Nuevo paradigma de modelos de diagnóstico cognitivo de respuesta general identificables: más allá de los datos...

Área de la Ciencia:

• Medición Educativa
• Psicometría
• Ciencia de Datos

Sus antecedentes:

• Los modelos de diagnóstico cognitivo (CDM) analizan tradicionalmente datos categóricos.
• Las evaluaciones modernas incluyen diversos tipos de respuesta, como tiempos de respuesta y datos de recuento.
• La identificabilidad y la estimabilidad de los CDM para estos nuevos tipos de respuesta siguen sin explorarse en gran medida.

Objetivo del estudio:

• Proponer un marco general de modelado de diagnóstico cognitivo para tipos de respuesta multivariados arbitrarios.
• Establecer la identificabilidad de estos CDM de respuesta general.
• Desarrollar un algoritmo de estimación eficiente para estos modelos.

Principales métodos:

• Se desarrolló un marco general de CDM con supuestos mínimos.
• Se estableció la identificabilidad utilizando condiciones basadas en la matriz Q.
• Se propuso un algoritmo de Expectation-Maximization (EM) para la estimación de parámetros.
• Se realizaron estudios de simulación en varios tipos de respuesta.

Principales resultados:

• Se demostró que los CDM de respuesta general son identificables bajo las condiciones de la matriz Q.
• Se demostró el rendimiento empírico superior del algoritmo EM propuesto.
• Los resultados de la simulación corroboraron los hallazgos teóricos de identificabilidad.

Conclusiones:

• Se ha establecido un nuevo paradigma de CDM de respuesta general identificables.
• El marco propuesto y el algoritmo EM son efectivos para diversos tipos de respuesta en evaluaciones educativas.
• La metodología se aplicó con éxito a un conjunto de datos del mundo real (tiempos de respuesta de TIMSS 2019).