MirPirFir.

Teoría clásica de los tests

Fiabilidad, validez, error de medida, atenuación y corrección de la longitud en la teoría clásica de los tests.

Revisada contra las fuentes50 fuentes34 preguntas reales

La TCT explica la puntuación observada como suma de puntuación verdadera y error, y se centra en la fiabilidad y el error de medida 34. En el PIR se pregunta sobre todo por fiabilidad (alfa de Cronbach, formas paralelas, dos mitades, interjueces), por la fórmula de Spearman-Brown para cambios de longitud y por las evidencias de validez 111927. La validez es un constructo unitario basado en evidencia y teoría; la fiabilidad es requisito previo pero no garantía 27. También aparecen índices de rendimiento diagnóstico y la comparación entre TCT y TRI 211. La tipología de fuentes de error por método, la taxonomía de los Standards 2014, el error estándar de medida con su fórmula, la atenuación, la restricción de rango, el contraste rendimiento máximo/típico y varias definiciones operativas no están respaldadas por las fuentes y se recogen en sin_fuente.

Fundamentos de la TCT y error de medida

La TCT, también llamada teoría del puntaje verdadero, parte de que la puntuación observada en un test es la suma de una puntuación verdadera, libre de error, y una puntuación de error 3. Su objetivo es comprender y mejorar la fiabilidad de las pruebas psicológicas, y se considera sinónimo aproximado de la teoría del puntaje verdadero 3. En español se subraya que la TCT busca la exactitud de la medida o, si no, una determinación precisa del error; por eso se la llama teoría del error de medición 4. La teoría de los tests es un área de la teoría de la medida que aporta un modelo matemático para esperar relaciones estadísticas entre rasgos y valores medidos; las dos familias más conocidas son la TCT y la TRI 8. Conviene distinguir exactitud y precisión: la exactitud se refiere a la cercanía al valor verdadero y la precisión a la cercanía entre medidas repetidas; la precisión describe error aleatorio y la exactitud puede describir sesgo sistemático 7. En psicometría, fiabilidad alude a ausencia de errores de medida y a consistencia o estabilidad de las puntuaciones 16. La TCT fue codificada por Novick en 1966 y descrita en Lord y Novick en 1968 y Allen y Yen en 2002 3. El error estándar de medida, su fórmula (EEM = σ_X·√(1 − r_xx)) y los intervalos de confianza alrededor de la puntuación verdadera estimada no están respaldados por las fuentes de esta lista; se detallan en sin_fuente.

Para el examen

  • Puntuación observada = puntuación verdadera + error 3
  • La TCT busca mejorar la fiabilidad y precisar el error de medida 34
  • Exactitud no es lo mismo que precisión 7
  • Fiabilidad = ausencia de error y consistencia de puntuaciones 16
  • La TCT se codifica en Novick 1966 y Lord y Novick 1968 3
  • Error estándar de medida e intervalos de confianza alrededor de la puntuación verdadera: ver sin_fuente

Fiabilidad: métodos, índices y objetividad

La fiabilidad es una propiedad psicométrica que indica ausencia de errores de medida y consistencia o estabilidad de las puntuaciones a lo largo de mediciones sucesivas con el mismo instrumento 16. El alfa de Cronbach es un coeficiente de fiabilidad y una medida de consistencia interna; fue ideado por Lee Cronbach y hoy se usa de forma tan amplia que se advierte contra su uso acrítico 11. Su denominación se debe a Cronbach en 1951, aunque sus orígenes están en Hoyt en 1941 y Guttman en 1945 20. Desde la TCT, coeficientes como alfa pueden expresarse como coeficientes de correlación intraclase, y la fórmula de Spearman-Brown se usa para calcular la fiabilidad cuando cambia el número de ítems 29. Las formas paralelas comparan versiones equivalentes del instrumento; en un estudio de una aplicación frente a tarjetas, con 2-3 semanas entre aplicaciones, se evaluó con ICC y se halló fiabilidad aceptable en varias áreas 2. En otra aplicación, la fiabilidad de formas paralelas se estimó como correlación de Pearson entre dos mediciones 10. La división por mitades es un procedimiento de estimación de la fiabilidad 1419; el alfa mide consistencia interna 11. La concordancia entre observadores se cuantifica con ICC interobservador e intraobservador 25. Una revisión de simulaciones Monte Carlo encontró que la consistencia interna en general y el alfa son los métodos más prevalentes, mientras que formas paralelas, test-retest y otros enfoques quedan infrautilizados 6. La tipología de fuentes de error según el método de fiabilidad, la clasificación de dos mitades como consistencia interna y la objetividad como acuerdo entre evaluadores no están respaldadas por los extractos disponibles; se recogen en sin_fuente.

Para el examen

  • Fiabilidad = ausencia de error y estabilidad de las puntuaciones 16
  • El alfa de Cronbach mide consistencia interna y no debe usarse acríticamente 11
  • Alfa se denomina por Cronbach 1951; orígenes en Hoyt y Guttman 20
  • Formas paralelas pueden estimarse con ICC o con correlación de Pearson 210
  • La división por mitades estima fiabilidad 1419; el alfa mide consistencia interna 11
  • La concordancia entre evaluadores se cuantifica con ICC 25
  • Alfa y consistencia interna son los métodos de fiabilidad más prevalentes 6
  • Fuentes de error por método y clasificación de dos mitades/objetividad: ver sin_fuente

Corrección de longitud y atenuación

La fórmula de Spearman-Brown, también llamada profecía, relaciona la fiabilidad con la longitud del test y predice la fiabilidad después de cambiar la longitud; es clave en el paso de corrección de la división por mitades 19. Fue publicada independientemente por Spearman y Brown en 1910 19. Se usa para calcular la fiabilidad cuando cambia el número de ítems de un cuestionario 29. En educación médica se recomienda aumentar la longitud para mejorar la fiabilidad, y la fórmula permite predecir el efecto de añadir o quitar ítems 22. Sin embargo, tiene supuestos restrictivos: asume paralelismo clásico, por lo que Charter la considera obsoleta en algunas aplicaciones frente al alfa de dos mitades o el alfa total, que requieren solo equivalencia esencial tau 18. En pruebas de rendimiento físico se comprobó que sus supuestos pueden violarse y que las predicciones pueden superar la fiabilidad test-retest observada 14. La atenuación de correlaciones por falta de fiabilidad y la corrección por restricción de rango son conceptos clásicos, pero no están desarrollados en las fuentes de esta lista; se recogen en sin_fuente.

Para el examen

  • Spearman-Brown predice la fiabilidad al cambiar la longitud del test 19
  • Fue publicada por Spearman y Brown en 1910 19
  • Se usa cuando cambia el número de ítems 29
  • Asume paralelismo clásico; alfa requiere supuestos menos restrictivos 18
  • Puede sobreestimar la fiabilidad observada si se violan supuestos 14
  • Atenuación y restricción de rango no están en fuentes: sin_fuente

Validez: evidencias y tipos

La validez de un test es el grado en que mide lo que pretende medir; en evaluación psicológica y educativa se define como el grado en que la evidencia y la teoría apoyan las interpretaciones de las puntuaciones para los usos previstos 27. Los modelos clásicos dividían la validez en contenido, criterio y constructo, pero la visión dominante actual la considera un constructo unitario; la fiabilidad se confunde a menudo con validez, y aunque una fiabilidad adecuada es requisito previo, no garantiza validez 27. La validez de contenido se evalúa con juicio de expertos e índices de validez de contenido, como en adaptaciones de escalas 1317. La estructura interna se estudia con análisis factorial exploratorio y confirmatorio; en una adaptación se eliminaron 8 ítems tras el análisis y se comprobó una estructura de 4 dimensiones 13. En adaptaciones se realizaron evaluaciones de validez convergente y divergente 13, y un estudio de un sistema de evaluación docente aportó evidencia convergente al comparar grupos extremos y correlacionar instrumentos 30. La definición de validez de contenido como relevancia y representatividad, la validez consecuencial y la taxonomía de los Standards 2014 no están respaldadas por las fuentes de esta lista; el contraste entre rendimiento máximo y rendimiento típico se detalla también en sin_fuente.

Para el examen

  • Validez = grado en que evidencia y teoría apoyan interpretaciones y usos 27
  • La validez es un constructo unitario en la visión moderna 27
  • La fiabilidad es requisito previo pero no garantía de validez 27
  • La validez de contenido se apoya en juicio experto e índices CVI 1317
  • La estructura interna se examina con análisis factorial 13
  • La evidencia convergente se apoya en correlaciones con otras medidas 30
  • Definición de contenido, validez consecuencial, Standards 2014 y rendimiento máximo/típico: ver sin_fuente

Validez criterial y pruebas diagnósticas

Los modelos clásicos distinguen validez de contenido, criterio y constructo 27. En pruebas diagnósticas, la evidencia suele presentarse con el área bajo la curva ROC y con sensibilidad y especificidad; en la adaptación de la Quick Aphasia Battery el AUC fue 0,96, la sensibilidad 86% y la especificidad 92% 21. En adaptaciones se realizaron evaluaciones de validez convergente y divergente 13, y en la evaluación docente chilena se hallaron correlaciones significativas con tres de cuatro instrumentos y diferencias entre grupos extremos 30. En la validación de la inteligencia emocional se ha pedido un estándar más exigente de evidencia de validez y un enfoque en explicaciones causales del rendimiento 26. Cuando se comparan dos formas, la correlación de Pearson puede estimar fiabilidad de formas paralelas, no validez 10. Las definiciones de sensibilidad, especificidad, eficacia, valores predictivos y punto de corte no están en las fuentes; tampoco la correlación biserial puntual para criterio dicotómico. Por eso no se afirman aquí y se remiten a sin_fuente.

Para el examen

  • En diagnóstico se informan AUC, sensibilidad y especificidad 21
  • La evidencia convergente se apoya en correlaciones test-criterio 30
  • Se exige mayor estándar de evidencia de validez en algunos constructos 26
  • Pearson en dos formas estima fiabilidad de formas paralelas, no validez 10
  • Las definiciones operativas de índices diagnósticos se remiten a sin_fuente

Relación fiabilidad-validez y TCT frente a TRI

Fiabilidad y validez no son sinónimos: la fiabilidad es consistencia y ausencia de error, mientras que la validez es el grado en que la evidencia y la teoría apoyan las interpretaciones y usos de las puntuaciones 1627. Una fiabilidad adecuada es requisito previo de validez, pero una alta fiabilidad no garantiza que el test sea válido 27. La TCT se centra en la fiabilidad global y en el error de medida, y se contrasta con la TRI, considerada teoría moderna de rasgos latentes 3. En un estudio de análisis de ítems se aplicaron TCT y TRI: la TCT confirmó alta fiabilidad y validez de la estructura unifactorial, mientras la TRI mostró que los ítems diferían en potencia de medida, discriminación y dificultad 1. Los modelos de TRI permiten evaluar propiedades de los ítems 1; en un modelo de respuesta continua, las puntuaciones modeladas se aproximaron mejor al puntaje verdadero que la suma de puntuaciones 9. En TCT el foco está en coeficientes como alfa e ICC 29. La función de información del test en TRI se considera equivalente al coeficiente de fiabilidad en TCT en los materiales de examen, pero esa equivalencia concreta no está en las fuentes; ver sin_fuente.

Para el examen

  • Fiabilidad y validez son conceptos distintos 1627
  • La fiabilidad es requisito previo, no garantía de validez 27
  • La TCT se centra en fiabilidad global; la TRI en rasgos latentes 3
  • La TRI aporta información por ítem: potencia, discriminación y dificultad 1
  • Un modelo de respuesta continua se aproximó mejor al puntaje verdadero que la suma de puntuaciones 9
  • Alfa e ICC son coeficientes propios de la TCT 29
  • La equivalencia función de información-fiabilidad no está en fuentes: sin_fuente

Trampas habituales

  • Confundir fiabilidad con validez: una alta fiabilidad no garantiza validez; solo es requisito previo 27.
  • Usar alfa como prueba de unidimensionalidad: alfa mide consistencia interna y su uso acrítico es criticado; la estructura interna se examina con análisis factorial 1113.
  • Creer que Spearman-Brown sirve para cualquier cambio: asume paralelismo clásico; con supuestos menos restrictivos puede usarse alfa o equivalencia tau 18.
  • Confundir formas paralelas con test-retest: las formas paralelas comparan versiones equivalentes y suelen estimarse con ICC o Pearson 210.
  • Confundir fiabilidad interjueces con consistencia interna: la concordancia entre observadores se cuantifica con ICC 25, mientras que la consistencia interna se asocia a alfa 11.
  • Pensar que validez de contenido es análisis factorial: la validez de contenido se apoya en juicio experto e índices CVI 1317; la estructura interna se examina con EFA y CFA 13.
  • Confundir sensibilidad con especificidad o eficacia: en validación diagnóstica se informan por separado sensibilidad y especificidad junto con AUC 21; sus definiciones operativas no están en las fuentes.
  • Confundir rendimiento máximo con típico: el máximo exige el mejor rendimiento posible y suele tener límite de tiempo y respuestas correctas; el típico valora la conducta habitual, sin respuestas correctas ni límite de tiempo (ver sin_fuente).

Autores clave

Spearman y Brown
Publicaron independientemente en 1910 la fórmula de predicción que relaciona fiabilidad y longitud del test 19.
Lee Cronbach
Ideó el alfa de Cronbach como coeficiente de fiabilidad y consistencia interna; en 1972 presentó la teoría de la generalizabilidad 1124.
Novick
Codificó la teoría clásica de los tests en 1966 3.
Lord y Novick
Describieron la TCT en un texto clásico de 1968 3.
Allen y Yen
Expusieron la TCT en un manual de referencia de 2002 3.
de Vet y colaboradores
Mostraron que alfa puede expresarse como ICC y que Spearman-Brown se usa al cambiar el número de ítems 29.
Charter
Criticó el supuesto de paralelismo clásico de Spearman-Brown frente a fórmulas alfa menos restrictivas 18.
Baumgartner
Aplicó Spearman-Brown a pruebas físicas y observó violaciones de supuestos y sobreestimación de la fiabilidad 14.

Glosario

Teoría clásica de los tests
Modelo que descompone la puntuación observada en puntuación verdadera más error 3.
Puntuación verdadera
Puntuación libre de error de una persona en un test 3.
Error de medida
Componente de error de la puntuación observada; la TCT busca determinarlo con precisión 34.
Fiabilidad
Ausencia de errores de medida y consistencia o estabilidad de las puntuaciones 16.
Consistencia interna
Propiedad de fiabilidad que mide la coherencia entre ítems; se asocia al alfa de Cronbach 11.
Alfa de Cronbach
Coeficiente de fiabilidad y consistencia interna ideado por Cronbach 1120.
Formas paralelas
Fiabilidad entre versiones equivalentes de un instrumento; se estima con ICC o correlación de Pearson 210.
Coeficiente de correlación intraclase
Índice usado para fiabilidad interobservador y para expresar coeficientes de fiabilidad 2529.
Validez
Grado en que evidencia y teoría apoyan las interpretaciones y usos de las puntuaciones 27.
Validez de contenido
Evidencia de validez evaluada con juicio de expertos e índices CVI 1317; su definición como relevancia y representatividad se recoge en sin_fuente.
Validez convergente
Evidencia de validez basada en correlaciones con otras medidas del mismo constructo 30.
Spearman-Brown
Fórmula que predice la fiabilidad al cambiar la longitud del test 19.
TRI
Teoría moderna de rasgos latentes que modela la probabilidad de respuesta a los ítems 31.
Precisión
Cercanía entre medidas repetidas; describe error aleatorio 7.
Sensibilidad y especificidad
Índices de rendimiento diagnóstico que se informan junto con el AUC 21.
Error estándar de medida
Índice del error individual de medida ligado a la fiabilidad; su fórmula e interpretación se recogen en sin_fuente por falta de respaldo en las fuentes de la lista.

Preguntas reales de este tema

Fuentes

  1. 1Item analyses of the 20-item prosopagnosia index using classical test theory and item response theory. · Mori M, Sugiyama M., 2026 · Artículo · acceso abierto
  2. 2Parallel-Forms Reliability and Clinical Utility of an Application Version of the Activity Card Sort Australia (18–64) · Louise A. Gustafsson, Aleysha Martin, Liane Buijsman et al., 2018 · Artículo · acceso abierto
  3. 3Classical test theory · Wikipedia (en) · acceso abierto
  4. 4Teoría clásica de los tests · Wikipedia · acceso abierto
  5. 5Addressing threats to validity in large dataset research. · Yoo W, Ioannidis JPA., 2026 · Artículo · acceso abierto
  6. 6Monte Carlo simulation studies of reliability in psychometrics · Josip Novak, Blaž Rebernjak, 2024 · Artículo · acceso abierto
  7. 7Accuracy and precision · Wikipedia (en) · acceso abierto
  8. 8Teoría de los tests · Wikipedia · acceso abierto
  9. 9Item Response Modeling of Situational Judgment Tests With Items Nested Within Scenarios. · Brown A, Morley E, Patterson F., 2026 · Artículo · acceso abierto
  10. 10Reliability of Time Domain AS-OCT in Measuring the Extraocular Rectus Muscle Insertion-Limbus Distances: A Systematic Review and Meta-Analysis · Eric J Kim, Arjun Ganga, Viren K. Rana et al., 2022 · Artículo · acceso abierto
  11. 11Cronbach's alpha · Wikipedia (en) · acceso abierto
  12. 12Psicometría · Wikipedia · acceso abierto
  13. 13Validation and Psychometric Evaluation of the Turkish Nursing Quality Improvement Attitude Scale. · Gür Ö, Çiçek Korkmaz A., 2026 · Artículo
  14. 14The Applicability of the Spearman-Brown Prophecy Formula When Applied to Physical Performance Tests · Ted A. Baumgartner, 1968 · Artículo
  15. 15Reliability engineering · Wikipedia (en) · acceso abierto
  16. 16Fiabilidad (psicometría) · Wikipedia · acceso abierto
  17. 17The Turkish Version of the Nurse Team Resilience Scale: Emergency Nurses. · Uysal D, Kirimlioglu N, Demirsoy N., 2026 · Artículo
  18. 18It is Time to Bury the Spearman-Brown “Prophecy” Formula for Some Common Applications · Richard A. Charter, 2001 · Artículo
  19. 19Spearman–Brown prediction formula · Wikipedia (en) · acceso abierto
  20. 20Alfa de Cronbach · Wikipedia · acceso abierto
  21. 21Adaptation of the Quick Aphasia Battery into Urdu and establishment of its psychometric properties. · Fatima A, Ashraf A, Khan MA., 2026 · Artículo · acceso abierto
  22. 22Using the Spearman-Brown Prophecy Formula to Improve Medical School Examination Quality · Kenneth D. Royal, 2017 · Artículo
  23. 23Hyponatremia · Wikipedia (en) · acceso abierto
  24. 24Lee Cronbach · Wikipedia · acceso abierto
  25. 25The Tibial Sag Radiograph Is a Reliable Radiographic Technique to Quantify Posterior Cruciate Ligament Laxity. · Schemitsch GW, Lameire DL, Cristofaro C, Hoit G, Whelan DB., 2026 · Artículo · acceso abierto
  26. 26Higher Standards of Validity Evidence are Needed in the Measurement of Emotional Intelligence · Andrew Maul, 2012 · Artículo
  27. 27Test validity · Wikipedia (en) · acceso abierto
  28. 28Test psicológico · Wikipedia · acceso abierto
  29. 29Spearman-Brown prophecy formula and Cronbach's alpha: different faces of reliability and opportunities for new applications. · de Vet HCW, Mokkink LB, Mosmuller DG, Terwee CB., 2017 · Artículo
  30. 30Convergent validity evidence regarding the validity of the Chilean standards‐based teacher evaluation system · María Verónica Santelices, Sandy M. Taut, 2011 · Artículo
  31. 31Clinical pharmacokinetic-pharmacodynamic relationships between drug exposure and the QT/QTc interval: Protocol for a systematic review and quantitative synthesis. · Molana H, Esmaily H, Mohammadnezhad G., 2026 · Artículo · acceso abierto
  32. 32Big data · Wikipedia (en) · acceso abierto
  33. 33Validez (psicometría) · Wikipedia · acceso abierto
  34. 34Associations of Interprofessional Adaptive Coordination and Intercultural Communication Competence with Missed Nursing Care in Remote Hospitals in South Papua, Indonesia. · Allorerung N, Antonio F, Hondir A., 2026 · Artículo · acceso abierto
  35. 35Psychological testing · Wikipedia (en) · acceso abierto
  36. 36Validez (epistemología) · Wikipedia · acceso abierto
  37. 37An open participatory protocol for the ecological development and validation of the interactional disruption profile. · Broc G, Vattier V, Schmidt RC, Capdevielle D, Marin L, Raffard S., 2026 · Artículo · acceso abierto
  38. 38Reliability (statistics) · Wikipedia (en) · acceso abierto
  39. 39Initial Evaluation of the Internal Structure and Internal Consistency of the Context-Adapted Perceived Peer Motivational Climate Scale (CMI) Among Nursing Students Enrolled in a Clinical Simulation Program. · García-Álvarez JM, García-Sánchez A., 2026 · Artículo · acceso abierto
  40. 40Pornography · Wikipedia (en) · acceso abierto
  41. 41Selectividad · Wikipedia · acceso abierto
  42. 42Pearson correlation coefficient · Wikipedia (en) · acceso abierto
  43. 43Falso positivo y falso negativo · Wikipedia · acceso abierto
  44. 44Quantitative Assessment and Verification of Quantum Neural Network Security Based on Violations of the Bell Inequality. · Zhang Y., 2026 · Artículo · acceso abierto
  45. 45Precisión y exactitud · Wikipedia · acceso abierto
  46. 46Fast, flexible analysis of differences in cellular composition with crumblr. · Hoffman GE, Roussos P., 2026 · Artículo · acceso abierto
  47. 47Binary classification · Wikipedia (en) · acceso abierto
  48. 48Cociente intelectual · Wikipedia · acceso abierto
  49. 49Development and Validation of the WAI-Tele-Reha-G: A Measure of Therapeutic Alliance in Telerehabilitation. · Hoffmann L, Geimer C, Diermayr G, Reindl M, Horton MC, Seebacher B., 2026 · Artículo · acceso abierto
  50. 50Discriminant validity · Wikipedia (en) · acceso abierto

Guía de estudio personal, elaborada a partir de las fuentes citadas y revisada contra ellas y contra la plantilla oficial de respuestas. No es material oficial y puede contener errores: si ves alguno, contrasta con el manual.