Lasso adaptativo bayesiano para detectar la relación ítem-rasgo y el funcionamiento diferencial del ítem en modelos...

Área de la Ciencia:

• Psicometría
• Modelado Estadístico
• Medición Educativa

Sus antecedentes:

• La medición precisa de los rasgos latentes es esencial en las pruebas multidimensionales.
• El análisis del funcionamiento diferencial del ítem (DIF) es fundamental para garantizar la equidad y la validez entre diferentes grupos.
• La literatura existente a menudo aborda las relaciones ítem-rasgo y el DIF por separado, lo que limita una comprensión integral.

Objetivo del estudio:

• Desarrollar un marco unificado para identificar simultáneamente las relaciones ítem-rasgo y el DIF dentro de los modelos multidimensionales de teoría de respuesta al ítem (MIRT).
• Integrar los efectos del DIF en los modelos MIRT, tratando el problema como una tarea de selección de variables para variables latentes/observadas y sus interacciones.
• Proporcionar un método estadístico robusto para analizar datos psicométricos complejos.

Principales métodos:

• Desarrollo de un procedimiento de Lasso adaptativo bayesiano para la selección simultánea de variables.
• Incorporación de los efectos del DIF directamente en el marco MIRT.
• Utilización de estudios de simulación para evaluar el rendimiento del método propuesto.

Principales resultados:

• El método propuesto de Lasso adaptativo bayesiano estima eficazmente los parámetros, recupera las relaciones ítem-rasgo y detecta los efectos del DIF.
• Los estudios de simulación demuestran la precisión y fiabilidad del método para identificar tanto las asociaciones ítem-rasgo como el DIF.
• El marco unificado aborda con éxito la detección simultánea de estas propiedades psicométricas.

Conclusiones:

• El marco unificado desarrollado ofrece un enfoque potente para analizar las relaciones ítem-rasgo y el DIF de forma concurrente en MIRT.
• El procedimiento de Lasso adaptativo bayesiano proporciona una herramienta eficiente y precisa para psicómetras e investigadores.
• Este método mejora la validez y la interpretabilidad de los datos de evaluación multidimensional, como se demuestra en la aplicación del Cuestionario de Personalidad de Eysenck.