Curvas de las características de los elementos y de las pruebas de los modelos de rango 2PL para cuestionarios...

Área de la Ciencia:

• Psicometría
• Teoría de las respuestas por elementos (IRT)
• Modelado estadístico

Sus antecedentes:

• Los cuestionarios multidimensionales de elección forzada se utilizan ampliamente en las evaluaciones psicológicas y educativas.
• El análisis de estas complejas estructuras de datos requiere modelos avanzados de teoría de respuesta de elementos (IRT).
• Los métodos existentes pueden no capturar completamente los matices de la medición de rasgos en formatos de elección forzada.

Objetivo del estudio:

• Proponer un nuevo proceso para generar las curvas de características de los elementos esperados unidimensionales (ICC) y las curvas de características de prueba (TCC).
• Aplicar este proceso a cuestionarios multidimensionales de elección forzada utilizando modelos IRT de rango 2PL.
• Demostrar la utilidad de las CCI y las CCT en la identificación de desajustes de puntuación de rasgos a nivel de elemento y de prueba.

Principales métodos:

• Desarrollo de un proceso basado en modelos IRT Rank-2PL para el análisis de elementos de elección forzada con dos o tres declaraciones.
• Generación de CCI y CCT esperados unidimensionales para los rasgos individuales dentro del marco multidimensional.
• Aplicación y visualización de gráficos ICC y TCC utilizando datos de formas de pares y tripletes del mundo real.

Principales resultados:

• El proceso propuesto genera con éxito CCI y CCT unidimensionales para cada rasgo.
• Las visualizaciones de las parcelas ICC y TCC a partir de datos reales demostraron su eficacia en la identificación de las puntuaciones de rasgos inadecuados.
• Se propone una extensión para las parcelas TCC mediante la conversión de las declaraciones negativas en positivas para mejorar la interpretabilidad.

Conclusiones:

• El método desarrollado proporciona una herramienta valiosa para analizar datos multidimensionales de elección forzada dentro de un marco de IRT.
• Los ICC y los TCC generados son eficaces para diagnosticar el desajuste del elemento y del nivel de prueba, mejorando la precisión de la medición.
• Las modificaciones propuestas a las parcelas TCC ofrecen un potencial para un diagnóstico de datos más refinado.