个班级各种智能分布情况，以及典型多元智能光谱类型，以便教师设计「智能公平」（ Intelligence Fair）课程，达到「因势利导、因才施教」的目标。

*学校方面：配合学童综合成长计划，定期重覆是项研究，以便适时更新学童智能进展水平资讯，掌握学童智能发展情况。 

C系统结构

考虑到系统特点和要求，研究员选定Microsoft Excel作为SMILES的操作环境，学童背景资料和多元智能数据输入系统之后，系统会自动进行一系列运算和数据整理。最后按样本常模制定每位学童的多元智能光谱，因此这阶段的光谱是常模参照的。接著教师可以进一步确立此评量系统的建构效度，具体作法是按Messick（1989）统一效度理论所建议之四个步骤修正和解释多元智能进度基准，使SMILES达到标准参照的境地。再者，在确立建构效度的过程中，Excel的数据按研究员要求是可以出口到SPSS或其它测验系统作更深入的分析，例如利用因素分析检验8种智能的关系，利用集群分析了解典型多元智能光谱类型，目前的SMILES在这些高阶统计分析自动化方面，还可以进一步的发展和改良（参阅张国祥、韦辉梁、赵钧鸿，2ooo）。

简单来说，SMILES在多元智能数据分析自动化方面，共分三个阶段完成标准参照智能光谱制作程序：项目及量表分析、欠佳题目处理、智能光谱制作。

D项目及量表分析

此系统假设每一种智能最多需要15条项日来进行评量，我们的多元智能研究计划采纳了李克特Likert式量表（即1，2，3…）进行计分，遗漏数据应该尽量避免，也可以用评分之平均／中位数取代。教师可以进入一工作表输入量表项目的原始数据，本工作表日后可以经常进入，以便察看项目分析和量表分析的结果，包括下列项目之描述性统计：算术平均、标准差、变异数、项目／量表总分相关、调整后项目量表总分相关。SMILES会自动放弃那些调整后项目／量表总分相关为负数的项目，它不会将这些质量欠佳的项目来计算每位学童的多元智能分数，也不会包括在继后的统计分析之中、再者，拥有调整后项目／量表总分相关为正数的项目，其数目和组成的量表的alpha－信度也在报告之列。简单来说，若果某项目的调整役项目／量表总分相关小于0．3，或量表之alpha－信度小于0．7，使用者是有需要详究原因，并对项目和量表的整体质量加以改善。

E欠佳题目处理

多元智能量尺的建立并不只是一门科学，也同时是一门艺术，欠佳题目的处理还需倚赖教师的专业判断，本系统是不会完全越俎代庖的。下列是三种可能出现的情况：

O变异数为0的项目会被SMILES自动弃选，这是因为这些项目所提供的讯息量为零。虽然这些项目表现欠佳，教师暂时是不需要进行任何跟进工作的，这是因为系统所报告的统计都是基于剩余项目和都是准确无误的，惟建议教师日后重新检讨这些项目的评量标准和环境，世可对常模样本的适用性展开调查。