PIR 2024 · Pregunta 73
Teoría clásica de los testsLa fuente principal de error de un coeficiente de fiabilidad calculado mediante formas alternativas de un test en aplicación diferida es:
Ver respuesta sin contestar
Respuesta correcta: B (plantilla definitiva)
Explicación
En la Teoría Clásica de los Tests, la fiabilidad por formas alternativas con aplicación diferida estima tanto la estabilidad temporal como la equivalencia de contenido. Por tanto, la varianza de error se compone del muestreo de contenidos (diferencias entre las dos formas) y del muestreo de tiempos (fluctuaciones del sujeto o del contexto entre las dos sesiones).
B. El diseño combina dos fuentes de error aleatorio: (a) muestreo de contenidos, porque cada forma es una muestra distinta de ítems del dominio constructo, y (b) muestreo de tiempos, porque la aplicación diferida introduce fluctuaciones temporales (maduración, aprendizaje, estado motivacional, eventos vitales). Es el coeficiente más exigente, ya que exige equivalencia de contenido y estabilidad temporal simultáneamente.
- A. El 'cambio en los contenidos' no es una fuente de error reconocida en TCT; las formas se construyen para ser equivalentes. La opción duplica el muestreo de contenidos y omite el muestreo de tiempos, que es la fuente añadida por la aplicación diferida.
- C. Describe las fuentes de error de la fiabilidad interjueces (calificadores), donde la variabilidad proviene de la subjetividad o criterio de los evaluadores. No aplica a formas alternativas, donde la corrección suele ser objetiva o estandarizada.
- D. Asocia el muestreo de contenidos con la heterogeneidad de ítems, lo cual corresponde a la consistencia interna (alfa de Cronbach, KR-20). Además, omite el muestreo de tiempos, imprescindible en el diseño diferido.
Fuentes
- Nunnally, J.C. & Bernstein, I.H. (1994). Psychometric Theory (3rd ed.). McGraw-Hill
- Martínez Arias, R. (2005). Psicometría: Teoría de los tests psicológicos y educativos. Alianza Editorial
- Anastasi, A. & Urbina, S. (1997). Psychological Testing (7th ed.). Prentice Hall
Explicación generada con IA y verificada por consenso entre modelos de distintas familias.