Distribuciones asimétricas para el trazo latente en modelos de teoría de respuesta al ítem con múltiples poblaciones

En este documento, se propone un modelo para analizar datos provenientes de una prueba cuya población esta dividida en múltiples subpoblaciones. Se presenta un modelo de teoría de respuesta al ítem TRI con distribución normal asimétrica no centrada para los trazos latentes para múltiples poblaciones...

Full description

Autores:
Díaz Pedraza, Saira Yanoha
Tipo de recurso:
Fecha de publicación:
2018
Institución:
Universidad Nacional de Colombia
Repositorio:
Universidad Nacional de Colombia
Idioma:
spa
OAI Identifier:
oai:repositorio.unal.edu.co:unal/69268
Acceso en línea:
https://repositorio.unal.edu.co/handle/unal/69268
http://bdigital.unal.edu.co/70908/
Palabra clave:
31 Colecciones de estadística general / Statistics
6 Tecnología (ciencias aplicadas) / Technology
TRI
Trazo latente
Modelos asimétricos
Múltiples grupos
Stan
IRT
Latent variable
Asymmetric models
Multiple groups
Rights
openAccess
License
Atribución-NoComercial 4.0 Internacional
Description
Summary:En este documento, se propone un modelo para analizar datos provenientes de una prueba cuya población esta dividida en múltiples subpoblaciones. Se presenta un modelo de teoría de respuesta al ítem TRI con distribución normal asimétrica no centrada para los trazos latentes para múltiples poblaciones. Se muestran los resultados de la aplicación del modelo propuesto a una muestra de datos reales provenientes del Primer Estudio Internacional Comparativo sobre Lenguaje, Matemática y Factores Asociados en Tercero y Cuarto Grado (PERCE), que fue aplicada por el Laboratorio Latinoamericano de Evaluación de la Calidad de la Educación; cuyos datos fueron suministrados por el ICFES. Para evaluar la construcción del modelo se realizó un estudio de simulación; el cual mostró que el algoritmo de estimación se encuentra bien especificado dado que recuperalos paŕametros de los conjuntos de datos simulados. Se concluye mediante una prueba de bondad de ajuste que cuando se tiene en cuenta la asimetría de los trazos latentes el modelo se ajusta tanto a los parámetros de los ítems como a los trazos de los individuos.Por otro lado, la implementación se realizó haciendo de Stan (Carpenter et al., 2017) que es un lenguaje de programación probabilística que se ha convertido en la herramienta que se esta utilizando en la actualidad para modelos y cálculos estadísticos de alto rendimiento.