Estimación Variacional para el Modelo de Crédito Parcial Generalizado Multidimensional

Área de la Ciencia:

• Psicometría
• Modelado estadístico

Sus antecedentes:

• Los modelos de teoría de respuesta al ítem multidimensional (MIRT) son cada vez más importantes en psicometría.
• Los algoritmos eficientes existentes se centran principalmente en modelos MIRT dicotómicos, dejando una brecha para los modelos politómicos.

Objetivo del estudio:

• Desarrollar un algoritmo eficiente y robusto para estimar modelos de crédito parcial generalizado multidimensional.
• Abordar la limitada atención prestada a los algoritmos de estimación de modelos MIRT politómicos.

Principales métodos:

• Se desarrolló un novedoso algoritmo de estimación variacional gaussiana.
• El algoritmo se probó utilizando estudios de simulación y análisis de datos reales.

Principales resultados:

• El algoritmo de estimación variacional gaussiana propuesto demostró un rendimiento rápido y preciso.
• El algoritmo resultó eficaz para el modelo de crédito parcial generalizado multidimensional.

Conclusiones:

• El algoritmo desarrollado ofrece una solución eficiente y robusta para estimar modelos MIRT politómicos.
• Este trabajo avanza la metodología psicométrica para datos de respuesta complejos.