Algunos retos metodológicos del modelamiento bayesiano de teorÃa de respuesta al Ãtem: la calificación de pruebas estandarizadas
DOI:
https://doi.org/10.15332/s2027-3355.2016.0001.07Palabras clave:
modelo de Rasch, metodologÃa bayesiana, error de estimaciónResumen
Originalmente los modelos para la teor´ıa de respuesta al Ãtem (TRI) fueron desarrollados entre los años de 1970 y 1980, principalmente desde el campo de lapsicometr´ıa, intentando evaluar rasgos latentes (como la habilidad de la persona),para as´ı obtener mayor certeza de la conclusiones que podÃan sacar de sus estudios, algunos de los modelos que surgieron en esta época son: Modelo de Rasch, Modelo de un parámetro (1PL), de dos parámetros (2 PL), entre otros. Sin embargo el limitante computacional era un factor clave, ya que los métodos de estimación de estos modelos requieren una carga computacional importante, que no pod´ıa ser soportada por los desarrollos de la época. Hoy en dÃa esto ya no es una limitación y gracias a esto la combinación de los métodos bayesianos y la TRI ha sido posible.Citas
Ayala, R. (2008), The theory and pratice of item response theory, 1 edn, The Guilford Press.
Fox, J. (2010), Bayesian Item Response Modeling. Theory and Applications, 1 edn, Springer.
Geweke, J. & Porter-Hudak, S. (1983), ‘The estimation and application of longmemory times series models’.
Mislevy, R. (1986), ‘Bayes model estimation in item response models’, Psychometrika 51(1), 177–195.
Rasch, G. (1980), Probabilistic models for some intelligence and attainment tests, 1 edn, University of Chicago Press.
Rigdon, S. & Tsutakawa, R. (1983), ‘Parameter estimation in latent trait models’ Psychometrika 48(1), 567–574.
Sinharay, S. (2003), Bayesian item fit analysis for dichotomous item response theory models, Technical report, ETS, Princeton, NJ 08541.
Swaminathan, H. & Gifford, J. A. (1982), ‘Bayesian estimation in the rasch model’, Journal of Educational Statistics 7(1), 175–192.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Los autores mantienen los derechos sobre los artÃculos y por tanto son libres de compartir, copiar, distribuir, ejecutar y comunicar públicamente la obra bajo las condiciones siguientes:
Reconocer los créditos de la obra de la manera especificada por el autor o el licenciante (pero no de una manera que sugiera que tiene su apoyo o que apoyan el uso que hace de su obra).
Comunicaciones en EstadÃstica está bajo una licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)