info:eu-repo/semantics/article
Application of the Graded Response Model to a Scale of Empathic Behavior
Aplicación del modelo de respuesta gradual a una escala de comportamiento empático
Fecha
2019-06Registro en:
Auné, Sofía Esmeralda; Abal, Facundo Juan Pablo; Attorresi, Horacio Felix; Application of the Graded Response Model to a Scale of Empathic Behavior; Universidad San Buenaventura; International Journal of Psychological Research; 12; 1; 6-2019; 49-56
2011-7922
2011-2084
CONICET Digital
CONICET
Autor
Auné, Sofía Esmeralda
Abal, Facundo Juan Pablo
Attorresi, Horacio Felix
Resumen
The results obtained from the application of the Graded Response Model (GRM) to the items of the Scale of Empathic Behavior whose authors are Auné, Abal and Attorresi (2017) are presented. The sample was obtained by accessibility and consisted of Argentine university students (80% Women). None of the items presented uniform or non-uniform gender differential item functioning. The GRM assumptions of local independence and unidimensionality were successfully corroborated. Threshold parameters tended to be located at low levels of the trait scale, whereas discrimination parameters were high. The analysis of the information function showed acceptable precision in low and middle empathic behavior level. Se presentan los resultados obtenidos a partir de la aplicación del Modelo de Respuesta Graduada a los ítems de la Escala de Comportamientos Empáticos de Auné, Abal y Attorresi (2017), un instrumento compuesto por ocho ítems que se responden en una escala Likert de seis categorías de respuesta. La muestra fue obtenida por accesibilidad y estuvo compuesta por estudiantes universitarios argentinos (80% Mujeres). Ningún ítem presentó funcionamiento diferencial del ítem uniforme o no uniforme. Se corroboraron los supuestos del MRG de independencia local y unidimensionalidad, considerándose satisfechos. Los parámetros de umbral tendieron a ubicarse en niveles bajos de la escala del rasgo, mientras que los parámetros de discriminación tuvieron valores altos. El análisis con la Función de Información del Test mostró una precisión alta para niveles de rasgo bajos y medios.