1.

Teoría clásica de los test (TCT)

Índice de dificultad
A
ID 
N
donde:
A= número de personas que aciertan el ítem
N=número total de personas que responden al ítem.
En ítem de elección múltiple:
E
A
ID '  p 
q
 k 1
k 1 N
donde:
p= proporción de aciertos (índice de dificultad sin corregir)
q= proporción de fallos
k= número de alternativas del ítem
o también:
A=aciertos
E=errores
N=total
Índice de discriminación
D  p  p
p+ representa la proporción de individuos del extremo superior que aciertan el ítem
p- representa la proporción de individuos del extremo inferior que aciertan el ítem
rix S x  Si
IH  donde: IH índice de discriminación o de homogeneidad
S x2  Si2  2rix S x Si
rix es la correlación ítem-test
S x es la desviación típica del test
Si es la desviación típica del ítem
Variabilidad y discriminación
La variabilidad en el test está relacionada con el índice de discriminación:
n
S x   S j rjx
j 1

donde:
Sx= desviación típica del test
Sj= desviación típica del ítem
rjx= índice de discriminación del ítem j
Análisis de distractores-- usar test de ji-cuadrado
f 
2
k  f ei
2  
oi
donde k=número categorías incorrectas, foi  frecuencia observada
i 1 f ei
fei  frecuencia esperada . El estadístico se distribuye como una  2 con k-1 grados de
libertad.
Coeficiente de fiabilidad
 V2
 XX ' 
 X2
 e2
 XX '  1 
 X2
Error típico de medida
 e =  x 1 -  xx'
Fiabilidad como estabilidad.-Coeficiente de estabilidad.- Spearman-Brown
2.rxx
Rxx 
1  rxx
Fiabilidad como equivalencia.- Coeficiente Kappa
F  Fa
K= c
N  Fa
donde Fc es la frecuencia para los elementos que coinciden y Fa es la frecuencia de azar para
los elementos que coinciden y N, número de casos.
Fiabilidad como consistencia interna
IF  Si Di
donde: IF índice de fiabilidad
Si es la desviación típica en el ítem i
Di índice de discriminación del ítem i
 de Cronbach
 XX '   .
 n

n 
  S 2j 
1 2 
j 1

n 1  Sx 
 
 
Validez
Índice de validez IV  rjy
Correlación de un ítem con el criterio
Validez y longitud de una prueba
rxy
Rxy  con:
1  rxx
 rxx
n

Rxy la nueva validez

rxy la validez primitiva
rxx la fiabilidad inicial
n cociente entre número de ítems finales y el número de ítems iniciales
2. Teoría de respuesta al ítem (TRI)
Modelo de un parámetro o de Rasch
e D ( bi )
Pi ( ) 
1  e D ( bi )
Donde:
Pi ( ) representa la probabilidad de acertar el ítem i para un valor de θ
bi expresa el índice de dificultad del ítem i
D es una constante que cuando toma el valor de 1,7 la función logística se aproxima a la
normal acumulada
Modelo de dos parámetros
e Dai ( bi )
Pi ( ) 
1  e Dai ( bi )
a índice de discriminación
Modelo de tres parámetros
e Dai ( bi )
Pi ( )  ci  (1  ci )
1  e Dai ( bi )
c, representa la probabilidad de acertar el ítem las personas sin conocimiento alguno del tema
Puntuación verdadera
n
PV j   Pi ( j )
i 1
Donde:
PVj representa la puntuación verdadera que corresponde a individuos con un nivel en el
rasgo latente de θj
n el número de ítems del test
Pi(θj) el valor de cada CCI para θ= θj
Función de información
1
I ( ) 
var(ˆ /  )
En el modelo de un parámetro tomará la expresión:
Ii ( )  D2 Pi ( )Qi ( )
Donde:
Ii(θ) cantidad de información del ítem i en el nivel θ
D constante de escala: 1,7
Pi(θ) probabilidad de acierto en el ítem i
Qi(θ)=1- Pi(θ)
En el modelo de dos parámetros toma la forma:
Ii ( )  D2 ai2 Pi ( )Qi ( )
donde ai es el índice de discriminación
En el modelo de tres parámetros será:
D 2 ai2Qi ( )  Pi ( )  ci 
2

I i ( ) 
Pi ( )(1  ci )2
donde ci representa el índice de pseudoazar.
Eficacia relativa
IT ( x )
ER( ) 
IT ( y )
Donde:
IT(θx) información del test X para el valor θ
IT(θy) información del test Y para el valor θ
Ponderación óptima de los ítems
2
 n 
  wi Pi '( ) 
I ( , X )  n i 1  y el valor de la ponderación que maximiza la información será:

 wi2 Pi ( )Qi ( )
i 1

Para el modelo de un parámetro: wi  D ; para el modelo de dos parámetros será: wi  Dai ;

y finalmente para el modelo de tres parámetros: wi  [ Dai Pi ( )  ci ] / [ Pi ( )(1  ci )]

De esta forma la puntuación total de un test en el último modelo será:

n
X   [ Dai Pi ( )  ci ] / [ Pi ( )(1  ci )]( xi )
i 1
Funcionamiento diferencial de los ítems
nf
Pr ( j )  Pf ( j )
DP  
j 1 nf
donde:
Pr ( j ) : es la probabilidad que los individuos del grupo de referencia tienen de superar el ítem
 j . Este valor se obtiene de la curva característica del ítem del grupo de referencia.
Pf ( j ) : es la probabilidad que los individuos del grupo focal tienen de superar el ítem  j .
Este valor se obtiene de la curva característica del ítem del grupo de focal.
n f : número de individuos del grupo focal.
El valor ideal de DP es 0.
3. La observación
Fiabilidad entre observadores.- Coeficiente Kappa
Po  Pe
 donde Po es la proporción de ocasiones en las que los observadores están de
1  Pe
c
1
acuerdo, P0 
N
n
i 1
ii y Pe es la proporción de ocasiones en las que éste se habría dado de
c
1
forma fortuita Pe es dado por: Pe 
N2
n n
i 1
i . .i .Donde ni. y n.i son las observaciones

marginales por cada categoría.

Fiabilidad entre observaciones coeficiente de Pearson o de Sperman (test-retest)
4. Test y pruebas objetivas
Puntuación típica
x
z

5. Técnicas de encuesta
Cálculo del tamaño muestral en muestreo aleatorio simple, para la proporción en los casos
más desfavorables del muestreo p=q=0,5. Con error del 5% y intervalo de confianza de 2  .
N<-1200 # Tamaño de la población
e<-0.05 # error de estimación
k<-2 # grado de confianza
p<-0.5
q<-0.5
D<-(e/k)^2
a<-(N/(N-1))
b<- (D/(p*q)+(1/(N-1)))
n<-round(a/b)+1
n # Tamaño de la muestra
6. Las escalas
Escala de Thurstone
Coeficiente de ambigüedad=C.A.=Q3-Q1=diferencia entre el tercer y el primer cuartil,
para un determinado ítem
Indicador de semejanza
N ab
I.S.(ab)= donde
Nb
Nab=núm.de sujetos que responden positivamente a los ítems a y b
Nb=núm.de sujetos que responden positivamente al ítem b
Escala de Guttman
Coeficiente de reproductividad:
num.total de errores num.total de errores
C.R.=1- =1-
num.total de respuestas num.total de sujetos x num.items
Diferencial semántico
Análisis de perfiles
Distancia euclídea D(ab)=  d 2 (a, b)
7. Pruebas criteriales
Índices de sensibilidad a la instrucción
DISGN o ganancia neta. Proporción de sujetos que responden al ítem incorrectamente
en el pretest y correctamente en el postest, menos la proporción de sujetos que
responden incorrectamente en el pretest y en el postest. Su rango de variación es [-
1,1].
DISCI-SI o diferencia entre los grupos con instrucción y sin instrucción. Diferencia entre
la proporción de sujetos que aciertan el ítem en el grupo con instrucción menos la
proporción de individuos que aciertan el ítem en el grupo sin instrucción.
8. Técnicas grupales de recogida de datos
Escala de distancia social
Índice de integración, oscilará entre: nivel de puntuación(n-1) y (n-1)

Índice de cohesión=
 índices de integración
Número de miembros
9. Análisis de documentos
Análisis de contenido
Paquete tm de R.