Please enable JavaScript.
Coggle requires JavaScript to display documents.
Control de Lectura 1: Teoría del Error, image, Ortiz Aguilar Elsa Victoria…
Control de Lectura 1: Teoría del Error
Concepto: Error de Medición
Confiabilidad
Ausencia de errores aleatorios (las mediciones deben ser estables todas las veces que se repitan).
La mejor manera de estimarla es correlacionando una prueba con un número de otras pruebas que se encuentren en el mismo dominio.
Es una mezcla de procesos sistemáticos y aleatorios (random).
Variable (random):
No es constante (no afecta a todos los sujetos de la muestra). No se puede controlar. Afecta la confiabilidad. No se pueden eliminar pero si se pueden minimizar. Complejizan las relaciones.
Sistemático:
Es constante (afecta a todos los sujetos de la muestra por igual). Viene del creador del instrumento. Se puede controlar. Afecta la validez, sin influir en la comparación entre grupos.
Consistencia
Medida de correlación entre los items del instrumento.
Consistencia no implica validez (es requisito necesario pero no suficiente).
Validez
El instrumento realmente mide lo que dice que mide
Asume que en cualquier medición habrá un error.
Teoría clásica de los tests (Classical Test Theory)
Error de medición estándar:
Mayor variación entre las Puntuación obtenida (Pobtenida) de la Puntuación real (Preal) implica mayor error de medición.
Desviación Estándar:
Es la cantidad esperada de error.
La
desviación estándar
de cada sujeto es indicador del error de medición.
Busca la exactitud de la medida o la determianción del error de medición
Las medidas son sumas de puntuaciones estándar sobre variables.
Es una teoría para muestras grandes ya que supone que se estudia a un número suficiente de personas para minimizar el muestreo erróneo de los sujetos.
Modelo de Muestreo de Dominio
Busca estimar la medida que se obtendría si se pudieran emplear todos los elementos del dominio; esto se logra mediante la obtención de puntuaciones verdaderas (el error aleatorio se promedia).
La prueba efectuada bajo este modelo tiene una variedad de ítems compuestos que proporcionan efectos similares a los de muestreo aleatorio real.
De el surge medidas de diferencia individual y medidas experimentales.
Es preciso en las estimaciones de confiabilidad.
No requiere una cantidad específica de elementos muestreados para definir una medida particular ni un tipo específico de ítems.
Dominio:
Colección hipotética de elementos.
Modelo de Pruebas Paralelas
Resulta útil cuando se tiene muestras grandes pues da por hecho que todas las pruebas tienen la misma medida.
Todas las pruebas que sean paralelas tendrán la misma desviación estándar, se correlacionarán igual con un conjunto de puntuaciones verdaderas y toda la varianza que no se explique mejor por puntuaciones verdaderas será explicada por error aleatorio.
Supone que dos o más pruebas están correlacionadas entre sí (es por eso que se dice que son paralelas); lo cual les otorga confiabilidad.
Tendrán también la mismas variaciones en la puntuación real y la correlación parcial entre las puntuaciones observadas y las puntuaciones reales de las pruebas será cero.
Sus varianzas de puntuación de error serán iguales.
El Modelo de Pruebas Paralelas es un caso especial del Modelo de Muestreo de Dominio más general
Precisión de las estimaciones de confiabilidad
El dominio será relevante únicamente si los elementos tienen un núcleo en común (correlación promedio entre elementos es positiva).
Es deseable que haya homogeneidad.
La presición de cualquier estimación de confiabilidad es una funciñon directa de la precisión de las estimaciones de r_ij
Las correlaciones siempre varían en magnitud..
Si la correlación promedio es positiva, la distribución de correlaciones debe estar sesgada negativamente y por lo tanto, no es normal.
Se suguiere prestar especial atención a la confiabilidad cuando se aplica una correlación entre pruebas de varias ítems (pues sus correlaciones tienden a excederse).
El error aleatorio se va a presentar en el muestreo real en la medida en que sus iintercorrelaciones de elementos varíen.
Las muestras aleatorias de ítems se correlacionan de la misma manera que las puntuaciones reales.
Las pruebas más largas (20 o más ítems) son mas confiables que las pruebas cortas, teniendo así más precisión en sus estimaciones de confiabilidad.
La confiabilidad depende completamente de la correlación promedio de elementos y del número de ítems de la prueba.
Coeficiente Alfa:
Es un caso especial de una medida sumamente útil llamada Correlación Intraclase (es la correlación esperada entre una prueba real y una alternativa hipotética).
Las puntuaciones de error y las puntuaciones verdaderas no están correlacionadas.
Los errores de estimación están correlacionados con la variable que se estima.
Confiabilidad como estabilidad en el tiempo
Medidas con alta estabilidad temporal se llaman
"medidas de rasgo"
y las medidas con baja estabilidad temporal se llaman
""medidas estatales
.
Esto se puede comprobar mediante la correlación entre las puntuaciones observadas
La Confiabilidad también se define como la estabilidad en el tiempo
Entre más grade sea el intervalo entre una prueba y la siguiente, el tiempo de estabilidad será menor.
Las medidas obtenidas en dos momentos distintos se pueden atenuar a causa del error aleatorio ya que la consistencia interna (homogeneidad) se ve afectada.
Las pruebas pueden o no ser estables temporalmente y pueden o no tener homogeneidad (son independientes).
Se requieren mínimo dos periodos de observación (olas) para estudiar cualquier cambio y se requieren al menos tres periodos para determinar su hubo o no un crecimiento lineal en el cambio.
La mejor medida del cambio es la diferencia entre los puntajes verdaderos.
Modelos Alternativos
Teoría Platónica de la Puntuación Verdadera
La puntuación se supone, en ves de realizar una administración repetida de pruebas.
Modelo Binomial
Supone que los errores tiene una distribución binomial en las puntuaciones verdaderas.
Estos errores al ser aleatorios provocan que cada persona tenga un distribución binomial de sus puntuaciones obtenidas en las pruebas (las puntuaciones obtenidas son estadísticamente independientes).
La desviación estándar depende del número de ítems de la prueba y de p.
Provee información adicional al Modelo de Muestreo de Dominio.
La relación entre las puntuaciones verdaderas y las observadas tienden a ser ligeramente no lineales.
Es un modelo útil para determinar la forma y distribución de las puntuaciones obtenidas
Modelo Factorial de Muestreo de Dominio
Puede haber tantos factores como tipos de error de medición.
Se diseña a partir del número total de factores, para así estructurar el contenido del dominio de mediciones.
Clasifica el contenido dentro de un dominio en
"factores"
.
Teoría de la Generalización.
Ortiz Aguilar Elsa Victoria
