Un modelo de Markov latente para mediciones no invariantes: una aplicación a los datos de registro de interacción de...

Área de la Ciencia:

• Psicometría
• La medición educativa
• Modelado estadístico

Sus antecedentes:

• Los modelos de Markov latentes (LMM) se utilizan cada vez más para analizar los datos de registro de las evaluaciones interactivas por computadora.
• Las aplicaciones actuales de LMM a menudo asumen efectos de elemento uniformes, descuidando sus cualidades psicométricas distintas y su contribución a la variación de los resultados.

Objetivo del estudio:

• Proponer y evaluar un LMM refinado que relaje la restricción de invarianza de medición.
• Para tener en cuenta los efectos de medición específicos de los elementos en el análisis de los datos de evaluación.

Principales métodos:

• Modificación del LMM para manejar mediciones no invariantes.
• Refinamiento del esquema inferencial para incorporar efectos de medición específicos del evento.
• Experimentación numérica para validar los métodos de inferencia y evaluar el rendimiento del marco.

Principales resultados:

• El esquema inferencial propuesto recupera adecuadamente los parámetros del modelo y los perfiles de estado.
• El marco LMM refinado demuestra un rendimiento confiable en el modelado de procesos latentes.
• El nuevo marco muestra una mayor relevancia y produce una inferencia más sólida, especialmente cuando el modelo no está bien especificado, en comparación con los métodos tradicionales.

Conclusiones:

• El marco LMM refinado tiene efectivamente en cuenta los efectos de la medición de elementos en los datos de evaluación.
• Este nuevo enfoque ofrece el potencial para mejorar el análisis de los datos de evaluación a gran escala con efectos de medición distintos.
• Los hallazgos apoyan la utilidad del LMM mejorado para evaluaciones psicométricas más precisas.