Un modelo oculto de seudovariable para datos de proceso

Área de la Ciencia:

• Medición Educativa
• Psicometría
• Ciencia Cognitiva

Sus antecedentes:

• Los datos del proceso de respuesta (RPD) de las evaluaciones basadas en computadora ofrecen información sobre los comportamientos de resolución de problemas.
• Los métodos actuales de extracción de características basadas en datos producen características interpretables pero carecen de vínculos explícitos con los procesos de respuesta originales.
• Esta brecha dificulta una comprensión profunda de cómo los rasgos latentes influyen en las estrategias de resolución de problemas.

Objetivo del estudio:

• Proponer un modelo estadístico novedoso para analizar datos del proceso de respuesta.
• Mejorar la interpretabilidad de las características extraídas de datos de proceso no estructurados.
• Modelar la heterogeneidad de los procesos de resolución de problemas entre los encuestados.

Principales métodos:

• Se desarrolló un modelo estadístico que integra rasgos latentes con modelos ocultos de Markov (HMM).
• La estructura HMM representa las etapas de resolución de problemas, con estados ocultos como subtareas.
• Se incorporan rasgos latentes para explicar las variaciones en los procesos de respuesta.

Principales resultados:

• El modelo propuesto proporciona un marco parsimonioso e interpretable para el análisis de RPD.
• Se demostró la efectividad del modelo a través de estudios de simulación.
• Se validó el modelo utilizando datos del mundo real del Programa para la Evaluación Internacional de Estudiantes (PISA).

Conclusiones:

• El HMM informado por rasgos latentes ofrece una herramienta poderosa para comprender las diferencias individuales en la resolución de problemas.
• Este enfoque cierra la brecha entre los datos de proceso complejos y los constructos psicológicos interpretables.
• Facilita un análisis más matizado de los procesos cognitivos en las evaluaciones educativas.