Estimación y Ajuste de Ítems Politómicos con Puntuación No Continua bajo el Modelo Logístico de Puntuación Ponderada...

Área de la Ciencia:

• Psicometría
• Medición Educativa
• Modelado Estadístico

Sus antecedentes:

• Los modelos logísticos tradicionales tienen dificultades con las puntuaciones de ítems politómicos no continuos.
• El análisis preciso de la puntuación compleja es crucial en las evaluaciones educativas y psicológicas.

Objetivo del estudio:

• Introducir y evaluar una novedosa extensión del modelo logístico, el modelo logístico de puntuación ponderada (WSLM).
• Evaluar el rendimiento del WSLM en el análisis de ítems politómicos con puntuaciones no continuas.

Principales métodos:

• Desarrollo del modelo logístico de puntuación ponderada (WSLM) que incorpora un parámetro de puntuación ponderada.
• Empleo de la estimación de máxima verosimilitud marginal para los parámetros de los ítems (dificultad y discriminación).
• Realización de un estudio de simulación de Monte Carlo para evaluar el rendimiento del WSLM y el ajuste entre el modelo y los datos.

Principales resultados:

• El WSLM demostró bajo sesgo y error cuadrático medio (RMSE) para la recuperación de parámetros de ítems.
• Las estadísticas de ajuste (Q1, Q4) generalmente se mantuvieron por debajo de los valores críticos, lo que indica un ajuste aceptable entre el modelo y los datos.
• El modelo demostró ser robusto en diversas condiciones de simulación.

Conclusiones:

• El WSLM es una herramienta estadística viable y robusta para analizar ítems politómicos con esquemas de puntuación complejos.
• Los hallazgos respaldan la aplicabilidad del WSLM en entornos prácticos de evaluación educativa y psicológica.
• El modelo representa un avance sobre los modelos logísticos dicotómicos tradicionales para tipos de ítems específicos.