Análisis de la estructura cognitiva de la competencia científica en PISA 2006 mediante el método de las distancias mínimo-cuadráticasel caso español

  1. Romero Martínez, Sonia J.
  2. Ordóñez Camacho, Xavier G.
  3. López Martín, Esther
  4. Navarro Asencio, Enrique
Revista:
Psicothema

ISSN: 0214-9915

Año de publicación: 2009

Volumen: 21

Número: 4

Páginas: 568-572

Tipo: Artículo

DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Psicothema

Resumen

Los modelos de diagnóstico cognitivo integran la Psicometría y la Psicología Cognitiva con el objetivo de realizar mediciones detalladas de los procesos o atributos cognitivos requeridos para resolver los ítems de un test. Dentro de este contexto, el método de las distancias mínimo-cuadráticas (en inglés, LSDM) utiliza los parámetros de los ítems, estimados con alguno de los modelos de la Teoría de Respuesta al Ítem (TRI), para analizar los atributos y proporcionar evidencia sobre la validez de la estructura cognitiva. La Organización para la Cooperación y el Desarrollo Económico (OCDE) define tres procesos cognitivos subyacentes a la ejecución de los ítems de ciencias en PISA-2006: a) identificar cuestiones científicas, b) explicar fenómenos científicamente, y c) utilizar pruebas científicas. El objetivo del presente trabajo es analizar estos tres procesos y acopiar evidencia sobre la validez de la estructura propuesta por la OCDE, utilizando para ello el LSDM. Un segundo objetivo es comparar las comunidades autónomas participantes en cuanto al dominio de los tres atributos. Los resultados evidencian que la estructura propuesta explica adecuadamente la ejecución de los estudiantes en los ítems y que existen diferencias significativas entre tres comunidades autónomas en cuanto al dominio de los mismos.

Referencias bibliográficas

  • DiBello, L.V., Stout, W.F., y Roussos, L.A. (1995). Unified cognitive/psychometric diagnostic assessment likelihood-based classification techniques. En P. Nichol, S. Chipman y R. Brennan (Eds.): Cognitively diagnostic assessment (pp. 361-389). Hillsdale, NJ: Lawrence Erlbaum.
  • Dimitrov, D.M., y Raykov, T. (2003). Validation of cognitive structures: A structural equation modeling approach. Multivariate Behavioral Research, 38, 1-23.
  • Dimitrov, D.M. (2007). Least Squares Distance Method of cognitive validation and analysis for binary items using their item response theory parameters. Applied Psychological Measurement, 31(5), 367-387.
  • Embretson, S.E., y Reise, S. (2000). Item Response Theory for Psychologists. London: Lawrence Associates Publishers.
  • Embretson, S.E. (1984). A general latent trait model for response processes. Psychometrika, 49, 175-186.
  • Fischer, G.H. (1973). The linear logistic test model as an instrument in educational research. Acta Psychologica, 37, 359-374.
  • Henson, R., y Douglas, J. (2005). Test construction for cognitive diagnosis. Applied Psychological Measurement, 29(4), 262-277.
  • Junker, B.W., y Sijtsma, K. (2001). Cognitive assessment models with few assumptions, and connections with nonparametric item response theory. Applied Psychological Measurement, 25(3), 258-272.
  • MEC (2007). PISA 2006.Programa para la Evaluación Internacional de Alumnos de la OCDE. Informe español. Consultado el 17 de julio de 2008 desde http://www.institutodeevaluacion.mec.es/contenidos/internacional/pisainforme2006.pdf.
  • Medina-Díaz, M. (1993). Analysis of cognitive structure using the linear logistic test model and quadratic assignment. Applied Psychological Measurement, 17, 117-130.
  • OECD (2009). PISA 2006: Technical Report. París: OECD. Consultado el 17 de marzo de 2009 desde http://www.oecd.org/dataoecd/0/47/42025182.pdf.
  • OECD (2007). PISA 2006: Science Competencies for Tomorrow’s World. Volume 1: Analysis. París: OECD. Consultado el 17 de julio de 2008 desde http://www.pisa.oecd.org/dataoecd/30/17/39703267.pdf.
  • Rizopoulos, D. (2006). Ltm: An R package for latent variable modeling and item response theory analyses. Journal of Statistical Software, 17(5), 1-23.
  • Romero, S.J., Ponsoda, V., y Ximénez, C. (2006). Validación de la estructura cognitiva del test de signos mediante modelos de ecuaciones estructurales. Psicothema, 18, 835-840.
  • Tatsuoka, K.K. (1985). A probabilistic model for diagnosing misconceptions by the pattern classification approach. Journal of Educational Statistics, 10(1), 55-73.
  • Tatsuoka, K.K. (1995). Architecture of knowledge structures and cognitive diagnosis: A statistical pattern classification approach. En P. Nichol, S. Chipman y R. Brennan (Eds.): Cognitively diagnostic assessment (pp. 327-360). Hillsdale, NJ: Lawrence Erlbaum.
  • Von Davier, M., y Yamamoto, K. (2004). Partially observed mixtures of IRT models: An extension of the generalized partial-credit model. Applied Psychological Measurement, 28, 389-406.
  • Whitely, S.E. (1980). Multicomponent latent trait models for ability tests. Psychometrika, 45(4), 479-494.
  • Whitely, S.E., y Schneider, L.M. (1981). Information structure for geometric analogies: A test theory approach. Applied Psychological Measurement, 5(3), 383-397.
  • Yan, D., Almond, R.G., y Mislevy, R.J. (2004). Comparisons of cognitive diagnostic models (ETS RR-04-02). Princeton, NJ: ETS. Disponible en http://www.ets.org/research/newpubs.html.
Fuente de los datos: Dialnet