tesis de maestría
Evaluación de la dimensionalidad de pruebas estandarizadas mediante el uso del modelo Bifactor de la Teoría de Respuesta al Ítem multidimensional
Fecha
2022Autor
Navarro Murillo, Esteban Geovanny
Institución
Resumen
La presente investigación pretende visualizar y estudiar el comportamiento del modelo bifactor de la Teoría de Respuesta al Ítem (TRI) multidimensional, al ser aplicado a datos con diferentes estructuras dimensionales. Para esto, se realizó un estudio de simulación de escenarios, en el cual se obtuvo el valor de la raíz del error cuadrático medio, obtenido al usar el modelo bifactor en datos bajo diferentes estructuras dimensionales; los escenarios estudiados comprenden estructuras unidimensionales o multidimensionales que alteran el valor de los parámetros de generación de los valores simulados. El modelo bifactor resultó ser un método de análisis efectivo para la identificación de estructuras unidimensionales en los datos de estudio; asimismo, se identificó que este mejora su precisión al aumentar el tamaño de la muestra en los estudios. En el caso multidimensional, con los bajos valores obtenidos de la raíz del error cuadrático medio en las simulaciones correspondientes a los escenarios se evidencia que el modelo bifactor es un método adecuado para la identificación de subdimensiones presentes en los datos. The present investigation aims to visualize and study the behavior of the Bifactor model in the
multidimensional Item Response Theory (IRT) when is applied to data with different dimensional
structures. For this, a simulation study of scenarios was carried out from which the value of the root
of the mean square error obtained by using the Bifactor model was obtained in data under different
dimensional structures, the scenarios comprise one-dimensional structures and multidimensional
structures altering the value of the generation parameters of the simulated data. The Bifactor model
turned out to be an effective analysis method for the identification of one-dimensional structures
in the study data, also identifying that it improves its precision by increasing the sample size in the
studies. In the multi-dimensional case, the low values obtained by the root mean square error in the
simulations corresponding to these scenarios, is evidence that the Bifactor model is an adequate
method for the identification of subdimensions present in the data.