĒāϰ⧀āĻ•ā§āώāĻž: āϝ⧋āĻ—ā§āϝāϤāĻž āϝāĻžāϚāĻžāχ, āϝ⧁āĻ•ā§āϤāĻŋ, āϏāĻžāχāϕ⧋āĻŽā§‡āĻŸā§āϰāĻŋāĻ•, Wonderlic-āϧāĻžāρāĻšā§‡āϰ, CCAT-āϧāĻžāρāĻšā§‡āϰ āĻāĻŦāĻ‚ ExcelāĨ¤ āĻļ⧁āϰ⧁ āĻ•āϰāϤ⧇ āĻ…ā§āϝāĻžāĻ•āĻžāωāĻ¨ā§āĻŸā§‡āϰ āĻĻāϰāĻ•āĻžāϰ āύ⧇āχāĨ¤

āĻĻ⧇āϖ⧁āύ
āĻĻ⧇āϖ⧁āύ

āϏāĻ‚āĻ–ā§āϝāĻžāĻ—āϤ āϝ⧁āĻ•ā§āϤāĻŋāϰ āĻĒāϰ⧀āĻ•ā§āώāĻžāϰ āĻ…āύ⧁āĻļā§€āϞāύ

āϏāĻ‚āĻ–ā§āϝāĻžāĻ—āϤ āϝ⧁āĻ•ā§āϤāĻŋāϰ āĻĒāϰ⧀āĻ•ā§āώāĻžāϰ āĻ…āύ⧁āĻļā§€āϞāύ āĻ•āϰ⧁āύ: āϏāĻžāϰāĻŖāĻŋ, āϚāĻžāĻ°ā§āϟ, āĻļāϤāĻ•āϰāĻž āĻšāĻžāϰ āĻ“ āĻ…āύ⧁āĻĒāĻžāϤāĨ¤ āφāϏāϞ āĻĒāϰ⧀āĻ•ā§āώāĻžāϰ āĻŽāϤ⧋ āϏāĻŽāϝāĻŧ āϧāϰ⧇ āĻĒāϰ⧀āĻ•ā§āώāĻž āĻĻāĻŋāύ āĻāĻŦāĻ‚ āϏāĻŽāĻžāϧāĻžāύāϏāĻš āωāĻ¤ā§āϤāϰ āĻĻ⧇āϖ⧁āύāĨ¤ āĻŦāĻŋāύāĻžāĻŽā§‚āĻ˛ā§āϝ⧇āϰ āύāĻŽā§āύāĻž, āĻ…ā§āϝāĻžāĻ•āĻžāωāĻ¨ā§āĻŸā§‡āϰ āĻĒā§āϰāϝāĻŧā§‹āϜāύ āύ⧇āχāĨ¤

āĻĻ⧇āϖ⧁āύ
āĻĻ⧇āϖ⧁āύ

āĻ­āĻžāώāĻžāĻ—āϤ āϝ⧁āĻ•ā§āϤāĻŋ āĻĒāϰ⧀āĻ•ā§āώāĻžāϰ āĻ…āύ⧁āĻļā§€āϞāύ

āĻ­āĻžāώāĻžāĻ—āϤ āϝ⧁āĻ•ā§āϤāĻŋāϰ āĻĒāϰ⧀āĻ•ā§āώāĻžāϰ āĻ…āύ⧁āĻļā§€āϞāύ āĻ•āϰ⧁āύ: āϛ⧋āϟ āĻ…āύ⧁āĻšā§āϛ⧇āĻĻ āĻĒāĻĄāĻŧ⧇ āĻŦāĻŋāĻŦ⧃āϤāĻŋāϗ⧁āϞ⧋ āϏāĻ¤ā§āϝ, āĻŽāĻŋāĻĨā§āϝāĻž, āύāĻžāĻ•āĻŋ āĻŦāϞāĻž āϝāĻžāϝāĻŧ āύāĻž āϤāĻž āύāĻŋāĻ°ā§āϧāĻžāϰāĻŖ āĻ•āϰ⧁āύāĨ¤ āϏāĻŽāϝāĻŧ āϧāϰ⧇ āĻĒāϰ⧀āĻ•ā§āώāĻž āĻĻāĻŋāύ āĻāĻŦāĻ‚ āĻĒā§āϰāϤāĻŋāϟāĻŋ āωāĻ¤ā§āϤāϰ⧇āϰ āĻŦā§āϝāĻžāĻ–ā§āϝāĻž āĻĻ⧇āϖ⧁āύāĨ¤ āĻŦāĻŋāύāĻžāĻŽā§‚āĻ˛ā§āϝ⧇, āĻ…ā§āϝāĻžāĻ•āĻžāωāĻ¨ā§āĻŸā§‡āϰ āĻĒā§āϰāϝāĻŧā§‹āϜāύ āύ⧇āχāĨ¤

āĻĻ⧇āϖ⧁āύ

āϏāĻŦ 21āϟāĻŋ āĻ…āύ⧁āĻļā§€āϞāύ⧀ āĻĒāϰ⧀āĻ•ā§āώāĻž āĻĻ⧇āϖ⧁āύ

āĻŦā§āϝāĻžāĻ–ā§āϝāĻžāϏāĻš āϏāĻŽā§āĻĒā§‚āĻ°ā§āĻŖ āϏāĻŽāϝāĻŧ-āύāĻŋāĻ°ā§āϧāĻžāϰāĻŋāϤ āĻŽāĻ• āĻĒāϰ⧀āĻ•ā§āώāĻžāĨ¤āϏāĻŽā§āĻĒā§‚āĻ°ā§āĻŖ āĻ…ā§āϝāĻžāĻ•ā§āϏ⧇āϏ āύāĻŋāύ
āφāĻĒāύāĻžāϰ āĻĒāϰ⧀āĻ•ā§āώāĻž āφāϏāĻ¨ā§āύāĨ¤ āĻĒā§āϰāĻ¸ā§āϤ⧁āϤ āĻĨāĻžāϕ⧁āύāĨ¤

āĻĒā§āϰāĻ¸ā§āϤ⧁āϤ āĻšāϝāĻŧ⧇ āĻĒāϰ⧀āĻ•ā§āώāĻžāϝāĻŧ āĻŦāϏ⧁āύāĨ¤
āύāĻŋāĻœā§‡āϰ āϏ⧇āϰāĻžāϟāĻž āĻĻāĻŋāϝāĻŧ⧇āϛ⧇āύ, āĻāχ āĻŦāĻŋāĻļā§āĻŦāĻžāϏ āύāĻŋāϝāĻŧ⧇ āĻŦ⧇āϰāĻŋāϝāĻŧ⧇ āϝāĻžāύāĨ¤

āφāϏāϞ āĻĒāϰ⧀āĻ•ā§āώāĻžāϰ āĻĢāϰāĻŽā§āϝāĻžāĻŸā§‡ āϏāĻŽāϝāĻŧāϏ⧀āĻŽāĻžāĻŦāĻĻā§āϧ āĻ…āύ⧁āĻļā§€āϞāύ, āĻĒā§āϰāϤāĻŋāϟāĻŋ āωāĻ¤ā§āϤāϰ⧇āϰ āĻŦā§āϝāĻžāĻ–ā§āϝāĻžāϏāĻšāĨ¤

āĻŦāĻŋāύāĻžāĻŽā§‚āĻ˛ā§āϝ⧇ āĻ…āύ⧁āĻļā§€āϞāύ⧀ āĻĒāϰ⧀āĻ•ā§āώāĻž āĻļ⧁āϰ⧁ āĻ•āϰ⧁āύāĻ…āĻĨāĻŦāĻž āϏāĻŽā§āĻĒā§‚āĻ°ā§āĻŖ āĻŽāĻ• āĻŸā§‡āĻ¸ā§āϟāϗ⧁āϞāĻŋ āĻĻ⧇āϖ⧁āύ āĻŦāĻŋāύāĻžāĻŽā§‚āĻ˛ā§āϝ⧇āϰ āύāĻŽā§āύāĻžāĨ¤ āĻļ⧁āϰ⧁ āĻ•āϰāϤ⧇ āĻ…ā§āϝāĻžāĻ•āĻžāωāĻ¨ā§āĻŸā§‡āϰ āĻĻāϰāĻ•āĻžāϰ āύ⧇āχāĨ¤